[發明專利]基于實時歷史庫的機組運行模式數據挖掘方法

有效

• 申請號: 201210141675.9
• 申請日: 2012-05-09
• 公開（公告）號: CN102708180A
• 公開（公告）日: 2012-10-03
• 發明（設計）人: 黃孝彬;景超;程睿君;吉云;陳健婷
• 申請（專利權）人: 北京華電天仁電力控制技術有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30;G05B19/418
• 代理公司: 北京金闕華進專利事務所(普通合伙) 11224
• 代理人: 吳鴻維

技術領域

本發明屬于火電運行優化技術領域，并且是基于生產過程實時歷史數據、以提取經濟性和環保性運行模式為目標的數據挖掘系統，適用于燃煤發電機組。?

背景技術

當前，各燃煤發電廠面臨著節能和減排的雙重壓力。通過從大量歷史運行數據中獲取最優運行模式為當前運行提供數據支撐，成為提高機組運行質量的新思路。目前，由于運行人員的經驗能力不同使得運行質量起伏波動較大，通過數據挖掘方式提取機組最優運行模式，運用該最優模式數據來指導運行，將大大提高機組整體運行質量。?

目前尋找機組最優模式算法主要存在以下問題：?

1.傳統優化理論與方法的實現?

傳統意義上的優化理論依賴于建立系統的模型和優化算法。復雜系統建模困難，優化過程的計算成本往往使現實與理論相去甚遠。?

2.人工智能方法的實現?

人工智能算法雖然可以有效避免復雜的數學建模，但其往往需要大規模的計算，尋優過程計算成本較大依然無法避免。?

一方面，隨著數據挖掘技術深入發展，使得對復雜系統內部蘊含規律的探索成為可能。另一方面，隨著近幾年國內數據庫技術的成熟，基于海量數據處理的數據挖掘、數據融合，成為解決眾多實際問題的有效工具。利用實時歷史數據庫中存儲的機組海量運行數據，將會成為國內發電企業節能減排研究的必然趨勢。?

發明內容

為解決現有技術中存在以上問題，本發明提供了一種基于實時歷史庫的機組運行模式數據挖掘方法。本發明內容是在機組海量運行數據的基礎上，對數據進行橫向和縱向全方位立體挖掘分析，并最終給定當前工況最優運行參數。以數據之間關聯關系為導向，首先對數據進行嚴格清洗，在清洗的基礎上對數據進行高密度穩態搜索并求其特征值，進而對穩態數據進行工況映射分類，再者對特征數據進行聚類分析，在聚類分析的基礎上提取蘊含其中的模式規則。決策分析系統在知識庫的基礎上進行決策分析讓電廠專家經驗參與知識庫構建，最后通過模式尋優計算站實時在線搜尋最優運行模式，并提供相關控制參數。?

首先對本申請中出現的技術名詞作以下說明：?

過程數據：是指發電廠生產過程中所有測量設備測量到的數值以及由此為基礎進行的二次計算得到的數據的統稱，例如發電功率為測量得到的過程數據，鍋爐效率為二次計算得到的過程數據。?

穩態時間段：是指滿足穩態搜索約束和穩態波動閾值要求的時間段。?

臟數據閾值：是指當數據的采樣間隔大于平均周期的N倍后則認為該部分數據為臟數據，其中N的數值為臟數據閾值。?

穩態搜索約束：是指在同一時刻的過程數據中各變量之間需滿足的邏輯關系。?

穩態波動閾值：是指變量在搜索的時間段內變量變化的平穩度，包含設定區間帶以及變量數據落在該區間帶內的比例。?

測點：發電廠傳感器采集到的數據稱為該測點的數據。?

變量：變量是測點的函數映射，具體表現為若干測點組成的數學公式，變量是數據挖掘系統所真正關注的數據。例如：某設備的功率變量y=x1+x2，其中x1、x2為該設備其中的部分1部分2的功率測點。?

特征值：是指變量在穩態時間段內的統計值，包含均值、最大值、最小值、方差、最大值時間、最小值時間等。?

變量分組：是指根據變量的物理屬性不同對其進行分組，物理屬性包含該變量分屬的設備以及屬于操作性質量、狀態性質量和性能性質量等，每組變量有其唯一組號。?

規則鏈條：為預先設定的由變量分組的組號組成的有序組號集合為規則鏈條。?

為實現本發明，采用如下技術方案：?

基于實時歷史庫的機組運行模式數據挖掘方法，其特征在于，所述方法包括以下步驟：?

（1）建立電廠實時歷史數據庫，實時從發電廠分散控制系統DCS采集生產運行中各測點的過程數據；?

（2）對所述各過程數據預處理，剔除所述過程數據中的臟數據，獲得生產運行中各測點具有代表性的高質量過程數據：?

根據所述各測點的過程數據的方差和對測點疏密要求程度設定臟數據閾值，清洗過程數據采樣間隔大于平均采樣周期與臟數據閾值的乘積值的時間段內的采集數據，得到各測點清洗后時間段組，將各個測點清洗后得到的時間段組求交集，該交集中的各測點的過程?數據為預處理后的具有代表性的高質量過程數據；?

（3）通過穩態搜索，獲取步驟（2）所得到的高質量過程數據中穩態記錄，并獲得穩態記錄下各變量的特征數據：?