汽轮发电机组的设备安全性对生产、资源和环境等具有重要影响。近年来国内外发生的灾难性事故造成了重大的财产损失和人员伤亡,事故的多数原因是由设备故障造成的,因此及时有效的分析设备运行状况,对潜在故障早期识别,保障重要设备的安全可靠运行、避免设备故障的发生有重大意义。本文充分认识到汽轮发电机组故障预警研究的必要性和紧迫性,从多层角度对影响和反映汽轮发电机组安全稳定特性的状态变化关系进行研究,结合汽轮发电机组常见的故障模式、故障征兆分类,充分利用现场数据,实时展示、分析系统运行状态,并给予早期故障诊断。本文首先开展了汽轮发电机组故障模式与监测参数的关联性分析,通过对汽轮发电机组系统层次结构划分以及常见故障模式和监测参数的分析,挖掘出参数-故障关联,建立参数-故障知识库,为系统的识别决策提供知识化信息。本文利用数据挖掘理论对汽轮发电机组的实时监测参数信号进行了异动搜索研究,建立了基于K-均值聚类的汽轮发电机组异常搜索模型。利用时间序列分割技术、时域特征值提取技术、聚类分析理论对故障范围征兆参数建立异常时间序列搜索机制,并给予Matlab效果仿真。本文根据单个预测模型建立异常时间序列的组合预测模型,根据信息融合理论建立了基于多征兆信息融合的早期故障识别体系。本文采用基于GA组合预测模型对可以反映故障属性发展的征兆参数进行预测,并给予Matlab编程实现；根据DS证据推理,结合故障模式与故障征兆分析,建立了基于DS证据理论的汽轮发电机组早期故障识别过程模型,实现对汽轮发电机组潜在发生故障的早期发现,为实现机组的状态监测提供理论依据。