随着发电行业多元化的发展和激烈的竞争,煤电机组进入到一个新的发展态势,对煤电机组提出了更高的要求,即在承担深度调峰任务的同时,还需要保持低耗能、低排放和高效率的运行状态。因此,依靠实时监控来识别异常模式的早期迹象,提前预测感知能效状态的发展趋势,实行预防性维修,为运行维修人员争取更多的时间去做相应的处理措施,使得机组在运行过程中始终保持良好的能效状态,贯彻落实健康可持续发展的思想路径。本文主要是对燃煤机组的能效状态进行异常预警与诊断系统的研究。基于机组综合能效指标,提出了能效状态表征量,并研究设计了系统功能实现流程与方法;建立异常模式体系,阐明了各种参数与异常模式之间的关系,构建异常模式树;对异常模式进行单分类,采用一类支持向量机算法构建了能效异常模式初步识别模型,确定预警开始时间点;基于时间序列预测理论,预测状态特征参数,将预测值作为能效状态预测模型的输入向量;采用最小二乘支持向量机构建能效状态异常预测模型,并用粒子群算法优化模型参数,提高预测精度;拟合能效状态量的预测曲线,确定未来能效状态;基于异常模式树,结合机理分析与领域知识,并形成网络化推理规则,以实现最终能效状态异常模式的诊断决策。本文以某百万超超临界一次中间再热燃煤机组为研究对象,进行了能效状态异常预警与诊断系统研究。通过利用机组的实际历史运行数据进行预警和诊断功能实现,结果表明上述方法可以较准确预测机组的能效状态变化,提前发现异常模式,提供相关的处理措施。