我国电厂正朝着信息化、智能化发展,在将信息智能整合进电厂系统的潮流下,将所有旋转机械的运行状态都纳入监控评估范围成为发展趋势。本文以电厂辅机设备为研究对象,将大数据分析与传统的设备监测评估技术相对接,提出了一种基于大数据的辅助设备系统智能监控平台的设计,为辅机设备的状态监测提供一种新的解决方案,主要从以下几个方面开展研究与设计:1.对电厂辅机设备的一些常见故障特征、类型、机理进行了深入的研究与分析,在辅助设备振动状态实时振动监测及故障分析的基础上,结合SIS系统获取的温度、开度、电流等常规运行状态数据,探讨研究辅机设备状态评估的应用原理、场景和特点。并为辅机设备状态监测与评估系统设计提供知识与理论基础。2.设计基于大数据的辅机设备状态监测系统,融合振动数据与运行状态数据,建立辅助设备运行状态数据库,采用大数据挖掘与人工智能技术实现辅助设备的实时状态评估、故障分析与趋势预测,并详细分析大数据相关技术在实际工况下的使用,为辅助设备的运行管理、预测检修以及相应的设备维护提供了对应的决策依据。3.基于嵌入式系统开发平台,着力体现网络化、分散独立性、可扩展性、小型化和就地监测等特点,为电厂设备故障诊断与振动治理提供数据测试工具和分析技术手段,构建完善的分布式、网络化和远程诊断的全厂设备状态监测网。4.采用大数据与机器学习的算法对辅机进行综合状态评估与趋势预测,即:获取辅机历史运行数据,对数据进行清洗、标注、转换等预处理,为建立模型提供数据准备;针对辅机设备运行特点、数据特征与项目任务要求,采用自编码神经网络以及聚类等算法在对辅机设备进行多维度评估及趋势的预测。