燃气-蒸汽联合循环发电是目前应用较广泛、较有前景的洁净能源发电技术。汽水系统是燃气-蒸汽联合循环发电机组的重要部分，对系统设备的健康状况监测对于联合循环机组整体的高效稳定运行有重要意义。基于监测结果，对汽水系统潜在故障设备进行检测与定位，针对性地安排检修和维护工作，就可以实现对汽水系统的视情维修，从而降低设备故障率，并节约维修成本。
　　本文选取了浙江半山电厂某 S109FA 燃气-蒸汽联合循环机组汽水系统作为参考对象，建立了包含设备性能退化的汽水系统变工况模型，并分析了不同部件性能退化对汽水系统热力性能的影响规律。基于以上规律并结合机器学习算法，根据机组热力参数的实时监测，提出了燃气-蒸汽联合循环机组汽水系统潜在故障实时检测与诊断方法，实现了汽水系统潜在故障的准确检测与诊断，主要工作和研究结论如下：
　　参考该S109FA燃气-蒸汽联合循环机组ISO 100%工况热平衡图，结合设备特性方程和半经验公式建立了汽水系统变工况模型，研究了燃气轮机排烟参数和环境参数对汽水系统热力性能影响规律。结果表明随着燃机排烟温度升高、环境温度和湿度降低，汽水系统热效率提高。
　　对比了大修前后汽水系统主要设备性能，发现大修前主要设备均已出现性能退化现象。引入设备性能退化系数，建立了汽水系统性能退化模型，研究了余热锅炉不同受热面传热系数退化、汽轮机通流能力退化、汽轮机效率退化和凝汽器传热系数退化对汽水系统性能及热力参数的影响规律。结果表明各设备性能退化对余热锅炉效率和汽轮机组热耗率有不同的影响趋势，但均会导致汽水系统热效率降低。
　　采用在线学习的支持向量回归算法对汽水系统出力进行预测，通过识别预测残差是否在正常范围内，建立了汽水系统潜在故障检测方法。对大修前数据样本的检测结果表明，在线学习的支持向量算法可以准确检测汽水系统潜在故障。
　　最后分析了改进KNN算法应用于汽水系统潜在故障诊断的可行性。通过汽水系统性能退化模型模拟故障样本和测试样本，计算测试样本热力参数相对于故障样本的加权余弦距离，再对测试样本故障类型做出决策。结果表明改进KNN算法对测试样本故障类型均能准确识别，验证了改进KNN算法在汽水系统故障诊断问题上的可行性。