相对于燃煤锅炉,燃气锅炉具有高热效率、低大气污染等优点,因此,燃气锅炉逐渐被广泛运用于生产生活中。锅炉长期在高温高压的恶劣工作环境下运行,若不能及时发现并处理运行中的故障,极易造成重大的安全事故。锅炉控制系统的特点是大滞后、非线性,存在随机干扰、参数时变等问题,控制效果不太理想。且当前燃气锅炉监控技术多为离线、参数恒定的控制方式,然而燃气锅炉热负荷是随末端需求动态变化的,因此当前的监控技术对工况的适应性较差,难以满足燃气锅炉热负荷动态变化时的实时安全监控及故障诊断需求。鉴于此,本文研究了一种基于深度学习算法的燃气蒸汽锅炉实时可靠性预测及故障诊断方法,主要内容如下:（1）针对燃气蒸汽锅炉常见的4种故障类型,提取出汽包水位、出口蒸汽压力、出口蒸汽温度、出口蒸汽流量与锅炉进水流量的差值、炉膛压力、烟管换热器进口烟温、烟管换热器出口烟温和冷却器出口烟温8个表征锅炉运行状态的特征变量。运用Aspen Plus软件对燃气蒸汽锅炉进行仿真,通过对模型施加给水流量、汽包压力、燃料流量及空燃比扰动,模拟锅炉常见的4种故障并采集故障发生前后8个特征变量的连续运行数据。（2）运用自适应神经模糊推理运算系统对8个特征变量建立相应的评判规则,对锅炉系统实时可靠性进行评估;结合长短时记忆网络对8个特征变量的时间序列预测,实现对燃气蒸汽锅炉的实时可靠性预测。（3）运用深度神经网络建立基于燃气蒸汽锅炉4种常见故障的故障诊断模型,对隐藏层激活函数、Batch＿Size、优化器、学习率和dropout这5个主要参数进行调整训练,最终模型迭代12次左右开始收敛,输出准确率高于92%。在对燃气蒸汽锅炉进行仿真实验研究,采集各运行状态连续运行数据的基础上,运用深度学习算法对锅炉系统进行实时可靠性预测及故障诊断,实验证明所提出的方法具有预测精度高、诊断效果好的优势,为锅炉系统的实时可靠性预测和故障诊断提供了一种切实可行的方法。