동적 증기 공수 펌프는 열력 발전소의 중요 보조 장비입니다. 동적 증기 공수 펌프의 효과적인 고장 예측은 그 상태 유지에 도움이 됩니다. 본 논문은 통계적 특징 기반의 특징 추출 방법과 Relief 특징 선택 알고리즘을 통해 공장 수집 모니터링 시스템의 역사적 데이터를 분류 모델의 입력 매개변수로 합리적으로 전환하고, 두 개의 발전소에서 발생한 배수 펌프의 작은 날 날짜와 공급 펌프의 동적 및 정적 밸런스 디스크의 실제 고장 케이스에 대해 5 가지 다른 분류 알고리즘을 사용하여 분류 모델을 구축했습니다. 실제 데이터 검증 결과 BP 신경망, 지원 벡터 머신 및 결합된 분류 알고리즘의 분류 효과가 더 우수하며, 장비 고장의 잠재적 위험을 4~10주 전에 사전에 식별할 수 있습니다. 이 결과는 다른 장비 고장 예측에 새로운 아이디어를 제공합니다.

동적 증기 공수 펌프; 고장 예측; BP 신경망; 지원 벡터 머신; 결합된 분류; 상태 유지