电力行业在国家经济发展过程中起着非常重要的作用,为各行各业提供源源不断的电力能源。发电设备的安全可靠运转是发电企业生产经营的基础,将智能技术应用于发电设备的故障诊断,具有极其重要的意义,有利于及时准确地发现故障,指导检修,采取措施,避免故障带来更大的损失。本文将支持向量机方法应用于故障诊断,分别采用支持向量机分类和回归的方法构建故障诊断模型和故障趋势预测模型。针对直接采用支持向量机分类的方法进行分类的模型准确率不高的问题,借鉴了组合分类的方法。随机选取训练集中的部分数据分别训练多个支持向量机分类模型,当对测试集中数据进行分类时,运用各分类器投票的方法确定类标签,实现对其分类。实验表明,组合分类方法能够有效提高分类性能。故障趋势预测作为故障诊断技术的一部分,能够更早的发现故障并进行合理检修、排除隐患。本文采用相关性分析、支持向量机回归、网格搜索组合的方法,构建基于支持向量机回归的故障趋势预测模型。运用生产实践中的数据进行回归分析,实验结果显示,本文提出的故障趋势预测模型能够更好的预测设备未来某个时刻的状态,更加有助于实现故障趋势的分析。