随着大数据技术与人工智能技术的快速发展,数据逐渐变成新的生产资料,大数据技术与人工智能给社会带来巨大的变革,对于工业来说,更是带来了巨大的机遇。国家已经把工业大数据与人工智能技术放在了发展战略上,并提出中国制造2025。对于发电行业来说,大数据与人工智能技术能够将发电行业推向新的生产形式,建立更加高效、更加安全、更加智能的电厂。本文针对重型燃气轮机组的能效状态异常检测与异常模式识别技术展开研究。由于重型燃气轮机组设备结构复杂,是一个多介质、多元素的复杂热力系统,一旦发生某些异常模式,则不仅经济效益下降,还有可能因为设备的老化、故障导致安全性的问题。因此,通过实时监测机组能效状态的变化,一旦发生异常则提前报警,并识别发生的异常模式,能够让运行维修人员制定更合理的维修策略,使得机组一直保持在一个很优秀的状态,更加节能、高效。本文首先开展燃气轮机组能效状态异常模式的研究,通过系统化、层次化的分析,在研究透燃气轮机组热力系统与设备组成的基础上,建立合理的异常模式体系。并对每种异常模式开展研究,分析每种异常模式的产生原因、发生征兆、影响后果以及处理措施,为后续流程开展奠定夯实的机理基础。然后提出LSTM-AE模型,可以很好的结合长短时记忆神经网络的长时间建模优点与自编码器表征数据分布的特性,能够有效的解决燃气轮机组能效状态异常检测问题。最后研究燃气轮机组异常模式识别,一方面在充分的专家知识的基础上,利用图论的思想概念来表达知识规则,然后建立知识推理网络,可以在原因到模式、模式到征兆的关系图中,很好的推理出异常模式。另一方面研究用于异常模式识别的人工智能技术,通过建立人工智能分类模型,可以很好的完成该任务。并综合考虑,以随机森林完成研究,同时以压气机结垢为例,表明模型的有效性。本文以粤电集团某燃气-蒸汽联合循环机组为研究对象,进行了能效状态异常监测与异常模式识别研究。通过利用机组实际历史运行数据,展开人工智能技术在该领域的应用分析,可以发现,人工智能技术能够有效的解决燃气轮机组能效状态异常检测与异常模式识别的问题。