本文關(guān)鍵詞：熱工過程海量數(shù)據(jù)挖掘技術(shù)研究與應(yīng)用　出處：《東南大學(xué)》2016年博士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 熱工過程 數(shù)據(jù)挖掘 狀態(tài)監(jiān)測(cè) 目標(biāo)工況庫 增量聚類

【摘要】：電站安全、經(jīng)濟(jì)運(yùn)行是保證國民經(jīng)濟(jì)穩(wěn)定發(fā)展的基礎(chǔ),因此,針對(duì)大型火電機(jī)組的性能監(jiān)測(cè)和運(yùn)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(qiáng)、運(yùn)行環(huán)境多變,難以建立精確適用的數(shù)學(xué)模型,因此需要借助數(shù)據(jù)挖掘手段對(duì)熱工過程中復(fù)雜多變的數(shù)據(jù)進(jìn)行分析,從中獲得機(jī)組運(yùn)行的知識(shí)和規(guī)則,從而達(dá)到熱工過程狀態(tài)監(jiān)測(cè)和優(yōu)化的目的。本文以熱工過程的實(shí)時(shí)數(shù)據(jù)采集/存儲(chǔ)系統(tǒng)獲得的海量歷史數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)為研究對(duì)象,在對(duì)熱工過程數(shù)據(jù)進(jìn)行預(yù)處理后,以屬性約簡和聚類分析等數(shù)據(jù)挖掘方法完成電站機(jī)組目標(biāo)工況庫的獲取和運(yùn)行狀態(tài)監(jiān)測(cè)。本文主要內(nèi)容如下:1、開展了針對(duì)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(jì)方法作為信號(hào)變換手段,實(shí)現(xiàn)信號(hào)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(shí)樣本的多元線性回歸模型實(shí)現(xiàn)數(shù)據(jù)清洗;利用滑動(dòng)樣本熵對(duì)標(biāo)準(zhǔn)化處理后的運(yùn)行數(shù)據(jù)進(jìn)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(duì)熱工過程數(shù)據(jù)進(jìn)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(duì)傳統(tǒng)離散算法的離散個(gè)數(shù)需預(yù)先設(shè)定的缺點(diǎn),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(bǔ)條件熵的基礎(chǔ)上,引入處理增量數(shù)據(jù)的更新機(jī)制,獲得改進(jìn)的粗糙集互補(bǔ)條件算法(D_RED)。利用E_Cluster和D_RED算法對(duì)鍋爐的可控運(yùn)行參數(shù)進(jìn)行連續(xù)屬性離散化和屬性約簡,獲得不同機(jī)組負(fù)荷下影響鍋爐燃燒效率和爐膛出口 NOx濃度的主要運(yùn)行參數(shù)的變化情況。3、提出一種新的聚類評(píng)價(jià)指標(biāo)Vnew,并將Vnew,應(yīng)用到改進(jìn)Kmeans算法中,通過比較每種劃分的聚類有效性指標(biāo)值來確定最佳分類數(shù),實(shí)現(xiàn)了類心個(gè)數(shù)的自適應(yīng)。基于時(shí)頻域信息熵分析的特征提取方法,采用改進(jìn)的Kmeans算法分析爐膛壓力信號(hào),實(shí)現(xiàn)信號(hào)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征提取,獲得了爐膛壓力信號(hào)特征值和機(jī)組負(fù)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(duì)聚類目標(biāo)函數(shù)不相似程度D(x,y)函數(shù)進(jìn)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(fù)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(duì)應(yīng)的各可控參數(shù)目標(biāo)值,進(jìn)而建立了反映實(shí)際鍋爐實(shí)際最優(yōu)運(yùn)行水平的目標(biāo)工況庫。5、提出無需提前設(shè)定聚類初始值的EKFCM算法,通過計(jì)算Kmeans聚類過程中熵變差值,以躍遷差值達(dá)到最小值時(shí)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(gè)數(shù)的缺點(diǎn)。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(shí)時(shí)監(jiān)測(cè),完成了對(duì)空預(yù)器堵灰程度和汽輪機(jī)通流部分結(jié)垢的監(jiān)測(cè)。6、從系統(tǒng)的原理、架構(gòu)和功能等方面給出了熱工過程數(shù)據(jù)知識(shí)發(fā)現(xiàn)系統(tǒng)(KDTPS)的設(shè)計(jì)與開發(fā)方案及其與廠級(jí)監(jiān)控信息系統(tǒng)(SIS)的集成方案。
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP311.13;TM621

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 周洪，楊曉光，童俊;熱工過程神經(jīng)元控制的設(shè)計(jì)[J];武漢水利電力大學(xué)學(xué)報(bào);1996年06期

2 宋紹樓;李軍杰;張明;;熱工過程控制中保持加熱均勻的控制方法研究[J];微計(jì)算機(jī)信息;2010年25期

3 楊慶柏，趙漢杰，金豐;微機(jī)熱工過程模型的辨識(shí)與應(yīng)用[J];華北電力技術(shù);1996年06期

4 齊維貴,朱學(xué)莉,丁寶,呂麗;熱工過程控制的圖示整定法研究[J];儀器儀表學(xué)報(bào);2001年S1期

5 熊志化,楊辰,邵惠鶴,潘笑;熱力參數(shù)軟儀表在電廠熱工過程中的應(yīng)用[J];武漢大學(xué)學(xué)報(bào)(工學(xué)版);2005年02期

6 王萬召;;《熱工過程自動(dòng)控制》教學(xué)方法研究[J];科技信息;2010年14期

7 李超;;熱工過程工業(yè)以太網(wǎng)中混合調(diào)度算法的研究[J];電力科學(xué)與技術(shù)學(xué)報(bào);2008年03期

8 孔令沖;羅毅;;基于免疫原理的蟻群算法在熱工過程系統(tǒng)辨識(shí)中的應(yīng)用[J];中國電力教育;2009年S1期

9 劉志遠(yuǎn);采用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的熱工過程在線辨識(shí)方法[J];動(dòng)力工程;2005年06期

10 田沛;溫興賢;;熱工過程建模中的數(shù)據(jù)處理方法研究[J];計(jì)算機(jī)仿真;2013年08期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前4條

1 齊維貴;朱學(xué)莉;丁寶;呂麗;;熱工過程控制的圖示整定法研究[A];中國儀器儀表學(xué)會(huì)測(cè)控技術(shù)在資源節(jié)約和環(huán)境保護(hù)中的應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2001年

2 陳鐵軍;馮冬青;;火電廠熱工過程的鏈預(yù)估系統(tǒng)[A];1997中國控制與決策學(xué)術(shù)年會(huì)論文集[C];1997年

3 朱紅霞;沈炯;李益國;;一種新的動(dòng)態(tài)聚類算法及其在熱工過程模糊建模中的應(yīng)用[A];2004電站自動(dòng)化信息化學(xué)術(shù)技術(shù)交流會(huì)議論文集[C];2004年

4 張小桃;劉文宇;倪維斗;李政;鄭松;;基于數(shù)據(jù)挖掘熱工過程主導(dǎo)因素的確定[A];2004電站自動(dòng)化信息化學(xué)術(shù)技術(shù)交流會(huì)議論文集[C];2004年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前5條

1 顧慧;熱工過程海量數(shù)據(jù)挖掘技術(shù)研究與應(yīng)用[D];東南大學(xué);2016年

2 盧勇;數(shù)據(jù)信息采掘與熱工過程控制優(yōu)化[D];清華大學(xué);2003年

3 沈曙光;基于支持向量機(jī)的熱工過程逆動(dòng)力學(xué)建模及控制[D];重慶大學(xué);2009年

4 王勇;基于PLS的建模與控制技術(shù)在熱工過程中的應(yīng)用研究[D];華北電力大學(xué)（北京）;2008年

5 羅運(yùn)輝;非線性多變量熱工過程多模型控制及其應(yīng)用研究[D];山東大學(xué);2011年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 錢磊;基于現(xiàn)場(chǎng)數(shù)據(jù)的熱工過程辨識(shí)研究[D];東南大學(xué);2016年

2 李秋影;基于運(yùn)行數(shù)據(jù)的大型火電機(jī)組熱工過程建模研究[D];華北電力大學(xué);2016年

3 李濤永;基于現(xiàn)場(chǎng)數(shù)據(jù)的熱工過程動(dòng)態(tài)模型研究[D];華北電力大學(xué)（河北）;2009年

4 楊戈;自適應(yīng)神經(jīng)網(wǎng)絡(luò)及其在熱工過程建模與預(yù)測(cè)控制中的應(yīng)用研究[D];東南大學(xué);2004年

5 仝聲;熱工過程辨識(shí)及控制器參數(shù)優(yōu)化[D];華北電力大學(xué)（河北）;2004年

6 李軍杰;鞍鋼第二發(fā)電廠熱工過程控制部分系統(tǒng)優(yōu)化研究[D];遼寧工程技術(shù)大學(xué);2011年

7 劉翔;木材工業(yè)熱工過程計(jì)算機(jī)輔助計(jì)算系統(tǒng)的研究[D];南京林業(yè)大學(xué);2004年

8 張娟;復(fù)雜熱工過程預(yù)測(cè)PID控制方法的應(yīng)用研究[D];山東大學(xué);2010年

9 趙亮;遺傳算法在熱工過程建模與優(yōu)化控制中的應(yīng)用研究[D];東南大學(xué);2006年

10 馬曉勇;非線性控制算法在熱工過程中的應(yīng)用研究[D];華北電力大學(xué);2013年

，

本文編號(hào)：1315174