在节能减排的号召下,天然气能源发展有着巨大潜力,近年来的能源革命中扮演了重要角色。燃气调压器作为燃气运行管网的关键设施,在燃气输配系统中有着重要作用。针对目前中低压燃气调压器出现故障需依靠人工判别的问题,实现其智能化的故障自诊断,对燃气输配管网的快速发展和安全运营具有重要的社会经济意义。本文首先介绍了中低压燃气调压器故障诊断技术的研究现状,对调压器的分类和不同运行状态的特征做了简要分析;其次建立了基于EMD分解法和SVM算法的中低压燃气调压器故障自诊断系统;最终经过实际案例验证,该方法取得了良好的机器学习性能与准确度,为中低压燃气调压器故障自诊断的智能化提供了一种可行的途径。具体的研究方法为:采集其出口压力数据进行EMD分解得到能量矩值,计算得到每个样本的动态波动幅度指标(DB)作为补充判据。绘制出口压力雷达图,对调压器的输出状态进行了深度细化,共分为了7种不同输出状态。运用优序图法合理判定专家技师的人工诊断结果。在机器学习过程中通过网格搜索的方法分别优化了惩罚参数C和核函数参数g,用交叉验证的方法解决了样本数量较少的问题。在此基础上建立最优支持向量机的模型,形成了一套有效的中低压燃气调压器故障自诊断系统。对经过优化后的中低压燃气调压器故障自诊断技术进行测试,运行结果表明:在实际工程中,该优化后的SVM模型能够对中低压燃气调压器故障状态进行正确分类,准确率提升至了91.40%。该技术的上线应用优化了中低压燃气调压器的运营管理方式,对保证燃气管网安全高效运行具有重要意义。