我国能源工业发展迅速,能源需求仍呈现增长态势。燃煤发电作为主要的能源供应方式,在能源结构中占有重要地位,是我国节能降耗减排目标实现的关键。随着数字化、信息化技术的进步,大数据技术的崛起及快速发展,受到各方面的重视。从理论、方法及应用等方面,将大数据思维和技术引入到电力生产中,以期推动中国电力生产方式由高能耗、高排放、低效率的粗放式发展向低能耗、低排放、高效率的绿色集约式发展转变。基于大数据技术的电站机组建模方法是跨学科、综合性技术,适合当前工业生产结构复杂化的特点,对电站机组数据进行多角度、深层次、宽范围的挖掘,推广大数据技术在电站机组分析中的应用,对提高机组效率和能源利用具有重要意义。本文分析了电站数据的特点,阐述了电站大数据的基本定义、应用模式以及大数据建模特点,形成了电站大数据建模的理论、方法及思路。首先,深入研究大数据建模过程中的实时数据异常点处理方法。针对电站机组中存在的多测点参数,采用以中位数代替平均数同时引入权重系数改进格拉布斯准则进行多测点参数的异常点检测。针对单测点参数,采用基于相关参数的修正的拉依达准则进行数据异常处理。实时运行数据的验证结果表明,所用方法可以检测出异常点,有效剔除实时数据中具有显著误差的数据。其次,针对大数据建模过程中的关键特征参数选择进行研究。采用平均影响值进行特征参数选择,并采用平均影响值进行多因素权重系数分配；引入分位数改进平均影响值方法,提出分位影响值方法进行特征参数选择,并提出基于分位影响值的多因素权重系数分配方法；采用基于支持向量机的敏感性分析方法进行特征参数选取,同时提出了基于敏感性系数的多因素权重系数分配方法。通过特征参数选择方法剔除无关或冗余参数,精简特征参数,可有效保证模型精度、降低模型复杂度、减少建模时间。再次,以主蒸汽流量建模为例验证特征参数选择方法的有效性。从大数据技术角度挖掘工业分析成分与煤质发热量之间的相关关系,同时建立基于工业分析成分的煤质发热量的离线分析模型。另外,通过大数据技术挖掘在线可控运行参数与煤质发热量之间的关系,并利用基于支持向量机的敏感性分析方法选取关键特征参数,进而建立煤质发热量在线监测模型,为实现煤质发热量在线监测提供了解决方案。然后,开展基于大数据的电站机组能耗特性建模理论及方法研究。提出以支持向量机敏感性分析方法对影响能耗的特征参数进行分析,直接求解偏导数,从而避免了以小扰动代替偏导数近似表达特征参数变化引起的机组能耗变化。考虑模型输入特征参数与能耗之间的相关性和依赖度,提取到对能耗影响较大的特征参数作为能耗特性分析的模型输入,建立能耗特性分析模型。同时分别研究不同负荷、不同样本数目、不同特征参数对能耗特性响应的影响。最后,开展电站机组状态评估和节能减排评价指标体系及评价方法研究。在广泛研究机组状态评估和节能减排的表征参数的基础上,建立基于信息熵-主成分分析的机组状态评估两级计算模型。从节能（节煤、节油、节水、节电）以及减排（NO_x、SO₂、粉尘）两方面考虑,提出了一种节能减排评价指标体系,并建立基于最大熵-投影寻踪的节能减排综合评价模型,为机组的节能减排调度提供可靠的理论指导。