摘要: 汽轮机的故障诊断对整个电厂的安全运行意义重大.根据热力参数建立计算模型可以及早地观测到性能退化趋势,预测设备故障类型.本文采用特征通流面积的方法建立汽轮机系统性能退化模型,模拟系统故障样本与测试样本,建立设备故障样本库.通过使用改进的KNN(K-nearest neighbor)算法,基于汽水系统热力参数变化规律,计算当前机组运行数据样本相对于设备故障样本的相似度,判定当前机组各设备已发生故障的概率.通过对某S109FA联合循环机组汽轮机研究结果表明,特征通流面积在不同工况下的计算误差均在5％以内,满足工程计算要求.相比于传统KNN算法,改进KNN算法通过样本评估近邻在决策过程中的权重,取得了比传统KNN算法更高的分类正确率.对测试样本故障诊断结果表明,改进KNN算法比传统KNN算法诊断准确率更高,对测试样本诊断准确率为100％,采用改进KNN算法汽轮机系统故障诊断具有可行性,与现场实际情况吻合.