随着电力工业的迅速发展，长期以来发电设备采用的计划维修模式逐渐暴露出维修不足和维修过剩等问题，正在向先进的状态维修模式转变。因此发电厂对设备的状态的评价和预测提出了越来越高的要求，准确掌握设备的状态是正确调整机组运行和进行设备状态维修的重要依据。 本文在研究设备状态特征空间的评价理论与方法的基础上，充分利用设备运行参数、在线和离线监测诊断数据、运行实时数据、可靠性分析数据等信息，提取设备状态评价的特征参数，为设备状态特征空间的构建提供了新的思路。同时，制定了一套科学的评价指标体系，根据各类设备在发电机组中的功能和运行特点，结合熵权理论和层次分析法确定指标权重，利用多级物元分析模型计算指标评价值，综合评价机组的运行状态等级，力求使评价结果更客观。该模型可广泛应用于电厂设备状态评价，为电厂实施状态维修提供理论依据。 建立了基于时间序列分析理论的汽轮机组运行参数预测模型。针对汽轮机组运行参数中具有周期性变化的时间序列，提出将支持向量回归算法与时间序列分析中的自回归模型相结合，建立适用于工程实际应用的具有分析非线性样本特点的支持向量自回归预测模型——SVAR，并将其应用到汽轮机转子振动振幅预测中，为实现运行参数的未来趋势分析提供了强有力的支持。 对SIS系统的基本概念及其通用架构进行了阐述，并开发了基于SIS数据平台的状态监测系统。介绍了系统的总体设计，包括状态评价和预测在内各主要功能模块以及在现场运行的情况，为设备状态评价和预测技术的实用化作了有益的探索。