火電機組運行優(yōu)化系統(tǒng)中數(shù)據預處理技術研究.pdf

1、隨著火電機組單機容量不斷增大，電站自動化、信息化水平不斷提高，電站信息的集成度也越來越高，海量的測量數(shù)據和專家經驗提供了大量反映機組設備運行狀態(tài)的信息。利用計算機技術、信息技術以及人工智能技術等對這些寶貴的信息資源進行深層地挖掘，必將提高機組的運行管理水平，促進機組的狀態(tài)檢修工作，對火電機組的安全運行和節(jié)能降耗具有重要的現(xiàn)實意義。本文對火電機組運行優(yōu)化系統(tǒng)(UPOS)中數(shù)據預處理問題進行了深入的研究，論文的主要內容如下： 1．介

2、紹了數(shù)據預處理技術的有關知識。主要包括數(shù)據預處理的基本功能和主要方法，總結了目前數(shù)據預處理技術在電力工業(yè)中的應用領域以及研究現(xiàn)狀。 2．研究了基于解析冗余的數(shù)據檢驗方法。建立了基于解析冗余的數(shù)據檢驗模型，通過模型求出過程變量的最優(yōu)估計值，根據測量值與估計值的偏差來判斷測量值的可信度，算例表明該模型能夠較準確地估計出測量數(shù)據的估計值，并能夠有效地檢驗測量數(shù)據的可靠性。 3．提出了基于機組運行參數(shù)優(yōu)化目標值的偏差帶檢驗法。研

3、究了機組重要運行參數(shù)優(yōu)化目標值的定量化問題，對當前電廠SIS中運行優(yōu)化目標值的確定方法進行了論述，結合實例介紹了重要運行參數(shù)目標值的確定，并將確定的運行優(yōu)化目標值用于測量數(shù)據的有效性檢驗。 4．研究了基于神經網絡的數(shù)據檢驗方法。總結了常用的動態(tài)系統(tǒng)神經網絡模型，重點研究了基于前饋神經網絡的數(shù)據檢驗模型和基于回歸神經網絡的數(shù)據檢驗模型，前饋神經網絡采用RBF網絡，回歸神經網絡采用改進的Elman網絡，算例表明這兩種數(shù)據檢驗模型均能