随着传感传输技术和计算机科学等技术的高速发展,现代水电厂都建设了在线监测系统,累积了海量在线监测时空数据。通过分析海量监测数据蕴含的水电机组性能演化过程,提出水电机组性能劣化趋势预测方法,对及时发现机组早期故障,保证水电机组安全稳定运行具有至关重要的意义。水电机组性能劣化趋势预测面临以下难题:（1）如何在对水电机组性能的统一建模中融合多传感器信息时空特征,并准确建立水电机组整体性能指标;（2）如何构建预测模型以获得高质量的水电机组性能未来劣化趋势;（3）如何应用机组运行工况信息以更好地预测水电机组性能劣化趋势问题。围绕这些难题,本文开展系统研究,取得以下成果:（1）建立了面向时空特征融合的水电机组健康性能指标模型。研究基于特征筛选的设备健康性能模拟方法,准确模拟运行工况参数与水电机组振摆状态之间的函数关系,实现单通道健康性能指标的构建。在此基础上,提出时空融合方法,准确反映整台机组的健康性能状态。结合电厂生产实时数据,设计了对比实验,实验结果表明了所提方法的准确性和可靠性。（2）提出了基于时间卷积网路的新型区间预测学习方法。从时序关系推理的角度出发,提出时间卷积网路新型区间预测学习方法,设计自适应构造区间优化策略,完成机组性能劣化趋势时序区间预测,预测结果表明,所提出的模型在预测区间覆盖率和区间宽度两项评价指标上具有显著优越性,为实现机组劣化趋势早期报警提供了理论依据。（3）建立了考虑机组运行工况信息的Healthformer深度概率区间预测模型。该模型包含注意力机制、双向门限递归单元以及分位数损失函数三个重要模块。单步预测和多步预测的实验结果验证了Healthformer模型在水电机组性能劣化趋势预测任务的有效性和可靠性。