在水电计算机监控、机组状态监测业务系统上，利用现场温度、音频、振动、电压、电流等设备数据，整合实时监测数据。结合电站设备参数不同特点，筛选健康数据，通过相关性分析和机器学习算法建立参数的健康数据模型。总结归纳出了水电机组工况，辅机工况，温度趋势，油位趋势和水位趋势5大类32种预警算法模型。将设备重点参数的预警频率缩小到分钟级别，均早于监控报警和人工预测。 构建集数据采集、数据治理、预测预警和诊断分析为一体的工况与趋势预警分析系统，提供数据接入及管理、算法工具箱、算法可视化调度、运行监视、故障预测、诊断分析和自动统计，实现基于机器学习的水电重要主、辅系统工况监视、趋势预测和故障诊断，变被动监视为主动预测，为电厂安全运行、日常维护、机组状态检修提供有力的技术支持。