【摘要】在“双碳”目标下，发电核心设备在复杂工况下面临着严峻疲劳与复合故障风险，传统诊断模式难以捕捉微弱劣化征兆。本文立足电厂实际，梳理了人工智能诊断价值，聚焦热工参数挖掘、振动声学融合、小样本故障识别及可解释性溯源等关键技术。同时，剖析了模型泛化弱、多源数据融合难、物理可信度低等落地瓶颈，并提出了面向发电场景的优化路径与发展趋势，为智慧电厂建设及机组安全经济运行提供了理论支撑。