目前泵站、水电站水力机组运行状态分析和故障诊断手段单一、信息反馈滞后，难以实现机组的精准化、智能化故障诊断。因此，如何通过从机组状态监测的海量数据中挖掘信息，高效、准确地识别机组的健康状况，完成故障特征的自适应提取与健康状况的智能诊断是迫切需要解决的技术难题；另外，一旦诊断出机组故障需要进入检修模式，如何通过信息技术快速获取检修知识，对机组进行精准检修也是需要解决的技术问题。针对上述两大技术问题，首次提出基于“大数据+深度学习”的水力机组故障诊断方法；融合虚拟装配理论和人工智能技术，创新性提出基于多Agent的情境装配模型，实现水力机组装配知识的主动推送，极大降低水力机组交互装配的负荷；利用虚拟现实、人机交互等技术创建了基于三维可视化的泵站水电站综合管理平台，将泵站水电站空间信息、工程信息、运行状态等各类信息在统一平台上直观地表现出来。专利与论著：授权发明专利10件，授权实用新型发明专利5件，软件著作权4项，发表学术论文70篇(其中SCI/EI检索论文41篇)，出版学术专著3部。技术经济指标：对水力机组故障诊断准确性提高了70%，机组安装、拆卸时间节省了约50%。应用推广与效益：研究成果应用于南水北调东线工程江都泵站、淮安一站、淮安三站、泰州引江河枢纽、白溪水库水电站等35座泵站、水电站工程。累计经济效益约1.5亿元人民币，社会效益显著，具有广阔的推广应用前景。