热电厂生产的供热蒸汽是重要的二次能源,被广泛应用于工业生产和人们的日常生活中。蒸汽流量仪表是计量蒸汽质量的二次仪表,它采集一次仪表温度、压力、流量等信号,通过计算得到相应累积流量值。而引起仪表累积流量异常的原因很多,为了防止故意断电或雷击等现象情况发生,导致数据流量飘溢,本文研究的第一部分是对网络型流量仪表的故障检测和诊断。首先以蒸汽流量仪表为研究对象,通过分析和诊断各种故障现象,建立故障模型,提出一种基于最小二乘支持向量机(Least Squares Support VectorMachine)回归的预测器算法,通过预测数据与当前实际测量值比较,实现对流量仪表的故障诊断。该算法在预测误差和预测器计算速度之间进行折衷,并以此为原则对样本进行筛选与仿真分析,仿真结果表明在适当降低较小预测器精度条件下,根据本文原则筛选样本,组成训练集,训练LSSVM。可以获得较高的预测速度和精度,适用于实时系统的故障诊断和数据恢复。　　 随着地球化石能源的日益枯竭以及人们对清洁能源的日益渴望,风能发电具有可持续发展和大规模开发利用价值。本文研究的第二部分是基于神经网络风速预测的最大风能跟踪控制,首先建立了3.6MW双馈感应风力发电机组数学模型,确定了由定子磁链和电网电压定向的矢量控制策略,然后引入了神经网络预估风速算法,最后对定风速和变风速情况进行了仿真分析。仿真结果表明基于神经网络风速预估的最大风能跟踪控制系统具有良好的快速性和鲁棒性,神经网络函数能够快速准确的反应风速变化,其预估结果完全可以作为最大风能(功率)跟踪控制的参考依据。额定风速以下,采用最大风能跟踪控制,额定风速以上,采用最大功率跟踪控制。