新时代国家能源战略指出我国需进一步加大抽水蓄能电站建设,抽水蓄能电站是我国电力系统中必不可少的调节手段,在调峰填谷、调频调相、事故备用等保障电网安全稳定运行方面发挥着重要作用。当前抽水蓄能机组正朝着“高水头、大惯量”等方向发展,其作为电站能效转换的核心设备具有运行工况复杂且转换频繁的特点,安全问题日益凸显。为保障机组等设备安全稳定运行,提高电站的预知维护能力,需结合先进的信息技术,提高机组设备状态监测技术水平,实现对设备运行状态的实时跟踪;进一步需开展机组运行状态趋势分析,建立准确、完备的状态预测模型,捕捉设备故障发展征兆,为电站运维管理人员提供决策分析。综合上述工程实际需求,本文主要的研究内容与成果如下:(1)为提高机组状态监测平台的实时性、可靠性和跨平台性,全面了解机组状态监测主要内容框架与数据获取途径,针对机组振动、摆度、压力、流量等监测数据特点,设计了可靠稳定的B/S架构状态监测平台实时数据推送与存储方案。选择全双工通讯协议WebSocket作为Web实时监测的通讯协议,设计了多协议联合的实时数据推送模块和具有双层时效机制的数据库存储架构,将读写高效的内存型数据库Redis与关系型数据库Sql Server相结合,高效实现了数据存储,为后续趋势分析提供数据支持。(2)为提高电站事前决策分析能力,及时捕捉相关故障征兆,针对抽水蓄能机组状态监测中非线性状态量成分复杂、难以预测分析的特点。提出了基于信号分解VMD与CNN-LSTM混合神经网络趋势预测模型,采用信号分解的方式构造输入输出数据集,对比选用Adam优化算法用于模型训练,将该模型应用于某机组摆度趋势分析实验,并与单一的CNN和单一的LSTM进行消融实验,消融实验结果表明该预测模型具有较高的预测精度,并在多步预测结果上表现良好。(3)围绕上述主要研究内容,结合目前主流的JavaWeb技术,设计并开发了具有监测历史数据查询、状态评估、趋势预测、文件管理等主要业务的高级应用软件系统,在提升电站运维水平以及监测设备健康状态等方面具有实际意义。