随着火电厂监控信息系统的发展，对底层进行测量工作的传感器的准确性、可靠性要求也逐步提高。由于电厂内传感器布置环境恶劣，传感器出现各种各样故障的情况时有发生。如何通过对历史数据的分析和建模，将传感器故障分离并辨识，甚至寻找故障替代值，对于火电厂进一步进行运行控制和性能优化计算有着十分重要的意义。 本文首先对在故障检测领域常常采用的主成分分析法的原理及建模进行了探讨，叙述了主成分分析法检测传感器故障的若干统计指标。 针对偏最小二乘模型建立过程中的几个关键问题进行讨论。给出建模选择相关变量的原则，选择主成分个数的交叉有效性原则和模型的预测回归方程。并以温州电厂两台135MW机组的PI实时数据库中的数据作为样本数据，采用偏最小二乘法建立仿真模型对传感器测点测量数据进行故障检测及诊断。解决了普通多元回归模型对多重具有相关性的数据适应性差的问题，同时具有速度快，实时性强的优点。 本文讨论了传感器常见的四种故障形式，针对其残差间的差异进行故障诊断及识别。特别的，针对故障诊断中的诊断阈值和窗口长度的选择进行理论探讨。文中给出了在不同的仿真故障形式和故障幅值下诊断程序的表现。 本文的应用程序用Microsoft Visual C++平台开发，采用电厂实际运行参数进行测试和考核，考核结果证明了该系统的可靠性和准确性。