熱工過程海量數(shù)據(jù)挖掘技術(shù)研究與應(yīng)用.pdf

1、電站安全、經(jīng)濟運行是保證國民經(jīng)濟穩(wěn)定發(fā)展的基礎(chǔ)，因此，針對大型火電機組的性能監(jiān)測和運行優(yōu)化技術(shù)的研究具有重要意義。由于熱工過程結(jié)構(gòu)復(fù)雜、非線性強、運行環(huán)境多變，難以建立精確適用的數(shù)學模型，因此需要借助數(shù)據(jù)挖掘手段對熱工過程中復(fù)雜多變的數(shù)據(jù)進行分析，從中獲得機組運行的知識和規(guī)則，從而達到熱工過程狀態(tài)監(jiān)測和優(yōu)化的目的。
　　本文以熱工過程的實時數(shù)據(jù)采集/存儲系統(tǒng)獲得的海量歷史數(shù)據(jù)和實時數(shù)據(jù)為研究對象，在對熱工過程數(shù)據(jù)進行預(yù)處理后，以屬

2、性約簡和聚類分析等數(shù)據(jù)挖掘方法完成電站機組目標工況庫的獲取和運行狀態(tài)監(jiān)測。本文主要內(nèi)容如下:
　　1、開展了針對熱工過程的數(shù)據(jù)預(yù)處理研究，將信息熵理論結(jié)合基本統(tǒng)計方法作為信號變換手段，實現(xiàn)信號不同層次內(nèi)在特征的定量表征;采用自變量與因變量相關(guān)的延時樣本的多元線性回歸模型實現(xiàn)數(shù)據(jù)清洗;利用滑動樣本熵對標準化處理后的運行數(shù)據(jù)進行樣本熵分析，根據(jù)設(shè)定的穩(wěn)態(tài)閾值提取穩(wěn)態(tài)因子從而完成熱工過程數(shù)據(jù)的穩(wěn)定性判定;提出ECNN算法對熱工過程數(shù)據(jù)進

3、行壓縮，通過減小高穩(wěn)態(tài)樣本的閾值權(quán)重、增加低穩(wěn)態(tài)樣本的閾值權(quán)重，使得壓縮集在保留原始樣本集數(shù)據(jù)特性基礎(chǔ)上保留穩(wěn)態(tài)程度較高的樣本。
　　2、針對傳統(tǒng)離散算法的離散個數(shù)需預(yù)先設(shè)定的缺點，提出一種基于熵聚類(E_Cluster)的連續(xù)屬性離散化方法，該方法從數(shù)據(jù)本身的分布特性出發(fā)，無需預(yù)先設(shè)定聚類的初參數(shù)。在粗糙集互補條件熵的基礎(chǔ)上，引入處理增量數(shù)據(jù)的更新機制，獲得改進的粗糙集互補條件算法(D_RED)。利用E_Cluster和D_RE

4、D算法對鍋爐的可控運行參數(shù)進行連續(xù)屬性離散化和屬性約簡，獲得不同機組負荷下影響鍋爐燃燒效率和爐膛出口NOx濃度的主要運行參數(shù)的變化情況。
　　3、提出一種新的聚類評價指標Vnew，并將Vnew應(yīng)用到改進Kmeans算法中，通過比較每種劃分的聚類有效性指標值來確定最佳分類數(shù)，實現(xiàn)了類心個數(shù)的自適應(yīng)?；跁r頻域信息熵分析的特征提取方法，采用改進的Kmeans算法分析爐膛壓力信號，實現(xiàn)信號在不同變換空間內(nèi)的能量分布特性定量表征和多層次特

5、征提取，獲得了爐膛壓力信號特征值和機組負荷之間的關(guān)系。
　　4、在處理混合型數(shù)據(jù)的經(jīng)典K-prototypes聚類算法基礎(chǔ)上，結(jié)合TS_PSO優(yōu)化算法對聚類目標函數(shù)不相似程度D(x,y)函數(shù)進行尋優(yōu)，獲得了基于TS_PSO的自適應(yīng)K-prototypes聚類算法，基于該方法獲得了不同負荷和低位熱值相應(yīng)的最佳鍋爐效率和最佳爐膛出口NOx濃度以及對應(yīng)的各可控參數(shù)目標值，進而建立了反映實際鍋爐實際最優(yōu)運行水平的目標工況庫。
　　5

6、、提出無需提前設(shè)定聚類初始值的EKFCM算法，通過計算Kmeans聚類過程中熵變差值，以躍遷差值達到最小值時的類別數(shù)作為FCM的初始參數(shù)，解決FCM聚類需要預(yù)先設(shè)定初始類心個數(shù)的缺點。為了避免總樣本數(shù)目不斷增加引起的處理難度加大的問題，在常見的FIFO增量處理策略基礎(chǔ)上提出了Sub-TDFO策略。將所提出的EKFCM增量聚類算法應(yīng)用于熱工過程數(shù)據(jù)實時監(jiān)測，完成了對空預(yù)器堵灰程度和汽輪機通流部分結(jié)垢的監(jiān)測。
　　6、從系統(tǒng)的原理、架