大型火电机组具有结构复杂、时变特性明显且系统耦合性强等特点，开展机组运行状态监测与故障诊断相关研究对保证机组的安全、经济运行具有重要意义。本文分别对传感器故障诊断、系统过程状态监测、系统过程故障诊断等问题进行了研究，建立了比较完善的火电机组运行状态监测与故障诊断体系，主要内容为：　　 提出了基于主元分析的关联规则数据挖掘方法，引入了测点波动度与波动相似关联规则的概念，对具有关联规则的测点进行挖掘与分析。利用关联规则测点建立了基于加权最小二乘支持向量回归(WLSSVR)的数据检验模型，实现了传感器异常数据的检测与重构。分析了WLSSVR模型参数对模型回归精度、泛化能力的影响，将基于量子行为的遗传算法应用于WLSSVR模型参数优化，提高了模型参数优化的全局寻优能力和收敛速度。　　 针对火电机组运行过程的时变特性，提出了一种改进的滑动窗主元分析(MWPCA)的机组运行状态在线监测方法。以双背压凝汽器为例，分析了影响凝汽器真空的因素和各因素的时变特性，讨论了基于单步向前和多步向前滑动方式下MWPCA对凝汽器运行状态监测能力，分析了多步向前滑动窗主元分析对运行过程稳态工况、非稳态工况以及故障工况的识别能力。　　 针对火电机组故障诊断中测点缺失造成的信息不完备性与系统参数耦合性问题，结合符号有向图(SDG)的有向性和知识库的易于维护性，提出了基于模糊概率SDG单元模型的故障诊断方法。该方法避免了传统SDG方法搜索路径“组合爆炸”问题，较好地解决了上述火电机组故障诊断中的两个问题，且对传感器故障和系统过程故障具有很好的辨别能力，为火电机组故障诊断系统的开发与实际应用提供了有力的保障。以高加系统为例，建立了高加系统的模糊概率SDG单元库，并通过仿真和现场故障验证了该方法的有效性。　　 结合模糊概率SDG单元模型，提出了面向对象的智能事例推理技术的故障诊断方法。以凝汽系统为例，将其分为多个子系统，相应地建立了多个子事例库，采取定量的方法对各子系统进行故障诊断；在子事例库的基础上，建立了顶事例库，采取定性的方法对凝汽系统进行整体故障诊断。提出了“征兆-故障”层次化结构分析方法，有利于得到完整的征兆集合与故障集合。提出了节点搜索的事例检索新方法，提高了事例检索速度以及相似事例匹配度。基于智能事例推理技术的故障诊断方法具有自学习能力，能够根据机组运行状态变化进行自我学习，不断完善事例库，提高故障诊断准确率。　　 本文以600MW火电机组为例，通过仿真和现场实例对本文提出的方法进行验证。介绍了火电机组状态监测与故障诊断系统的体系结构、功能模块，并完成了相关软件的开发。