传统在线监控系统的报警模式大多采用设定阂值,通过监测参数实测值与设定阈值的比较实现报警功能。由于这种单一报警机制在系统状态监测过程中难以及时发现故障早期的征兆,并对其发展趋势进行跟踪而往往导致被迫停机,造成惨重的损失。因此针对这种故障后处理的阈值报警在复杂系统状态监测方面的不完善,本文提出了一套以主动预防故障为特色的系统在线状态监测与故障早期预警体系,充分利用现场实时/历史数据库,在线地展示系统参数的动态变化过程,反映出系统运行的健康状态。本文提出了一种参数异动搜索算法,基于重要点划分时间子序列为各个子模式,根据参数的监测信号类型分别提取各个子模式的模式特征值,并将其映射到高维空间,从模式的角度搜索出明显不满足一般数据模式的异常参数序列及其异常持续时间和基本趋势：融合灰色等维加权预测模型与时序预测模型各自的优势,提出了一种灰色—时序组合动态预测方法,应用灰色模型预测序列的趋势项,应用时序模型预测序列的残差项,对系统监测参数的异常发展趋势进行预测,提高了预测的精度并为系统异常状态分析奠定了基础。本文对复杂系统进行了合理且有效的层次结构划分；挖掘出参数对预测故障模式发生的重要程度及参数与参数之间的相关关系,为系统的异常状态分析提供了知识化信息；建立了基于系统异常监测参数预警潜在故障发生的计算模型,架起了参数异常与系统状态异常分析的桥梁。本文阐明了汽轮发电机组状态监测参数异动搜索分析及故障预警的应用,结果表明该方法体系能够从海量的监测参数数据中挖掘出机组出现劣化的证据,根据系统异常状态分析对潜在故障做出正确的预警,及时采取有效措施将故障消灭在萌芽状态从而避免可能发生的强迫停机或者将故障损失程度降到最低,具有有效性和优越性。总之,本文提出的预警体系为系统的安全长周期运行提供了坚实的保障,为维修的智能化提供了可靠的决策依据,为企业的“零故障”管理目标铺平了道路。