随着信息技术的进步以及计算机技术和网络技术的迅速发展,水电机组故障诊断系统中采集的大量数据(包括统计数据、试验数据)可以方便地被存储在各种数据库中。但采用传统的数据分析方法对这些数据进行分析和处理,不仅耗时而且难以有效地发现数据中隐含的知识。近几年,人工智能技术与数据库技术的交叉渗透取得了令人瞩目的进展,而基于人工智能技术与数据库技术而发展起来的数据挖掘技术也受到了人们的普遍关注。它所需要的基础条件如:海量数据集、先进计算机、成熟的数据挖掘方法等都已基本具备。所以,将数据挖掘技术应用于故障诊断系统中是可行的。本论文以某水电站状态监测系统数据库中存储的水电机组运行数据为样本数据,引入数据挖掘技术,从分析数据的角度上去挖掘各运行数据与机组状态之间的关系并建立相应的挖掘模型,该模型能够很好的解释水电机组的运行状态,同时可以运用挖掘模型提取的科学规律对机组未来的发展趋势进行预测。本文利用SQL Server2005构建机组运行数据仓库,在数据准备过程中对数据进行预处理,提高了数据质量;通过对决策树算法、聚类分析算法、神经网络算法和时序算法的对比分析后,采用决策树算法和时序算法建立了水电机组数据挖掘模型;最后应用建立的数据挖掘模型对机组状态参数进行预测。通过现场数据验证,其预测的准确性较高。这表明将数据挖掘技术与水电机组状态监测和故障诊断技术相结合是合理可行的,为水电机组状态监测和故障诊断系统知识获取提供了一个有效的解决方法。