基于分类规则挖掘算法的火电厂智慧化耗差分析系统设计

为了智慧化分析火电厂耗差变化,优化火电厂机组运行态势,设计基于分类规则挖掘算法的火电厂智慧化耗差分析系统。从数据单元的MIS与DAS数据库中,获取的火电厂能耗实时数据,利用OPC（过程控制对象链接与嵌入）技术,将数据传送到采集容错模块中进行容错处理,经数据提取与处理模块完成数据提取与处理后,传输到业务单元的机组性能计算模块中,利用增量式遗传算法的分类规则挖掘火电厂能耗数据,经SMOTE算法缺失数据填补后,将数据输入到耗差分析数据库服务器中进行耗差分析,通过TCP/IP协议将耗差分析结果传输至应用单元浏览器,呈现火电厂智慧化耗差分析结果显示。实验表明,该系统可快速挖掘火电厂能耗数据,分析不同工况下的火电厂各月份能耗与耗差,并可通过界面实时监测火电厂耗差变化情况,优化火电厂机组运行。     

基于能源网络系统中燃煤锅炉NOx排放的深度学习模型研究

为了建立高精度的燃煤锅炉NOx排放量预测模型,提出了一种考虑时延特征的基于深度学习的燃煤锅炉NOx排放量建模算法。结合机理分析和lasso算法分析特征变量重要性,选取与NOx排放量最相关的变量,进一步分析所选取变量与NOx排放量之间的时延相关性;确定模型输入变量后,采用经验模态分解方法对输入变量时间序列进行分解,提取其中的频域信息与时域信息,构造建模数据库;设计深度神经网络结构并优化网络参数,建立NOx排放量预测模型。基于火电厂实际运行数据的实验结果表明,在多种工况下,所提出的算法预测误差均小于2%,能够满足实际生产对预测精度的要求。