热工过程海量数据挖掘技术研究与应用

发布时间：2017-12-21 07:12

  本文关键词：热工过程海量数据挖掘技术研究与应用　出处：《东南大学》2016年博士论文　论文类型：学位论文

  更多相关文章： 热工过程 数据挖掘 状态监测 目标工况库 增量聚类

【摘要】：电站安全、经济运行是保证国民经济稳定发展的基础,因此,针对大型火电机组的性能监测和运行优化技术的研究具有重要意义。由于热工过程结构复杂、非线性强、运行环境多变,难以建立精确适用的数学模型,因此需要借助数据挖掘手段对热工过程中复杂多变的数据进行分析,从中获得机组运行的知识和规则,从而达到热工过程状态监测和优化的目的。本文以热工过程的实时数据采集/存储系统获得的海量历史数据和实时数据为研究对象,在对热工过程数据进行预处理后,以属性约简和聚类分析等数据挖掘方法完成电站机组目标工况库的获取和运行状态监测。本文主要内容如下:1、开展了针对热工过程的数据预处理研究,将信息熵理论结合基本统计方法作为信号变换手段,实现信号不同层次内在特征的定量表征;采用自变量与因变量相关的延时样本的多元线性回归模型实现数据清洗;利用滑动样本熵对标准化处理后的运行数据进行样本熵分析,根据设定的稳态阈值提取稳态因子从而完成热工过程数据的稳定性判定:提出ECNN算法对热工过程数据进行压缩,通过减小高稳态样本的阈值权重、增加低稳态样本的阈值权重,使得压缩集在保留原始样本集数据特性基础上保留稳态程度较高的样本。2、针对传统离散算法的离散个数需预先设定的缺点,提出一种基于熵聚类(E_Cluster)的连续属性离散化方法,该方法从数据本身的分布特性出发,无需预先设定聚类的初参数。在粗糙集互补条件熵的基础上,引入处理增量数据的更新机制,获得改进的粗糙集互补条件算法(D_RED)。利用E_Cluster和D_RED算法对锅炉的可控运行参数进行连续属性离散化和属性约简,获得不同机组负荷下影响锅炉燃烧效率和炉膛出口 NOx浓度的主要运行参数的变化情况。3、提出一种新的聚类评价指标Vnew,并将Vnew,应用到改进Kmeans算法中,通过比较每种划分的聚类有效性指标值来确定最佳分类数,实现了类心个数的自适应。基于时频域信息熵分析的特征提取方法,采用改进的Kmeans算法分析炉膛压力信号,实现信号在不同变换空间内的能量分布特性定量表征和多层次特征提取,获得了炉膛压力信号特征值和机组负荷之间的关系。4、在处理混合型数据的经典K-prototypes聚类算法基础上,结合TS_PSO优化算法对聚类目标函数不相似程度D(x,y)函数进行寻优,获得了基于TS_PSO的自适应K-prototypes聚类算法,基于该方法获得了不同负荷和低位热值相应的最佳锅炉效率和最佳炉膛出口 NOx浓度以及对应的各可控参数目标值,进而建立了反映实际锅炉实际最优运行水平的目标工况库。5、提出无需提前设定聚类初始值的EKFCM算法,通过计算Kmeans聚类过程中熵变差值,以跃迁差值达到最小值时的类别数作为FCM的初始参数,解决FCM聚类需要预先设定初始类心个数的缺点。为了避免总样本数目不断增加引起的处理难度加大的问题,在常见的FIFO增量处理策略基础上提出了 Sub-TDFO策略。将所提出的EKFCM增量聚类算法应用于热工过程数据实时监测,完成了对空预器堵灰程度和汽轮机通流部分结垢的监测。6、从系统的原理、架构和功能等方面给出了热工过程数据知识发现系统(KDTPS)的设计与开发方案及其与厂级监控信息系统(SIS)的集成方案。
【学位授予单位】：东南大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：TP311.13;TM621

【相似文献】

中国期刊全文数据库 前10条

1 周洪，杨晓光，童俊;热工过程神经元控制的设计[J];武汉水利电力大学学报;1996年06期

2 宋绍楼;李军杰;张明;;热工过程控制中保持加热均匀的控制方法研究[J];微计算机信息;2010年25期

3 杨庆柏，赵汉杰，金丰;微机热工过程模型的辨识与应用[J];华北电力技术;1996年06期

4 齐维贵,朱学莉,丁宝,吕丽;热工过程控制的图示整定法研究[J];仪器仪表学报;2001年S1期

5 熊志化,杨辰,邵惠鹤,潘笑;热力参数软仪表在电厂热工过程中的应用[J];武汉大学学报(工学版);2005年02期

6 王万召;;《热工过程自动控制》教学方法研究[J];科技信息;2010年14期

7 李超;;热工过程工业以太网中混合调度算法的研究[J];电力科学与技术学报;2008年03期

8 孔令冲;罗毅;;基于免疫原理的蚁群算法在热工过程系统辨识中的应用[J];中国电力教育;2009年S1期

9 刘志远;采用径向基函数神经网络的热工过程在线辨识方法[J];动力工程;2005年06期

10 田沛;温兴贤;;热工过程建模中的数据处理方法研究[J];计算机仿真;2013年08期

中国重要会议论文全文数据库 前4条

1 齐维贵;朱学莉;丁宝;吕丽;;热工过程控制的图示整定法研究[A];中国仪器仪表学会测控技术在资源节约和环境保护中的应用学术会议论文集[C];2001年

2 陈铁军;冯冬青;;火电厂热工过程的链预估系统[A];1997中国控制与决策学术年会论文集[C];1997年

3 朱红霞;沈炯;李益国;;一种新的动态聚类算法及其在热工过程模糊建模中的应用[A];2004电站自动化信息化学术技术交流会议论文集[C];2004年

4 张小桃;刘文宇;倪维斗;李政;郑松;;基于数据挖掘热工过程主导因素的确定[A];2004电站自动化信息化学术技术交流会议论文集[C];2004年

中国博士学位论文全文数据库 前5条

1 顾慧;热工过程海量数据挖掘技术研究与应用[D];东南大学;2016年

2 卢勇;数据信息采掘与热工过程控制优化[D];清华大学;2003年

3 沈曙光;基于支持向量机的热工过程逆动力学建模及控制[D];重庆大学;2009年

4 王勇;基于PLS的建模与控制技术在热工过程中的应用研究[D];华北电力大学（北京）;2008年

5 罗运辉;非线性多变量热工过程多模型控制及其应用研究[D];山东大学;2011年

中国硕士学位论文全文数据库 前10条

1 钱磊;基于现场数据的热工过程辨识研究[D];东南大学;2016年

2 李秋影;基于运行数据的大型火电机组热工过程建模研究[D];华北电力大学;2016年

3 李涛永;基于现场数据的热工过程动态模型研究[D];华北电力大学（河北）;2009年

4 杨戈;自适应神经网络及其在热工过程建模与预测控制中的应用研究[D];东南大学;2004年

5 仝声;热工过程辨识及控制器参数优化[D];华北电力大学（河北）;2004年

6 李军杰;鞍钢第二发电厂热工过程控制部分系统优化研究[D];辽宁工程技术大学;2011年

7 刘翔;木材工业热工过程计算机辅助计算系统的研究[D];南京林业大学;2004年

8 张娟;复杂热工过程预测PID控制方法的应用研究[D];山东大学;2010年

9 赵亮;遗传算法在热工过程建模与优化控制中的应用研究[D];东南大学;2006年

10 马晓勇;非线性控制算法在热工过程中的应用研究[D];华北电力大学;2013年

，

本文编号：1315174