基于大数据分析的2×1000 MW火力发电机组不良数据识别方法研究

为了对2×1000 MW火力发电机组飽不良数据进行分析和识别,提出了电机组运行状态预测模型,以超短期电功率为预测对象,从不良数据的角度出发,建立了一个基于支持向量机(SVM)和随机马尔科夫链的数据分析识别模型。首先,基于大系统数据,利用SVM对电机组进行预测,得出误差和特征;然后,基于马尔科夫链原理,建立状态转移概率矩阵,修正SVM模型的结果;最后,对状态预测数据进行分类整理。对于2×1000 MW火力发电机组,实验结果表明,所提方法可以较准确地分析识别不良数据,准确率达到92%,为2×1000 MW火力发电机组提供良好的纠错环境。