随着我国经济持续发展,能源消费保持增长态势。燃煤发电作为能源供应的支柱产业,在我国独特的能源结构作用下,将继续占据主导地位,也是我国实现优能降耗减排目标的关键。大数据、人工智能的崛起及迅猛发展,推动着智能化、信息化与工业化的深度融合,为我国发电企业由高能耗、高排放、低效率的粗放型发展方式向低能耗、低排放、高效率的绿色发展方式转变带来新的方式和机遇。随着电力系统信息集成化的普及应用,电站机组积累了海量运行数据,如何挖掘数据中的潜在价值并加以利用,已成为当前发电行业的重要研究领域。推广大数据技术在电站机组的多角度、深层次、宽范围的挖掘与应用,对提高机组效率及深化优能降耗具有重要意义。首先,通过对电力大数据定义及特征的概括分析,阐述了电站机组大数据的定义及价值。针对电站机组大数据的挖掘过程,提出电站机组大数据的层级架构设计;同时,依据电站大数据处理关键技术,构建电站大数据生态系统应用框架,引入大数据存储与批处理技术,实现电站机组大数据的信息挖掘与获取。其次,深入分析电站机组海量运行数据特点及数据质量,阐明质量缺陷及原因,明确数据处理策略及方法。在电站机组数据检测中,采用多参数阈值判断法筛选稳态工况数据。在数据预处理中,利用双线性插值法及联合概率密度法分别处理数据空缺值及离散值;同时,针对电站机组大数据高维度、非线性的特点,引入模糊粗糙集理论,建立电站机组大数据特征参数选择方法,剔除冗余或无关参数,精简特征参数集,保证大数据挖掘处理的高效率性与高精度性。再次,开展基于大数据技术的电站机组能耗分析方法。以模糊粗糙集属性约简为基础,通过Canopy算法对K-means聚类算法改进,并将改进K-means聚类算法在Hadoop平台上实现并行化计算,实现全工况高效寻优确定电站机组运行目标基准值。同时,建立支持向量机能耗敏感性分析模型,依据供电煤耗与输入特征参数之间的依赖度及相关性,分析不同负荷工况下关键特征参数对供电煤耗的敏感性系数。然后,分析厂网两级负荷优化分配现状,针对电力发展清洁型、灵活型、智能型需求,提出基于大数据技术的考虑边界条件及污染物排放的多目标厂级负荷优化分配策略。基于电站机组的海量运行数据,引入大数据分析方法,通过粒子群算法对支持向量机进行改进,建立厂级快速性、经济性、环保性多目标负荷优化预测模型;并利用MapReduce并行编程模型实现对NSGA-Ⅱ优化算法的并行化处理,完成厂级多目标负荷优化分配计算。以此为基础开展的厂级负荷优化分配可有效降低电站机组供电煤耗及污染物排放,对电力系统节能发电调度具有参考意义。最后,开展燃气电站机组对标管理综合评估研究。在分析研究燃气电厂对标管理评估特点及表征参数的基础上,从安全环保、机组可靠、设备管理、经济运营、生产技术5个方面建立燃气电站机组对标管理综合评价指标体系:同时,基于大数据分析方法的粗糙集属性约简原理,结合向量夹角余弦与主成分分析法,建立燃气电站机组对标管理综合评估模型。针对模型赋权方案,建立基于指标权值的敏感性分析模型,检验结果表明所建立的燃气电站机组对标管理综合评价模型的权值分配敏感性较低,模型评价结果稳定,鲁棒性好,为燃气电厂企业对标管理及电厂机组间竞赛提供指导和帮助。