[發(fā)明專利]一種基于權(quán)重聚類的電站空預(yù)器堵灰監(jiān)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201811336474.8
• 申請(qǐng)日: 2018-11-12
• 公開（公告）號(hào): CN109469919B
• 公開（公告）日: 2020-07-28
• 發(fā)明（設(shè)計(jì)）人: 顧慧;崔曉波;陳磐
• 申請(qǐng)（專利權(quán)）人: 南京工程學(xué)院
• 主分類號(hào): G06F16/906
• 分類號(hào): G06F16/906;F23L15/00;G06K9/62
• 代理公司: 南京瑞弘專利商標(biāo)事務(wù)所(普通合伙) 32249
• 代理人: 張耀文

1.一種基于權(quán)重聚類的電站空預(yù)器堵灰監(jiān)測(cè)方法，其特征在于：包括如下步驟：

(1)現(xiàn)場(chǎng)數(shù)據(jù)經(jīng)由網(wǎng)絡(luò)交換機(jī)輸出至數(shù)據(jù)接口；

(2)批量采集空預(yù)器進(jìn)口煙氣壓力p_yi，空預(yù)器出口煙氣壓力p_yo，空預(yù)器進(jìn)口空氣壓力p_ki，空預(yù)器出口空氣壓力p_ko和機(jī)組負(fù)荷P_load建立樣本數(shù)據(jù)庫X＝[p_yi,p_yo,p_ki,p_ko,P_load]，M為該批數(shù)據(jù)樣本數(shù)量，m為樣本屬性個(gè)數(shù)；

(3)集合權(quán)重的聚類算法得到聚類結(jié)果{cluster}，cluster代表各簇聚類中心；

(4)處理完此批次數(shù)據(jù)后，將獲得的聚類類別和聚類中心存入正常點(diǎn)庫，并作為下一批數(shù)據(jù)處理過程中聚類中心更新的依據(jù)；

(5)再次執(zhí)行步驟(2)、步驟(3)、步驟(4)；

(6)將步驟(5)獲得的聚類結(jié)果與上一批次樣本的聚類結(jié)果合并更新，將更新后的聚類結(jié)果和聚類中心存入正常點(diǎn)庫；

(7)按照上述步驟將過程數(shù)據(jù)按批次處理，最終獲得當(dāng)前時(shí)間戳下的聚類結(jié)果，cluster的聚類中心屬性＝{p_yi,p_yo,p_ki,p_ko,P_load}，根據(jù)各聚類中心計(jì)算出[Δp_y,Δp_k,P_load]，分別為空預(yù)器進(jìn)出口煙氣壓力差，空預(yù)器進(jìn)出口空氣壓力差和機(jī)組負(fù)荷。

2.根據(jù)權(quán)利要求1所述的基于權(quán)重聚類的電站空預(yù)器堵灰監(jiān)測(cè)方法，其特征在于：上述步驟(3)的聚類算法為：

3.1、計(jì)算第i個(gè)樣本第j屬性的權(quán)重w_ij

其中標(biāo)準(zhǔn)差其中l(wèi)＝1,2,...,m，且l≠i，將St_i大于閾值α的樣本記為孤立點(diǎn)并從總樣本集中標(biāo)出,M為數(shù)據(jù)樣本數(shù)量，m為樣本屬性個(gè)數(shù)；

3.2、計(jì)算每?jī)蓚€(gè)數(shù)據(jù)樣本之間的相似度，D_ij表示數(shù)據(jù)樣本x_i和x_j的權(quán)重歐氏距離，x_i,x_j∈X，式中為數(shù)據(jù)集內(nèi)權(quán)重歐式距離的平均值；

3.3、對(duì)各樣本x_i計(jì)算信息熵E_i，

3.4、選擇各數(shù)據(jù)樣本熵中的最小值，E_min,iter，其中下標(biāo)iter為當(dāng)前迭代次數(shù)標(biāo)記，E_min,iter＝E_k＝min{E_i},i,k＝1,2,...,M，并標(biāo)記具有最小信息熵E_min,iter的樣本x_k；

3.5、篩選與樣本x_k的相似度集合{S_ij},j＝1,2,...,M′,j≠i，從原數(shù)據(jù)樣本中剔除樣本x_k和與x_k的相似度大于閾值的樣本，記為更新后的X，M′為更新后數(shù)據(jù)樣本數(shù)量；

3.6、此次迭代被踢除的樣本記為這一代獲得的聚類類別cluster_iter；

3.7、判斷樣本集X是否為空，若不為空，跳至步驟3.1；

3.8、若樣本集X為空，獲得聚類結(jié)果{cluster}。