仪器仪表学报

作者：徐健，牛玉广，杜鸣，姚珺，朱国雄

单位：徐健,1.华北电力大学新能源电力系统全国重点实验室北京102206； 2.华北电力大学控制与计算机工程学院北京102206,,牛玉广,1.华北电力大学新能源电力系统全国重点实验室北京102206； 2.华北电力大学控制与计算机工程学院北京102206,,杜鸣,1.华北电力大学新能源电力系统全国重点实验室北京102206； 2.华北电力大学控制与计算机工程学院北京102206,zjajdming@163.com,姚珺,1.华北电力大学新能源电力系统全国重点实验室北京102206； 2.华北电力大学控制与计算机工程学院北京102206,,朱国雄,1.华北电力大学新能源电力系统全国重点实验室北京102206； 2.华北电力大学控制与计算机工程学院北京102206,

关键词：磨煤机;状态监测;知识蒸馏;持续学习;图卷积网络

基金：国家自然科学基金(52206009)、国家重点研发计划(2022YFB4100404)项目资助

煤电机组磨煤机运行状态受煤质变化、负载波动、设备老化等因素影响，容易产生动态偏移。现有监测方法普遍采用“离线建模、在线部署”方式，适应性不足，难以实现持续、精准的状态监测。知识蒸馏方法使用轻量化的学生模型继承复杂教师模型的优越性能，便于实现模型快速更新与在线部署。因此，提出了一种基于持续蒸馏的磨煤机自适应状态监测方法，通过教师模型持续指导、学生模型在线更新的机制，快速适应磨煤机运行状态的动态变化。针对磨煤机数据特性，结合图卷积和时间卷积网络的特征提取优势，提出图时卷积网络作为教师模型。构建基于复合损失函数的学生模型，通过蒸馏损失继承教师模型知识，使用监督损失保障监测的准确性。设计新旧参数融合策略，基于实时数据周期性更新学生模型参数，实现参数的迭代优化。基于某电厂运行数据验证，结果表明：提出方法在监测精度和自适应性方面均优于对比方法。在正常工况段，基于持续蒸馏方式的预测残差标准差相较于离线建模方式平均降低了8.45%，显著提升了模型的稳定性；在异常工况段，提出方法在保持零误警率的前提下，提前116h捕捉到故障征兆并发出预警信号。综上所述，所提方法能够显著提升设备运维的智能化水平，具有广阔的工程应用前景。

来源：2026年第1期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2026年第1期