火力发电厂是目前我国生产电能的主要部门,在生产过程中,各种设备之间有着很复杂的耦合性和交融性,并且每个设备都具有其独特的复杂特性,而且各种生产设备具有复杂的工作环境,这些都决定了火力发电厂是一个很容易发生事故的地方。火力发电厂一旦发生故障,就会产生十分大的危害和非常严重的后果。随着市场经济的发展,各电力生产部门越来越重视电力运行的安全性和可靠性,因为这些也是电力企业竞价上网的一个很重要的影响因素。原有的故障诊断方法已经不能满足于目前电力生产的要求了,目前的电力市场要求要对设备实行预防性检测,从而能够实现一些故障的提前发现,减少了火力发电厂的经济损失,而且降低了电力生产的危险系数。因此火力发电厂亟需建立一个故障诊断系统,来为电力企业的安全生产作保障。在故障诊断技术当中,一般认为只是根据单一的测试信息来判断故障是否发生是不准确的、是不具有可靠性的。在实际的故障诊断当中,只有获得同一故障的多个信息才能更好的判断故障,多传感器信息融合技术是基于数据信息之间的各种关系,应用多个传感器进行检测设备的工作状态,然后根据D-S证据理论对检测到的数据进行融合,从而得到更加有效的数据。因此,本课题将信息融合技术引入到故障诊断系统当中,将多个传感器联合检测的优势发挥出来,从而提高故障诊断的准确性。本文通过阅读大量的文献和查找相关的资料,首先对火力发电厂主要生产设备的故障基本理论进行学习。介绍了电厂主要的生产设备的特点,接着对系统的开发技术、系统的开发环境、系统的开发软件加以介绍。以VB面向对象语言为系统总框架的开发工具,Matlab程序为各种智能算法的开发工具,SQL数据库为系统的数据库服务工具,三者结合建立一个基于多传感器信息融合技术的火力发电厂故障诊断系统。本文详细叙述了整个故障诊断系统的总体框架和各个功能模块的设计过程,以及各个功能模块的具体实现效果,然后将凝汽器设备的故障的数据信息加载到故障诊断系统当中,应用BP神经网络算法和D-S证据理论共同验证系统故障诊断的准确性,最后系统进行了整体的功能测试和性能测试。结果表明,该故障诊断系统可以准确并稳定的运行,且界面人性化较好,操作简单,便于今后系统的完善和升级。