面向燃气轮机燃烧室的准确可靠异常检测：一种深度学习方法

监测燃气轮机燃烧室健康状态，特别是早期检测异常行为与初期故障，对于保障燃气轮机高效运行及防止代价高昂的非计划维护至关重要。检测燃烧室异常的一种流行手段是持续监测排气温度分布。多年来已探索了许多用于检测燃烧室故障的异常检测技术，然而已部署异常检测方案的性能（检测率）仍显不足。亟需能够提升检测性能的先进技术。为改善异常检测性能，本文我们将机器学习中近期发展的深度学习（DL）引入燃烧室异常检测应用。具体而言，我们利用深度学习从排气温度的传感器测量中分层学习特征，然后将所学特征作为神经网络分类器的输入以执行燃烧室异常检测。由于此类深度学习的特征比手工特征更能捕捉所有传感器测量与底层燃烧室行为间的复杂关系，我们期望所学特征能带来更准确、更鲁棒的异常检测。利用从真实世界燃气轮机燃烧系统收集的数据，我们证明了所提出的基于深度学习的异常检测确实显著改善了燃烧室异常检测性能。