【技术实现步骤摘要】
本申请涉及电力，尤其涉及一种火电机组运行参数确定方法、装置、电子设备及存储介质。
技术介绍
1、目标值确定问题是火电厂优化运行中的关键问题。从定义上讲，目标值反映机组当前最优运行状态的运行参数和性能指标，为运行优化操作指导提供了依据。目前，火电厂运行优化目标值主要由设计值、最优运行试验、变工况热力计算和最优值方法确定。这些方法在实际应用中存在随着运行时间的加长实际目标值可能发生变化、确定的目标值较为片面以及受突发因素影响确定的目标值不准确等问题，以致不能很好地指导优化运行。
2、与此同时，随着智能电厂的兴起，机组海量的实时历史运行数据得以存储。这些数据库在日积月累中存储了关于火电机组运行状态的庞大数据，除了一些运行人员可以一目了然的直观信息，数据之间更深层的联系和规律也值得被发现和利用。另一方面，数据挖掘技术是在大数据时代应运而生的工具，将其应用于火电机组历史运行数据库，能有效应对电站数据库数量多、维度高、耦合性强及动态性等特点，并挖掘出对决策制定有一定影响的参考信息。
3、因此，如何挖掘火电机组的历史运行数据背后隐藏的规律，以进一步优化火电机组运行水平，是相关技术人员所面临的挑战。
技术实现思路
1、有鉴于此，本申请实施例提供了一种火电机组运行参数确定方法、装置、电子设备及存储介质，以解决现有技术中火电机组运行参数配置不合理的问题。
2、本申请实施例的第一方面，提供了一种火电机组运行参数确定方法，包括：
3、获取火电机组的历史运行数
4、对历史运行数据进行预处理，得到待处理数据样本；
5、确定最小支持度和最小置信度，基于最小支持度和最小置信度，使用频繁模式增长fp-growth关联规则算法对待处理数据样本进行数据挖掘，确定待处理数据样本中的目标数据项集；
6、基于目标数据项集中的历史运行参数确定火电机组的运行参数。
7、在一些实施方式中，对历史运行数据进行预处理，得到待处理数据样本，包括：使用准稳态判别法，滤除历史运行数据中的非稳态数据，得到第一数据样本；为第一数据样本中的全部历史运行参数和历史性能指标分别进行编号，得到各历史运行参数和历史性能指标的唯一数据编号；将每一历史运行参数和历史性能指标顺序排列，并使用分位数分箱法进行离散化处理，为每一历史运行参数和历史性能指标分别确定多个顺序编号分组区间；分别确定第一数据样本的各数据项集中，各数据项对应的分组区间，以及分组区间的分组编号；将第一数据样本的各数据项集中的各数据项用数据编号和分组编号表示，得到第二数据样本；过滤第二数据样本中，历史性能指标小于预设阈值的数据项集，得到待处理数据样本。
8、在一些实施方式中，基于最小支持度和最小置信度，使用频繁模式生长fp-growth关联规则算法对待处理数据样本进行数据挖掘，确定待处理数据样本中的目标数据项，包括：对待处理数据样本中的数据项进行统计、排序和筛选，得到待处理数据样本的项头表和目标频繁数据样本；基于目标频繁数据样本创建频繁模式fp树；对fp树进行数据挖掘，确定项头表中各频繁项的第一条件模式基集；删除第一条件模式基集中小于最小支持度的频繁项，得到项头表中各频繁项的第二条件模式基集，其中，第二条件模式基集中，包括与各频繁项对应的至少一项条件模式基，以及该条件模式基对应的频繁项的关联次数；将项头表中的各频繁项加入第二条件模式基集，并删除关联次数小于最小置信度的条件模式基，得到待处理数据样本的数据频繁项集，数据频繁项集中包括多条数据项集以及各数据项集的出现次数；确定数据频繁项集中，出现次数最多的且包含数据项数最多数据项集为目标数据项集。
9、在一些实施方式中，对待处理数据样本中的数据项进行统计、排序和筛选，得到待处理数据样本的项头表和目标频繁数据样本，包括：统计待处理数据样本中，各数据项的出现次数；基于各数据项的出现次数确定频繁数据项，频繁数据项为出现次数大于或者等于最小支持度的数据项；将频繁数据项按照出现次数降序排列，得到待处理数据样本的项头表；删除待处理数据样本的各数据项集中的非频繁数据项，得到中间频繁数据样本；将中间频繁数据样本的各数据项集中的数据项按照出现次数降序排列，得到目标频繁数据样本。
10、在一些实施方式中，使用准稳态判别法，滤除历史运行数据中的非稳态数据，得到第一数据样本，包括：基于滑动窗口检测法，对历史运行数据中的每一数据项使用一阶差分准稳态判别法进行判断，确定各数据项集中是否包括非稳态数据项；滤除历史运行数据中包括非稳态数据项的全部数据项集，得到数据样本。
11、在一些实施方式中，基于目标数据项集中的历史运行参数确定火电机组的运行参数，包括：确定目标数据项集中，各历史运行参数对应的分组区间；计算各历史运行参数对应的分组区间的参数平均值；将该参数平均值确定为火电机组中对应运行参数的取值。
12、在一些实施方式中，该方法还包括：确定工况边界参数；基于工况边界参数确定火电机组的工况条件；获取与火电机组的工况条件具有相同工况条件的历史运行数据。
13、本申请实施例的第二方面，提供了一种火电机组运行参数确定装置，包括：
14、获取模块，被配置为获取火电机组的历史运行数据，其中，历史运行数据包括多个数据项集，每一数据项集包括至少一个数据项，数据项包括历史运行参数和历史性能指标；
15、预处理模块，被配置为对历史运行数据进行预处理，得到待处理数据样本；
16、挖掘模块，被配置为确定最小支持度和最小置信度，基于最小支持度和最小置信度，使用频繁模式增长fp-growth关联规则算法对待处理数据样本进行数据挖掘，确定待处理数据样本中的目标数据项集；
17、确定模块，被配置为基于目标数据项集中的历史运行参数确定火电机组的运行参数。
18、本申请实施例的第三方面，提供了一种电子设备，包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序，该处理器执行计算机程序时实现上述方法的步骤。
19、本申请实施例与现有技术相比存在的有益效果是：本申请实施例通过获取火电机组的历史运行数据，对历史运行数据进行预处理得到待处理数据样本，基于确定的最小支持度和最小置信度使用fp-growth关联规则算法对待处理数据样本得到目标数据项集，进而基于目标数据项集确定火电机组的运行参数，能够自火电机组的海量历史运行数据中，快捷、准确地挖掘出最优运行参数参考值，为优化火电机组运行参数操作提供了指导依据，提高了火电机组运行效率。
本文档来自技高网...【技术保护点】
1.一种火电机组运行参数确定方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述对所述历史运行数据进行预处理，得到待处理数据样本，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述最小支持度和最小置信度，使用频繁模式生长FP-Growth关联规则算法对所述待处理数据样本进行数据挖掘，确定所述待处理数据样本中的目标数据项，包括：
4.根据权利要求3所述的方法，其特征在于，所述对所述待处理数据样本中的数据项进行统计、排序和筛选，得到所述待处理数据样本的项头表和目标频繁数据样本，包括：
5.根据权利要求1所述的方法，其特征在于，所述使用准稳态判别法，滤除所述历史运行数据中的非稳态数据，得到第一数据样本，包括：
6.根据权利要求2所述的方法，其特征在于，所述基于所述目标数据项集中的历史运行参数确定火电机组的运行参数，包括：
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
8.根据权利要求1至7中任一项所述的方法，其特征在于，所述方法还包括：
9.一种
10.一种电子设备，包括存储器、处理器以及存储在所述存储器中并且可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8中任一项所述方法的步骤。
...【技术特征摘要】
1.一种火电机组运行参数确定方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述对所述历史运行数据进行预处理，得到待处理数据样本，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述最小支持度和最小置信度，使用频繁模式生长fp-growth关联规则算法对所述待处理数据样本进行数据挖掘，确定所述待处理数据样本中的目标数据项，包括：
4.根据权利要求3所述的方法，其特征在于，所述对所述待处理数据样本中的数据项进行统计、排序和筛选，得到所述待处理数据样本的项头表和目标频繁数据样本，包括：
5.根据权利要求1所述的方法，其特征在于，所述使用准...
【专利技术属性】
技术研发人员：李戎，马欣，李杰，
申请(专利权)人：杭州和利时自动化有限公司，
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。