本文针对数据挖掘在发电设备可靠性控制中的应用与改进进行研究。论文首先对选题背景、研究内容、创新点以及相关领域国内外研究成果进行了综述。之后,对目前发电设备可靠性研究中的常用理论及模型进行了深入解析,针对现有理论方法的不足尝试性提出将数据挖掘技术应用于此类研究。为实现该方法的应用,论文设计了数据挖掘技术在发电设备可靠性控制中的应用流程,明确了其应用目标,并结合发电设备可靠性鉴定的特点从多种数据挖掘技术中选择误差反向传播神经网络作为主要研究方法,采用多维度筛选法对众多可靠性指标进行筛选,根据指标筛选结果构建了可靠性控制的指标体系。为进一步改进传统误差反向传播神经网络技术的局限性,本文放弃使用网络系统给定的较小随机数,尝试运用层次分析法对神经网络中各个关键指标的初始权重进行确定,使得网络初始权重最大程度地与指标的实际权重情况相符,这样一方面避免了网络训练的盲目性,另一方面能够使网络训练具有方向性。通过将学习因子设定为较小的值,在减少学习时间的同时又能保证系统的稳定。在对神经网络进行改进后,本文提出了发电设备可靠性等级的划分标准,设计了改进后的数据挖掘技术在发电设备可靠性控制中的实现过程,最后通过案例分析论证了改进后的数据挖掘技术在发电设备可靠性控制中的可用性与优越性、高效性。