由于重大燃煤发电机组具有结构复杂、动态耦合特性,且频繁出现稳态工况与动态过渡工况交替的现象,这使得现有报警系统干扰报警频发、报警泛滥严重。此时,可能会导致报警数量远超出操作人员处理能力,无法及时定位故障根源,往往会造成故障演化,甚至是经济损失、人员伤亡等严重后果。因此,为了确保重大燃煤发电装备的稳定经济运行,研究面向重大燃煤发电机组关键设备的实时监测与报警管理方法至关重要。然而,燃煤发电过程由于诸多复杂特性对现有报警管理方法研究带来严峻挑战。具体而言,频繁深度变负荷会使得过程呈现大范围非平稳特性、非高斯特性,以及变量之间由于复杂物理连接、闭环回路作用等带来的变量多层次耦合、时延因果关系,这些都是在实际中需要考虑的问题。本文针对这些问题,系统性的提出重大燃煤发电装备的两层实时监测与报警管理方法,文章的具体研究内容如下给出:（1）针对深度频繁变负荷和变量耦合导致传统固定阈值不合理、干扰报警频发的问题,提出一种基于时序分割有序聚类（TICC）的变量协同动态阈值优化方法。首先,通过Pearson相关系数筛选出受工况影响较大的过程变量,作为阈值优化对象。然后借助TICC方法将整个非平稳过程划分至若干工况（包括稳态、过渡过程）,每种工况可用一个多元高斯分布模型进行数学表征。由此,该工况下的每个过程变量在其他过程变量确定时,将当前的条件高斯概率分布的置信区间作为条件阈值。在线时,根据TICC方法将当前数据分类到所属工况,选取当前工况的多元高斯模型,从而根据条件分布进行动态阈值选取,有效降低DCS系统的误报率与漏报率。（2）针对单变量阈值监测不足以充分解析过程整体非平稳非高斯特性的问题,提出一种基于改进平稳子空间分析的高斯非高斯协同过程监测方法,从过程多变量统计分析的角度去宏观描述当前的运行情况、细粒度地监测过程整体特性。首先,设计了一种基于蒙特卡洛的平稳子空间分析（VSSA）方法来分离高斯、非高斯子空间。在VSSA模型的基础上,基于高斯子空间更方便刻画表征的特点,可以步进有序地将非平稳的重大燃煤发电过程重组为若干个负荷维度平稳的负荷段。针对每个负荷段利用VSSA提取高斯、非高斯特征,利用高斯混合模型对非高斯特征行进一步建模,从而实现两个子空间的协同解析与非平稳非高斯过程特性的细粒度监测。（3）针对报警泛滥问题致使关键报警被大量干扰报警淹没,人工排查无法及时定位故障根源的问题,提出一种嵌入故障根源追溯机制的两层报警管理策略,用以将DCS层级、过程层级的实时信息进行融合决策。其中,考虑到由于空间多重耦合导致变量间存在时延因果关系,采用时延收敛交叉映射作为根源追溯方法。首先,结合机理事先对过程进行分层分块的子变量组划分与变量筛选,利用时延收敛交叉映射方法挖掘初步的因果图,进而根据重构能力、时延大小有效区分直接、间接、因果传递链三种不同因果模式,完成因果图修剪。最终实现分层分块精细时延因果模型构建,并根据拓扑排序结果进行根源追溯,从而服务于报警管理策略。即,当过程层级无异常时,可以合理抑制DCS层的干扰报警;当过程层级有异常时,则将DCS层的报警变量作为根源追溯的分析对象,给予定位到的故障根源最高优先级报警显示,便于操作员及时分析与处理该报警信息,有效应对报警泛滥问题,有力保障重大燃煤发电装备报警系统的合理、可靠。