基于关联规则的火电厂排烟温度基准值确定方法及装置制造方法及图纸

本发明专利技术提供了一种基于关联规则的火电厂排烟温度基准值确定方法及装置，包括：获取目标参数在目标时间段内的历史数据，其中，目标参数包括：负荷、供电煤耗和排烟温度；根据预置稳态工况要求，选择历史数据中目标参数的稳态工况数据；利用CANOPY法对稳态工况数据进行聚类处理，得到L个数据簇，其中，L个数据簇集合为事务集D，再对每个数据簇进行等宽分箱离散化处理，得到N个数据区间样本；利用PredictiveApriori算法对事务集D进行关联规则挖掘，得到预置数量的关联规则，其中，关联规则包括：负荷区间、供电煤耗区间、排烟温度区间和预测精度；确定高于预测精度阈值以及低于供电煤耗阈值的关联规则，并选择关联规则中排烟温度区间的中心值作为排烟温度基准值。

Method and device for determining flue gas temperature reference value in thermal power plant based on association rules

The invention provides a method and device for determining the temperature reference value of a thermal power plant based on association rules, including: obtaining the historical data of the target parameters in the target time period, in which the target parameters include the load, the power supply coal consumption and the smoke exhaust temperature, and the target parameter in the historical data is selected according to the requirements of the prepositioned steady state conditions. CANOPY method is used to cluster the steady state data, and L data clusters are clustered. Among them, L data clusters are set to transaction set D, then each data cluster is discretized with equal width, and N data interval samples are obtained. PredictiveApriori algorithm is used to carry out association rules for transaction set D. The association rules include the load interval, the power supply coal consumption interval, the interval of exhaust gas temperature and the prediction accuracy, and the association rules which are higher than the prediction precision threshold and lower than the power supply coal consumption threshold, and select the central value of the smoke exhaust temperature range in the association rules as the smoke exhaust temperature. Datum value.

【技术实现步骤摘要】
基于关联规则的火电厂排烟温度基准值确定方法及装置
本专利技术涉及电力优化运行领域，尤其涉及一种基于关联规则的火电厂排烟温度基准值确定方法及装置。
技术介绍
火电机组经济性能分析、评价，对进一步提高火电机组的优化运行能力具有重要的意义。由于设备及运行操作水平等原因，火电机组当前运行的参数值会偏离相应工况条件下的基准值，使得火电机组的运行指标偏离基准值。为了使运行参数在运行中始终保持基准值，使机组发挥高参数的优势，对其参数进行基准值分析是一项非常重要的工作。目前，火电机组优化运行涉及到多子系统串联的复杂大系统，各实际系统受到各种不确定性因素的影响，难以用精确模型描述特定参数基准值。而利用设计值为基础的建模方式，一方面受到大气环境、煤质特性的多样化影响，另一方面受到机组因长时间运行导致性能变化引起基准值偏离设计值的影响，导致计算结果准确度不足。利用实验寻求优化运行数据的方式不仅要求大量的现场试验，而且很难满足变工况下的优化运行情况，通常要求布置额外的测点，工作量繁多。因此，提出一种基于关联规则的火电厂排烟温度基准值确定方法及装置以解决建模法难以用精确模型描述特定参数基准值，且实验法难以满足变工况下的优化运行情况，工作量繁多的技术问题。
技术实现思路
本专利技术提供了一种基于关联规则的火电厂排烟温度基准值确定方法及装置，解决了建模法难以用精确模型描述特定参数基准值，且实验法难以满足变工况下的优化运行情况，工作量繁多的技术问题。本专利技术提供了一种基于关联规则的火电厂排烟温度基准值确定方法，包括：S1、获取目标参数在目标时间段内的历史数据，其中，目标参数包括：负荷、供电煤耗和排烟温度；S2、根据预置稳态工况要求，选择历史数据中目标参数的稳态工况数据；S3、利用CANOPY法对稳态工况数据进行聚类处理，得到L个数据簇，其中，L个数据簇集合为事务集D，再对每个数据簇进行等宽分箱离散化处理，得到N个数据区间样本；S4、利用PredictiveApriori算法对事务集D进行关联规则挖掘，得到预置数量的关联规则，其中，关联规则包括：负荷区间、供电煤耗区间、排烟温度区间和预测精度；S5、确定高于预测精度阈值以及低于供电煤耗阈值的关联规则，并选择关联规则中排烟温度区间的中心值作为排烟温度基准值。作为优选，步骤S1具体包括：从火电机组DCS(DistributedControlSystem)系统中获取目标参数在目标时间段内的历史数据，其中，目标参数包括：负荷、供电煤耗和排烟温度。作为优选，预置稳态工况要求为：每分钟排烟温度的变化幅度低于0.05℃。作为优选，步骤S3具体包括：a、将稳态工况数据向量化后生成数据列表list，并初始化第一距离阈值T1和第二距离阈值T2，其中T1＞T2；b、在数据列表list中任取一点P，如果当前不存在CANOPY类，则把P作为一个CANOPY类，并计算点P与所有CANOPY类之间的距离，将点P加入到与点P的距离小于第一距离阈值T1的CANOPY类之中，若点P与某个CANOPY类的距离小于第二距离阈值T2，则将点P从数据列表list中删除；c、重复步骤b直至数据列表为空，得到L个数据簇；d、对L个数据簇进行数据清洗，去除噪声数据和无关数据，得到清洗后的L个数据簇，其中，清洗后的L个数据簇集合为事务集D；e、对每个清洗后的数据簇进行等宽分箱离散化处理，得到N个数据区间样本。作为优选，步骤S4具体包括：a、初始化生成子集的项目数K，期望返回关联规则的预置数量；b、随机生成包含K个项的关联规则并计算出置信度c、支持度s(x)和预测精度概率分布πi(c)，其中，c、扫描各项集的支持度s，删除支持度s小于最小支持度τ的项集；d、基于贝叶斯法则计算预测精度即：其中，为二项式分布，πi(c)为预测精度概率分布；e、对预测精度进行排序，如果关联规则中的规则精度更新，则增大最小支持度τ；f、计算K＝K+1，当K＝3时，执行步骤g，当K＝2时，返回执行步骤b；g、输出预置数量的最好的关联规则best(1)，best(2)…，best(n)。本专利技术提供了一种基于关联规则的火电厂排烟温度基准值确定装置，包括：获取单元，用于获取目标参数在目标时间段内的历史数据，其中，目标参数包括：负荷、供电煤耗和排烟温度；数据选择单元，用于根据预置稳态工况要求，选择历史数据中目标参数的稳态工况数据；聚类和离散单元，用于利用CANOPY法对稳态工况数据进行聚类处理，得到L个数据簇，其中，L个数据簇集合为事务集D，再对每个数据簇进行等宽分箱离散化处理，得到N个数据区间样本；关联规则挖掘单元，用于利用PredictiveApriori算法对事务集D进行关联规则挖掘，得到预置数量的关联规则，其中，关联规则包括：负荷区间、供电煤耗区间、排烟温度区间和预测精度；基准值确定单元，用于确定高于预测精度阈值以及低于供电煤耗阈值的关联规则，并选择关联规则中排烟温度区间的中心值作为排烟温度基准值。作为优选，获取单元具体用于从火电机组DCS(DistributedControlSystem)系统中获取目标参数在目标时间段内的历史数据，其中，目标参数包括：负荷、供电煤耗和排烟温度。作为优选，预置稳态工况要求为：每分钟排烟温度的变化幅度低于0.05℃。作为优选，聚类和离散单元具体包括：第一初始化子单元，用于将稳态工况数据向量化后生成数据列表list，并初始化第一距离阈值T1和第二距离阈值T2，其中T1＞T2；聚类子单元，用于在数据列表list中任取一点P，如果当前不存在CANOPY类，则把P作为一个CANOPY类，并计算点P与所有CANOPY类之间的距离，将点P加入到与点P的距离小于第一距离阈值T1的CANOPY类之中，若点P与某个CANOPY类的距离小于第二距离阈值T2，则将点P从数据列表list中删除；重复子单元，用于返回聚类子单元直至数据列表为空，得到L个数据簇；数据清洗子单元，用于对L个数据簇进行数据清洗，去除噪声数据和无关数据，得到清洗后的L个数据簇，其中，清洗后的L个数据簇集合为事务集D；离散子单元，用于对每个清洗后的数据簇进行等宽分箱离散化处理，得到N个数据区间样本。作为优选，关联规则挖掘单元具体包括：第二初始化子单元，用于初始化生成子集的项目数K，期望返回关联规则的预置数量；第一计算子单元，用于随机生成包含K个项的关联规则并计算出置信度c、支持度s(x)和预测精度概率分布πi(c)，其中，剔除子单元，用于扫描各项集的支持度s，删除支持度s小于最小支持度τ的项集；第二计算子单元，用于基于贝叶斯法则计算预测精度即：其中，为二项式分布，πi(c)为预测精度概率分布；排序子单元，用于对预测精度进行排序，如果关联规则中的规则精度更新，则增大最小支持度τ；判断子单元，用于计算K＝K+1，当K＝3时，跳转至输出子单元，当K＝2时，返回至第一计算子单元；输出子单元，用于输出预置数量的最好的关联规则best(1)，best(2)…，best(n)。从以上技术方案可以看出，本专利技术具有以下优点：本专利技术提供了一种基于关联规则的火电厂排烟温度基准值确定方法，包括：S1、获取目标参数在目标时间段内的历史数据，其中，目标参数包括：负荷、供电煤耗和排烟温度；S2、根据预置稳态工况要求本文档来自技高网...

【技术保护点】
1.一种基于关联规则的火电厂排烟温度基准值确定方法，其特征在于，包括：S1、获取目标参数在目标时间段内的历史数据，其中，目标参数包括：负荷、供电煤耗和排烟温度；S2、根据预置稳态工况要求，选择历史数据中目标参数的稳态工况数据；S3、利用CANOPY法对稳态工况数据进行聚类处理，得到L个数据簇，其中，L个数据簇集合为事务集D，再对每个数据簇进行等宽分箱离散化处理，得到N个数据区间样本；S4、利用PredictiveApriori算法对事务集D进行关联规则挖掘，得到预置数量的关联规则，其中，关联规则包括：负荷区间、供电煤耗区间、排烟温度区间和预测精度；S5、确定高于预测精度阈值以及低于供电煤耗阈值的关联规则，并选择关联规则中排烟温度区间的中心值作为排烟温度基准值。

【技术特征摘要】
1.一种基于关联规则的火电厂排烟温度基准值确定方法，其特征在于，包括：S1、获取目标参数在目标时间段内的历史数据，其中，目标参数包括：负荷、供电煤耗和排烟温度；S2、根据预置稳态工况要求，选择历史数据中目标参数的稳态工况数据；S3、利用CANOPY法对稳态工况数据进行聚类处理，得到L个数据簇，其中，L个数据簇集合为事务集D，再对每个数据簇进行等宽分箱离散化处理，得到N个数据区间样本；S4、利用PredictiveApriori算法对事务集D进行关联规则挖掘，得到预置数量的关联规则，其中，关联规则包括：负荷区间、供电煤耗区间、排烟温度区间和预测精度；S5、确定高于预测精度阈值以及低于供电煤耗阈值的关联规则，并选择关联规则中排烟温度区间的中心值作为排烟温度基准值。2.根据权利要求1所述的基于关联规则的火电厂排烟温度基准值确定方法，其特征在于，步骤S1具体包括：从火电机组DCS(DistributedControlSystem)系统中获取目标参数在目标时间段内的历史数据，其中，目标参数包括：负荷、供电煤耗和排烟温度。3.根据权利要求1所述的基于关联规则的火电厂排烟温度基准值确定方法，其特征在于，预置稳态工况要求为：每分钟排烟温度的变化幅度低于0.05℃。4.根据权利要求1所述的基于关联规则的火电厂排烟温度基准值确定方法，其特征在于，步骤S3具体包括：a、将稳态工况数据向量化后生成数据列表list，并初始化第一距离阈值T1和第二距离阈值T2，其中T1＞T2；b、在数据列表list中任取一点P，如果当前不存在CANOPY类，则把P作为一个CANOPY类，并计算点P与所有CANOPY类之间的距离，将点P加入到与点P的距离小于第一距离阈值T1的CANOPY类之中，若点P与某个CANOPY类的距离小于第二距离阈值T2，则将点P从数据列表list中删除；c、重复步骤b直至数据列表为空，得到L个数据簇；d、对L个数据簇进行数据清洗，去除噪声数据和无关数据，得到清洗后的L个数据簇，其中，清洗后的L个数据簇集合为事务集D；e、对每个清洗后的数据簇进行等宽分箱离散化处理，得到N个数据区间样本。5.根据权利要求4所述的基于关联规则的火电厂排烟温度基准值确定方法，其特征在于，步骤S4具体包括：a、初始化生成子集的项目数K，期望返回关联规则的预置数量；b、随机生成包含K个项的关联规则并计算出置信度c、支持度s(x)和预测精度概率分布πi(c)，其中，c、扫描各项集的支持度s，删除支持度s小于最小支持度τ的项集；d、基于贝叶斯法则计算预测精度即：其中，为二项式分布，πi(c)为预测精度概率分布；e、对预测精度进行排序，如果关联规则中的规则精度更新，则增大最小支持度τ；f、计算K＝K+1，当K＝3时，执行步骤g，当K＝2时，返回执行步骤b；g、输出预置数量的最好的关联规则best(1)，best(2)…，best(n)。6.一种基于关联规则的火电厂排烟温度基准值确定装置，其特征在于，包括：获取单元，用于获取目标参数在目标时间段内的历史数据，其中，目...

【专利技术属性】
技术研发人员：万文军，叶向前，伍宇忠，李军，李晓峰，欧阳春明，廖艳芬，
申请(专利权)人：广东电网有限责任公司电力科学研究院，华南理工大学，
类型：发明
国别省市：广东,44