本项目通过梳理研究火电机组运行全过程各环节管控要点、难点，利用信息化技术、大数据分析建模技术、仿真镜像技术、三维建模技术、参数和设备的评估优化技术，协同机理驱动和数据驱动两种建模方法，将传统运行经验进行多维度数据融合，实现智能监盘，在线仿真，设备镜像，参数预测以及评估寻优等功能。 本项目创新点： （1）研发耦合设备热力特性模型适配监测和自适应更新技术，对常规数据驱动模型进行评估和模型参数自适应调整，解决了火电机组长时间运行后性能漂移引起的智能预警模型误报率高的问题。 （2）研发基于机理过程的高精度仿真建模耦合工况对标、设备参数自适应技术的火电机组在线仿真系统，开发基于实时编译与函数内存化预载入的高性能计算平台，引入开放式组态环境，以二次计算的形式对机组组态逻辑的周期性实时运算，与机组实时或历史数据进行数据对标，即时实现机组操作预演和历史复现。 （3）基于耦合大数据智能算法和机理建模技术，提出基于最小角度回归重构的主成分分析方法（LARS-RBPCA），将解重构的组合优化问题转化为解回归问题，采用融合监测指标的最小角度回归方法实现对潜在故障组合的稀疏搜索与确认，将智能预警结果回传机组DCS系统，构建火电机组DCS预警闭环回路。 （4）开发协同机理分析、参数自适应技术的设备镜像模型，通过监测重构矩阵的秩与特征向量来量化模型的适配度，对适配度低的模型进行及时更新，最终构建完整的模型评估及更新体系，实现设备性能实时监测与操作预演功能。 （5）提出耦合随机森林和神经网络算法的火电机组关键参数预测方法。 （6）提出基于工况分类和指标相关分析的业务逻辑仿生遗传多目标寻优算法，配合指标关联分析和大数据相似匹配分析方法，计算实际值与最优值间的差异，对结果进行差异排序评估分析，给出相关参数调整建议。