一、关联规则数据挖掘及其在电厂DCS数据分析中的应用(论文文献综述)
高学伟[1](2021)在《数字孪生建模方法及其在热力系统优化运行中的应用研究》文中研究指明随着社会经济的飞速发展,我国产业结构优化调整和转型升级进程的深入,要实现未来“碳达峰,碳中和”的目标,需要建设清洁低碳、安全高效的现代能源体系。以风电和太阳能发电为代表的可再生能源替代作用日益突显,而火电机组在未来很长一段时间内仍将处于主导地位。亟需解决火电和可再生能源的协同发展问题,大型火电机组更多需要担负起高效节能、低碳环保、深度调频调峰的任务。实施电能替代供热对于推动能源消费革命、减少碳排放、促进能源清洁化意义重大。利用电锅炉储热供暖还可以降低电网调节压力,增加供热能力,有效解决可再生能源的消纳问题。火电机组热力系统和电锅炉储热供暖热力系统都属于典型的非线性、多参数、强耦合的复杂热力系统。本文通过研究流体网络机理建模和数据驱动建模相融合的数字孪生建模方法,为热力系统建模工作提供了新的思路和途径,为热力系统安全、环保和经济运行提供理论支撑。论文围绕数字孪生建模方法及其在热力系统优化运行中的应用,主要研究内容和成果包括以下几个方面:(1)对数字孪生理论、热力系统建模理论以及大数据处理等基本理论进行了研究。比较了数字孪生与仿真技术及信息物理系统的异同;以火力发电厂为例,研究了流体网络机理建模及求解方法;对Hadoop系统的MapReduce与Spark计算进行了对比分析,对实时数据处理Spark Streaming与Storm进行了对比分析,并搭建了适用于数字孪生及大数据在热力系统建模领域应用的大数据分布式集群平台;在该集群上实现了大数据的存储管理,以及大数据分布式计算,研究了基于大数据平台的数据驱动建模理论,包括支持向量回归建模、极限学习机建模、智能辨识优化算法以及即时学习等基本理论。(2)针对数据驱动建模方法的研究,提出一套基于改进即时学习策略的自适应数据驱动建模方法。采用“主成分+互信息”的方法获得输入和输出变量之间的相关程度,确定权重因子,然后利用“欧式距离+角度”定义一种加权综合相似度度量函数。在离线状态下,利用改进遗传模拟退火模糊聚类方法进行工况划分;进行工况预测时,采用一种多层次综合相似度度量的相似工况快速识别方法构建相似工况训练集,即根据两级搜索的策略实现了在线快速识别:初级识别是确定预测工况在历史工况库中所属的类别提取预测类工况,次级识别是采取基于综合相似度度量函数的相似工况识别方法,在历史数据库中针对预测类工况的快速识别;局部模型建模方法是在Spark计算框架下,对SparkSVMHPSO算法、Spark ELM算法以及基于SparkHPSO的多参数辨识等数据驱动建模方法进行研究。然后以SCR脱硝系统出口 NOx预测、电锅炉储热供热系统源侧及荷测负荷预测为案例,验证了所提出的建模方法有效性。为热力系统数字孪生模型建模及系统工况优化提供了理论支撑。(3)针对数据孪生建模的研究,提出一套改进即时学习策略的自适应数据驱动与机理模型多参数辨识协同融合的数字孪生建模方法。在建立热力系统机理模型的基础上,关键的设备模型参数利用多参数多工况拟合的离线智能辨识方法,得到可以模拟实际系统全工况下动态变化趋势的离线智能参数辨识模型;以离线智能参数孪生模型为主,根据相似度阈值进行判断,采用自适应模型参数更新策略,实现数字孪生模型的在线协同;为进一步提升孪生模型预测的精度和鲁棒性,采用移动窗格信息熵的多模型输出在线融合方法,提升关键工况以及动态变化过程的逼近程度。基于这一理论构建的数字孪生模型,能够基于系统运行数据持续进行自我修正,在线跟踪设备运行特性,从而具有自适应、自演进的智能化特点,能够全面反映系统的运行状态和性能,为系统工况迭代优化提供可靠的模型输入和结果校验工具。以燃煤电站SCR脱硝系统和电锅炉储热供热系统为研究对象,建立其热力系统数字孪生模型。(4)最后,基于数字孪生模型的实时跟踪能力,提出一种基于负荷分配和工况寻优的热力系统智能工况动态寻优策略。并以电锅炉储热供热系统为研究对象,根据能耗成本分析和负荷分配策略,利用数字孪生模型系统,对电网负荷、电锅炉系统、储热系统进行预测计算,模拟不同运行方案、不同工况下系统动态运行,得出最优的供热调节和负荷分配方案。以火力发电厂SCR脱硝系统为例,根据建立的自适应、自演进的智能化SCR脱硝系统数字孪生模型,将该模型应用于模型预测控制算法中。结果表明,利用基于数字孪生模型的自适应预测控制算法比传统的PID控制效果更精确,运行更稳定。证明了所提建模方法的有效性,具有重要的工程实用意义和行业示范价值。
牛鹏坤[2](2020)在《基于数据挖掘的火电风机设备故障状态监测技术研究》文中指出火电站辅助设备的故障检修技术是发电机组安全稳定运行的重要保障,而电站中传统的设备定期检修方式日益暴露出其局限性,由于设备故障造成的停机事故对电站运营带来了巨大损失,改变设备的故障检修方式,对提高设备的安全性和经济性越来越重要。随着自动化技术的广泛应用,火电站运行过程中产生了海量有待分析的数据,这使得基于数据挖掘的设备状态监测技术得以应用。通过对数据进行分析计算,得出设备的运行的模式,可辅助现场及时发现潜在故障,变被动为主动,提前对设备进行报警和维修诊断,从而确保电站的安全稳定运行。作为火电站的锅炉辅助设备,风机系统提供燃烧所需的空气并及时将燃烧废气排出,为炉膛中燃料的安全稳定燃烧提供了保障,其运行状态关乎电站发电机组能否高效稳定运行。本文以福建某电站送风机历史运行数据为基础,结合数据挖掘的方法对风机设备的故障监测技术进行了研究,并提出了一种基于数据挖掘的风机故障监测技术实施方案。首先,本文对关联规则及其在发掘风机运行模式中的两大应用进行了研究。一是介绍了经典的关联规则算法,并将其应用在风机常见的故障分析上,发掘出风机设备故障的特征模式。二是阐述了经典关联规则的局限性,引入了聚类算法对其进行改进,并将改进后的方法应用到风机正常运行数据中,发掘出正常工况下风机的运行模式。将挖掘出的风机模式保存到模式库中供现场人员参考,可对风机的现场运行和故障诊断进行指导。其次,本文对非线性状态估计算法在风机设备故障预警模型中的应用进行了研究。基于风机设备的历史正常运行数据,利用非线性状态估计算法对风机当前运行模式进行估计,结合相似度理论判断设备的运行状态。经实际故障数据验证,预警模型可有效捕捉风机潜在故障,实现风机设备的故障早期预警。
刘炳含[3](2019)在《基于大数据技术的电站机组节能优化研究》文中认为随着我国经济持续发展,能源消费保持增长态势。燃煤发电作为能源供应的支柱产业,在我国独特的能源结构作用下,将继续占据主导地位,也是我国实现优能降耗减排目标的关键。大数据、人工智能的崛起及迅猛发展,推动着智能化、信息化与工业化的深度融合,为我国发电企业由高能耗、高排放、低效率的粗放型发展方式向低能耗、低排放、高效率的绿色发展方式转变带来新的方式和机遇。随着电力系统信息集成化的普及应用,电站机组积累了海量运行数据,如何挖掘数据中的潜在价值并加以利用,已成为当前发电行业的重要研究领域。推广大数据技术在电站机组的多角度、深层次、宽范围的挖掘与应用,对提高机组效率及深化优能降耗具有重要意义。首先,通过对电力大数据定义及特征的概括分析,阐述了电站机组大数据的定义及价值。针对电站机组大数据的挖掘过程,提出电站机组大数据的层级架构设计;同时,依据电站大数据处理关键技术,构建电站大数据生态系统应用框架,引入大数据存储与批处理技术,实现电站机组大数据的信息挖掘与获取。其次,深入分析电站机组海量运行数据特点及数据质量,阐明质量缺陷及原因,明确数据处理策略及方法。在电站机组数据检测中,采用多参数阈值判断法筛选稳态工况数据。在数据预处理中,利用双线性插值法及联合概率密度法分别处理数据空缺值及离散值;同时,针对电站机组大数据高维度、非线性的特点,引入模糊粗糙集理论,建立电站机组大数据特征参数选择方法,剔除冗余或无关参数,精简特征参数集,保证大数据挖掘处理的高效率性与高精度性。再次,开展基于大数据技术的电站机组能耗分析方法。以模糊粗糙集属性约简为基础,通过Canopy算法对K-means聚类算法改进,并将改进K-means聚类算法在Hadoop平台上实现并行化计算,实现全工况高效寻优确定电站机组运行目标基准值。同时,建立支持向量机能耗敏感性分析模型,依据供电煤耗与输入特征参数之间的依赖度及相关性,分析不同负荷工况下关键特征参数对供电煤耗的敏感性系数。然后,分析厂网两级负荷优化分配现状,针对电力发展清洁型、灵活型、智能型需求,提出基于大数据技术的考虑边界条件及污染物排放的多目标厂级负荷优化分配策略。基于电站机组的海量运行数据,引入大数据分析方法,通过粒子群算法对支持向量机进行改进,建立厂级快速性、经济性、环保性多目标负荷优化预测模型;并利用MapReduce并行编程模型实现对NSGA-Ⅱ优化算法的并行化处理,完成厂级多目标负荷优化分配计算。以此为基础开展的厂级负荷优化分配可有效降低电站机组供电煤耗及污染物排放,对电力系统节能发电调度具有参考意义。最后,开展燃气电站机组对标管理综合评估研究。在分析研究燃气电厂对标管理评估特点及表征参数的基础上,从安全环保、机组可靠、设备管理、经济运营、生产技术5个方面建立燃气电站机组对标管理综合评价指标体系:同时,基于大数据分析方法的粗糙集属性约简原理,结合向量夹角余弦与主成分分析法,建立燃气电站机组对标管理综合评估模型。针对模型赋权方案,建立基于指标权值的敏感性分析模型,检验结果表明所建立的燃气电站机组对标管理综合评价模型的权值分配敏感性较低,模型评价结果稳定,鲁棒性好,为燃气电厂企业对标管理及电厂机组间竞赛提供指导和帮助。
张维[4](2019)在《掺烧煤泥循环流化床机组运行督导与智能预警》文中提出国家鼓励推进与煤共伴生资源的综合开发利用,目前循环流化床(Circulating Fluidized Bed,CFB)技术是综合利用煤泥的最佳工业处理方式,掺烧低价煤泥也是提高CFB机组经济性的重要手段。但掺烧煤泥造成控制参数波动给机组运行带来挑战,如何保证运行安全稳定前提下调节控制参数实现经济性最优,具有重要研究意义。掺烧煤泥CFB机组的大惯性、大迟延、强耦合特点导致机理建模困难,很难形成具普适性的控制优化系统。大数据、人工智能与发电产业的深度融合是智能电厂应用推广的重要手段。目前较少出现基于过程数据的掺烧煤泥CFB机组整体建模优化成果,因此深入挖掘过程数据提出运行辅助信息系统,填补此类研究空白具有重要意义。本研究基于分布式控制系统中存储的过程数据,以掺烧煤泥CFB机组运行稳定性、经济性、安全性为目标,采用数据驱动建模、数据挖掘优化、专家系统指导以及状态智能预警等技术,创新性提出掺烧煤泥CFB机组整体运行督导与智能预警方案。基于以上研究内容与思路,课题从以下几个方面开展研究:(1)运行督导系统内综合经济性模型建立以全机组燃料成本、脱硫脱硝成本、厂用电成本总和为综合经济性指标。在数据预处理与偏互信息法特征选择基础上,利用Elman神经网络、支持向量机、最小二乘支持向量机为代表的传统数据驱动算法分别建立控制变量与综合经济性之间黑箱模型并综合比较分析。在性能较优的最小二乘支持向量机算法基础上,提出改进策略:采用改进网格搜索法及模型更新策略提升模型预测精度与自适应能力,进一步采用模糊信息粒化方法分析综合经济性变化趋势及范围。(2)运行督导系统搭建由运行数据库、模型算法库以及专家知识库组成掺烧煤泥CFB机组运行督导系统。以综合经济性模型为基础,遗传算法优化下的典型稳态工况组成离线专家知识库。改进模糊关联规则挖掘算法创新性引入“效用成本”关联规则复合型评价指标,对专家知识库数据进行模糊化与关联规则挖掘。筛选出最佳综合经济性稳态工况下变量间关联规则后,将其输入至模糊逻辑控制器。模糊逻辑控制器接收负荷指令后,在线输出最佳综合经济性稳态工况控制变量目标值,为机组运行提供操作指导与信息参考。(3)智能预警系统内状态预测模型建立状态预测模型是智能预警系统的模型基础,准确的正常状态预测模型与观测状态之间的差异信息蕴含了故障早期特征。多维时间序列预测、模糊推理预测、多元状态估计技术以及提出的改进多元状态估计技术用来进行设备正常状态参数预测和模型比较。在模型预测精度方面,利用概率密度构造过程记忆矩阵的改进多元状态估计技术与多维时间序列预测方法优于其他两种方法;在模型复杂度及运算快速性方面,以状态向量为操作单元的改进多元状态估计技术不需逐一参数建模,远优于其他三种方法。(4)智能预警系统搭建智能预警系统通过状态预测、状态判断、变量定位功能板块,最终实现智能预警功能。在状态判断研究中,综合比较基于可调平滑参数、K-means聚类以及滑动窗口相似度的状态判断方法,提出的滑动窗口相似度在预警准确性、及时性、简便性方面最具优势。滑动窗口相似度函数以状态预测模型输出为基础,采用状态间欧氏距离的反比函数描述正常状态与观测状态间相似性;将层次分析法得到的故障信息权重赋值相似度函数变量,利用滑动窗口法消除随机重复预警误报。预警后变量异常标记占比被用于故障变量定位与诊断,结合变量信息及现场检修得到故障原因。最后分析与讨论了滑动窗口参数对预警灵敏度的影响规律。
黄文渊[5](2019)在《火电机组节能优化控制应用研究》文中指出随着我国能源结构的大力调整和电力市场体制的不断深化,传统分散、单一的机组节能优化控制方式已不能适应新的形势,发电企业数字化、精细化、统一化的节能优化控制逐渐成为主流需求。火电机组节能优化控制是一个综合课题,包括设备升级改造、操作方式优化、控制策略优化等,涵盖了机组生产的全过程。在借鉴智能发电厂理念的基础上讨论了火电机组节能优化智能控制系统,以集团公司、区域公司、厂级、机组级立体结构为框架将系统分为智能管理层、智能优化监管层、智能控制层和智能设备层。本文针对厂级负荷优化分配与锅炉燃烧优化两部分进行了深入研究。(1)在总结火电厂传统经济负荷分配模型基础上,通过分析南方区域“两个细则”规定,提出基于AGC调节速率考核指标的厂级负荷调整时间约束和机组调峰补偿目标,并以此构建了基于“两个细则”的负荷优化分配模型。将多目标问题通过极值法进行无量纲化处理,并通过模糊层次分析法(FHAP)确定各目标权重。分配结果表明,新模型在各项指标上都能达到平衡最优,且计算时间短,具有一定的推广意义。在此基础上,搭建了一套厂级AGC实物仿真平台,真实模拟厂级AGC运行场景,完成研究成果的转化。(2)针对火电机组燃煤锅炉提高锅炉效率和降低污染物排放的迫切需求,同时考虑基于智能计算的燃烧优化算法难以应用于工程领域的问题,提出了一种基于数据挖掘案例推理的电厂锅炉燃烧优化系统方案。将海量的DCS历史数据进行预处理,采用改进的模糊减法聚类算法确定分类数,以模糊C均值算法建立初始案例库,通过优化目标寻优约简案例库。在线应用时,基于非可控因子的案例推理方法计算当前工况最佳燃烧参数,根据可控因子对输出参数进行修正,保证系统的实时最优性。通过在某机组锅炉的优化前后效果对比发现,基于数据挖掘案例推理的电站锅炉燃烧优化系统结构简单、稳定可靠,是一种实用高效的电站锅炉燃烧优化方法,具有一定的推广意义。
臧雨佳[6](2019)在《330MW循环流化床机组湿法脱硫pH值自动控制系统研究》文中认为近年来,我国电力行业飞速发展,相应带来的环境污染问题引起了广泛的社会关注,国家对电力环保的重视日益增加。燃煤电厂排放的二氧化硫是大气污染物的主要组成部分,石灰石-石膏湿法烟气脱硫是当前应用最为广泛的一种脱硫方法。石膏浆液pH值对脱硫系统安全经济运行起着重要的作用,本文基于某电厂330MW循环流化床机组湿法脱硫系统,对pH值自动控制系统进行了分析与设计。本文主要内容如下:(1)对烟气脱硫技术的发展情况以及pH值控制系统的研究现状做了介绍,论述了烟气脱硫的原理,说明了pH值对脱硫效率的影响。(2)以内蒙古京泰电厂330MW循环流化床机组湿法脱硫系统为研究对象,基于脱硫系统在实际运行过程中存储的历史数据,对pH值控制系统进行分析与改进,设计出了新的串级前馈-反馈控制系统,根据物料平衡理论,按照固定摩尔比的方式计算浆液流量,以此作为前馈控制作用,基于内模控制原理设计了反馈控制策略。将改进后的控制逻辑应用到实际运行现场的DCS中,对改进前后的运行数据及效果进行分析。结果表明,改进后的系统可以稳定地投入自动运行,有效地改善了控制品质。(3)运用数据挖掘的方法对pH值控制系统设定值进行优化。比较了关联规则数据挖掘方法中的模糊C均值聚类算法(FCM)和竞争凝聚算法(CA),最后采用竞争凝聚的方法挖掘出pH值控制系统的最佳设定值,从而在满足脱硫效率的前提下提高经济性。
万祥[7](2017)在《基于大数据挖掘技术的火电机组运行优化研究》文中研究表明由于我国独特的能源结构,火力发电将在未来较长一段时间内继续占据主导地位,结合国家重构绿色有序电力生态、组建安全高效能源体系的需求,研究火力机组的优能降耗及综合能效评估体系,进而实现火力发电能效水平的提高具有较为深刻的现实意义。同时,随着电力系统信息集成化的推广普及,火电厂站积累了海量运行数据,如何挖掘出数据中隐藏的价值并加以利用,进而指导火电机组的优化运行以促进绿色电力的发展,已成为当下火力发电研究领域的热点问题。针对此问题,将大数据技术引入火电机组的运行优化研究中,通过构建电厂大数据分析平台,实现挖掘算法的同步并行化改进,以火电机组实际运行数据为研究对象,完成关联规则分析学习,确定全运行周期内机组运行参量的目标值以及建立和完善能效综合评估体系,以指导机组优化运行。首先,通过电力大数据定义及其“3V3E”基本特性的阐述分析,明确了电厂大数据的基本特性。针对电厂大数据的分析过程,对其内涵提出分析层级概念,对其形式提出完整分析周期理念,进而具象为电厂大数据分析链。同时,针对电厂大数据处理技术欠缺的现状,提出构建电厂大数据分析平台,引入批处理和流处理两种数据处理技术,通过运行数据流与分析平台的数据交互,实现大数据的价值挖掘和知识获取。其次,针对具体超超临界燃煤机组及联合循环机组的海量运行数据进行质量分析,指出其质量缺陷原因及相应改善策略,即进行数据检测及预处理工作。在数据检测工作中,分别采用方差阈值判断法及移动平均法实现数据的稳态提取及同步处理。在预处理流程中,通过对传统BP神经网络算法予以动态调整及自动变化的改进,实现遗失值的补充;通过结合电厂大数据分析平台上MapReduce架构实现传统K-Means聚类算法的并行化改进,以提高其海量数据分析能力,从而高效完成了数据离散化。再次,采用关联规则算法确定火力机组运行目标值,结合属性约简及MapReduce架构对其进行改进,完成了数据集的精简及数据集分块并行处理,实现了运行资源的节约及计算效率的提高。针对超超临界燃煤机组及联合循环机组,采用改进后的高效关联规则算法,分别实现其运行的全工况优化及协同优化,确定运行目标值作为运行优化的参考指标,并针对节约的燃料进行经济效益估算。最后,分析现有能效评估方法的特点,针对联合循环机组能效综合评估机制匮乏的现状,结合通过大数据技术确定的运行目标值,提出基于气耗敏度分布列及改进主成分分析的能效综合评估体系。通过气耗敏度多级分布列的求解,量化各参量对机组能耗的实时影响并可逐级确定能耗影响关键参量;引入对数中心变化策略及熵值法实现主成分分析评估的科学化、客观化改进,针对机组综合指标做出合理的全面评估。并开发联合循环性能监测与评估系统,实现能效综合评估的可视化。
高晓栋[8](2009)在《基于SIS系统的电厂过程控制数据的挖掘研究》文中认为随着电厂自动化程度的不断提高,电厂也逐渐开展了生产管理信息化建设。SIS是厂级监控信息系统的英文缩写,属于厂级生产过程自动化范畴,以分散控制系统DCS为基础,以安全经济运行和提高电厂整体效益为目的,是实现从DCS系统到管理信息系统MIS的桥梁,从而在全厂范围内实现信息共享和管控一体化。本文通过以下部分对研究内容进行的详细论述:1)SIS系统的功能及组成,及软硬件构架设计。其中主要针对SIS系统实时数据库的选择,PI数据库与DCS系统的接口难点问题进行了研究和实践。2)将应用于其他领域的数据挖掘方法应用到火电厂,并有针对性的进行算法改良,以提高效率,提高计算速度,得到针对电厂过程控制故障及优化的解决方案。通过SIS系统在火电厂的应用建设,将全厂各个不同厂家,不同型式的控制系统数据以统一的格式和字段采集到数据库中,主要实现包括生产过程信息监测和统计、性能计算和监测、经济性分析和优化等各项基础应用;同时通过SIS系统的PI数据库平台使用数据挖掘技术进行二次开发,针对目前生产过程中存在的一些复杂的,多变量,非线性的故障类型,根据不同的研究目的,以数据挖掘的各种方法,发现有利于生产调节,性能优化及故障处理的解决方案。
刘彤[9](2008)在《电站锅炉承压部件寿命分析及在线监测》文中提出国民经济的高速发展和城乡居民生活水平的不断提高,大大促进了电力工业的发展。火电设备初投资大,占用资金多,保证并延长这些发电设备的使用寿命意义重大。锅炉是火电机组中最重要的部件之一,其中承压部件消耗的钢材占锅炉本体的80%以上,锅炉寿命在很大程度上取决于承压部件的寿命。本文开展对锅炉寿命的研究,针对不同失效机制的承压部件建立了一整套寿命损耗计算模型,自主研发了锅炉寿命在线监测系统,进行了寿命损耗分析。另外,还将数据挖掘技术应用到锅炉寿命管理中,收到了较好的效果。对以疲劳为主导失效机制的承压部件,以汽包为例分析了疲劳寿命损耗规律,并进行了寿命损耗计算。提出了适应在线监测的寿命计算简化方法,在此基础上研发了基于DCS和MIS的汽包寿命在线监测和管理系统。该系统把对实时性要求较高的应力计算放在DCS系统内完成,而将对实时性要求不高的寿命计算放在MIS系统内完成,最大限度地利用了硬、软件资源,易于现场应用。对寿命损耗主导机制为蠕变的高温受热面,以过热器为例对寿命损耗规律进行了分析,建立了寿命损耗计算模型,提出了确定寿命监测危险点的原则。研发了基于SIS的电站锅炉寿命损耗在线监测系统,该系统建立了一个通用的数据交换和处理平台,不仅可以用于过热器,还可以用于其它承压部件。针对寿命分析的关键参数管壁温度进行了深入研究。采用基于热偏差分析的壁温计算方法确定了过热器危险点。特别地,利用薄壳换热模型将烟气和蒸汽两个独立的计算域耦合在一起,借助UDF函数将下炉膛的辐射热按照高斯分布的方式传递给上炉膛,采用非结构化网格,用数值模拟的方法得到了高过和屏过的管壁温度分布。针对受疲劳和蠕变交互作用的承压部件,以汽水分离器为例,运用ANSYS进行了机械和温度载荷共同作用的弹性有限元分析,根据ASME CodeCaseN-201-4提出的规则分析了疲劳蠕变寿命,设计了在线监测方案。将数据挖掘技术应用于锅炉的寿命管理,研发了基于数据挖掘技术的寿命管理系统。引入属性模糊聚类方法进行分析参数的选择,采用多维关联规则对电厂的运行数据进行挖掘,取得了良好的效果。实例证明数据挖掘技术在锅炉寿命管理中的应用是可行和有益的。
翟少磊,黄孝彬[10](2007)在《数据挖掘在电站中的应用》文中认为针对近几年来数据挖掘技术在电厂应用的主要成果,介绍了数据挖掘技术有关的概念和常用方法,探讨和评述了数据挖掘技术目前在电站状态检测、故障诊断、状态检修、优化运行、SIS系统中的应用状况,并对不同的数据挖掘方法在电站中的实际应用效果做了一定的比较;重点阐述了关联规则、聚类分析、粗糙集、分类分析在电站系统中的应用。指出了该技术的发展趋势以及需进一步研究和解决的问题。
二、关联规则数据挖掘及其在电厂DCS数据分析中的应用(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、关联规则数据挖掘及其在电厂DCS数据分析中的应用(论文提纲范文)
(1)数字孪生建模方法及其在热力系统优化运行中的应用研究(论文提纲范文)
摘要 |
Abstract |
主要符号及缩写表 |
第1章 绪论 |
1.1 研究背景及意义 |
1.1.1 能源电力发展背景与现状 |
1.1.2 智能控制优化研究现状 |
1.2 热力系统建模仿真及大数据技术研究现状 |
1.2.1 热力系统建模研究现状 |
1.2.2 电力大数据及其发展现状 |
1.2.3 热力系统仿真技术发展背景 |
1.3 数字孪生技术的应用现状及关键技术 |
1.3.1 数字孪生的应用发展现状 |
1.3.2 数字孪生研究的关键技术 |
1.3.3 数字孪生发展面临的挑战 |
1.4 论文的研究内容 |
第2章 大数据背景下的数字孪生与热力系统建模理论 |
2.1 数字孪生的基本理论 |
2.1.1 数字孪生的定义与内涵 |
2.1.2 数字孪生与仿真技术之间的关系 |
2.1.3 数字孪生与信息物理系统之间的关系 |
2.2 热力系统建模理论与方法 |
2.2.1 流体网络机理建模理论与方法 |
2.2.2 数据驱动建模理论与方法 |
2.3 大数据的基本理论 |
2.3.1 大数据平台框架及相关技术 |
2.3.2 大数据存储管理与预处理方法 |
2.3.3 大数据分布式集群平台构建 |
2.4 本章小结 |
第3章 基于改进即时学习策略的自适应数据驱动建模方法研究 |
3.1 基于改进即时学习策略的自适应数据驱动建模方法 |
3.1.1 建模思路 |
3.1.2 基于改进遗传模拟退火算法的模糊聚类工况划分 |
3.1.3 基于多层次综合相似度度量的相似工况识别 |
3.1.4 基于Spark平台的数据驱动局部模型建模 |
3.2 SCR脱硝系统数据驱动建模应用案例 |
3.2.1 建模对象及背景介绍 |
3.2.2 数据预处理和相似工况选取 |
3.2.3 局部建模过程及结果分析 |
3.3 电锅炉供热系统荷侧和源侧负荷预测建模应用案例 |
3.3.1 建模对象及背景介绍 |
3.3.2 荷侧供热负荷预测模型 |
3.3.3 源侧电负荷预测 |
3.4 本章小结 |
第4章 热力系统数字孪生建模理论及应用 |
4.1 热力系统数字孪生建模思路 |
4.1.1 数字孪生建模方法的提出 |
4.1.2 数字孪生模型的构建方法及流程 |
4.2 数字孪生机理模型的构建 |
4.2.1 管路模型 |
4.2.2 调节阀模型 |
4.2.3 离心水泵模型 |
4.2.4 换热器模型 |
4.3 数字孪生模型的协同与融合理论 |
4.3.1 数字孪生模型离线智能参数辨识 |
4.3.2 数字孪生模型参数在线自适应协同 |
4.3.3 基于移动窗格信息熵的多模型输出在线融合 |
4.4 数字孪生建模实例分析 |
4.4.1 脱硝系统数字孪生模型的建立 |
4.4.2 供热系统数字孪生模型的建立 |
4.5 本章小结 |
第5章 基于热力系统数字孪生模型的节能控制优化 |
5.1 基于数字孪生模型的智能工况动态寻优 |
5.1.1 热力系统智能工况动态寻优策略 |
5.1.2 基于数字孪生模型的供热储热系统智能工况动态寻优 |
5.2 基于数字孪生模型的自适应预测控制优化 |
5.2.1 基于数字孪生模型的预测控制算法 |
5.2.2 基于数字孪生模型预测控制的喷氨量优化 |
5.3 本章小结 |
第6章 结论与展望 |
6.1 主要研究工作及成果 |
6.2 论文主要创新点 |
6.3 后续工作展望 |
参考文献 |
攻读博士学位期间发表的论文及其它成果 |
攻读博士学位期间参加的科研工作 |
致谢 |
作者简介 |
(2)基于数据挖掘的火电风机设备故障状态监测技术研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题研究的意义 |
1.2 风机设备故障检修概念 |
1.2.1 状态检修的发展 |
1.2.2 风机故障与状态检修 |
1.3 故障检修中的状态监测方法 |
1.3.1 状态监测方法的分类与发展 |
1.3.2 数据挖掘技术研究现状 |
1.4 本文的主要内容 |
第二章 基于数据挖掘的故障监测技术基础 |
2.1 关联规则基础 |
2.1.1 关联规则概念 |
2.1.2 Apriori算法 |
2.1.3 关联规则的改进 |
2.2 非线性状态估计理论 |
2.2.1 算法概念 |
2.2.2 建模过程 |
2.3 风机设备故障监测技术路线 |
2.4 本章小结 |
第三章 基于关联规则的风机故障模式分析 |
3.1 风机设备常见故障 |
3.1.1 风机设备分类 |
3.1.2 风机故障类型 |
3.2 故障状态下风机运行模式分析 |
3.3 正常状态下风机运行模式分析 |
3.3.1 风机数据准备 |
3.3.2 改进关联规则的应用 |
3.4 本章小节 |
第四章 基于非线性状态估计的风机故障预警 |
4.1 数据预处理 |
4.1.1 参数选择 |
4.1.2 数据清洗 |
4.1.3 数据标准化 |
4.2 历史记忆矩阵的构建 |
4.3 预警阈值的设置 |
4.3.1 相似度理论 |
4.3.2 滑动窗口法 |
4.4 风机预警实例 |
4.5 本章小结 |
第五章 总结与展望 |
5.1 本文总结 |
5.2 研究展望 |
参考文献 |
致谢 |
攻读硕士学位期间已发表或录用的论文 |
(3)基于大数据技术的电站机组节能优化研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题背景及研究的目的和意义 |
1.1.1 能源行业大数据技术发展需求 |
1.1.2 电力行业迈进大数据时代 |
1.2 国内外研究现状及发展趋势 |
1.2.1 电力大数据研究现状及发展趋势 |
1.2.2 电站机组节能降耗研究现状 |
1.3 论文的研究内容 |
第2章 电站大数据架构及理论基础 |
2.1 引言 |
2.2 电站大数据概念及特性 |
2.3 电站大数据架构体系 |
2.3.1 电站大数据架构 |
2.3.2 电站大数据关键技术 |
2.4 电站大数据平台 |
2.4.1 电站大数据平台架构 |
2.4.2 电站大数据平台搭建与配置 |
2.5 电站大数据理论基础 |
2.5.1 大数据存储 |
2.5.2 大数据计算技术 |
2.5.3 数据挖掘技术 |
2.6 本章小结 |
第3章 电厂实时大数据预处理及特征参数选择研究 |
3.1 引言 |
3.2 电站大数据预处理 |
3.2.1 数据稳态检测 |
3.2.2 大数据清理 |
3.3 电站机组关键能耗特征参数选择 |
3.3.1 特征参数选择方法概述 |
3.3.2 模糊粗糙集理论与方法 |
3.3.3 关键能耗特征参数选择实例分析 |
3.4 本章小结 |
第4章 基于大数据技术的电站机组能耗分析 |
4.1 引言 |
4.2 电站机组能耗分析策略 |
4.2.1 电站机组关键能耗特征参数分析 |
4.2.2 大数据技术新算法确定基准值策略 |
4.2.3 K-means聚类 |
4.2.4 Canopy算法 |
4.2.5 基于MapReduce架构的新算法实现 |
4.2.6 基于支持向量机的能耗敏感性分析模型 |
4.3 电站机组应用实例 |
4.3.1 确定研究对象及目标 |
4.3.2 算法应用及计算结果 |
4.3.3 算法性能测试 |
4.3.4 不同负荷下能耗敏感性分析实例 |
4.4 本章小结 |
第5章 大数据技术的电站机组节能环保多目标负荷优化分配 |
5.1 引言 |
5.2 厂级负荷分配 |
5.2.1 厂级负荷分配策略 |
5.2.2 负荷优化分配方法 |
5.2.3 大数据技术的厂级多目标负荷优化分配策略 |
5.3 大数据技术的厂级多目标负荷优化分配 |
5.3.1 PSO-SVM预测模型 |
5.3.2 NSGA-Ⅱ算法 |
5.3.3 并行NSGA-Ⅱ多目标优化方法 |
5.3.4 染色体表达 |
5.3.5 电厂负荷分配的物理模型 |
5.3.6 基于大数据技术的节能环保多目标负荷优化分配模型 |
5.4 实例分析 |
5.4.1 确定研究对象及目标 |
5.4.2 电站机组能耗特性分析 |
5.4.3 基于PSO-SVM预测模型计算 |
5.4.4 多目标负荷优化及计算结果 |
5.4.5 大数据方法效率验证 |
5.5 本章小结 |
第6章 燃气电站机组对标管理综合评价研究 |
6.1 引言 |
6.2 对标管理综合评价 |
6.2.1 对标管理基本概念 |
6.2.2 对标管理综合评价方法 |
6.3 燃气电站机组对标管理综合评价指标体系 |
6.3.1 指标体系构建的基本原则 |
6.3.2 评价指标体系建立 |
6.4 燃气电站机组对标管理综合评价模型搭建 |
6.4.1 粗糙集指标筛选 |
6.4.2 基于向量夹角余弦二级指标评价模型 |
6.4.3 主成分分析一级指标综合评价模型 |
6.5 实例分析 |
6.5.1 燃气电站机组样本概况 |
6.5.2 电站机组样本数据选取 |
6.5.3 基于粗糙集的指标筛选 |
6.5.4 基于向量夹角余弦法二级指标评价结果 |
6.5.5 基于主成分分析的一级指标评价结果 |
6.6 燃气电站机组评价体系指标权值敏感性分析 |
6.6.1 指标权值的敏感性分析模型 |
6.6.2 评价体系指标权值敏感性分析 |
6.7 本章小结 |
第7章 结论与展望 |
7.1 主要研究成果 |
7.2 论文主要创新点 |
7.3 后续工作展望 |
参考文献 |
攻读博士学位期间发表的论文及其它成果 |
攻读博士学位期间参加的科研工作 |
致谢 |
作者简介 |
(4)掺烧煤泥循环流化床机组运行督导与智能预警(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题背景及意义 |
1.1.1 煤炭市场发展现状 |
1.1.2 循环流化床掺烧煤泥技术意义及难点 |
1.1.3 大数据应用下的智慧电厂推进 |
1.2 掺烧煤泥循环流化床机组运行优化研究现状 |
1.2.1 现有研究局限性 |
1.2.2 基于过程数据的建模优化综述 |
1.3 智能监测与故障预警研究现状 |
1.4 论文主要研究内容 |
第2章 建模准备与过程数据处理 |
2.1 引言 |
2.2 综合经济性 |
2.2.1 燃料成本 |
2.2.2 脱硫脱硝成本 |
2.2.3 厂用电耗成本 |
2.3 数据预处理 |
2.3.1 离群点剔除 |
2.3.2 稳态工况筛选 |
2.3.3 数据标准化 |
2.4 特征选择 |
2.4.1 BP神经网络法 |
2.4.2 偏互信息法 |
2.4.3 实例分析 |
2.5 本章小结 |
第3章 掺烧煤泥循环流化床机组综合经济性模型 |
3.1 引言 |
3.2 传统数据驱动建模算法 |
3.2.1 ELMAN神经网络模型 |
3.2.2 支持向量机模型 |
3.2.3 最小二乘支持向量机模型 |
3.3 改进最小二乘支持向量机模型 |
3.2.1 改进网格搜索法与交叉验证 |
3.3.2 模型更新策略 |
3.4 模糊信息粒化 |
3.5 实验应用及模型比较分析 |
3.5.1 研究对象介绍及数据准备 |
3.5.2 传统数据驱动建模与改进LS-SVM建模 |
3.5.3 模型比较及结果分析 |
3.5.4 模糊信息粒化应用 |
3.6 本章小结 |
第4章 掺烧煤泥循环流化床机组运行督导系统 |
4.1 整体设计方案与系统结构 |
4.1.1 离线系统介绍 |
4.1.2 在线系统介绍 |
4.2 遗传算法构建专家知识库 |
4.3 改进模糊关联规则挖掘 |
4.3.1 改进模糊关联规则挖掘标准 |
4.3.2 模糊关联规则筛选步骤 |
4.4 模糊逻辑控制器设计 |
4.5 应用验证及方法比较 |
4.6 本章小结 |
第5章 循环流化床辅机正常状态预测模型 |
5.1 引言 |
5.2 传统状态预测模型 |
5.2.1 多维时间序列预测模型 |
5.2.2 模糊推理预测模型 |
5.2.3 多元状态估计技术模型 |
5.3 改进多元状态估计技术模型 |
5.4 实验应用及模型比较分析 |
5.4.1 建模准备及数据预处理 |
5.4.2 建立多维时间序列预测模型 |
5.4.3 建立模糊推理预测模型 |
5.4.4 建立多元状态估计技术模型 |
5.4.5 建立改进多元状态估计技术模型 |
5.4.6 模型比较与分析 |
5.5 本章小结 |
第6章 循环流化床机组辅机智能预警系统 |
6.1 系统整体设计结构 |
6.2 基于可调平滑参数的状态判断 |
6.3 基于K-means聚类的状态判断 |
6.4 基于滑动窗口相似度的状态判断 |
6.4.1 相似度函数 |
6.4.2 层次分析法故障信息权重计算 |
6.4.3 滑动窗口法消除随机误差 |
6.4.4 阈值系数与故障变量标记 |
6.5 应用验证及性能比较 |
6.5.1 基于可调平滑参数的预警应用 |
6.5.2 基于K-means聚类的预警应用 |
6.5.3 基于滑动窗口相似度的预警应用 |
6.5.4 方法对比及整体设计方案确定 |
6.6 故障变量诊断及分析 |
6.7 故障预警灵敏度分析 |
6.8 本章小结 |
第7章 结论与展望 |
7.1 结论 |
7.2 展望 |
参考文献 |
攻读博士学位期间发表的论文及其它成果 |
攻读博士学位期间参加的科研工作 |
致谢 |
作者简介 |
(5)火电机组节能优化控制应用研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题背景 |
1.2 课题研究的目的和意义 |
1.3 火电机组节能优化控制国内外研究现状 |
1.3.1 火电机组厂级负荷优化分配国内外研究现状 |
1.3.2 电站锅炉燃烧优化控制国内外研究现状 |
1.4 课题主要研究内容 |
第2章 相关理论知识介绍 |
2.1 厂级负荷优化分配模型 |
2.2 数据挖掘 |
2.2.1 数据挖掘的特点及原理 |
2.2.2 数据挖掘的内容 |
2.2.3 数据挖掘的过程 |
2.3 本章小结 |
第3章 基于两个细则的火电机组厂级AGC应用研究 |
3.1 基于“两个细则”的负荷优化分配改进模型 |
3.1.1 基于“两个细则”的指标分析 |
3.1.2 基于“两个细则”的负荷优化分配改进模型 |
3.2 模型求解 |
3.2.1 无量纲化处理 |
3.2.2 模糊层次分析法确定权重 |
3.2.3 验证计算 |
3.3 厂级AGC仿真平台 |
3.3.1 平台介绍 |
3.3.2 硬件布置图 |
3.3.3 厂级AGC仿真平台功能模块 |
3.3.4 操作界面及仿真结果 |
3.4 本章小结 |
第4章 基于数据挖掘案例推理的电站锅炉燃烧优化控制应用研究 |
4.1 系统组成 |
4.2 案例库建立 |
4.3 在线优化 |
4.4 系统应用 |
4.5 本章小结 |
第5章 总结及展望 |
参考文献 |
攻读硕士学位期间发表的论文及其它成果 |
致谢 |
(6)330MW循环流化床机组湿法脱硫pH值自动控制系统研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 课题国内外研究现状 |
1.2.1 烟气脱硫技术发展现状 |
1.2.2 烟气脱硫pH值控制系统研究现状 |
1.3 本文主要内容 |
第2章 石灰石-石膏湿法烟气脱硫技术 |
2.1 石灰石-石膏湿法烟气脱硫技术特点 |
2.2 石灰石-石膏湿法烟气脱硫工艺原理 |
2.3 影响脱硫效率的因素 |
2.4 本章小结 |
第3章 湿法脱硫pH值控制系统分析与设计 |
3.1 被控对象特性分析 |
3.2 原有pH值控制系统分析 |
3.3 pH值控制系统改进 |
3.3.1 pH值影响因素分析 |
3.3.2 pH值控制系统改进措施 |
3.4 前馈控制策略设计 |
3.5 反馈控制策略设计 |
3.5.1 被控对象传递函数辨识 |
3.5.2 基于内模控制的反馈回路设计 |
3.6 工程实际考虑 |
3.7 投运效果 |
3.8 本章小结 |
第4章 基于数据挖掘的pH值控制系统设定值优化 |
4.1 关联规则数据挖掘基础概念 |
4.1.1 关联规则定义 |
4.1.2 常见的关联规则算法 |
4.2 模糊关联规则挖掘 |
4.2.1 模糊C均值聚类算法(FCM算法) |
4.2.2 竞争凝聚算法(CA算法) |
4.2.3 模糊关联规则挖掘过程 |
4.3 pH值控制系统设定值优化 |
4.4 本章小结 |
第5章 结论与展望 |
5.1 结论 |
5.2 研究展望 |
参考文献 |
攻读硕士期间参与项目及成果 |
致谢 |
(7)基于大数据挖掘技术的火电机组运行优化研究(论文提纲范文)
创新点 |
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景及意义 |
1.1.1 中国火力发电发展现状 |
1.1.2 电力产业信息化的发展状况 |
1.2 国内外研究现状及发展态势 |
1.2.1 火电机组优能降耗研究现状 |
1.2.2 电力大数据技术研究现状 |
1.2.3 研究现状综合评估 |
1.3 论文研究内容及工作安排 |
2 电厂大数据分析体系 |
2.1 电力大数据的定义及来源 |
2.1.1 大数据及电力大数据的定义 |
2.1.2 电力大数据的主要来源 |
2.2 电力大数据的特征 |
2.3 电厂大数据分析架构 |
2.3.1 电厂大数据分析层级 |
2.3.2 电厂大数据分析链 |
2.3.3 电厂大数据处理方式 |
2.4 电厂大数据技术平台 |
2.4.1 电厂大数据分析平台架构 |
2.4.2 电厂大数据分析平台数据交融 |
2.4.3 电厂大数据平台搭建与配置 |
2.5 本章小结 |
3 电厂大数据检测与预处理 |
3.1 检测及预处理意义 |
3.1.1 电厂大数据现场特征 |
3.1.2 电厂大数据质量分析 |
3.1.3 电厂大数据准备处理流程 |
3.2 电厂大数据检测 |
3.2.1 运行数据的稳态检测 |
3.2.2 稳态数据的一致性处理 |
3.3 电厂大数据清理 |
3.3.1 遗失值的处理 |
3.3.2 噪声值的处理 |
3.3.3 离群值的处理 |
3.4 电厂大数据集成与约简 |
3.4.1 数据集成 |
3.4.2 数据约简 |
3.5 电厂大数据变换 |
3.5.1 常规数据变换方法 |
3.5.2 MapReduce架构分析流程 |
3.5.3 MP.K-Means聚类算法并行化实现 |
3.5.4 电厂大数据离散化实例 |
3.6 本章小结 |
4 基于大数据技术的运行优化策略改进 |
4.1 火电机组运行优化重要性 |
4.1.1 火电机组能量损失分析 |
4.1.2 目标值确定方法的选取 |
4.1.3 关联规则目标值确定策略 |
4.2 基于关联规则的目标值确定 |
4.2.1 关联规则算法相关定义 |
4.2.2 Apriori算法的基本流程 |
4.2.3 电厂大数据环境下的Apriori算法应用 |
4.3 CC_MP.Apriori算法的改进策略 |
4.3.1 基于属性约简的参量约简 |
4.3.2 基于MapReduce架构的算法并行化实现 |
4.3.3 CC_MP.Apriori算法的基本流程 |
4.4 本章小结 |
5 大数据平台上的火电机组运行优化 |
5.1 燃煤机组运行的全工况优化 |
5.1.1 燃煤机组 |
5.1.2 热力性能计算 |
5.1.3 燃煤机组数据初处理 |
5.1.4 优化目标值的确定 |
5.1.5 目标值结果分析 |
5.1.6 运行优化的经济效益 |
5.2 燃气—蒸汽联合循环协同运行优化 |
5.2.1 联合循环机组 |
5.2.2 热力性能计算 |
5.2.3 联合循环机组数据初处理 |
5.2.4 优化目标值的确定 |
5.2.5 目标值结果分析 |
5.2.6 运行优化的经济效益 |
5.3 本章小结 |
6 基于大数据的综合能效评估体系 |
6.1 能效评估基本方法 |
6.1.1 综合能效评估研究意义 |
6.1.2 能效评估传统方法 |
6.1.3 新兴性能评价方法 |
6.1.4 能效评估体系构建新思路 |
6.2 气耗敏度分布列 |
6.2.1 气耗敏度分析 |
6.2.2 气耗敏度曲面 |
6.3 改进主成分分析法的综合评估应用 |
6.3.1 主成分分析法 |
6.3.2 改进后的主成分分析法 |
6.3.3 联合循环机组综合评估 |
6.4 能效评估体系的可视化实现 |
6.4.1 联合循环机组性能监测与评估系统的开发 |
6.4.2 气耗敏度分布列的可视化 |
6.4.3 机组综合评价可视化 |
6.5 本章小结 |
7 总结与展望 |
7.1 论文总结 |
7.2 展望 |
参考文献 |
攻读博士学位期间完成的科研课题及发表的学术成果 |
一、科研课题 |
二、学术成果(已检索) |
致谢 |
(8)基于SIS系统的电厂过程控制数据的挖掘研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 概述 |
1.1 问题背景及提出 |
1.2 国内外研究现状 |
1.3 研究的目标和内容 |
1.3.1 研究目标 |
1.3.2 研究内容 |
1.4 本文的组织结构及其章节编排 |
第二章 SIS 系统及其在电厂生产运行中的作用 |
2.1 SIS 系统在电厂信息系统体系中的定位 |
2.2 采用SIS 系统进行全厂生产数据整合的必要性 |
2.3 使用SIS 系统对电厂用户带来的效益分析 |
2.3.1 提供完整统一的运行信息 |
2.3.2 控制全厂运行的经济性 |
2.4 本章小结 |
第三章 SIS 系统构建的原则及软硬件设计 |
3.1 SIS 系统电厂应用的原则 |
3.2 SIS 系统的网络及硬件构架设计 |
3.2.1 SIS 系统架构 |
3.2.3 SIS 系统网络架构 |
3.3 SIS 系统的软件构架及PI 数据库技术 |
3.3.1 SIS 系统软件架构 |
3.3.2 SIS 系统中PI 数据库技术 |
3.4 SIS 系统的数据接口 |
3.5 SIS 系统安全策略 |
3.6 本章小结 |
第四章 基于SIS 系统的电厂过程数据挖掘应用 |
4.1 数据挖掘技术 |
4.1.1 数据挖掘定义 |
4.1.2 数据挖掘与数据仓库 |
4.1.3 数据挖掘的工业应用 |
4.2 电厂SIS 系统过程数据库的可挖掘性分析 |
4.2.1 电厂过程数据的特征 |
4.2.2 基于SIS 系统的电厂过程控制数据挖掘需求 |
4.3 基于SIS 系统电厂数据挖掘应用实例 |
4.3.1 确定课题目标 |
4.3.2 对工厂过程数据通过SIS 系统进行数据采集和预处理 |
4.3.3 用改进的APRIORI 算法进行挖掘 |
4.3.4 挖掘后模型的运行效果 |
4.4 本章小结 |
第五章 总结与展望 |
5.1 本文工作回顾 |
5.2 成果及意义 |
5.3 存在的问题及进一步的工作 |
参考文献 |
致谢 |
攻读硕士学位期间已发表或录用的论文 |
(9)电站锅炉承压部件寿命分析及在线监测(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 本课题的研究背景 |
1.2 国内外研究动态 |
1.2.1 我国火电设备寿命管理的现状 |
1.2.2 疲劳寿命的研究动态 |
1.2.3 蠕变及其疲劳-蠕变寿命的研究动态 |
1.2.4 数据挖掘技术及其在电力行业中的应用 |
1.2.5 锅炉承压部件的在线监测和管理 |
1.3 本文主要研究内容 |
第二章 以疲劳为主导失效机制的承压部件寿命分析与在线监测 |
2.1 机械应力分析 |
2.2 热应力分析 |
2.2.1 内外壁温差热应力 |
2.2.2 上下壁温差热应力 |
2.3 疲劳寿命分析 |
2.4 锅炉汽包的疲劳寿命计算方法及实例 |
2.5 在线计算中应力幅的计数方法——雨流法 |
2.6 汽包疲劳寿命在线监测方法的设计 |
2.6.1 应力的合成 |
2.6.2 应力幅的确定 |
2.6.3 疲劳寿命的计算 |
2.7 锅炉汽包寿命在线监测和管理系统的开发 |
2.7.1 DCS侧组态的实现 |
2.7.2 MIS侧程序的编制 |
2.8 本章小节 |
第三章 寿命损耗以蠕变为主的承压部件寿命分析与在线监测 |
3.1 高温受热面失效方式 |
3.2 管壁金属蠕变分析 |
3.3 蠕变寿命损耗计算方法 |
3.3.1 寿命损耗计算的几个假设 |
3.3.2 拉森—米勒外推公式 |
3.3.3 罗宾逊法则 |
3.4 金属管壁温度确定 |
3.4.1 管壁温度计算方法 |
3.4.2 内壁氧化层厚度法 |
3.4.3 测量修正法 |
3.5 管壁等效应力确定 |
3.5.1 管内蒸汽压力 |
3.5.2 管壁等效应力 |
3.5.3 管壁厚度 |
3.6 在线监测方案的设计 |
3.6.1 危险点的确定原则 |
3.6.2 实时数据的处理与寿命计算 |
3.7 锅炉寿命在线监测系统的开发 |
3.7.1 系统结构 |
3.7.2 系统的工作原理 |
3.7.3 系统功能 |
3.8 应用实例 |
3.8.1 监测对象简介 |
3.8.2 危险点的确定 |
3.8.3 结果及其分析 |
3.9 本章小结 |
第四章 电站锅炉高温受热面管壁温度的计算研究 |
4.1 基于热偏差分析的过热器壁温计算 |
4.1.1 吸热不均匀系数的计算 |
4.1.2 热负荷的确定 |
4.1.3 热偏差计算相关参数的确定 |
4.1.4 热量均流系数μ |
4.1.5 壁温计算实例 |
4.2 过热器壁温的数值模拟方法 |
4.2.1 炉内过程数值模拟 |
4.2.2 屏式过热器数值模拟 |
4.2.3 高温对流过热器数值模拟 |
4.3 过热器换热的数学模型 |
4.3.1 基本守恒方程 |
4.3.2 湍流模型 |
4.3.3 薄壳换热模型 |
4.3.4 边界条件设置 |
4.4 过热器的数值模拟实例 |
4.4.1 炉膛数值模拟结果 |
4.4.2 屏式过热器壁温数值模拟 |
4.4.3 高温过热器的数值模拟 |
4.5 本章小结 |
第五章 疲劳蠕变交互作用的承压部件应力分析与寿命评估 |
5.1 疲劳蠕变交互作用 |
5.2 基于弹性分析的高温部件的损伤分析与寿命预测 |
5.2.1 应力的分类——等效线性化方法 |
5.2.2 需要的原始数据 |
5.2.3 分析步骤 |
5.3 实例计算 |
5.4 本章小结 |
第六章 基于数据挖掘技术的锅炉承压部件寿命管理 |
6.1 多维关联规则数据挖掘技术 |
6.1.1 多维关联规则基本概念 |
6.1.2 多维关联规则算法过程 |
6.1.3 关联规则应用的问题及改进 |
6.2 属性模糊聚类 |
6.2.1 属性模糊聚类基本理论 |
6.2.2 基于属性模糊聚类分析的步骤 |
6.2.3 属性模糊聚类案例 |
6.3 基于数据挖掘技术的锅炉寿命管理及系统开发 |
6.3.1 基于数据挖掘技术的寿命管理方案 |
6.3.2 系统的设计开发 |
6.3.3 基于数据挖掘的寿命管理系统功能与特点 |
6.4 锅炉过热器寿命及安全的数据挖掘实例 |
6.4.1 利用属性模糊聚类进行参数选择 |
6.4.2 规则挖掘与分析 |
6.5 本章小结 |
第七章 全文总结及对今后工作展望 |
7.1 全文总结 |
7.2 本文的创新点 |
参考文献 |
致谢 |
攻读博士学位期间发表的学术论文 |
攻读博士学位期间参加的科研工作 |
四、关联规则数据挖掘及其在电厂DCS数据分析中的应用(论文参考文献)
- [1]数字孪生建模方法及其在热力系统优化运行中的应用研究[D]. 高学伟. 华北电力大学(北京), 2021(01)
- [2]基于数据挖掘的火电风机设备故障状态监测技术研究[D]. 牛鹏坤. 上海交通大学, 2020(01)
- [3]基于大数据技术的电站机组节能优化研究[D]. 刘炳含. 华北电力大学(北京), 2019(01)
- [4]掺烧煤泥循环流化床机组运行督导与智能预警[D]. 张维. 华北电力大学(北京), 2019(01)
- [5]火电机组节能优化控制应用研究[D]. 黄文渊. 华北电力大学(北京), 2019(01)
- [6]330MW循环流化床机组湿法脱硫pH值自动控制系统研究[D]. 臧雨佳. 华北电力大学, 2019(01)
- [7]基于大数据挖掘技术的火电机组运行优化研究[D]. 万祥. 武汉大学, 2017(06)
- [8]基于SIS系统的电厂过程控制数据的挖掘研究[D]. 高晓栋. 上海交通大学, 2009(S2)
- [9]电站锅炉承压部件寿命分析及在线监测[D]. 刘彤. 华北电力大学(北京), 2008(02)
- [10]数据挖掘在电站中的应用[J]. 翟少磊,黄孝彬. 控制工程, 2007(S3)