由于经济的高速发展和社会对能源电力的迫切需求,我国电力行业发展迅猛。其中水电作为当前最重要的可再生能源,以其清洁环保、成本低廉等优点受到了广泛关注,也带动水电行业装机容量的不断增长。在此背景下,如何保证水电机组运行的稳定性成为人们讨论研究的热点。特别是对于蕴藏有巨大水力资源的云南省来说,为推进能源优化发展,以水电为主的大型电源陆续集中投产,水电装机容量占总装机容量的比例高达71.48%。因此,保证水电机组安全稳定运行对于局部乃至整个云南电力系统都至关重要。在水电机组的稳定性问题中,由于设备制造、安装等诸多因素导致的振动问题尤为突出。水电机组各导轴承在工作中均会出现振动超标的情况发生,但在某段特定负荷区域出力时,机组振动就会变得异常剧烈,对机组本体破坏性较大,因此这些振动区在机组正常发电时需要避开。目前全国大部分水电机组振动区基本不考虑水头变化的影响,且多数机组以低负荷段或者固定运行区域作为振动区。这样的振动区设置既影响调度制定合理的发电计划也不利于电站了解机组运行状态、排查安全隐患。为了解决这一问题,本文提出一种建立在大量机组全工况历史运行数据基础之上的新方法,以期能更准确地识别水电机组动态振动区。提出了采用数据滤波、检查与修补、数据融合、显著误差检验与校正等方法对海量机组运行数据进行预处理,提出了数据的三级检测,通过对数据的正确性进行检查后,并对明显错误的地方进行修复。分析了运行数据的处理方法,包括随机误差和显著误差的处理,将传感器观测到的信息运用适当的算法进行融合归纳,优化原始采集的数据,并以此对显著误差进行处理。最后本文利用仿真结果验证了数据处理的有效性,可以对显著误差以及奇异点进行校正。其次根据可靠数据信息,提出了基于数据驱动的水电机组动态振动区的在线识别方法研究,通过分析机组振动的主要原因,明确机组振动的测点及振动标准,进而统计不同功率和不同水头下机组振动的概率,通过基于k-means聚类算法进行基准值的挖掘,实现振动测点的合并及分离,最终通过对机组振动数据的离线计算和在线更新进行函数计算,得到了水轮机组振动区的动态识别,同时给出了该方法详细的实现流程图。最终根据上述研究成果,给出了详细的计算方法和步骤,通过获取云南某水电站的5台机组一年的历史运行数据后,进行了该电站#1~#5机组动态振动区的实际分析与识别,通过将该方法得到的5台机组动态振动区与机组稳定性试验结果进行了比较,验证了数据驱动识别振动区方法的合理性与有效性。