基于数据挖掘的电站运行优化应用研究

火电机组运行优化目标值的合理确定是关系到机组经济性诊断正确性与准确性的重要因素,该文充分利用火电厂运行数据的关联特性,提出了基于模糊关联规则挖掘的电站运行优化目标值确定方法,利用改进的模糊关联规则挖掘算法从电站运行历史数据中挖掘定量关联规则,以指导优化运行,解决了传统优化目标值确定中对机组实际状态考虑不足而失去指导意义的问题。以某300MW机组历史运行数据为基础,对各典型负荷工况下的历史数据进行挖掘,得到各运行工况下的最优值以指导实际运行。运行试验结果表明,基于模糊关联规则挖掘的运行优化目标值确定方法可以提高机组运行效率,降低污染物排放,优化目标值来源于机组实际运行数据,能够反映机组在特定负荷和相关条件下的最优运行状态,可以指导机组的优化运行。     

基于数据挖掘的电站运行参数目标值优化

为提高电站经济性和机组运行效率,降低机组发电煤耗,求取电站机组运行参数最优值是关键技术。以往通过理论计算得到最优运行参数值是在设定的理想环境下得到的,在实际的电站运行过程中难以实现。而数据挖掘算法是从电站自身的历史数据中得到的最优运行参数值,电站机组能够很容易在实际运行中实现该值。通过对比近年来电站常用数据挖掘算法,总结出基于数据挖掘的电站优化运行的主要步骤为关联规则、数据离散化、运行工况划分、粗糙集知识约减。得出以下结论:模糊关联规则挖掘算法是电站数据挖掘中的最主要方法,能够适用于大多数的电站优化目标值挖掘;模糊聚类离散化能够克服边界划分过硬的问题,将电站中的连接参数离散化;粗糙集属性约减能够有效降低数据挖掘的参数维度,提高挖掘效率。同时指出基于数据挖掘的电站优化运行算法将成为电站运行参数优化的主要研究方向。     

嵌套式数据挖掘技术在电站工况分析中的应用

针对穷举式数据挖掘算法对大样本数据库(如电站SIS系统)的优等隐含信息挖掘效率不高的现状,提出了一种嵌套式数据挖掘算法,该方法融合了划分聚类和双约束相关分析两种数据挖掘技术,首先采用k-means方法对机组运行数据按典型工况进行聚类划分,在各典型工况中抽取一定量的数据构成样本空间;然后采用基于维度约束和用户兴趣度约束的双约束相关分析对样本空间进行"启发式"数据挖掘,探寻机组最优运行方式。通过山西某电厂600 MW亚临界中间再热凝汽式机组实际数据进行验证,结果表明该算法不但可以较穷举挖掘算法显著降低了时间成本,而且挖掘结果能直观反映出机组的优化运行状态,对现场经济运行提供了有效指导。     

关联规则数据挖掘及其在电厂DCS数据分析中的应用

电厂的DCS存储了大量的数据。这些数据的背后隐藏了许多对提高电厂的生产效率、经济安全性有积极的指导意义的信息。数据挖掘是从大量数据中自动提取知识的过程。对DCS的数据利用数据挖掘技术中的关联规则挖掘技术进行了探索性数据挖掘。对挖掘结果的分析表明该技术可以用于电厂机组的性能分析、状态监测、故障诊断等方面,可为机组开展状态检修提供技术支持。     

330 MW 机组湿法烟气脱硫控制系统目标值优化

基于火电机组脱硫系统在实际运行过程中积累的历史数据,采用数据挖掘的方法对系统的重要运行参数进行优化,挖掘出在满足脱硫效率要求时经济效益最大的最佳运行参数值。提出了一种模糊关联规则挖掘算法,对某330 MW机组石灰石-石膏湿法烟气脱硫系统运行优化目标值进行确定。针对历史运行数据利用竞争凝聚算法决定分类数、软化划分边界并构造优化的模糊数据集,以满足脱硫效率为前提,以经济效益作为优化目标,利用模糊Apriori关联规则挖掘算法得到的频繁项集进行关联规则挖掘,最终得到运行参数最优目标值,实验结果和理论分析表明挖掘结果能为电厂脱硫系统的经济运行作出贡献,可以作为指导机组优化运行的重要依据。     

基于并行FP-Growth算法的火电机组运行优化

关联规则算法在火电厂数据挖掘中取得了较好的应用效果,然而随着电厂自动化、信息化程度的进一步提高,面对高维海量的数据,传统的数据挖掘方法由于自身缺陷已不能满足要求。针对此问题,提出了一种基于Spark的并行FP-Growth算法,并以某600 MW超临界机组的历史运行数据为对象,挖掘各工况下运行参数与供电煤耗之间的关系,从而得到运行参数调整区间及目标值。结果表明,该算法确定的优化目标值可以有效降低机组供电煤耗率,提高机组运行经济性,可用于指导机组优化运行。     

HOMIS框架下基于工况关联规则的水电机组稳定性分析

水电机组稳定性与水头、负荷等相关状态以及机组运行工况关系密切,孤立的稳定性监测与分析将会降低分析结果准确性.本文在研究了稳定性故障特征与影响因素的基础上,在水电站最优维护系统(HOMIS)集成框架下,提出了基于工况关联规则的稳定性分析方法.该方法结合机组运行工况与相关状态信息,划分工况模式空间、计算稳定性性能指标、构造工况关联规则,并依据关联规则实现对稳定性的综合关联分析.目前,该方法已成功应用于葛洲坝电站22台机组稳定性分析,实际分析结果表明,该方法在稳定性性能下降检测、故障预测以及运行规律挖掘等方面具有很好的应用前景.     

基于FP-network关联规则挖掘算法的配电网薄弱点分析研究

针对配电网运行时经常发生故障的情况,如何快速高效地寻找出配电网中的薄弱点成为了当下配电网安全运行的一大难题.文中采用频繁模式网络(FP-network)模型,建立事务-项目的关联矩阵,并且将所需要进行关联规则挖掘的数据储存在关联矩阵中,从而进行关联规则的数据挖掘.通过算例分析证实了FP-network关联规则挖掘算法可...     

基于组合权重的配电网运行经济性评价

针对配电网运行的经济性问题,文中提出了一种基于关联规则和证据理论相结合的组合权重的评价方法.引入数据挖掘中的关联规则,提出根据置信度来确定指标的客观权重;运用 Dempster-Shafer 组合理论来综合专家意见确定指标的主观权重.在建立分层指标体系的基础上,运用模糊综合评价法对电网的运行状况做出评价.实例分析表明基于组合权重的配网运行经济性评价,可以全面反映配网的运行情况,对配网的经济运行和建设改造具有理论和实际的指导意义.     

大数据挖掘技术应用于汽轮机组运行性能优化的研究

基于关联规则的数据挖掘方法已在火电厂汽轮机组的性能优化中取得了较好的应用,但随着大数据时代的来临,传统的数据挖掘方法由于自身缺陷已不能胜任海量数据的挖掘工作。针对此问题,在云计算环境下,基于引入粗糙集中属性约简的基础,在Hadoop平台的Map Reduce架构上对经典关联规则算法Apriori算法进行改进,实现计算并行化以形成能够应对海量数据挖掘任务的新算法。以某1000MW超超临界机组的运行数据为挖掘对象,利用新算法对典型负荷下的历史数据进行挖掘,挖掘出运行参数与性能指标之间的关系,并得到一些可调控参数的运行优化目标值以指导优化运行。挖掘结果表明,新算法可以应用于汽轮机优化目标值的确定,达到节能减排的目的,其所求出的优化目标值来源于机组实际运行数据,具有代表性,能够反映机组的最佳运行状态。