近年来,随着我国发电企业蓬勃发展,发电量逐年快速增长,而发电企业生产成本持续攀升、创新能力不强等一系列问题却愈加凸显。因此,如何提高电厂的信息化、智能化水平,降低管理成本,提高生产效率,是增强我国发电行业核心竞争力所必须要解决的关键问题。为了实现信息化和智能化工业生产,越来越多的发电企业趋向于建设工业互联网平台全面互联人、机、物,并对日常生产中产生的大量数据进行分析,从而为企业发展决策提供智能化支持。然而目前大部分主流的电力行业工业互联网平台解决方案,如Profi Cloud、ABB Ability等,并不能很好地提供定制化的数据建模分析功能。而若直接将现有的数据挖掘软件融合到工业互联网平台中,仍然存在与发电企业自身特点结合度低、用户使用门槛高等问题。针对上述问题,本论文基于科远股份有限公司开发的Sync Plant5.0平台,研究并实现了一套发电企业工业互联网平台下的数据智能分析系统,具体工作包括以下三个方面:1.面向平台用户研究典型的机器学习算法,设计支持动态配置的机器学习支撑服务。通过集成回归、分类和聚类的多种主流机器学习算法,并进行优秀特征和参数的智能推荐,实现了一站式的模型定制功能,在数据智能分析和动态预测的同时,大大降低了平台用户机器学习应用的技术门槛。此外,针对发电行业的典型应用场景预置实践模型,从而为用户提供行业优秀的数据挖掘经验。2.为了验证机器学习支撑服务的可用性,面向平台管理设计基于用户数据访问的用户行为异常检测应用服务。首先,从语法、环境和返回结果三个方面提取用户的数据操作特征构建用户行为模式,然后运用BP神经网络、C4.5决策树、随机森林等四种分类算法在不同规模的数据集上进行训练和验证,通过对准确率、误报率和漏报率等多种指标的比较,最终选择C4.5决策树构建用户行为异常检测模型,并得到了较好的实验结果。3.设计并实现了发电企业工业互联网平台下的数据智能分析系统,并进行了测试验证,能够有效提高电企业工业互联网平台的智能分析能力。综上所述,本文基于科远股份有限公司开发的Sync Plant5.0平台,研究并实现了一套发电企业工业互联网平台下的数据智能分析系统,包括面向平台用户的机器学习模块和面向平台管理的用户异常行为检测模块,实现了数据的智能分析、动态预测以及安全管理,从而有效提高电企业工业互联网平台的智能分析能力。