[發明專利]基于稀疏大數據挖掘的火電機組汽輪機優化方法及系統

有效

• 申請號: 202110276819.0
• 申請日: 2021-03-15
• 公開（公告）號: CN112861379B
• 公開（公告）日: 2022-08-12
• 發明（設計）人: 林金星;陸銘杰;胡志
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06F119/08
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 邵斌

本發明公開了汽輪機優化技術領域的一種基于稀疏大數據挖掘的火電機組汽輪機優化方法及系統，包括：采集機組歷史運行數據；選取一組與汽輪機熱耗率較強相關的可控運行參數作為優化參數；基于二進制矩陣和超鏈接技術，構建新型面向稀疏數據的模式增長類關聯規則挖掘算法；在Apache Spark平臺上，提出基于矩陣運算的負載均衡策略，并行化實現全局計算平衡的模式增長類關聯規則挖掘算法；通過聚類離散化歷史運行數據，并行挖掘離散化歷史運行數據得到關聯規則，并反離散化，得出各個邊界條件下汽輪機優化參數的目標值。可有效解決火電機組汽輪機連續運行數據離散化導致的稀疏特性，并可高效挖掘汽輪機大規模運行數據以獲取熱耗率較低時的運行優化目標值。

技術領域

本發明屬于汽輪機優化技術領域，具體涉及一種基于稀疏大數據挖掘的火電機組汽輪機優化方法及系統。

背景技術

近年來，在我國節能減排工作不斷深入的大環境下，節能降耗成為各火電廠迫切需要完成的任務。汽輪機作為火電機組的重要組成部分，其運行效率直接決定火力發電廠電力資源的供應。因此，研究火電機組汽輪機運行優化至關重要，不僅提高發電效率，也能降低發電成本。關聯規則挖掘是數據挖掘領域中應用廣泛且實用意義較高的方法，能夠發掘數據之間隱含著的關聯性和相關性。相較于設計值法、最優運行試驗法和變工況熱力計算法，基于關聯規則挖掘的機組運行優化方法是從機組長期運行數據中獲取機組性能較好狀態下主要運行參數與機組相關性能指標間的強關聯規則，不需要建立復雜的機理模型，避免了易受工況局限以及耗時耗力的問題，具有較高的可行性。此外，隨著自動化及信息化程度的日益提高，電廠廣泛部署DCS系統和SIS系統，積累了大規模的運行數據，為基于關聯規則挖掘的機組運行優化方法創造了有利條件。

現有技術中的算法大多是串行運行方式，處理的是小樣本汽輪機數據。火電機組運行參數眾多、系統工況多變且數據采集周期短，小樣本運行數據難以體現汽輪機的實際特性。現有技術中采用Apriori算法或FP-Growth算法挖掘稀疏數據頻繁模式時，因算法自身瓶頸導致耗時長、占用內存高的缺陷；串行關聯規則挖掘算法受單機硬件資源限制，難以分析處理大規模數據。

發明內容

為解決現有技術中的不足，本發明提供一種基于稀疏大數據挖掘的火電機組汽輪機優化方法及系統，可有效克服挖掘稀疏海量數據關聯規則時，以往關聯規則挖掘算法耗時長、內存占用過高的缺陷，并能負載均衡地挖掘大規模數據。

為達到上述目的，本發明所采用的技術方案是：一種火電機組汽輪機優化方法，包括：以降低汽輪機熱耗率為優化目標，采集歷史運行數據并數據預處理；基于典型相關性分析粗選與皮爾森相關性分析精選的方法，從歷史運行數據中選取一組與汽輪機熱耗率相關性符合設定條件的機組可控運行參數作為優化參數；構建面向稀疏數據的模式增長類關聯規則挖掘算法；在大數據分析處理框架Apache Spark上，基于矩陣運算的負載均衡策略，并行化實現全局計算平衡的模式增長類關聯規則挖掘算法；采用模糊C均值聚類算法離散化歷史運行數據，基于并行化的模式增長類關聯規則挖掘算法，挖掘離散化歷史運行數據得到關聯規則，并反離散化，得出各個邊界條件下汽輪機優化參數的目標值。

進一步地，所述數據預處理，是指剔除歷史運行數據中的異常數據和冗余數據并對歷史運行數據進行穩態檢測。

進一步地，所述穩態檢測的判別標準是：在一定時間段內，當汽輪機的運行狀態參數波動值小于設定范圍時，可以認為機組處于穩定運行工況。