摘要
随着大数据系统的完善，电站SIS系统存储了大量的历史生产运行数据，大量数据背后隐藏着海量的有用信息。数据挖掘技术在火电厂数据分析中不断创新并逐渐完善，在指导电厂的优化运行方面发挥了良好的作用。本文利用数据分析技术，对火电厂汽轮机组运行参数进行优化，从而达到节能降耗的目的。论文主要的研究内容如下： 1.介绍了基于数据的机器学习问题和软测量技术中广泛应用的支持向量机的计算过程，并在此基础上提出了最小二乘支持向量机（LSSVM）。对于模型重要参数的确定，利用粒子群寻优算法进行最优参数的确定，并在文中阐述了该算法的寻优原理和具体过程。然后对数据挖掘所需数据进行了数据预处理。 2.通过机理分析和相关性分析，找到与热耗率相关性较大的运行参数。选取常用的三种核函数进行介绍，并分别建立软测量模型，对比不同模型计算结果误差，最终选取径向基核函数来建立模型。最后将实验数据代入PSO-LSSVM模型中，并与PSO-SVM模型预测结果进行对比。 3.针对某电厂600MW亚临界燃煤机组最优运行初压的确定，详细介绍了改进的关联规则算法，并为了避免划分区间过于生硬，提出 K-Means 聚类分区算法。将前文计算得到的热耗率应用到挖掘模型中，经过优化之后，得到最优初压运行曲线，并对比分析优化前后的煤耗率和热耗率曲线。
NETL