随着火电机组单机容量不断增大，电站自动化、信息化水平不断提高，电站信息的集成度也越来越高，海量的测量数据和专家经验提供了大量反映机组设备运行状态的信息。利用计算机技术、信息技术以及人工智能技术等对这些宝贵的信息资源进行深层地挖掘，必将提高机组的运行管理水平，促进机组的状态检修工作，对火电机组的安全运行和节能降耗具有重要的现实意义。本文对火电机组运行优化系统(UPOS)中数据预处理问题进行了深入的研究，论文的主要内容如下： 1．介绍了数据预处理技术的有关知识。主要包括数据预处理的基本功能和主要方法，总结了目前数据预处理技术在电力工业中的应用领域以及研究现状。 2．研究了基于解析冗余的数据检验方法。建立了基于解析冗余的数据检验模型，通过模型求出过程变量的最优估计值，根据测量值与估计值的偏差来判断测量值的可信度，算例表明该模型能够较准确地估计出测量数据的估计值，并能够有效地检验测量数据的可靠性。 3．提出了基于机组运行参数优化目标值的偏差带检验法。研究了机组重要运行参数优化目标值的定量化问题，对当前电厂SIS中运行优化目标值的确定方法进行了论述，结合实例介绍了重要运行参数目标值的确定，并将确定的运行优化目标值用于测量数据的有效性检验。 4．研究了基于神经网络的数据检验方法。总结了常用的动态系统神经网络模型，重点研究了基于前馈神经网络的数据检验模型和基于回归神经网络的数据检验模型，前馈神经网络采用RBF网络，回归神经网络采用改进的Elman网络，算例表明这两种数据检验模型均能够有效地检测出不良数据，进而用网络估计值替代测量值。 5．研究了数据协调算法。探讨了数据协调的基本模型以及模型的求解，重点研究了基于投影矩阵的数据协调方法和基于数字滤波的数据协调方法，并通过算例验证了各方法在去除测量数据中随机误差的有效性。 6．按照知识工程的开发思想和增量式开发的方法开发了数据预处理系统。提出了对实时数据进行分类分级检验模型，研究了数据预处理系统在UPOS中集成应用的实现方案以及离线模型。