汽轮机运行的总体要求是在保证设备安全的前提下，取得最高的经济性，并能适应电网负荷的变化。汽轮机运行异常或设备故障情况下，会产生一些损耗影响汽轮机设备的可靠性和经济性，严重时可能造成设备损坏甚至发生事故，给发电企业造成巨大损失。因此充分了解并掌握汽轮机各种工况下的热力特性和运行特性，提前预测故障并判断故障的位置及类型将有利于对事故的处理，降低经济损失。围绕变工况下凝汽式汽轮机的运行性能诊断及通流部分常见故障分析，本文的主要研究内容如下：（1）提出了一种利用特征通流面积诊断汽轮机运行性能的方法，与以往的根据汽轮机各个设备的实时运行数据变化进行诊断的方法相比，该方法融合了自动反馈功能和调整功能，将计算机智能化，能够全面的了解汽轮机各个部位的运行性能。级组特征通流面积以弗留格尔公式为前提，反映了该级组的通流能力大小，本文以国内某电厂310MW汽轮机作为研究对象，通过实验验证了该方法的实用性。（2）提出了一种建立在时间序列基础上的最小二乘支持向量回归预测方法，与传统的神经网络预测方法相比，该方法具有所需训练样本少，抗噪能力强，预测精度高等优点，在现场试验中取得了很好的效果，该方法可以为汽轮机故障趋势预测技术的研究提供了一定的参考。（3）提出了一种基于核函数的二叉树型支持向量机分类算法，该方法应用在Matlab平台上，将汽轮机通流部分的故障学习样本以数组形式输入系统，在系统中存入故障学习样本的类别标签并建立故障分类模型，利用该模型进行分类预测。该方法具有所需样本数目不多、训练方法好，诊断率高等优点，能很好的应用于实际。本文通过以上方法对变工况下凝汽式汽轮机的运行性能进行诊断并对故障进行分析，取得了一定的研究成果。通过大量试验建立数据库，将系统不断完善并应用于现场，提高了汽轮机运行的经济性和安全性。