對(duì)火電控制歷史數(shù)據(jù)進(jìn)行分析和建模,能有效地幫助用戶實(shí)現(xiàn)更優(yōu)的機(jī)組運(yùn)行控制.由于這類控制數(shù)據(jù)的復(fù)雜性,傳統(tǒng)系統(tǒng)辨識(shí)過程非常煩瑣,甚至難以得到有效結(jié)果.為此,將可視分析技術(shù)引入系統(tǒng)辨識(shí)中,與自動(dòng)建模算法集成,設(shè)計(jì)了面向系統(tǒng)辨識(shí)的可視分析系統(tǒng)imDCS,在時(shí)序數(shù)據(jù)特征分析、模型建立和篩選評(píng)估以及模型迭代優(yōu)化等各階段支持控制系統(tǒng)建模的全過程.通過多種可視化映射技術(shù)和交互聯(lián)動(dòng)視圖支持多層次模型篩選過程;通過分組視圖與堆疊視圖展示高維多元模型結(jié)構(gòu);通過精度評(píng)估組合視圖支持用戶從不同側(cè)面評(píng)估模型性能.與領(lǐng)域?qū)＜液献?基于電廠真實(shí)控制數(shù)據(jù)和運(yùn)行優(yōu)化需求進(jìn)行了案例分析和評(píng)估,結(jié)果表明,該系統(tǒng)在工業(yè)控制數(shù)據(jù)分析和建模中具有更高的有效性和可用性.

【文章頁(yè)數(shù)】：10 頁(yè)

【部分圖文】：

圖13模型401519的權(quán)值系數(shù)視圖（1）單數(shù)據(jù)段時(shí)序趨勢(shì)評(píng)估.如圖2中D1區(qū)

刷選的交集部分在熱力圖中高亮顯示.由熱力圖中的高亮像素塊可以看出,有些模型雖然不在1M和2M交集內(nèi),但train_RMSE和test_RMSE都較小.分析人員可從高亮像素塊中選擇感興趣模型,再把該模型添加至散點(diǎn)圖中進(jìn)行下一步評(píng)估分析.(4)模型結(jié)構(gòu)檢驗(yàn).將圖2中C區(qū)域的熱力圖切換....

圖9記錄歷史模型的星形

第10期紀(jì)連恩,等:面向系統(tǒng)辨識(shí)的火電控制時(shí)序數(shù)據(jù)可視分析1683圖8模型精度統(tǒng)計(jì)盒圖3.3.1模型精度雷達(dá)圖雷達(dá)圖能直觀地反映數(shù)據(jù)中各維度數(shù)值的大小,如模型iM在n個(gè)評(píng)估數(shù)據(jù)集上的RMSE形成一組n維數(shù)據(jù),映射為雷達(dá)圖中的n個(gè)軸,如圖2中D2區(qū)域所示.此外,還設(shè)計(jì)了星形圖用來記....

圖3.3.2時(shí)序預(yù)測(cè)折線圖

第10期紀(jì)連恩,等:面向系統(tǒng)辨識(shí)的火電控制時(shí)序數(shù)據(jù)可視分析1683圖8模型精度統(tǒng)計(jì)盒圖3.3.1模型精度雷達(dá)圖雷達(dá)圖能直觀地反映數(shù)據(jù)中各維度數(shù)值的大小,如模型iM在n個(gè)評(píng)估數(shù)據(jù)集上的RMSE形成一組n維數(shù)據(jù),映射為雷達(dá)圖中的n個(gè)軸,如圖2中D2區(qū)域所示.此外,還設(shè)計(jì)了星形圖用來記....

圖1.1模型權(quán)值系數(shù)θ收斂曲線

第1章緒論-4-法計(jì)算復(fù)雜，過程難以理解，目前在工業(yè)控制中的應(yīng)用較為基礎(chǔ)，因此，本文使用性能更為穩(wěn)定的線性模型。圖1.1模型權(quán)值系數(shù)θ收斂曲線Fig.1.1Convergencecurveofweightcoefficientsthetaofmodel1.2.3電力數(shù)據(jù)的可視化隨....

本文編號(hào)：3905777