本文结合数据融合综合处理信息的特点和云模型定性与定量相结合的信息处理方法，分析了选煤厂CIMS环境的特点，给出了选煤厂CIMS环境下数据融合的体系结构，并详细分析了选煤厂车间自动化分系统、调度管理分系统、决策管理分系统基于云模型的数据融合过程，创建了各个分系统云模型方法的数据融合模型图，同时给出了各个分系统的数据融合采用的方法及其云模型算法。本文首先针对车间自动化分系统给出了跳汰自控系统故障检测与诊断云模型算法，摒弃了传统神经网络方法有可能陷入局部最小值的局限性，将一维云模型推理映射方法应用到选煤厂跳汰自控系统故障检测与诊断中；其次针对调度管理分系统给出了云模型改进遗传算法处理调度问题，针对传统遗传算法存在搜索速度慢、容易陷入局部最优解的问题，利用云模型的随机性、稳定性特点，给出了两种新的遗传算法：云自适应遗传算法和云遗传算法，根据配煤调度的实际情况，给出选煤厂配煤调度模型，并在该模型中将两种新的遗传算法与传统的遗传算法进行了比较；最后针对决策管理分系统给出了选煤厂效能决策评估云模型数据融合算法，该算法引入计算机模拟技术和相似度比较算法，避免了图形显示不能很明显的反映评估结果的同时提高了精度，在详细分析选煤厂生产流程的基础上，创建了选煤厂效能评估数据融合的评估模型。通过对三个分系统算法仿真实验表明选煤厂各个分系统较传统的分析方法有较大的改进。