火电站辅助设备的故障检修技术是发电机组安全稳定运行的重要保障,而电站中传统的设备定期检修方式日益暴露出其局限性,由于设备故障造成的停机事故对电站运营带来了巨大损失,改变设备的故障检修方式,对提高设备的安全性和经济性越来越重要。随着自动化技术的广泛应用,火电站运行过程中产生了海量有待分析的数据,这使得基于数据挖掘的设备状态监测技术得以应用。通过对数据进行分析计算,得出设备的运行的模式,可辅助现场及时发现潜在故障,变被动为主动,提前对设备进行报警和维修诊断,从而确保电站的安全稳定运行。作为火电站的锅炉辅助设备,风机系统提供燃烧所需的空气并及时将燃烧废气排出,为炉膛中燃料的安全稳定燃烧提供了保障,其运行状态关乎电站发电机组能否高效稳定运行。本文以福建某电站送风机历史运行数据为基础,结合数据挖掘的方法对风机设备的故障监测技术进行了研究,并提出了一种基于数据挖掘的风机故障监测技术实施方案。首先,本文对关联规则及其在发掘风机运行模式中的两大应用进行了研究。一是介绍了经典的关联规则算法,并将其应用在风机常见的故障分析上,发掘出风机设备故障的特征模式。二是阐述了经典关联规则的局限性,引入了聚类算法对其进行改进,并将改进后的方法应用到风机正常运行数据中,发掘出正常工况下风机的运行模式。将挖掘出的风机模式保存到模式库中供现场人员参考,可对风机的现场运行和故障诊断进行指导。其次,本文对非线性状态估计算法在风机设备故障预警模型中的应用进行了研究。基于风机设备的历史正常运行数据,利用非线性状态估计算法对风机当前运行模式进行估计,结合相似度理论判断设备的运行状态。经实际故障数据验证,预警模型可有效捕捉风机潜在故障,实现风机设备的故障早期预警。