燃煤锅炉生产流程优化辅助决策系统的研究与开发
发布时间：2022-08-13 09:22
燃煤锅炉流程工业是热电厂流程工业的一种,有着非常复杂的生产过程。在工业生产过程中产生的大量数据被采集到计算机,作为历史数据存储在计算机中。而通过数据挖掘可以得到更有利于工业生产的有价值信息,所以本文对燃煤锅炉的生产流程进行了优化和辅助分析,设计了面向燃煤锅炉流式规则发现的计算模型。该计算模型的主要内容包括数据预处理、时序发现、关联链的发现、建模运算。使用Spark框架对各个部分算法进行了并行化的设计,从而提高了数据挖掘的效率。最终,设计了基于B/S网络结构模式的燃煤锅炉生产流程优化辅助决策系统,并将其部署于济南某热电厂。在锅炉的生产过程中,历史数据是由各个生产环节产生的。生产环节指的是生产过程中的关键属性参数,文中将这样的每个属性参数看成一个环节。首先对计算机中质量较低的历史数据进行数据集成并检查数据的准确性,对存在问题的数据及时处理。其次,除了对历史数据进行数据预处理,还要发现各个环节之间的时序关系,找到环节间的顺序。其中使用基于统计极值的算法实现了对数据的时序（Time Series）发现和调整,通过设定基准环节,利用极值计算其他环节与此环节的时间距,从而得到环节的前后时间序列。然...
【文章页数】：59 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.3 论文的主要内容与创新点
1.3.1 论文的主要内容
1.3.2 论文创新点
1.4 论文组织结构
第二章 燃煤锅炉流程对象及算法流程
2.1 燃煤锅炉流程对象
2.1.1 流程对象
2.1.2 流程对象特点
2.1.3 燃煤锅炉流程对象的参数调节
2.2 相关算法流程
2.3 系统的并行化设计
2.3.1 相关并行计算理论
2.3.2 集群计算框架Spark
2.4 本章小结
第三章 燃煤锅炉数据预处理及获取关联链
3.1 燃煤锅炉数据预处理
3.1.1 数据集成
3.1.2 空值填充
3.1.3 时序调整
3.1.4 K-Means环节聚类算法的并行化
3.1.5 轮廓系数法确定环节聚类K值
3.2 获取燃煤锅炉关联链
3.2.1 关联规则
3.2.2 基于Apriori算法的类间关联规则算法
3.2.3 Apriori算法的并行化
3.2.4 锅炉环节二项关联规则
3.2.5 关联链的获取
3.3 本章小结
第四章 燃煤锅炉流程优化建模及实验分析
4.1 柔性神经树模型
4.1.1 柔性神经树模型简介
4.1.2 柔性神经树网络模型的生成
4.2 模型实验结果分析
4.3 本章小结
第五章 燃煤锅炉生产流程优化辅助决策系统的实现
5.1 系统概述
5.2 系统环境
5.3 数据库设计
5.4 系统流程图
5.5 系统功能分析
5.6 本章小结
第六章 总结与展望
6.1 论文总结
6.2 研究展望
参考文献
致谢
附录
【参考文献】：
期刊论文
[1]锅炉漏风对锅炉热损失的影响及对策[J]. 丁彪. 电力与能源. 2019(01)
[2]基于Spark的并行关联规则挖掘算法研究综述[J]. 刘莉萍,章新友,牛晓录,郭永坤,丁亮. 计算机工程与应用. 2019(09)
[3]工业燃煤锅炉燃烧优化关键技术探析[J]. 杨晋芳. 煤质技术. 2019(01)
[4]火电厂优化运行中数据挖掘技术的应用[J]. 张泽坤. 科技创新与应用. 2018(28)
[5]基于大数据和神经网络的锅炉燃烧含氧量建模研究[J]. 彭道刚,梅兰,李生根,何钧. 热能动力工程. 2018(09)
[6]基于数据分析的燃煤机组制粉系统与配风方式优化[J]. 李建强,陈星旭,赵凯,汪安明. 动力工程学报. 2017(11)
[7]基于全工况数据挖掘的多目标燃烧优化[J]. 郑伟,刘达. 热力发电. 2017(06)
[8]基于大数据分析的数学建模实践应用研究[J]. 李静. 淮海工学院学报(自然科学版). 2017(01)
[9]过程工业大数据建模研究展望[J]. 刘强,秦泗钊. 自动化学报. 2016(02)
[10]改进的模糊关联规则及其挖掘算法[J]. 刘帅,杨英杰,常德显,邱卫. 计算机工程与设计. 2015(04)
博士论文
[1]燃煤锅炉低NOx燃烧系统的数值模拟与试验研究[D]. 白涛.华北电力大学 2014
[2]关联规则挖掘方法的研究及应用[D]. 刘亚波.吉林大学 2005
[3]基于关联规则数据挖掘算法的研究[D]. 郭秀娟.吉林大学 2004
硕士论文
[1]关联规则在电站锅炉大数据挖掘及优化运行中的应用研究[D]. 张磊.上海发电设备成套设计研究院 2018
[2]基于并行计算的流程对象知识发现系统的研究与实现[D]. 郑雅飞.济南大学 2017
[3]智能家居中的太阳能热水器控制系统设计[D]. 任仁凯.南京师范大学 2017
[4]面向辅助决策的火电厂大数据分析系统的设计与实现[D]. 杨瀚钦.华北电力大学(北京) 2017
[5]基于计算智能方法的多茎环pre-miRNA预测研究[D]. 于高强.济南大学 2016
[6]基于Spark大数据平台的火电厂节能分析[D]. 张兴.太原理工大学 2016
[7]基于hadoop的微博文本分类及商业词抽取[D]. 陈应友.杭州电子科技大学 2013
[8]基于模糊神经网络法的山西省煤炭资源整合及发展健康度研究[D]. 马司玺.太原理工大学 2010
[9]关联规则算法的研究[D]. 文拯.中南大学 2009
[10]数据挖掘中关联规则及应用的研究[D]. 贾桂霞.兰州理工大学 2006
本文编号：3676766
【文章页数】：59 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.3 论文的主要内容与创新点
1.3.1 论文的主要内容
1.3.2 论文创新点
1.4 论文组织结构
第二章 燃煤锅炉流程对象及算法流程
2.1 燃煤锅炉流程对象
2.1.1 流程对象
2.1.2 流程对象特点
2.1.3 燃煤锅炉流程对象的参数调节
2.2 相关算法流程
2.3 系统的并行化设计
2.3.1 相关并行计算理论
2.3.2 集群计算框架Spark
2.4 本章小结
第三章 燃煤锅炉数据预处理及获取关联链
3.1 燃煤锅炉数据预处理
3.1.1 数据集成
3.1.2 空值填充
3.1.3 时序调整
3.1.4 K-Means环节聚类算法的并行化
3.1.5 轮廓系数法确定环节聚类K值
3.2 获取燃煤锅炉关联链
3.2.1 关联规则
3.2.2 基于Apriori算法的类间关联规则算法
3.2.3 Apriori算法的并行化
3.2.4 锅炉环节二项关联规则
3.2.5 关联链的获取
3.3 本章小结
第四章 燃煤锅炉流程优化建模及实验分析
4.1 柔性神经树模型
4.1.1 柔性神经树模型简介
4.1.2 柔性神经树网络模型的生成
4.2 模型实验结果分析
4.3 本章小结
第五章 燃煤锅炉生产流程优化辅助决策系统的实现
5.1 系统概述
5.2 系统环境
5.3 数据库设计
5.4 系统流程图
5.5 系统功能分析
5.6 本章小结
第六章 总结与展望
6.1 论文总结
6.2 研究展望
参考文献
致谢
附录
【参考文献】：
期刊论文
[1]锅炉漏风对锅炉热损失的影响及对策[J]. 丁彪. 电力与能源. 2019(01)
[2]基于Spark的并行关联规则挖掘算法研究综述[J]. 刘莉萍,章新友,牛晓录,郭永坤,丁亮. 计算机工程与应用. 2019(09)
[3]工业燃煤锅炉燃烧优化关键技术探析[J]. 杨晋芳. 煤质技术. 2019(01)
[4]火电厂优化运行中数据挖掘技术的应用[J]. 张泽坤. 科技创新与应用. 2018(28)
[5]基于大数据和神经网络的锅炉燃烧含氧量建模研究[J]. 彭道刚,梅兰,李生根,何钧. 热能动力工程. 2018(09)
[6]基于数据分析的燃煤机组制粉系统与配风方式优化[J]. 李建强,陈星旭,赵凯,汪安明. 动力工程学报. 2017(11)
[7]基于全工况数据挖掘的多目标燃烧优化[J]. 郑伟,刘达. 热力发电. 2017(06)
[8]基于大数据分析的数学建模实践应用研究[J]. 李静. 淮海工学院学报(自然科学版). 2017(01)
[9]过程工业大数据建模研究展望[J]. 刘强,秦泗钊. 自动化学报. 2016(02)
[10]改进的模糊关联规则及其挖掘算法[J]. 刘帅,杨英杰,常德显,邱卫. 计算机工程与设计. 2015(04)
博士论文
[1]燃煤锅炉低NOx燃烧系统的数值模拟与试验研究[D]. 白涛.华北电力大学 2014
[2]关联规则挖掘方法的研究及应用[D]. 刘亚波.吉林大学 2005
[3]基于关联规则数据挖掘算法的研究[D]. 郭秀娟.吉林大学 2004
硕士论文
[1]关联规则在电站锅炉大数据挖掘及优化运行中的应用研究[D]. 张磊.上海发电设备成套设计研究院 2018
[2]基于并行计算的流程对象知识发现系统的研究与实现[D]. 郑雅飞.济南大学 2017
[3]智能家居中的太阳能热水器控制系统设计[D]. 任仁凯.南京师范大学 2017
[4]面向辅助决策的火电厂大数据分析系统的设计与实现[D]. 杨瀚钦.华北电力大学(北京) 2017
[5]基于计算智能方法的多茎环pre-miRNA预测研究[D]. 于高强.济南大学 2016
[6]基于Spark大数据平台的火电厂节能分析[D]. 张兴.太原理工大学 2016
[7]基于hadoop的微博文本分类及商业词抽取[D]. 陈应友.杭州电子科技大学 2013
[8]基于模糊神经网络法的山西省煤炭资源整合及发展健康度研究[D]. 马司玺.太原理工大学 2010
[9]关联规则算法的研究[D]. 文拯.中南大学 2009
[10]数据挖掘中关联规则及应用的研究[D]. 贾桂霞.兰州理工大学 2006
本文编号：3676766
本文链接：https://www.wllwen.com/kejilunwen/dongligc/3676766.html
