一种基于机器学习的锅炉能效异常预警方法

本发明公开了一种基于机器学习的锅炉能效异常预警方法，涉及机器学习技术领域，包括：读取SIS锅炉多源数据，完成时间校准与测点编码；剔除坏点并识别冻结点，生成可信锅炉运行状态帧；识别运行工况和控制事件，形成工况绑定锅炉状态序列；构建改进MTGNN模型，计算多通道能效残差；结合控制调节事件窗口，剥离控制动作残差影响；按锅炉工况执行置信归一，生成置信残差和风险残差；执行Page‑Hinkley算法，计算图协同非对称漂移量；执行能流校验和贡献核验，输出能效异常预警结果。本发明能够在参数未越限和调节动作干扰条件下识别锅炉能效劣化，提高异常预警准确性和异常来源可解释性。