火电厂的发电机组通过各种测点来采集过程信息,从而实现对热工过程的监视和自动控制。然而,测点故障会产生异常信号,这些异常信号将大大降低机组自动化和信息化系统的可靠性。因此,有必要对测点的运行状态进行检测和诊断。本文围绕热工过程数据校正与显著性误差诊断方法展开研究工作,主要内容包括:（1）基于鲁棒数据校正原理提出了一种新的鲁棒函数,通过数值仿真算例验证算法的有效性。构建了汽轮机回热系统的机理模型,通过热耗率验收工况的数据对模型有效性进行验证,进一步将该方法应用于测量流量的校正,结合约束方程检验法和测量数据检验法来实现故障定位。结果表明,该方法有效抑制了误差传递,能够将流量校正到合理范围,提高了数据的可信度。（2）为实现动态过程的准确监测,在主成分分析方法的基础上,引入了基于增广矩阵的动态主成分分析方法,分析对比了两种方法的优缺点。通过数值算例验证了动态主成分分析法在动态过程的故障检测中的优势,同时也发现了动态主成分分析法具有噪声幅度大以及难以故障分离的问题,需要进一步深入研究。（3）针对故障分离过程中诊断指标的失效问题,研究了一种新的故障诊断指标,消除了诊断失效问题,同时在常规重构贡献图法的基础上,采用了改进的重构贡献图法,有效抑制了“残差污染”问题。然后进一步将该方法应用于动态主成分分析方法中,仿真算例表明,改进的重构贡献图法能够有效地抑制“残差污染”。（4）为解决故障分离过程中噪声幅度大的问题,研究了基于稀疏主成分分析的故障诊断方法,并通过仿真算例验证了该方法的应用效果。对于主成分非零元素的确定问题,将前向选择算法与内点法相结合,在降低过程数据噪声的同时避免了“过稀疏”的问题。结合稀疏动态主成分分析和改进重构贡献图两种算法优势,融合为基于动态稀疏主成分分析的测点故障诊断方法,将该方法用于汽轮机回热系统动态过程的流量测点故障诊断中,取得了良好的效果。