论文部分内容阅读
摘 要：锅炉效率是确定锅炉燃烧经济性的重要指标。本文针对煤质的复杂性，设计了煤质在线辨识应用软件，以实现锅炉效率在线计算過程中煤质的在线取用。
关键词：火电机组；煤质；在线辨识；应用
能源是人类生活、社会发展以及科技进步的必要基础。然而，在当下，由于中国乃至世界的资源日渐紧张，能源价格不断上涨，以致火电机组的燃料成本提高，使得电力行业面临最为严峻的情况。我国煤炭储量丰富，但对于天然气、核能和其它清洁可再生能源的开发应用不足，在今后的相当长的一段的时间内，我国的能源结构很难发生大的改变，燃煤发电仍将是我国最主要的发电方式。因此，对火电机组入炉煤质在线辨识应用的研究将极具现实意义。
一、数据预处理
数据预处理指的是数据挖掘处理、加工、转换、清洗、原始数据的离散和还原等一系列的整合，直到达到挖掘算法的知识获取的最低要求。数据是从实际的运行过程中，各仪表测得或通过公式间接计算得到，由于仪表的误差、仪表的失真以及一些数据的缺失等一系列因素的存在，导致这些所得数据达不到我们挖掘算法对实际历史数据的要求。目前应用比较多的数据预处理方法大概有以下4种：数据清洗、数据集成、数据归约以及数据交换。
（一）数据清理。数据清理主要是为了对缺失的值进行补充、光滑噪声数据、识别出典型的失真数据，并将不一致的数据进行统一。对于噪声数据和典型的失真数据来说，我们可以根据有关的数据性质知识，确定出明显失真的数据，并可以通过限制取值范围将这些失真数据进行剔除；对于一些噪声数据，如果数据朝相反的趋势发展，可以明显看出数据有误，就可以直接将其剔除；对于缺失数据，其处理方法主要有缺值删除与均值填补。缺值删除指的是将有参数缺失的数据进行整项删除，这种方法适用于历史数据量较大且数据源足够的数据；而均值填补就是指将缺失数据左右两侧的数据取均值，并填补进去，这种方法主要适用于历史数据量较少的情况。
（二）数据集成。数据集成主要是为了方便于数据挖掘方法对数据进行应用。由于数据库内的数据不一定全部来自同一存储装置，它可能来自多个不同的数据存储装置，因此对不同存储装置里的数据进行整合集成在一个大型的数据库中十分重要。由于数据集成会涉及到多个学科，因此数据集成的处理十分复杂。目前，在不同的领域已经拥有了许多的集成方法，例如，在重大自然灾害集成项目中，使用各种地球科学数据和非地学数据集成，实现了很好的预测结果。
（三）数据转化。数据转化就是将数据从高维数据转化为低维数据，非线性数据转化为线性数据或者反之的过程。虽然这个方法会对原始数据产生一定程度的破坏，但结果的作用却很大。除了经常会用到的标准的最大的方法标准化外，还可以采用主成分分析法对数据进行计算，从而转换为矩阵模型，并可以建立一个通用的数据变换、降低数据维数的模型。
（四）数据归约。数据归约就是指在不降低挖掘算法效果的前提下，为了简化步骤而对历史数据进行简化的过程。由于数据库里的历史数据庞大且复杂，如果直接进行挖掘的话就会花费很长的时间，这就需要对其进行数据归约。在选择参数时，应该使各参数之间的关联性尽量小，以避免出现冗余重复的数据。对于与目标函数关联性较小的数据应该尽量少选或不选。使用ProcLogistic的过程可以为每个变量实现由一个变量来达到压缩数据的目的。通过收集高维数据，可以得出两种降维方法有：第一，子集选择方法。消除弱关联维数相关的变量是独立冗余，找到一个子集的变量来建立模型；第二，数据挖掘法。它主要包括连续属性值的离散化，将数据汇总到一个更高的水平，这可以帮助学习有效地参与到这个过程中来减少输入和输出操作。
二、软件程序设计思路
本文煤质在线辨识软件煤质在线辨识流程如图1所示。
其中，煤种变化识别模块的作用是根据负荷给煤量的比值变动情况，判断是否进行煤质识别。而煤质库模型划分主要是根据煤质中硫分及水分的检测，并在煤质库模型中进行大致范围的确定，以最大限度的减少迭代次数。最后进行煤质辨识。这里可以通过发热量以及正反平衡的校验，在确定的煤质数据库范围中选择煤种，并进行比对校验。
三、结语
本计算软件模型的计算精度可以满足要求，符合机组实际运行规律。系统简单便捷，易于使用操作，稳定性好，对于煤质在线检测及火电机组节能优化具有重要指导作用。
参考文献：
[1]李洋.火电机组入炉煤质在线辨识应用研究[D].华北电力大学，2015.
[2]夏季.火电机组配煤掺烧全过程优化技术研究与应用[D].华中科技大学，2013.
[3]陈伟.带煤质校正的协调系统多模型预测控制及应用研究[D].东南大学，2015.
关键词：火电机组；煤质；在线辨识；应用
能源是人类生活、社会发展以及科技进步的必要基础。然而，在当下，由于中国乃至世界的资源日渐紧张，能源价格不断上涨，以致火电机组的燃料成本提高，使得电力行业面临最为严峻的情况。我国煤炭储量丰富，但对于天然气、核能和其它清洁可再生能源的开发应用不足，在今后的相当长的一段的时间内，我国的能源结构很难发生大的改变，燃煤发电仍将是我国最主要的发电方式。因此，对火电机组入炉煤质在线辨识应用的研究将极具现实意义。
一、数据预处理
数据预处理指的是数据挖掘处理、加工、转换、清洗、原始数据的离散和还原等一系列的整合，直到达到挖掘算法的知识获取的最低要求。数据是从实际的运行过程中，各仪表测得或通过公式间接计算得到，由于仪表的误差、仪表的失真以及一些数据的缺失等一系列因素的存在，导致这些所得数据达不到我们挖掘算法对实际历史数据的要求。目前应用比较多的数据预处理方法大概有以下4种：数据清洗、数据集成、数据归约以及数据交换。
（一）数据清理。数据清理主要是为了对缺失的值进行补充、光滑噪声数据、识别出典型的失真数据，并将不一致的数据进行统一。对于噪声数据和典型的失真数据来说，我们可以根据有关的数据性质知识，确定出明显失真的数据，并可以通过限制取值范围将这些失真数据进行剔除；对于一些噪声数据，如果数据朝相反的趋势发展，可以明显看出数据有误，就可以直接将其剔除；对于缺失数据，其处理方法主要有缺值删除与均值填补。缺值删除指的是将有参数缺失的数据进行整项删除，这种方法适用于历史数据量较大且数据源足够的数据；而均值填补就是指将缺失数据左右两侧的数据取均值，并填补进去，这种方法主要适用于历史数据量较少的情况。
（二）数据集成。数据集成主要是为了方便于数据挖掘方法对数据进行应用。由于数据库内的数据不一定全部来自同一存储装置，它可能来自多个不同的数据存储装置，因此对不同存储装置里的数据进行整合集成在一个大型的数据库中十分重要。由于数据集成会涉及到多个学科，因此数据集成的处理十分复杂。目前，在不同的领域已经拥有了许多的集成方法，例如，在重大自然灾害集成项目中，使用各种地球科学数据和非地学数据集成，实现了很好的预测结果。
（三）数据转化。数据转化就是将数据从高维数据转化为低维数据，非线性数据转化为线性数据或者反之的过程。虽然这个方法会对原始数据产生一定程度的破坏，但结果的作用却很大。除了经常会用到的标准的最大的方法标准化外，还可以采用主成分分析法对数据进行计算，从而转换为矩阵模型，并可以建立一个通用的数据变换、降低数据维数的模型。
（四）数据归约。数据归约就是指在不降低挖掘算法效果的前提下，为了简化步骤而对历史数据进行简化的过程。由于数据库里的历史数据庞大且复杂，如果直接进行挖掘的话就会花费很长的时间，这就需要对其进行数据归约。在选择参数时，应该使各参数之间的关联性尽量小，以避免出现冗余重复的数据。对于与目标函数关联性较小的数据应该尽量少选或不选。使用ProcLogistic的过程可以为每个变量实现由一个变量来达到压缩数据的目的。通过收集高维数据，可以得出两种降维方法有：第一，子集选择方法。消除弱关联维数相关的变量是独立冗余，找到一个子集的变量来建立模型；第二，数据挖掘法。它主要包括连续属性值的离散化，将数据汇总到一个更高的水平，这可以帮助学习有效地参与到这个过程中来减少输入和输出操作。
二、软件程序设计思路
本文煤质在线辨识软件煤质在线辨识流程如图1所示。
其中，煤种变化识别模块的作用是根据负荷给煤量的比值变动情况，判断是否进行煤质识别。而煤质库模型划分主要是根据煤质中硫分及水分的检测，并在煤质库模型中进行大致范围的确定，以最大限度的减少迭代次数。最后进行煤质辨识。这里可以通过发热量以及正反平衡的校验，在确定的煤质数据库范围中选择煤种，并进行比对校验。
三、结语
本计算软件模型的计算精度可以满足要求，符合机组实际运行规律。系统简单便捷，易于使用操作，稳定性好，对于煤质在线检测及火电机组节能优化具有重要指导作用。
参考文献：
[1]李洋.火电机组入炉煤质在线辨识应用研究[D].华北电力大学，2015.
[2]夏季.火电机组配煤掺烧全过程优化技术研究与应用[D].华中科技大学，2013.
[3]陈伟.带煤质校正的协调系统多模型预测控制及应用研究[D].东南大学，2015.