当前火电机组监盘分析，主要靠运行人员手工浏览画面，抄表、巡捡，靠控制系统的固定界限报警来提示，人工工作量大，没有统一的规范，主要靠人的经验，对人的能力和状态依赖性较强，并且参数异常的早期识别难度大，有经验的运行人员只能通过言传身教的方式传递，人员变动时这些经验往往就流失。 建设成果主要实现的功能是：覆盖全厂生产设备及系统的在线故障诊断与智能预警。搭建了多维度的预警模型。通过数字孪生的技术手段，构建数字工厂，实现“工厂-系统-子系统-设备-部件”工厂建模。预警系统建模与运行实际经验深度融合，设备故障模型类别全，根原因判定准，实用性强。预警系统的参数选定，建模规则，模型启动条件，都是由具有20年丰富运行经验的运行人员经过总结，及经过试运行优化验证得出。IT、AT 与 OT 实现深度融合。在项目中，采用低代码方式搭建模型，一线专业技术人员深度参与设计，广泛收集预警需求；同 时，基于平台集成的数据挖掘算子，多角度对比机器学习算法适应性，并优选模型；在建设过程 中，数据挖掘与预警功能深度融合，便捷实现数据抽取展示、统计分析、模型训练对比及预测结 果调用等功能；该平台专为火电企业设计，显著强化了状态检修能力，通过整合空气、烟气、 水及水蒸气等物性算子，以及统计、自定义函数、数据比对、信号保持、历史数据提取、波动抑 制等多种算子。平台支持便捷构建 3σ自适应阈值模型，实现在线监督设备性能劣化， 并能低内存监视需长时间数据累积判定的模型， 从而在异常初期即发出预警。有效解决运行人工监盘效率低、运行值班员心里压力增大问题。采用数据分析技术，结合发电生产运行经验，建立智能监盘的大脑，是传统电厂向高质量、高效率、可持续发展的一个方向。自预警系统投入使用以来，仅可量化收益就已达到166.74万元。预警系统大大提升了机组安全生产的可靠性。