在现代的工业生产中,安全问题已经成为不可忽视的重大问题,及时发现导致主要变量出现异常甚至报警的根源变量在提高生产安全方面至关重要。报警根源分析作为一种有效的报警分析技术在现代工业报警系统中越来越受到人们的重视,为了能够为现代报警根源分析策略提供可靠的技术支撑,本文将报警根源与多变量的变化趋势特征差异性联系起来,提出了一种基于增减趋势特征聚类的火电机组报警根源分析方法,采用一种全新的思路进行火电机组的报警根源分析工作并从以下三个方面对报警根源分析中用到的关键技术进行了创新。1.采用一种有效的趋势提取方法对运行数据进行分段线性表示,并结合一种最新的确定最优分段数的方法完成对运行数据的合理分段,从而更加准确地提取异常运行数据的变化特征,为后续地报警根源分析提供更有价值的数据信息。2.提出了一种基于拟合优度确定变量相关性的方法,可以准确地选取与主变量关联性较强的关联变量,简化了筛选关联变量的工作强度,高效地为后续的报警根源分析提供可靠的关联变量。3.应用了一种最新的基于密度的聚类算法对异常变化的报警数据特征聚类,在聚类中心的选择上,将手动选取改为自动选取,在最优聚类数的确定上,引入一种全新的L型曲线拐点确定法确定最优的聚类数目,减小了计算量并达到了非常好的聚类效果,从而为报警根源分析提供可靠地的技术支撑。为了验证研究结果,本文给出了数值仿真和工业案例,将增减趋势特征聚类法应用到火电机组报警根源分析中,达到了令人满意的效果,进一步验证了本文研究的增减趋势特征聚类法的有效性。