工况和故障一起判断
专业模型先比较可比条件，大模型再关联机理与经验。
趋势背景
机组诊断，要从告警追到原因与处置
“人工智能+”能源实施意见提出状态监测、故障预警与设备全生命周期管理。燃机的运行表现随负荷和环境变化，诊断应关联工况、部件和检修历史，将异常计算与专业原因排查接起来。
方案架构
以机组事件为主线，先完成工况与数据检查，专业模型分析性能和可用信号，规则与知识关联机理和检修历史，大模型整理候选原因、证据与排查步骤，多 Agent 连接专业复核和维修反馈。
应用场景
运行参数与性能异常诊断
先把运行工况看清，再排查持续偏移的原因。
机组数据与工况整理
对齐负荷、启停、环境和关键参数，检查缺失与测点条件。
参数关联与候选原因
专业模型发现偏移，规则与大模型关联机理、告警和历史事件。
专业复核与排查
整理证据、待补数据和现场检查项，确认后进入处置任务。
应用示例
能源透平运维 · 方案资料
透平机组非振动类故障诊断
资料记载已上线的运行参数与知识诊断基础，辅助专业人员排查异常。
能源透平研发 · 方案资料
振动频谱与机械故障扩展研究
在已有诊断基础上研究频谱和机械故障分析，明确所需信号与专业验证。
燃气电厂 · 场景示例
燃机性能偏移与检修复测
联合工况和性能指标，区分持续退化与环境变化，并跟踪检修后的表现。
当前案例：透平机组非振动类故障诊断
资料案例依据企业提供的演示材料整理，场景示例为业务延伸设计；配图为生成的场景示意。具体建设范围与效果以项目实际为准。