热力系统故障诊断对提高火电机组运行的安全性和经济性有重要意义,在以电网为中心的负荷调度模式下,大型燃煤机组经常处于变负荷动态工况运行,热力系统故障诊断难度较大。目前热力系统的故障诊断多是基于稳态工况进行,对变负荷动态过程故障诊断研究相对较少。为此,本文基于热力系统丰富的运行参数,深入研究基于极端学习机(ELM)的热力系统变负荷动态过程故障诊断方法,并借助600MW超临界机组仿真系统开展试验。故障特征参数正常值的准确预测是动态过程故障诊断的一个重要环节,本文在深入了解ELM算法原理的基础上,研究了基于ELM的故障特征参数预测方法。以600MW超临界机组高压加热器系统为对象,建立了故障特征参数的ELM预测模型,实现了动态过程中高加系统故障特征参数正常值的准确预测。为提高ELM预测模型的性能,采用PSO算法对ELM模型中的权值和阈值进行优化,得到PSO-ELM混合算法预测模型,仿真试验表明,该混合算法模型进一步提升了ELM预测模型的预测效果,且具有更好的泛化性能。故障诊断模型的建立是故障在线诊断实现的核心工作。本文借助600MW超临界机组仿真系统提取高加系统典型故障样本,建立了故障模糊知识库,进而采用ELM方法建立了高加系统的故障诊断模型,完成了模型的离线训练和验证。借助MATLAB平台编制了高加故障实时诊断程序,并借助仿真机开展了详细的故障诊断仿真试验,表明本文提出的算法模型能够对热力系统稳态和变负荷动态过程的典型故障实现快速、准确、实时的在线诊断,效果良好。