基于电厂工况划分的模糊C-均值聚类算法研究

发布时间：2017-10-24 08:09

  本文关键词：基于电厂工况划分的模糊C-均值聚类算法研究

  更多相关文章： 热耗率 相关系数 工况划分 模糊C-均值聚类

【摘要】：火电机组在运行过程中产生大量的历史数据,而目前所使用数据分析方法仅仅对这些历史数据进行简单的分类和统计,并不能对这些数据所隐含的规律进行挖掘。利用相关性分析对某电厂的实时数据进行研究,从大量的机组运行参数中筛选出对机组能耗影响较大的重要参数:负荷、循环水入口温度、主蒸汽温度、再热蒸汽温度、主蒸汽压力、循环水流量。然后,介绍了模糊C-均值聚类算法的相关理论及其应用,利用此方法对以上6个参数进行工况划分。实际应用结果表明,在对电厂大量实时进行数据聚类和合理工况划分过程中,模糊C-均值聚类算法起到一定作用,并且对优化运行和机组节能优化有重大的意义。
【作者单位】： 华北电力大学能源动力与机械工程学院;大连发电有限责任公司;
【关键词】： 热耗率 相关系数 工况划分 模糊C-均值聚类
【基金】：中央高校基本科研业务费专项基金资助项目(12NQ40)
【分类号】：TM621
【正文快照】： 0引言电厂机组在复杂的运行过程中产生大量的历史数据,而这些数据背后不仅蕴含着大量丰富的信息和知识,同时还具有维数高、复杂非线性和强耦合性等特点[1-3]。影响机组能耗指标的因素就有几十个甚至上百个,并且这些影响因素会随电站机组设备特性、运行边界和运行状态的变化而

【相似文献】

中国期刊全文数据库 前2条

1 苑一方;孙建平;田婧;;改进K均值聚类算法在电厂工况划分中的实现[J];仪器仪表用户;2010年04期

2 ;[J];;年期

，

本文编号：1087834