基于关联规则的锅炉异常工况数据挖掘

摘要

本文针对以上问题,将数据挖掘中产生显式规则的方法应用于故障诊断领域,从海量的电厂运行数据中发现设备故障特征,有效的解决基于规则的专家系统知识瓶颈的问题.通过对锅炉故障实例的挖掘和诊断证明该方法是可行的.该方法可以用于电厂机组的性能分析、状态监测、故障诊断和状态检修等方面,为机组开展状态检修、开发电厂机组SIS系统提供技术支持,很有意义.

目录

文摘

英文文摘

声明和关于学位论文使用授权的说明

第一章引言

1.1电厂状态监测及故障诊断

1.2基于规则的专家系统

1.3数据挖掘技术产生背景及现状

1.4选题意义及主要工作

第二章数据挖掘概论

2.1数据挖掘基本理论

2.2数据挖掘主要模式

2.2.1分类和预测

2.2.2关联分析

2.2.3聚类分析

2.2.4异类分析

2.3数据挖掘常用方法

2.3.1粗糙集理论

2.3.2神经网络

2.3.3关联规则

2.3.4决策树

2.4小结

第三章关联规则挖掘算法

3.1经典APRIORI算法

3.1.1Apriori算法基本理论

3.1.2Apriori算法的改进

3.2其它主要算法

3.2.1 FP-growth算法

3.3.2多层关联规则挖掘算法

3.2.3多维关联规则挖掘算法

3.3小结

第四章基于关联规则的锅炉故障在线诊断系统的开发

4.1系统概述

4.2关联规则挖掘子系统的开发

4.2.1系统设计

4.2.2系统简介

4.3故障诊断子系统的开发

4.3.1系统设计

4.3.2系统简介

4.4小结

第五章基于关联规则的锅炉故障诊断应用实例

5.1引言

5.2关联规则挖掘结果及其故障在线诊断应用

5.3关联规则挖掘技术在电力行业中的应用前景及意义

5.4小结

第六章总结

参考文献

致谢

附录

附录1 DCS测点

附录2关联规则挖掘结果

在学期间发表的学术论文和参加科研情况