本发明公开了一种知识与数据驱动的大规模工业系统分布式状态监测方法。首先，基于系统拓扑知识建立大规模工业系统的有向图模型，并根据复杂网络的社区分团方法将有向图模型分解成多个独立的子系统。其次，考虑系统的动态性，利用各子系统之间的通信信息，在每个子系统中分别建立典型变量分析模型进行故障检测，然后将所有子系统的检测结果通过贝叶斯推理融合成最终的全局检测结果。最后，针对检测出的故障，利用分布式贡献图分析方法确定故障负责变量，并通过有向图推理法进行故障溯源，定位故障发生的根源。本发明结合系统知识与数据，实现了对大规模工业系统的分布式状态监测，提高了故障检测的准确度，验证了故障溯源的可行性。