针对抽水蓄能机组在变工况运行条件下效率预测难题，提出基于高斯过程回归（Gaussian Process Regression

GPR）的双工况效率预测方法。该方法根据有功功率符号自动切换水轮机与水泵工况，构建相应的GPR预测模型。水轮机工况模型以毛水头和功率为输入、效率为输出；水泵工况模型采用两阶段策略，先以毛扬程预测流量，再通过物理公式计算效率。模型采用自动相关性确定（Automatic Relevance Determination

ARD）核函数处理多尺度特征，结合白噪声核降低测量噪声干扰。利用特性曲线数据进行训练，由于实测样本数量有限，采用留一法交叉验证评估模型泛化性能。实验结果表明：水轮机工况模型R

2

为0.917

RMSE为0.0057；水泵工况模型R

2

为0.937

RMSE为0.066。该方法通过融合数据驱动学习与物理约束，在小样本条件下实现了高精度效率预测，适用于抽水蓄能电站的实时效率监测与风险评估。