随着经济的发展和社会的进步,电能早已成为生产生活中不可或缺的能源,提高电力设备的运行效率和增强电力设备的持续运行能力是电力行业的重点关注问题。在改善工业体系的同时也要提升电力设备的运行效率、可靠性、安全程度以及经济性。无论是火力发电厂还是核电厂,汽轮发电机组都是十分重要的动力设备,人类使用电能的80%都是由汽轮发电机组提供的,保证汽轮发电机组正常运行减少其因非正常原因停机,对于推动电力行业甚至国家经济的发展来说有着积极并且深远的影响。因此,对汽轮发电机组进行运行状态监测具有重要的意义。汽轮发电机组作为工业生产生活中重要的动力设备,在设备的运行和维护过程中都要将可靠性的理念放在首要位置。通过传统的可靠性来评估汽轮发电机组的可靠性,需要依赖于大量设备部件的历史样本数据。但是,在工程实践中并不是所有样本数据都能完整的保存或者具有足够数量的历史样本数据,这也是传统可靠性的不足。鉴于这种情况,本文将在利用设备运行数据的基础上,将机器学习技术应用于汽轮机组的设备状态监测,设计一套状态监测系统来监测汽轮机部件的运行状态以便了解其健康程度,并对相关部件的健康率以百分数的形式进行展示,以达到掌握设备的运行可靠性的目的;与此同时,从可靠性角度出发,采用基于威布尔比例故障率模型的可靠性评估方法对汽轮机设备可靠性的相关指标进行计算及可靠性评估,与汽轮机状态监测系统得到的结果进行对比验证。采用一种基于设备运行状态特征的评估方法对汽轮机轴系关键部件进行运行可靠性评估,该方法以比例故障率模型为基础,选取二参数威布尔分布模型,将设备运行状态特征与设备可靠性之间建立联系,形成一种基于威布尔比例故障率模型的可靠性评估方法。选取能够反映设备运行状态的信号特征指标,采用极大似然参数估计法对模型中的参数进行估计,进而得出可靠性指标并对设备部件的可靠性进行评估。将机器学习技术应用到汽轮机组的运行状态监测中,采用支持向量机相关理论并且结合数据构建出支持向量机模型;基于数字化汽轮机三维模型建立可视化界面,设计了基于支持向量机的汽轮机状态监测系统,内容包括系统需求分析、系统功能分析和系统实现过程设计,将支持向量机应用到汽轮发电机组状态监测中,基于监测的结果对维修策略以及保养管理策略进行优化改进,更好地指导设备的运行与维护。