火力发电厂设备系统繁多,工艺复杂,各系统工艺过程参数,设备运行状态均需要高效监测和精准分析,且涉及数据规模庞大,关乎设备的可靠性以及电厂机组稳定运行,同时对企业生产效率和安全生产有着深远的影响。在国家建设智慧电厂的号召和工业化与信息化的高标准要求下,做好科学的设备管理、实现数据挖掘,对提高整个电厂的生产质量有着积极的意义。在此背景下,本文对火电厂设备管理智能系统与SPSS Modeler进行耦合:首先,对火电厂的设备管理智能系统进行设计与研究,包括服务器端,客户PC端和Android PC端的基本架构和设计思想。考虑到该系统与SPSS的耦合主要是依托于数据库的连接,故以数据库表和数据库代码的设计为主,进行数据库搭建分析。客户端采用MySQL数据库,而对于数据量流通较大但储存量较小的Android端则采用SQLite数据库,以适应PC的存储能力。其次,针对电厂庞大的数据规模和复杂的数据形式,基于Apriori算法的简单关联规则,本文提出了用SPSS Modeler对电厂数据进行数据挖掘。电厂数据的规模和价值与设备的高新化、智能化程度以及设备管理的精细化成正相关,数据挖掘成果与数据的完整性和历史性也有正向关系,故电厂数据挖掘以电厂的信息管理、节能降耗、机组优化、故障诊断、状态分析为目标,以数据准备、数据清洗、数据缩容、建模分析、优化配置、差异分析为序进行,以信息反馈至参数优化为终点,形成完整循环。最后,利用白银某电厂振动监测数据为样本,建立了完整的数据流模型,利用SPSS两步聚类、异常分析、特征提取、主成分分析、Apriori等功能对该样本进行实例挖掘分析,实现参数降维,数据转换,最终以关联规则的形式展示挖掘结果,并以“网状图”功能节点对结果进行可视化展示。