基于DAE-iForest的燃气轮机排气温度异常检测

通过燃气轮机排气温度对燃烧室及涡轮前几级叶片等高温部件开展异常检测,早期可靠的检测异常对确保燃气轮机高效运行至关重要。随着机器学习的广泛应用,数据驱动的状态监测方法已经越来越流行。针对故障数据缺失场景下的的燃气轮机排气温度分布异常检测问题,使用深度自编码器（Deep Autoencoder,DAE）学习特征,并采用隔离森林（isolated Forset,iForset）学习特征数据的正常信息,从而实现异常检测。与其他单分类的异常检测方法对比,该方法具有最佳的检测性能指标,能实现有效灵敏的燃气轮机排气温度异常检测。