【技术实现步骤摘要】
本专利技术涉及数据分析领域，更具体地说，本专利技术涉及燃料生产排放系统数据关联性控制管理系统。
技术介绍
1、电厂的生产过程实质上是一个能量不断转换的过程，参数之间存在着相关性。关联分析可以基于大量运行数据发现其中某些属性的关联性。关联分析法具有客观性强、分析层次全面的优点，更善于处理数据结构多样、信息不明确的复杂系统，适合对电厂大数据进行分析。利用相关性分析对海量的运行数据和运行参数进行分析，挖掘相关参数数值间的关联关系，相关性分析挖掘电厂运行数据中的关联关系，具有对管理和运营发电站的重要意义。通过深入了解各参数间的关联关系，管理层可以更准确地把握生产过程的内在规律，有助于优化运营策略、提高能源转换效率，并对系统性能进行持续改进。此外，关联分析还有助于提前发现潜在问题，优化维护计划，降低设备故障风险。因此，利用斯皮尔曼相关性分析对电厂大数据进行深入挖掘，对于提升电厂的运行效率、降低成本、保障电力供应的稳定性具有重要意义。
2、传统的相关性分析方法在实践中存在一些潜在限制，例如，对斯皮尔曼相关性分析而言，斯皮尔曼相关性分析属于非参数统计方法，其优点在于对原始变量的分布没有特定要求，对数据错误和极端值反应不敏感，实际数值之间的差异大小对于计算结果没有直接影响，适用范围更广，但是由于要先进行排序，这是一个相对耗时的操作，尤其在数据量庞大时，计算效率不够高，因此，现有的技术，有的开始依据制定的分段规则，将数据分成较小的段，分别计算每个段的排序和斯皮尔曼相关性，然后，再整合结果。在许多情况下，这种操作在相对短的时间内降低计算
3、如果数据在整个范围内有明显的变化，分割数据可能导致在某些段内的排序和相关性结果不够准确。这在数据分布不均匀的情况下可能更为明显。
4、当在每个段内进行计算时，边界的数据可能只受到部分影响，这可能导致在边界处计算结果的不准确性。特别是，如果变量的关系在整个数据集上变化较大，边界处可能存在更大的不确定性。
5、为了解决上述问题，现提供一种技术方案。
技术实现思路
1、为了克服现有技术的上述缺陷，本专利技术的实施例提供，本专利技术通过指定分段规则，从各指标对应的数据集中提取波动变化指数和边界效应影响程度指数，利用机器学习技术形成可行度量系数。通过这一过程有助于确定适合火电厂指标相关性分析的最佳分段规则，提高分析的准确性和可解释性。同时，采用判定为可用信号的分段规则，对数据集进行分段、排名和计算斯皮尔曼相关性，提升了相关性分析的效率和鲁棒性，在保障了分析精度的前提下提升了分析效率。新的分段规则保证每小段数据具有相似特征，更精细捕捉不同数据子集的关系。取各小段的平均斯皮尔曼相关性提供更为稳健的关联关系度量，减少对个别小段的依赖，降低误导性结论的风险，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：
3、包括：数据采集模块、变化程度分析模块、边界影响分析模块、综合分析模块、相关性分析模块、结果可视化模块；
4、数据采集模块统计各个指标，调取各个指标的源数据汇总到分析池中保存，汇总每个指标对应的周期性的数据集，将数据集传输至变化程度分析模块和边界影响分析模块；
5、变化程度分析模块对数据集分段，并计算数据波动和数据分散程度，得到数据集在整个范围内的波动变化指数，将波动变化指数发送至综合分析模块；
6、边界影响分析模块对数据集分段，并计算边界内外均值的差异程度，分析定义边界条件下数据子集之间的平均水平差异，得到边界效应影响程度指数，将边界效应影响程度指数发送至综合分析模块；
7、综合分析模块汇总变化程度分析模块和边界影响分析模块的输出数据，通过机器学习技术构架分析模型，输出可行度量系数，依据可行度量系数对分段规则进行判定，将判定结果发送至数据筛选模块；
8、相关性分析模块根据判定结果确定分段规则，将数据集分成较小的段，分别计算每个段的排序和斯皮尔曼相关性，再整合结果，得到各个指标的关联关系结果，将各个指标的关联关系结果发送至结果可视化模块；
9、结果可视化模块用于可视化相关性分析模块的输出内容。
10、在一个优选的实施方式中，数据采集模块的运行过程包括以下内容：
11、从燃料指标、锅炉运行指标、排放指标和发电指标的数据源中提取对应的数据，将各个指标的原始数据按照时间戳进行汇总，并根据单位时间和周期时间对数据进行划分，设定时间分段标识，将每个指标的数据按照相同标识组织成连续性的单位时间数据集，进一步合并为周期性的数据集，即得到每个指标对应的具有可比性的数据集。
12、在一个优选的实施方式中，变化程度分析模块的运行过程包括以下内容：
13、步骤一，调取数据集，将数据集按照设定好的分段规则进行划分；
14、步骤二，计算每个分段内最大值和最小值的差异相对于最小值的比值得到各分段的相对差异；
15、步骤三，取各分段相对差异的平均值；
16、步骤四，汇总所有分段的相对差异，计算得到相对差异的标准差，计算相对差异的标准差与整体差异的比值得到波动变化指数。
17、在一个优选的实施方式中，边界影响分析模块的运行过程包括以下内容：
18、步骤一，调取数据集，按照制定分段规则将数据集进行划分若干个子集，形成边界；
19、步骤二，对每个数据子集内的数据计算均值，得到边界内和边界外的均值，通过计算边界内外均值的差值与边界外均值的比值得到均值差异程度；
20、步骤三，取均值差异程度的平均值，得到综合均值差异程度；
21、步骤四，汇总所有分段的均值差异程度，计算得到均值差异程度标准差，再计算均值差异程度标准差与综合均值差异程度的比值得到边界效应影响程度指数。
22、在一个优选的实施方式中，综合分析模块的运行过程包括以下内容：
23、汇总波动变化指数和边界效应影响程度指数，使用机器学习技术为波动变化指数和边界效应影响程度指数分配对应的权重；将波动变化指数、边界效应影响程度指数与对应的权重值结合并进行加权求和得到可行度量系数。
24、在一个优选的实施方式中，将可行度量系数和分类阈值进行比较，若可行度量系数大于等于分类阈值，生成调整信号；若可行度量系数小于分类阈值，生成可用信号。
25、在一个优选的实施方式中，相关性分析模块的运行过程包括以下内容：
26、使用判定为可用信号的分段规则，将数据集分成较小的段，对每个小段的数据进行排名，将数据按照每个指标的值进行排序，并用排名替代原始值，接着，计算每个段内各个指标之间的斯皮尔曼相关性，得到每个小段的相关性系数，对每个小段得到的斯皮尔曼相关性系数取平均值，得到各个指标之间的平均关联关系。
27、在一个优选的实施方式中，结果可视化模块的运行过程包括以下内容：
28、基于各个指本文档来自技高网...
【技术保护点】
1.燃料生产排放系统数据关联性控制管理系统，其特征在于，包括：数据采集模块、变化程度分析模块、边界影响分析模块、综合分析模块、相关性分析模块、结果可视化模块；
2.根据权利要求1所述的燃料生产排放系统数据关联性控制管理系统，其特征在于：
3.根据权利要求2所述的燃料生产排放系统数据关联性控制管理系统，其特征在于：
4.根据权利要求3所述的燃料生产排放系统数据关联性控制管理系统，其特征在于：
5.根据权利要求4所述的燃料生产排放系统数据关联性控制管理系统，其特征在于：
6.根据权利要求5所述的燃料生产排放系统数据关联性控制管理系统，其特征在于：
7.根据权利要求6所述的燃料生产排放系统数据关联性控制管理系统，其特征在于：
8.根据权利要求7所述的燃料生产排放系统数据关联性控制管理系统，其特征在于：
【技术特征摘要】
1.燃料生产排放系统数据关联性控制管理系统，其特征在于，包括：数据采集模块、变化程度分析模块、边界影响分析模块、综合分析模块、相关性分析模块、结果可视化模块；
2.根据权利要求1所述的燃料生产排放系统数据关联性控制管理系统，其特征在于：
3.根据权利要求2所述的燃料生产排放系统数据关联性控制管理系统，其特征在于：
4.根据权利要求3所述的燃料生产排放系统数...
【专利技术属性】
技术研发人员：王辉，张依依，甘玮，韩金涛，王翔，薛泽彬，王晴，张子涵，费依蕃，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。