基于数据挖掘热工过程主导因素的确定.pdfVIP

基于数据挖掘热工过程主导因素的确定 张小桃。2，刘文字，倪维斗1，李政1，郑松1 (1．清华大学热能系，北京100084；2．华北水利水电学院动力系，郑州，4s0。08) 摘要：对于复杂的热工过程．通过主元分析与多变量统计过程计算等数据挖掘技术可以得到在不同 工况下影响主要被控对象变化的主导因素。在确定了对主要被控对象有一定影响的各个实测变量之 后，采集各变量一定期间内某一工况下的运行数据．建立输入数据矩阵，然后对其进行主元分析与 多变量统计过程监测，得到在这一工况下对被控对象影响最大的主导因素。根据主导因素与被控变 量的输入输出数据就可以进一步建立被控对象的动态数学模型。 关■词：现场数据；数据挖掘；主元分析；过翟垂商阐；主岛臼素 ／＼ ／＼ 1．前言 国内外大型机组先进的DCS系统中的数据采集模块可以采集锅炉、汽轮机、发电机以及电站 辅助设备的大量运行数据。随着机组的运行，日积月累，所采集数据的数目是很庞大的，但真正 得到合理开发利用的并不多。虽然随着数据库技术发展起来的数据挖掘技术已经引起人们的关 注，并且在很多领域有不少成功的应用。。“，但在火力发电机组动态建模上还没有进行实质性的研 究和应用。 热工过程是一复杂的热力过程，具有多变量与多回路的特点，并且各变量之间相互交叉影响。 主要的监测变量都会同时受到多个参数的影响。这样就会给基于现场对热工被控对象进行建模研 究带来相当大的困难。因此，迫切需要更好和更有效的利用过程动态信息和更能充分利用统计信 息辨识出动态模型的方法。 作者基于现场数据对热工对象进行了建模研究，利用主元分析、多变量统计过程监测理论等 技术挖掘方法，得到了在复杂的热工过程中对主要被控对象影响较大的主导因素，为建立被控对 象的动态模型打下了基础。 2．基于现场数据热工对象动态建模综述 基于现场数据热工对象动态建模的流程示意图l所示。基于数据挖掘的热工对象动态建模 般经过数据的获取、数据处理、主元分析与多变量统计过程监测研究等来得到热工过程的主导因 素。通过对输入数据进行维数压缩，而保持原始数据的主要特征，对一些统计量进行计算与绘制 贡献图，获得在某一工况下对主要被控变量影响最大的主导因素。而神经网络用于热工对象的动 态建模在神经网络能够逼近实际系统，能够对通过对输入输出数据的学习，使所要求的误差函数 最小，从而归纳出隐含在系统输入输出数据中的关系。经过训练的神经网络可以用来描述热工对 象动态模型。 本文主要论述主导因素的确定方法。 245． 图1基于现场数据热工对象动态建模流程图 3．数据的获取与处理 本论文所使用的数据采集软件Hist可以根据用户的要求获得任何时刻任何组合的运行数据。由于 热工控制系统比较复杂，在建立被控对象动态数学模型时要结合具体控制系统与热工对象的运行 机理来选择被控对象的主要扰动变量。 对获取数据的处理主要包括数据滤波与归一化处理。基于主元分析需要把数据归一化为单位方差 和零均值。 4．对输入数据进行主元分析与多变量统计过程监测研究【4】 主元分析方法是多元统计分析的主要方法之一，是一种新型的多元统计数据分析方法。通过 主元分析与多变量统计过程监测，可以找到在复杂的热工对象数据变化过程中，引起主要监测变 量(被调量)变化的主导因素。 主元模型的建立方法 在任一工况下，根据所获取的主要热工对象的输人数据，建立输入数据矩阵Xox是一个nXm 数据矩阵，其中每一列对应于一个变量，每一行对应于一个样本。对输入矩阵进行主元分析．得 到热工对象的主元模型： Xzflpj+f2P；+···+tkP： 式中，t。∈R“被称为得分向量，P。∈R”称为负荷向量。X的得分向量也叫做X的主元。 基于多变量统计过程监测理论确定热工过程变化的主导因素 根据建立的主元模型，进一步对热工过程进行多变量统计过程监测研究。 首先，通过计算r2统计量来实现对多个主元同时进行监控。对于第f时过程变量向量X。，丁2 统计量的定义为 t2=tfyt-。巧=x．P才‘P7xj (3—14) 其中t。是瓦矩阵中的第f行，瓦由构成主元模型的k个主元