本研究旨在探索一种可靠的具备自学习和提前预警能力的水电设备状态监测和预警技术。当前在该领域虽然产品众多，但系统自学习能力较弱，建模参数复杂，且预警可靠性不高，所以虽有系统但不敢信系统。通过对国内外现有设备状态监测技术和产品的广泛调研，选择基于Aspen Mtell软件进行试验性研究。本研究采用真实海量历史监测数据，通过机器自学习的方式构建监测模型，建模无需复杂参数。该研究以试验方式验证该技术和模型组合的可靠性、自学习能力和提前预警能力。研究结果表明，该技术具备自学习无参数建模能力，能有效预测设备故障，预警时间提前18～89 d，能避免误报和漏报。该技术的亮点在于真正的自学习无参数建模，和通过创建互为补充的“已知故障”、“正常运行”、“规律性事件”、“异常事件”4类模型组合，有效避免漏报和误报。该成果在设备状态检修和智能电厂建设方面有较高的实用价值。