基于免疫关联规则的烟气含氧量优化研究

摘要

电站中由于监控信息系统SIS(Superviser Information System)的实施，通过历史和实时数据库储存了大量的机组运行数据。氧量作为电站锅炉运行的一个重要参数，烟气含氧量是锅炉变负荷或变工况运行过程中最容易调整的参数，该参数不仅变化范围最宽，并且与其他热经济性参数耦合关系最强，对机组经济性有很大的影响。在不同负荷和运行工况下，实现燃烧系统优化控制的关键是确定最优氧量。因此，对最佳烟气含氧量的研究具有非常重要的意义。
　　关联规则挖掘不需要先验知识，仅靠数据本身提供的信息就能发现其中隐含的信息，以提供决策支持，优化机组运行。利用这一理论对影响机组烟气含氧量的参数进行关联规则挖掘，找出参数优化运行区间。
　　本文基于历史数据，为了从电站数据库中分析提取其中有价值的知识，找出目标参数的最优运行值。首先对电站运行数据进行相关性分析，结合相关性分析结果和电厂实际工作经验，确定影响烟气含氧量的重要参数，然后运用模糊聚类方法对这些参数进行数据离散化。
　　其次，将免疫算法、遗传算法与关联规则挖掘算法相结合，针对静态数据库和动态数据库不同情况，分别提出了免疫遗传关联规则挖掘算法和免疫增量关联规则挖掘算法。
　　最后，基于某600MW燃煤机组的历史稳定运行数据，运用设计的控制算法通过仿真实验挖掘出历史运行工况下目标参数的优化值。实验结果表明免疫遗传关联规则挖掘算法能有效地克服遗传算法由于交叉搜索而在局部搜索解空间上效率较差的缺点，又在很大程度上避免未成熟收敛，并在挖掘过程中不产生频繁集候选项;免疫增量关联规则挖掘算法可以有效避免挖掘工作在大量无意义的关系项中搜索，并且可以有效地发现有用的规则，减少了冗余规则的产生，同时也显著提高了挖掘效率。

目录

声明

摘要

第1章 绪论

1．1 选题背景和意义

1．2 国内外研究动态

1．3 本文的主要内容

第2章 关联规则挖掘的理论基础

2．1 关联规则的相关概念及性质

2．1．1 关联规则的相关概念

2．1．2 关联规则的相关性质

2．2 关联规则挖掘的分类

2．3 关联规则挖掘算法

第3章 火电厂运行工况分析及数据相关性分析

3．1 火电厂运行数据的特性与数据预处理

3．1．1 电厂运行参数的特性

3．1．2 电厂数据的预处理

3．2 稳定工况的判断和选取

3．3 电站运行数据的相关性

3．3．1 两变量相关分析

3．3．2 电站数据的二元相关性分析

3．3．3 偏相关性分析

3．3．4 电站数据的偏相关性分析

3．4 本章小结

第4章 免疫关联规则挖掘算法的设计

4．1 引言

4．2 免疫关联规则挖掘算法的设计

4．2．1 算法机理

4．2．2 算法具体步骤

4．3 模块设计

4．3．1 适应度函数模块

4．3．2 免疫记忆细胞模块

4．3．3 抗体促进与抑制模块

4．3．4 自适应交叉和变异操作模块

4．3．5 支持度与置信度计算模块

4．4 基于免疫关联规则的烟气含氧量优化仿真实验

4．4．1 编码方案

4．4．2 工况选择

4．4．3 数据离散化

4．4．4 基于免疫关联规则的烟气含氧量优化仿真实验

4．5 本章小结

第5章 免疫增量关联规则挖掘算法的设计

5．1 引言

5．2 关联规则的增量更新简介

5．3 基于免疫增量关联规则挖掘算法的研究设计

5．3．1 算法流程图的设计

5．3．2 具体算法步骤

5．3．3 算法机理

5．3．4 算法中的相关概念

5．4 免疫增量关联规则挖掘算法的仿真实验

5．4．1 基于免疫增量关联规则的烟气含氧量优化仿真实验

5．4．2 算法性能对比

5．5 本章小结

第6章 结论与展望

参考文献

攻读硕士学位期间发表的论文

致谢