基于电厂工况划分的模糊C-均值聚类算法研究

火电机组在运行过程中产生大量的历史数据,而目前所使用数据分析方法仅仅对这些历史数据进行简单的分类和统计,并不能对这些数据所隐含的规律进行挖掘。利用相关性分析对某电厂的实时数据进行研究,从大量的机组运行参数中筛选出对机组能耗影响较大的重要参数:负荷、循环水入口温度、主蒸汽温度、再热蒸汽温度、主蒸汽压力、循环水流量。然后,介绍了模糊C-均值聚类算法的相关理论及其应用,利用此方法对以上6个参数进行工况划分。实际应用结果表明,在对电厂大量实时进行数据聚类和合理工况划分过程中,模糊C-均值聚类算法起到一定作用,并且对优化运行和机组节能优化有重大的意义。