煤炭清洁利用是我国能源“十三五”规划对煤炭利用提出的关键思路。电煤占我国煤炭消费比例的60%以上,大型燃煤电厂在实际运行中由于运行调整、环境多变等问题,使得机组通常在偏离最佳工况运行导致能耗增大。因此,对燃煤机能耗分析及组节能诊断具有非常重要的意义。大型燃煤机组具有系统规模大、运行参数波动范围广、热流密度高等特点,能量在各系统中进行不同层次的转换,能量损耗呈现高度非线性,并且能耗与外界环境、负荷等因素之间存在强依变性。针对上述特点,本文基于大数据挖掘技术,对火电机组能耗特性进行分析及诊断研究,建立了一套比较完善的大型燃煤机组能耗分析及节能诊断体系。本文首先针对燃煤发电机组复杂的运行特性,提出一种全新的基于广义神经网络(GRNN)与平均影响值(MIV)相结合的智能算法,实现对燃煤机组关键能耗特征指标的筛选,筛选出决定机组供电煤耗的关键指标变量。其次,本文利用改进后的k-means聚类算法,确定能耗指标在不同负荷下的基准值。最后,在详细介绍了燃煤机组能耗诊断的理论方法,对影响机组能耗因素进行分类以及准确建立关键能耗特征变量筛选模型的基础上,建立了大型燃煤机组能耗特征及分布诊断模型。并对某660MW超临界燃煤机组能耗分布进行了分析诊断。结果表明,所建模型能够准确诊断机组各部件能耗损失大小,为指导电厂优化运行提供参考。