电厂的DCS系统存储了大量的数据,这些数据的背后隐藏了大量的知识,但没有被深刻理解和挖掘。数据挖掘研究如何从大量的数据中智能地、自动地提取出有价值的知识和信息,是当前相当活跃的研究领域。近年来,随着我国电力信息化建设快速发展,知识的自动获取己经成为制约其进一步发展的“瓶颈”。因此,研究适用于火电机组故障诊断领域的数据挖掘,具有理论意义和重要的实用价值。本文将数据挖掘中的决策树方法应用于故障诊断领域,从海量的电厂运行数据中发现设备故障特征,有效的解决基于规则的专家系统知识瓶颈的问题。通过对锅炉故障实例的挖掘和诊断证明该方法是可行的。该方法可以用于电厂机组的性能分析、状态监测、故障诊断和状态检修等方面,为机组开展状态检修、开发电厂机组SIS系统提供技术支持,很有意义。