基于粗集的电站运行数据分析与运行优化

摘要

电站运行优化，即基于单元机组运行数据的分析结果，通过调整运行参数、改变运行方式等手段以提高电站的整体运行效率。合理的运行优化首先取决于能否对机组运行数据进行合理分析，因此如何对DCS系统所存储的大量数据进行分析，并根据分析所得结论对单元机组进行有效的运行优化调整一直是人们所研究的焦点问题。数据挖掘技术作为一种高效的数据处理分析技术，可辩识存在于火电厂运行数据中的未知关系和模式，如何针对电站具体数据对此方法进行改进，以使其能够更好的指导电站的运行优化值得研究。
　　 粗糙集理论作为一种较有前途的数据处理理论，能够发现数据中所隐藏的模式，如数据之间的依赖关系，并且不需要提供除了数据集合以外的先验知识，仪仪通过观察分类能力，便能对数据进行分析。由于这些优点，若将粗糙集的方法应用于数据挖掘有效数据的选取过程中，必能有效避免挖掘过程的盲目性，减少冗余的规则，这对于提高数据挖掘的效率非常有利。基于此，本文将基于粗糙集的数据挖掘技术应用到火电厂的运行优化之中，应用区分矩阵的改进算法，对某电厂300MW机组的主要运行参数进行属性约简，并采用量化关联规则的数据挖掘方法对剩余参数实现值约简，确定了影响供电煤耗率的关键参数的优化目标值，从而为单元机组优化运行方案提供建议。

目录

声明

摘要

第1章 绪论

1．1 选题背景及意义

1．2 电站运行优化技术的发展与应用

1．3 数据挖掘技术的发展与在电站系统中的应用

1．3．1 KDD发展历史

1．3．2 数据挖掘技术在电站系统中的应用

1．4 基于粗糙集理论的数据挖掘

1．4．1 粗糙集理论研究动态

1．4．2 粗糙集理论的研究重点

1．4．3 粗糙集理论应用领域

1．5 本课题研究意义、内容与目标

1．5．1 课题研究意义

1．5．2 课题研究内容与目标

第2章 粗糙集理论基础

2．1 引言

2．2 知识表达系统

2．3 粗糙集的基本定义及性质

2．3．1 知识的粒度

2．3．2 相容和不相容决策表

2．3．3 集合的近似

2．4 约简与核

2．4．1 知识的约简与核

2．4．2 知识的相对约简与相对核

2．4．3 属性的重要度

2．5 典型的属性约简算法

2．5．1 决策表的盲目删除属性约简算法

2．5．2 基于依赖度的决策表的属性约简算法

2．5．3 基于信息熵的属性约简算法

2．6 基于区分矩阵的约简算法

2．6．1 改进的基于差别函数的约简算法

2．6．2 不相容决策表差别矩阵算法

2．6．3 基于区分矩阵和属性频率的约简算法

2．7 本章小结

第3章 基于粗糙集的数据挖掘方法

3．1 引言

3．2 数据的预处理方法

3．3 属性约简和值约简

3．3．1 决策表的属性约简

3．3．2 决策表的属性值约简

3．4 程序设计

3．5 本章小结

第4章 基于粗糙集理论的电站运行优化

4．1 引言

4．2 电站运行优化

4．3 电站运行优化目标值的确定方法

4．3．1 决策表的建立

4．3．2 数据的预处理

4．3．3 属性约简

4．3．4 属性值约简

4．4 本章小结

第5章 结论与展望

5．1 主要研究成果

5．2 下一步工作展望

参考文献

攻读硕士学位期间发表的论文及其它成果

致谢