火电机组典型经济运行模式建立方法的研究

摘要

计算机技术的迅速发展使得大量的火电机组运行记录能够保存到实时/历史数据库中,这些海量数据的背后往往蕴藏着丰富的信息,利用数据挖掘技术对这些数据进行分析和应用对机组的优化运行有着重要的意义。本文的主要研究工作集中在利用基于聚类分析的数据挖掘技术对火电机组的运行记录进行工况的划分以及模式的挖掘。
　　 第一部分分析了数据挖掘技术在火电机组优化运行的研究现状及可行性,并介绍了单元机组运行调节的内容、基本方法。第二部分阐述了机组典型经济运行模式的总体设计思路。第三部分针对某600MW机组一个月的历史运行数据进行模式挖掘算法的数据实验,并分析了不同工况下的挖掘结果。试验结果表明,数据挖掘对机组运行模式的建立和分析具有实际的指导意义。

目录

文摘

英文文摘

第一章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 数据挖掘在机组运行优化的研究现状

1.2.2 数据挖掘在机组运行的应用现状

1.3 论文的主要内容及结构

第二章 单元机组的运行及优化

2.1 单元机组运行与调节[18]

2.1.1 单元机组的运行调节综述

2.1.2 运行中主要监控参数的调节手段与顺序控制

2.2 单元机组运行优化的内容

2.3 小结

第三章 机组典型运行模式建立的总体设计

3.1 机组经济性指标及评价

3.2 机组运行模式及运行模式库

3.2.1 机组运行模式的定义

3.2.2 机组运行模式库的建立

3.3 典型经济运行模式挖掘的总体结构

3.3.1 典型运行模式数据挖掘系统的基本结构

3.3.2 典型运行模式挖掘的基本步骤

3.4 小结

第四章 典型经济运行模式的数据挖掘算法

4.1 聚类分析算法[46~47]

4.1.1 聚类分析的基础理论

4.1.2 聚类分析的主要方法及典型算法

4.1.3 聚类算法的性能评价

4.2 基于聚类思想的典型运行模式挖掘思想

4.3 典型经济运行模式的相似性挖掘算法

4.3.1 算法的阐述

4.3.2 算法的实现过程

4.3.3 算法的流程图

4.4 小结

第五章 典型运行模式的数据挖掘试验研究

5.1 数据选择与预处理

5.1.1 数据时间段的选择

5.1.2 数据选择说明

5.1.3 数据预处理

5.2 工况库的建立

5.2.1 参数的离散化[48]

5.2.2 工况的划分

5.3 模式挖掘结果及分析

5.4 本章小结

第六章 结论及展望

参考文献

致谢

在学期间发表的学术论文和参加科研情况