基于序列模式挖掘的火电厂制粉系统节能优化技术研究

结题报告

项目介绍

AI项目解读

基本信息

批准号：
61005058
项目类别：
青年科学基金项目
资助金额：
20.0万
负责人：
曹晖
依托单位：
西安交通大学
学科分类：
F0305.生物、医学信息系统与技术
结题年份：
2013
批准年份：
2010
项目状态：
已结题
起止时间：
2011-01-01 至2013-12-31

项目参与者：
张彦斌；司刚全；诸文智；王靖程；
关键词：
火电厂制粉系统序列模式挖掘节能优化技术

项目摘要

制粉系统是火力发电厂的主要辅助设备和耗电大户，用序列模式挖掘实现其运行参数的优化，具有重大的节能潜力。拟以实际数据为出发点，通过序列模式挖掘，建立起过程变量和最佳运行值之间的序列模式库，再与运行数据比较即可确定出当前工况下的最佳运行值。针对制粉系统这类复杂工业对象数据库是一个大型的、高维的、非线性的序列数据库且维间存在耦合的特点，研究异常序列发现算法，确保序列模式挖掘结果的正确性；研究隶属度函数自动构建方法和共享最近邻相似度量度，提出适合复杂工业系统序列数据库数量型属性划分方法；研究序列模式时间约束、兴趣度量度、挖掘方式以及剪枝技术的，提出适合复杂工业系统序列数据库的模糊序列模式挖掘算法。通过火电厂现场试验，验证基于序列模式挖掘的制粉系统节能优化技术的可用性和正确性。本研究不仅可以实现制粉系统节能降耗10％～15％，而且为同类复杂工业系统优化控制的研究开辟了新的途径。

结项摘要

制粉系统是火力发电厂的主要辅助设备和耗电大户，研究火电厂制粉系统的节能优化技术，具有十分重要的意义。本项目以实际数据为出发点，通过模糊序列模式挖掘，建立起过程变量和最佳运行值之间的关联规则库，并自动确定出当前工况下运行参数的最优值，从而使制粉系统在最佳方式下运行，达到节能降耗的目的。为了解决序列模式挖掘前的数据预处理问题，提出了基于密度相似近邻的孤立点发现算法。该算法首先根据对象和其近邻间k-密度变化来建立对象的相似密度序列，然后依据对象的平均序列代价和其k-距离邻域的平均序列代价，计算出对象的密度相似近邻异常因子来表征对象的孤立程度。该方法不仅对边界对象和小簇中对象的评估更为准确，而且参数易于选择；提出了基于混合聚类的隶属度函数构建和共享最近邻相似度数量型属性划分方法。该方法首先使用改进型的基于密度聚类算法，并根据簇间的邻近度或簇中对象的相异度对簇进行凝聚或分裂，实现对数据库的聚类分析。其次，将形成的簇投影到过程变量的论域上，根据簇投影形成的区间和簇心的投影来建立其对应的隶属度函数。最后，采用基于近似度的隶属度函数对数量型属性进行划分。该方法具有较好的划分效果和运行性能；提出了基于独立剪枝策略的模糊序列模式挖掘算法。该算法通过对现场数据的似先验挖掘得到运行参数的模糊序列模式，并通过逐项搜索方法确定出当前工况下运行参数的最佳设定值。其中，采用改进模糊序列支持度和模糊序列置信度确保了挖掘结果的正确性，采用独立剪枝策略提高了算法效率，采用滑动时间窗技术保证了所得模糊序列模式的完备性。该方法不仅可自动得到运行参数的最优值，而且算法性能和扩展性较好。此外，为了准确反映制粉系统运行效率，提出了基于改进混合遗传算法的变量选择方法和基于Takagi-Sugeno型模糊规则的制粉系统出力预测模型，以及为了从运行数据中获得状态信息，探索了制粉系统工况划分方法。实际数据和现场实验证明，基于序列模式挖掘的制粉系统节能优化技术不仅可以实现制粉系统节能降耗，而且为同类复杂工业系统优化控制的研究开辟了新的途径。总结相关研究成果发表ECI/EI收录论文14篇，申请发明专利3项，培养硕士研究生5名，以及获得2012年度教育部“新世纪优秀人才支持计划”和2014年国家自然科学基金面上项目的资助。