大型汽轮发电机是发电厂重要的电气设备,一旦发生故障或者停机会对电厂的生产效益和安全性带来极大的影响。发电机定子绕组内冷水系统堵塞造成的热故障是大型汽轮发电机的主要故障之一。大型汽轮发电机均安装了分散控制系统（Distributed Control System,DCS）,可采集汽轮发电机运行过程中的大量实时数据,蕴含了丰富的设备运行状态信息。如何从这些大量的工业大数据里获取有用的信息,对汽轮发电机早期故障进行预警成为近年来业内研究热点。基于上述背景,本文在国家电力投资集团公司科技项目“发电机定子绕组热故障诊断技术研究”（项目编号:2019-001-ZDG-KJ-X）的支持下,开展了基于DCS的汽轮发电机定子绕组热故障诊断研究。主要内容如下:1、首先对发电机定子绕组热故障研究现状进行了详细梳理,对故障可能发生的原因进行全面分析和总结,指出现有方法存在的局限性。2、提出了一种基于汽轮发电机组DCS系统采集的实时运行监测数据对定子绕组温度异常进行在线预警的方法。该方法将隐马尔科夫模型（Hidden Markov Model,HMM）和箱线图法相结合,利用箱线图法筛选出DCS系统采集的发电机实时相关变量特征值,针对定子绕组单回路建立隐马尔科夫模型,提取定子绕组温度状态转变的预警信号,可实现发电机定子绕组热故障的早期识别与预警。结合案例表明该方法具有一定的鲁棒性。3、上述方法的有效性过于依赖输入特征量的筛选,而大型汽轮发电机定子槽数较多,如果未能输入有效的槽口出水温度值,则可能无法实现汽轮机的缺陷预警。针对上述方法的局限性,从整体相关性角度出发,提出基于动态网络标志物（Dynamical Network Marker,DNM）的故障诊断模型。将定子所有槽口映射为复杂网络,利用灰度关联分析每槽的温度变化情况,确定DNM网络关键节点,对关键节点进行DNM特性分析,识别相变过程中的临界状态。该方法输入由所有槽口中异常值确定,克服了上述方法中依赖输入特征量的筛选的问题,实现对发电机定子绕组热故障早期缺陷预警。结合实例验证该方法具有一定的有效性。本文所提方法均基于诊断对象设备自身的实时在线监测数据,不仅能够解决了机器学习建模诊断中普遍存在的特征样本数缺乏的问题,也能够充分考虑设备自身的动态特性,该方法也可推广应用于检测其他复杂电气机械设备的缺陷。