- 文献综述（或调研报告）：
随着分布式控制系统的广泛应用和先进信息技术的实施，为了实时地检测并识别工业过程中的异常状况，数据驱动的故障诊断方法成为多变量过程控制的研究热点之一。
这些工业过程的特点是无法完全依靠传统方法建立精确的物理模型进行监控管理，又时刻产生大量反映过程运行机理和运行状态的数据。传统的机理分析已经不能满足要求，数据驱动方法与机理分析方法不同，该方法能够从历史数据中获取系统特征参量间的关联特性，而不需要深入了解系统复杂的机理特性，可以满足复杂热工过程设备或系统的建模和诊断要求。此外，数据驱动方法建模过程更加灵活，可以捕捉系统因概念漂移出现的特性变化。
基于数据驱动的故障诊断分析方法主要有基于统计的方法和基于信号的方法。基于统计分析的方法主要依靠分析过程数据统计量，从其中的变化提取特征。基于信号分析的方法则是利用各种信号分析技术提取信号时域和频域的特征。而基于定量人工智能的方法，不需要定量数学模型，利用人工智能技术，通过教计算机如何学习、推理和决策实现故障诊断。
为了能够学习表示高阶抽象概念的复杂函数，解决目标识别、语音感知和语言理解等人工智能相关的任务，引入深度学习。深度学习的本质是特征提取，即通过组合低层次的特征形成更加抽象的高层表示，以达到获得最佳特征的目的。深度学习有4种典型的学习模式：卷积神经网络（CNN）、深度信念网络（DBN）、深度玻尔兹曼机（DBM）、堆叠自动编码器（SAE）。
深度学习堆叠自动编码器，即以堆叠自动编码器为核心的深度网络。堆叠自动编码器（SAE）是将深度信念网络（DBN）中的受限制玻尔兹曼机（RBM）替换为自动编码器（AE）得到。采用无监督预训练和有监督微调的训练方法。本课题基于深度堆叠自编码技术，建立火电机组回热系统安全性和经济性监测分析模型。
给水回热系统是电厂最重要的辅助系统之一，它对机组的经济和安全运行起着重要作用。而研究和分析给水回热加热系统的性能和运行特性，关键在于研究分析加热器系统，分析加热器系统经济性指标与设备结构和运行工况的关系。
高压加热器由盖板、外壳、水室隔板、支座、水室端盖、凹法兰盖、翻版水位计等组成，其作用是利用汽机的抽汽加热锅炉给水，以提高机组的热效率。给水由给水进口处进入水室下部，通过U形管束吸热升温后从水室上部给水出口处离开加热器。加热蒸汽由入口进入筒体，经过热蒸汽冷却段、蒸汽凝结段、疏水冷却段后蒸汽由汽态变为液态。根据三段式加热器传热模型，按照质量平衡和能量平衡方程，可以算出各段对数平均温差、过度点温度、各段总传热系数、管壳测阻力，从而建立火电机组回热系统模型。
赵文升等人使用STAR一90仿真支撑系统的功能,建立了整个加热器回热系统的数学模型。并以验证后的加热器系统模型为研究对象,应用经济性分析方法之一的工程㶲分析法中的有关理论,对加热器系统各种工况(如设计工况、变负荷工况、故障工况等)进行了动态的经济性分析和讨论。
胡娜使用张春发等人提出的现行电力系统热经济性状态方程，从整体上把握热力系统各个参量间的联系，分别分析加热器、疏水冷却器、蒸汽冷却器以及疏水泵等对火电机组热力系统热经济性的影响，并在矩阵方程中以适当的方式表达出来，并在在 MATLAB 中进行算法实现。
Smrekar根据人工神经网络，利用某电站锅炉日常运行数据作为训练样本，将蒸汽压力、温度等作为输出预测样本，建立了预测精度较高的模型。刘吉臻针对 SCR 脱硝系统中输入变量的多尺度特性及时变特性问题，将核偏最小二乘与多核学习相结合，提出了自适应多尺度核偏最小二乘建模方法。
