在目前全球天然气资源的大量开发、电网调峰日益增长的需求以及分布式能源系统的飞速发展的背景下,燃气轮机在我国发电领域的地位越来越重要。为确保燃气轮机能持续安全稳定可靠的长时间运行,其健康状态越来越成为重要的研究内容。目前大数据技术蓬勃发展,将其融入对重型燃气轮机健康状态的研究中是大势所趋。因此,通过监测燃气轮机实时数据,发现健康状态的早期异常,运用数据手段预测健康状态的发展趋势,及时对影响机组健康的异常事件进行处理,能有效提高机组寿命以及降低维护成本。本文是对重型燃气轮机健康状态异常预警与诊断技术所进行的研究。1)明确健康状态预警与诊断系统的构架与功能,确定整个研究的大体思路。并基于对燃气轮机的设备及机理的分析,确定了能表征燃气轮机健康状态的健康状态量,并建立了一套燃气轮机健康状态异常模式体系。2)对数据进行筛选处理,对燃气轮机运行数据进行工况划分和稳态筛选,并应用随机森林算法对健康特征参数进行选取。3)采用孤立森林算法对健康特征参数进行异常检测,确定之后预测预警工作的起始节点。基于时间序列预测理论,应用极限学习机对健康特征参数向后进行多步时间序列预测,将预测值作为健康状态预测模型的输入量。利用GA-BP神经网络构建健康状态预测模型,通过训练数据将健康特征参数与健康状态量之间复杂的非线性关系构建成数学模型之后,可通过输入经时间序列预测的健康特征参数输出未来的健康状态量,确定未来健康状态。4)构建了网络推理模型并基于健康状态异常模式体系,实现健康状态预警之后对健康异常的诊断决策。