在相當(dāng)長(zhǎng)的一段時(shí)間內(nèi),我國(guó)以煤為主的能源結(jié)構(gòu)不變,煤炭占總能源比例及火力發(fā)電比例將很難低于50%。因此,發(fā)電企業(yè)面對(duì)目前嚴(yán)格的火電廠排放標(biāo)準(zhǔn),必須采取一切措施實(shí)現(xiàn)發(fā)電過程的節(jié)能減排。目前,電力發(fā)電企業(yè)在鍋爐、汽機(jī)等設(shè)備的運(yùn)行過程中積累了豐富的歷史數(shù)據(jù),本文從挖掘電廠的節(jié)能潛力出發(fā),借助國(guó)電大同某電廠的SIS系統(tǒng)中的歷史數(shù)據(jù),利用Spark分布式大數(shù)據(jù)計(jì)算平臺(tái)及相關(guān)技術(shù)對(duì)電廠相關(guān)指標(biāo)進(jìn)行了建模研究,主要工作內(nèi)容如下:（1）對(duì)電廠現(xiàn)階段的發(fā)展現(xiàn)狀及所面臨的問題進(jìn)行了調(diào)查研究,并從氮氧化物的建模出發(fā)對(duì)電廠某段時(shí)間內(nèi)的樣本數(shù)據(jù)進(jìn)行建模預(yù)測(cè),并得到較好的預(yù)測(cè)效果。（2）建立了大數(shù)據(jù)/云計(jì)算的基礎(chǔ)存儲(chǔ)及計(jì)算平臺(tái)Hadoop,Spark系統(tǒng)等。對(duì)Spark平臺(tái)上的核心RDD進(jìn)行了研究學(xué)習(xí),并利用隨機(jī)森林、梯度提升回歸樹及普通決策樹完成了對(duì)氮氧化物的預(yù)測(cè)建模,將任務(wù)提交到y(tǒng)arn資源管理系統(tǒng)進(jìn)行分布式計(jì)算,并將結(jié)果保存到HDFS,從不同角度比較了隨機(jī)森林及梯度提升回歸樹方法在氮氧化物建模中的實(shí)際效果,對(duì)比之后發(fā)現(xiàn)隨機(jī)森林模型更適合用于該污染物的建模。（3）分析比較了不同計(jì)算框架的優(yōu)劣,選取了適合本研究... 

【文章來源】：太原理工大學(xué)山西省 211工程院校

【文章頁(yè)數(shù)】：89 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 電廠節(jié)能減排研究現(xiàn)狀
        1.2.2 電廠大數(shù)據(jù)的發(fā)展現(xiàn)狀
    1.3 本文主要研究?jī)?nèi)容
第2章 數(shù)據(jù)處理平臺(tái)選型及部署
    2.1 引言
    2.2 計(jì)算框架層
        2.2.1 計(jì)算框架比較及選型
        2.2.2 Spark平臺(tái)介紹
        2.2.3 Spark核心RDD
        2.2.4 相關(guān)平臺(tái)部署
    2.3 數(shù)據(jù)存儲(chǔ)層
        2.3.1 HDFS
        2.3.2 Hive
        2.3.3 Hbase
        2.3.4 MongoDB
    2.4 算法庫(kù)
        2.4.1 Hadoop Mahout
        2.4.2 Sparkling Water
        2.4.3 Spark Mllib & ML
        2.4.4 SparkNet
    2.5 本章小結(jié)
第3章 決策樹建模方法介紹
    3.1 決策樹相關(guān)基礎(chǔ)理論
        3.1.1 決策樹模型
        3.1.2 決策樹學(xué)習(xí)
        3.1.3 特征選擇
    3.2 隨機(jī)森林
        3.2.1 隨機(jī)森林的定義
        3.2.2 隨機(jī)森林的生成
        3.2.3 算法的優(yōu)點(diǎn)
    3.3 梯度提升回歸樹
        3.3.1 梯度提升樹介紹
        3.3.2 梯度提升回歸樹算法
        3.3.3 梯度提升樹的優(yōu)缺點(diǎn)
    3.4 本章小結(jié)
第4章 數(shù)據(jù)處理及試驗(yàn)
    4.1 數(shù)據(jù)預(yù)處理
        4.1.1 數(shù)據(jù)來源
        4.1.2 PI數(shù)據(jù)采集
        4.1.3 異常數(shù)據(jù)處理及數(shù)據(jù)對(duì)標(biāo)
    4.2 火電廠NOx生成及影響因素
        4.2.1 鍋爐NOx影響因素分析
        4.2.2 建模數(shù)據(jù)選取及NOx排放特點(diǎn)
    4.3 鍋爐氮氧化物建模流程
        4.3.1 基于隨機(jī)森林的NOx建模實(shí)驗(yàn)過程
        4.3.2 基于梯度提升樹的NOx建模實(shí)驗(yàn)過程
        4.3.3 基于單個(gè)決策樹的NOx建模
        4.3.4 試驗(yàn)結(jié)果分析討論
    4.4 鍋爐氮氧化物的多步預(yù)測(cè)
        4.4.1 基于隨機(jī)森林的多步預(yù)測(cè)建模及結(jié)果
        4.4.2 基于梯度提升樹的多步預(yù)測(cè)建模及結(jié)果
    4.5 本章小結(jié)
第5章 建模結(jié)果及相關(guān)節(jié)能分析
    5.1 污染物建模結(jié)果影響因素分析
        5.1.1 建模結(jié)果變量選取
        5.1.2 模型所得測(cè)點(diǎn)分析
    5.2 經(jīng)濟(jì)指標(biāo)分析
        5.2.1 供電煤耗指標(biāo)分析
    5.3 各負(fù)荷下關(guān)鍵運(yùn)行參數(shù)的聚類及提取
        5.3.1 關(guān)鍵運(yùn)行參數(shù)優(yōu)化的意義
        5.3.2 不同運(yùn)行工況下負(fù)荷聚類
        5.3.3 各負(fù)荷下電廠主要運(yùn)行參數(shù)提取
    5.4 本章小結(jié)
第6章 總結(jié)展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄


【參考文獻(xiàn)】：
期刊論文
[1]燃煤電廠污染物超凈排放的發(fā)展及現(xiàn)狀[J]. 趙永椿,馬斯鳴,楊建平,張軍營(yíng),鄭楚光.  煤炭學(xué)報(bào). 2015(11)
[2]面向大數(shù)據(jù)的分析技術(shù)[J]. 高志鵬,牛琨,劉杰.  北京郵電大學(xué)學(xué)報(bào). 2015(03)
[3]燃煤電站鍋爐系統(tǒng)能效評(píng)價(jià)方法研究[J]. 何成兵,劉京,顧煜炯.  煤炭學(xué)報(bào). 2015(04)
[4]“工業(yè)4.0”在德國(guó):從概念走向現(xiàn)實(shí)[J]. 陳志文.  世界科學(xué). 2014(05)
[5]基于PLS特征提取和LS-SVM結(jié)合的NOx排放特性建模[J]. 呂游,劉吉臻,楊婷婷,孫偉毅.  儀器儀表學(xué)報(bào). 2013(11)
[6]基于隨機(jī)森林的認(rèn)知網(wǎng)絡(luò)頻譜感知算法[J]. 王鑫,汪晉寬,劉志剛,龔志恒.  儀器儀表學(xué)報(bào). 2013(11)
[7]節(jié)能減排在電力行業(yè)的模型應(yīng)用芻議[J]. 何峰.  中國(guó)新技術(shù)新產(chǎn)品. 2013(06)
[8]燃煤發(fā)電技術(shù)發(fā)展展望[J]. 蔣敏華,黃斌.  中國(guó)電機(jī)工程學(xué)報(bào). 2012(29)
[9]華北電網(wǎng)日內(nèi)發(fā)電計(jì)劃及實(shí)時(shí)調(diào)度系統(tǒng)[J]. 陳之栩,李丹,梁吉,劉軍,張濤,楊爭(zhēng)林.  電力系統(tǒng)自動(dòng)化. 2011(19)
[10]基于隨機(jī)森林算法的電力系統(tǒng)暫態(tài)穩(wěn)定性評(píng)估[J]. 葉圣永,王曉茹,劉志剛,錢清泉.  西南交通大學(xué)學(xué)報(bào). 2008(05)

碩士論文
[1]隨機(jī)森林及其在遙感圖像分類中的應(yīng)用[D]. 姚明煌.華僑大學(xué) 2014



本文編號(hào)：2950670