基于数据挖掘的大型燃煤发电机组节能诊断理论与方法研究

本项目以大型燃煤发电机组节能诊断问题为工程背景和应用面向，针对机组实际运行数据种类混杂、数量庞大、维数高且多种不确定性共存等特点，在不确定性决策的建模与分析的理论框架之下，通过改进现有的数据挖掘方法，提取能够准确有效地反映机组实际运行特性和能耗特性的关键输入特征，在此基础上建立大型燃煤发电机组的全工况能耗时空分布模型；在满足给定边界条件的约束下，通过调节可控参数设置改善机组的能耗特性指标，挖掘能够感知和适应工况和边界条件变化的节能诊断规则并建立节能优化与诊断数据库，从而实现大型燃煤发电机组的在线节能诊断。本项目的研究将丰富现有的不确定性决策的建模与分析理论，为大型燃煤发电机组能耗分析与节能诊断问题提供新的理论与方法，在复杂系统的海量数据处理等应用领域具有广泛的应用前景。

本项目以大型燃煤发电机组节能诊断问题为工程背景和应用面向，针对机组实际运行数据种类混杂、数量庞大、维数高且多种不确定性共存等特点，在不确定性决策的建模与分析的理论框架之下，理论方面重点研究了基于覆盖粗糙集模型的规则提取和属性约简的快速算法，基于模糊相似关系的特征空间结构刻画以及属性约简快速算法，多分类问题快速算法以及主动学习高效算法等问题；应用方面利用前述的方法发展了基于机组历史数据驱动的大型燃煤发电机组能耗特性建模理论与方法，开展了基于数据挖掘方法在可比历史边界条件下寻优确定机组实际可达优化目标值的方法研究，建立了对应于机组当前运行边界、设备特性和运行工况的各类损失及其详细分布的诊断模型；首次提出了基于数据挖掘的同类机组对标诊断优化方法，进一步丰富和完善了基于数据挖掘的大型燃煤发电机组节能诊断优化理论。本项目的研究丰富了现有的不确定性决策的建模与分析理论，促进了数据挖掘技术的发展，在复杂系统的海量数据处理等应用领域具有广泛的应用前景。