由于高端发电机组热力系统中的关键设备结构复杂,运行环境恶劣,其出现故障劣化的现象难以避免。当故障严重劣化时,可能会导致机组非计划停机,造成严重的经济损失甚至人员伤亡。因此,为了确保高端发电机组热力系统关键设备的安全可靠运行,研究面向高端发电机组热力系统关键设备的故障预测方法至关重要。根据故障预测结果可以确定合理的故障检修时间,从而消除安全隐患,降低机组意外停机的风险。然而,高端发电机组热力系统中的关键设备规模庞大、测点众多、过程特性复杂,给故障预测方法研究带来严峻挑战。本文面向高端发电机组热力系统关键设备,深入研究故障预测中的故障变量选择、健康状态评估、故障劣化趋势预测等典型问题,提出了具有实际应用价值且有效的算法。本文的具体研究内容如下:(1)考虑到高端发电机组热力系统关键设备中存在庞大的测量变量,其中绝大部分都是与故障无关的冗余变量,提出一种分块精细化故障变量选择方法算法。该方法首先用缺失率过滤法和方差过滤法剔除噪声变量并使用k最近邻算法填充缺失值;然后根据Pearson相关系数和互信息将变量划分为线性子块和非线性子块,针对两个子块的不同特性进行精细化分析,利用Lasso-Logistic回归算法从线性子块中选择故障变量,并使用XGBoost算法从非线性子块中选择非线性子块中的故障变量。(2)考虑到高端发电机组热力系统关键设备中存在大量闭环控制回路,在其反馈调节作用下会引发过程动态特性变化,提出基于闭环信息分析的高端发电机组热力系统关键设备的健康状态评估方法。首先,该方法利用典型变量分析提取时序相关的特征,在此基础上再利用慢特征分析进一步提取静、动态故障特征,通过这两步递进式的故障特征提取策略,提取的特征不仅能将故障与正常工况切换区分开,还能充分表征闭环控制系统作用下的潜在故障劣化过程。最后使用连续隐马尔可夫模型来监测静、动态特征的变化,从而实现闭环控制系统下的健康状态评估。(3)考虑到高端发电机组热力系统关键设备运行过程呈现出大范围非平稳特性,且故障特性复杂,提出了一种基于故障特性集成协同分析的故障预测方法。该方法首先利用ADF检验区分平稳变量和非平稳变量;对于平稳变量,利用慢特征分析和核主成分分析分别提取反映故障劣化过程缓变特性和非线性特性的特征;对于非平稳变量,利用协整分析将故障劣化趋势与变量的非平稳趋势区别开,提取反映故障劣化过程非平稳特性的特征。基于上述步骤提取出的特征可以充分表征高端发电机组热力系统关键设备的故障劣化特性。针对所提取的特征中包含了大量冗余特征的问题,利用单调性、鲁棒性和相关性三个指标综合筛选出关键故障特征以提高故障预测的准确性;使用不相似性分析将筛选出的关键故障特征融合成DISSIM健康指标;最后根据DISSIM健康指标建立故障预测模型,实现故障劣化趋势的精确预测。