汽轮发电机组作为火电厂关键设备,其运行稳定性直接关乎电站的生产成本、发电质量以及整体的安全性。随着发电机组朝着大型化和复杂化方向发展,对象的测点不断增加,将产生大量流动的、连续的、实时的流数据,这些数据蕴含着丰富的设备状态信息,如何在汽轮机组故障智能诊断系统中快速处理这些数据以获取有用信息,对于保障机组设备安全稳定的运行具有重要意义。本文在上述背景下,结合课题"发电机智能诊断子系统",开展了基于数据流的汽轮机组故障智能诊断系统的研究。各个部分的具体研究内容如下:1.从数据流的基本概念出发,介绍了数据流模型和数据流的应用,并在此基础上建立了一个基于数据流技术的汽轮机组故障智能诊断系统模型。同时对系统的功能模块进行了描述,并分析了其中关键的数据流预测模型。2.针对汽轮机组异常检测要解决的问题,构建了小波误差树,实现数据流的快速查询,同时为满足汽轮机组异常检测过程中实时性和准确性的要求,采用基于预测模型的异常检测算法,即通过构建滑动窗口结合高斯回归算法的模型实现汽轮机组的异常检测。并以定冷却水流量的异常为例进行实验验证,实验结果表明,该异常检测算法满足要求。3.基于BP神经网络、支持向量机和深度置信网络三种预测方法,结合四种特征提取选择方法,开展了汽轮机组故障特征提取的研究,采用滑动窗口结合均匀抽样的方式实现了数据流的实时预测,降低了运行时间,并利用定子线圈出水温度进行实验,实验结果表明,基于预测方法与特征提取选择方法的数据流预测方法满足数据流在预测精度和实时性上的需求,可用于汽轮机组故障智能诊断系统进行数据流预测。4.在上述研究的基础上,设计开发了汽轮机组故障智能诊断系统。通过设计发电机组智能诊断系统的总体结构,并选择相应系统运行环境,实现了实时状态监测、趋势预测、故障诊断等功能。以实际项目为依托,对发电机故障智能诊断系统的开发和数据流技术的研究提供了一些经验和思考。