近几十年以来火电厂一直缺少成熟应用的设备状态监测与诊断系统。随着厂级监控信息系统(SIS)在火电厂的广泛推广与应用,SIS的基础软件实时数据库解决了DCS的数据存储量的问题,利用先进的数据压缩技术能存储3-5年火电厂的历史生产数据。实时数据库的广泛应用与数据挖掘技术的发展无疑为火电设备状态监测与智能诊断的课题研究提供了很好的技术基础。本文基于设备历史健康样本和高斯混合模型的模糊聚类方法建立了设备状态预测模型,计算设备各监测参数的期望值曲线,并且通过计算高维空间实际工况与期望工况的相似度值,给出影响相似度大小的主要劣化参数,自动给出设备疑似故障模式。本文针对汽机转轴监测目标建立了转轴监测模型,选定了模型的相关参数以及历史正常样本,进行了模型训练,研究了疑似故障判别方法,帮助建立设备故障知识库。本文给出了火电设备智能诊断系统的架构设计、功能设计、数据库设计以及系统特点、核心功能和应用效果的介绍。设计开发的火电设备智能诊断系统将传统设备故障诊断理论与数据挖掘理论进行有机结合,对设备正常运行的海量历史数据进行模糊聚类分析,并自动归类出设备典型运行工况,计算出与实际工况对应的期望工况,具有贴合用户需求、显示直观、使用方便等特点。系统为设备状态检修模式的推行提供了软件平台,帮助电厂实现了设备状态实时监测、评价和设备状态预警处理流程,为设备状态检修决策提供了数据基础。