優(yōu)化運行對于保證機組運行的安全性與經(jīng)濟性具有重要作用,優(yōu)化運行目標(biāo)值的確定方法是其中重要的研究內(nèi)容。機組歷史運行數(shù)據(jù)可以為機組優(yōu)化運行提供大量建模樣本,但運行數(shù)據(jù)中存在分布混雜、特征提取困難、分布不均勻等問題,因此需要有針對性地研究并應(yīng)用合適的數(shù)據(jù)挖掘方法。本文以某660MW機組為研究對象,圍繞基于數(shù)據(jù)聚類的優(yōu)化運行目標(biāo)值確定方法開展研究工作,主要研究內(nèi)容包括:首先,提出了一種數(shù)據(jù)離散化方法,利用有序聚類算法對升序排列的數(shù)據(jù)樣本進行聚類得到最佳的離散化區(qū)間,并以煤質(zhì)數(shù)據(jù)離散化為例,實現(xiàn)了煤質(zhì)數(shù)據(jù)的有效歸類。將提出的離散化方法與粗糙集理論相結(jié)合,提出了一種屬性重要度計算方法,可解決熱工數(shù)據(jù)特征提取困難的問題�；陔x散化方法提出了一種下采樣方法,可以獲得分布均勻的數(shù)據(jù)樣本。其次,為得到求取運行參數(shù)目標(biāo)值所需的機組負荷預(yù)測值,提出了一種基于聚類分析和HMF的負荷預(yù)測方法,將預(yù)測時間點之前幾個小時的負荷序列與同時段的歷史負荷數(shù)據(jù)進行相似性匹配,利用最相似日的負荷變化趨勢對未來負荷做出預(yù)測。相比傳統(tǒng)的ARMA預(yù)測算法,該方法具有更高的預(yù)測精度。再者,針對熱工數(shù)據(jù)工況眾多、聚類效率不高等問題,提出了...

【文章頁數(shù)】：80 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究的背景與意義
    1.2 課題研究現(xiàn)狀
        1.2.1 聚類算法研究現(xiàn)狀
        1.2.2 機組運行目標(biāo)值研究現(xiàn)狀
    1.3 目前存在的問題
    1.4 本文主要內(nèi)容
第二章 基于有序聚類的熱工過程數(shù)據(jù)離散化方法
    2.1 引言
    2.2 基于有序聚類的離散化方法
        2.2.1 DOC算法計算流程
        2.2.2 DOC算法測試
        2.2.3 煤質(zhì)數(shù)據(jù)離散化與煤質(zhì)分類
    2.3 基于DOC算法的屬性重要度計算方法
        2.3.1 粗糙集理論
        2.3.2 屬性重要度計算方法
        2.3.3 脫硫系統(tǒng)屬性重要度計算實例
    2.4 基于DOC算法的下采樣方法
        2.4.1 下采樣方法
        2.4.2 基于下采樣的SO2 出口濃度預(yù)測模型
    2.5 本章小結(jié)
第三章 基于聚類分析和HMF的目標(biāo)值邊界條件確定方法
    3.1 引言
    3.2 基于kmeans聚類分析的機組負荷特性研究
        3.2.1 kmeans聚類分析方法
        3.2.2 某660MW機組負荷特性研究
    3.3 HMF機組負荷預(yù)測方法
        3.3.1 時間序列相似性
        3.3.2 HMF算法流程
    3.4 660MW機組負荷預(yù)測實例
        3.4.1 建模數(shù)據(jù)獲取與處理
        3.4.2 模型參數(shù)確定
        3.4.3 模型準確性測試
        3.4.4 模型對比
    3.5 本章小結(jié)
第四章 基于改進密度峰值聚類的脫硫系統(tǒng)運行目標(biāo)值研究
    4.1 引言
    4.2 密度峰值聚類算法
        4.2.1 DPC算法原理
        4.2.2 DPC算法實例
        4.2.3 DPC算法缺陷分析
    4.3 基于層次聚類的改進密度峰值聚類算法
        4.3.1 DPHC算法流程
        4.3.2 聚類評價指標(biāo)
        4.3.3 DPHC算法測試
    4.4 脫硫系統(tǒng)優(yōu)化運行目標(biāo)值研究
        4.4.1 脫硫系統(tǒng)組成
        4.4.2 脫硫系統(tǒng)成本分析
        4.4.3 優(yōu)化運行目標(biāo)值確定策略
    4.5 脫硫系統(tǒng)運行目標(biāo)值挖掘?qū)嵗?br>        4.5.1 脫硫系統(tǒng)運行目標(biāo)工況庫
        4.5.2 出口濃度排放目標(biāo)值
    4.6 脫硫系統(tǒng)優(yōu)化運行指導(dǎo)實例
    4.7 本章小結(jié)
第五章 基于特征加權(quán)聚類和增量數(shù)據(jù)的機組煤耗目標(biāo)值研究
    5.1 引言
    5.2 FWCM特征加權(quán)聚類算法
        5.2.1 FWCM算法原理
        5.2.2 FWCM算法流程
        5.2.3 測試算例
    5.3 某660MW機組煤耗目標(biāo)值挖掘?qū)嵗?br>        5.3.1 煤耗特征參數(shù)提取
        5.3.2 煤耗目標(biāo)值獲取
        5.3.3 煤耗目標(biāo)值工況庫
    5.4 基于增量數(shù)據(jù)的目標(biāo)值更新方法
        5.4.1 聚類中心更新方法
        5.4.2 目標(biāo)值更新實例
    5.5 本章小結(jié)
第六章 機組目標(biāo)值優(yōu)化運行軟件開發(fā)與應(yīng)用
    6.1 引言
    6.2 目標(biāo)值優(yōu)化運行軟件
        6.2.1 軟件需求分析
        6.2.2 軟件基本框架
        6.2.3 軟件平臺功能
    6.3 本章小結(jié)
第七章 結(jié)論與展望
    7.1 論文的主要工作
    7.2 展望
參考文獻
致謝
作者簡介



本文編號：4045642