1.一种抽水蓄能机组劣化状态趋势快速预警方法，其特征在于，包括如下步骤：步骤1：对机组劣化状态表征参量序列进行快速集成经验模态分解，获取其多尺度序列集合；

步骤2：基于非线性散布熵理论，对步骤1中分解所得多尺度序列进行自适应聚合，生成重构状态序列；

步骤3：构建融合灰色马尔科夫理论与滚动建模机制的嵌入式组合预测模型，完成对步骤2中重构状态序列的预测；所述融合灰色马尔科夫理论与滚动建模机制的嵌入式组合预测模型，采用灰色建模预测、马尔科夫修正、滚动循环建模的层进式预测体系；

(3‑1)构建融合灰色马尔科夫理论与滚动建模机制的嵌入式组合预测模型，逐项预测重构状态序列集中每个序列的发展趋势值；具体包括如下步骤：

1)设定原始建模序列为d(1),d(2),...,d(n)，初始化w＝1；

T

2)设定滚动建模机制的步长为L，灰色模型系数为[aw,bw]；

3)原始预测值为 经过马尔科夫修正的

状态系数S得到修正后的预测值为：

状态系数S表示马尔科夫随机过程中的状态区间的个数；

利用上述的修正预测值替换原始建模值，判断w≥N/L，N为待预测趋势序列的长度，即待预测的数据点的个数，如果是则输出最终的预测值 否则继续执行2)、3)；

(3‑2)逐项累加预测所得重构状态序列集中每个序列的发展趋势值，得到机组劣化状态发展趋势预测值步骤4：根据预设状态参量报警阈值与波动水平值，实现机组劣化状态发展趋势越限报警；

(4‑1)依据数值计算或专家经验，确定机组状态参量Mi报警阈值MiW及波动水平值α；

(4‑2)自动判别条件：

若条件满足，则进行机组劣化状态发展趋势越限报警；

若条件不满足，则继续预测下一时段机组劣化状态发展趋势。

2.根据权利要求1所述的抽水蓄能机组劣化状态趋势快速预警方法，其特征在于，所述步骤1包括如下子步骤：(1‑1)依据相关分析等大数据分析理论方法，从机组多源异构数据集中筛选能够有效表征机组劣化状态的特征参量Mi；

(1‑2)对机组劣化状态特征参量序列进行快速集成经验模态分解，获取其多尺度序列集合{IMF(Mi)1,IMF(Mi)2,…,IMF(Mi)n}。

3.根据权利要求1所述的抽水蓄能机组劣化状态趋势快速预警方法，其特征在于，所述步骤2生成重构状态序列包括如下步骤：(2‑1)根据非线性散布熵理论，逐项计算多尺度序列集合中每个序列的散布熵数值其中，c表示多尺度序列，ξ为嵌入维度，ω为时延，s为映射序列类别个数， 表示每种模态 的出现频率；

(2‑2)基于计算所得各多尺度序列的散布熵数值，通过下式完成对多尺度序列的自适应聚合，生成重构状态序列{RIMF(Mi)1,RIMF(Mi)2,…,RIMF(Mi)m}：其中，n表示多尺度序列个数，Hi、Hi+j分别表示第i个和第i+j个多尺度序列的散布熵数值，Hmax、Hmin分别表示各多尺度序列散布熵值中的最大值和最小值，i、j分别表示多尺度序列集合中的序列次序。