水电机组的安全稳定运行一直是人们所重点关注的问题,伴随着机组单机容量的提高,机组结构日趋复杂,机组运行过程中所承受的各种因素作用变得更加剧烈,使水电机组的安全稳定运行面临更加严峻的挑战。作为涉及传感技术、信息技术、计算机技术、人工智能等多学科领域交叉综合的状态监测技术,能够在不中断机组正常运行的情况下,及时、准确地获取机组运行状态信息,为机组的监测与分析提供了可能。然而,水电机组是由多种设备相互作用构成的一个有机整体,而大多数监测系统没有从全局的角度考虑对水电机组进行全方位监测,并且不同监测装置之间也缺乏信息交互与协作能力,无法对机组运行过程中的异常做出同步响应,不可避免造成机组某些信息遗失,不利于掌握整个机组的运行状况和准确分析机组运行过程中出现的异常。为此,在回顾机组状态监测技术发展现状和总结主要异常检测方法的基础上,结合葛洲坝电厂实际应用需求,以水电厂最优维护系统(Hydropower plant Optimal Maintenance Information System,HOMIS)为平台,开展了水电机组运行状态协同监测及异常检测方法研究。考虑到现有监测系统间信息交互与协作能力不足,运用团队协作关键技术,开展了水电机组运行状态协同监测方法研究。分析了水电机组故障的主要特性及现有监测方式在水电机组监测与分析中存在的局限性。在最优维护系统集成环境下,设计了团队成员模型,并概述了团队成员分工。采用运行工况和机组事件触发机制,来触发团队成员协作潜能。根据机组团队成员结构特点,研究了基于“熟人”的合同网协作模型,促进机组监测团队成员间的协作,并探讨了协同监测中的监测信息共享机制及冲突消解策略,提高了对水电机组的监测与分析能力。作为协同监测工作的进一步延伸,对协同监测新形势下的机组状态数据集成方法进行了深入研究。探讨了协同监测下多源、异构、多度、海量机组状态数据集成的必要性。采用多种手段对机组状态数据进行预处理,形成一致性好、准确度高、层次分明、关联性强的状态数据格局。在此基础上构建了基于多维数据模型的机组状态数据仓库,实现了机组状态数据的有效集成,满足用户对数据多层次、多角度综合分析的需求,并通过分层分布式组织、智能存储和自动维护机制,加强机组状态数据的组织与管理,为机组监测与分析提供一体化的数据集成平台。在协同监测的基础上,开展了水电机组异常检测方法研究,提出了一种基于先验知识与主元分析融合的机组运行过程异常检测方法。考虑到水电机组自身运行工况多样,通过先验知识对机组当前运行工况进行识别,并给出了基于运行工况的模型更新策略和基于协方差矩阵相似度的窗宽参数更新策略。利用协同监测与数据集成优势,将本文所提方法应用于机组异常检测仿真研究,并与基于固定窗宽的MWPCA方法对比,结果表明本文方法有效降低了误报漏报的发生,具有较好的检测能力,为机组异常检测提供了一种新的思路。本文研究的水电机组协同监测方法已成功运用在葛洲坝电厂、隔河岩电厂的多台机组上,通过在工业现场的实际应用情况对其进行了验证,展示了其在水电机组监测与评价方面的良好效果,并积累了丰富的数据信息和宝贵的经验知识。在此基础上,理论联系实际,开展了水电机组运行状态综合分析方法研究。通过机组异常检测与故障分析实例,表明其在辅助机组故障分析方面能够发挥积极作用。