[发明专利]基于关联规则算法与神经网络的制粉系统性能优化方法

说明书

本发明提供了一种基于关联规则算法与神经网络的制粉系统性能优化方法，属于信息控制技术领域。本发明的步骤包括：S1，根据制粉系统的历史数据，建立制粉系统数据库；S2，筛选稳定运行参数；S3，通过有监督自组织神经网络对所述制粉系统数据库中历史数据进行工况聚类；S4，数据离散化、纬度约束和样本压缩；S5，基于改进关联规则算法挖掘每一工况簇的运行优化参数；S6，运行工况的判定与归类；S7，累积新工况数据到一定程度再次挖掘。本发明具有节省计算资源，关联规则算法的运行效率和性能得到提升的优点，还使数据挖掘更具有针对性，消减冗余项，提高挖掘效率。

技术领域

本发明涉及一种基于关联规则算法与神经网络的制粉系统性能优化方法，属于信息控制技术领域。

背景技术

随着新能源发电行业的快速发展和日益严格的环保要求，传统燃煤火力发电面临着严峻的外部环境挑战。为了适应行业新形势，火力发电企业着手内部管理，深入挖掘关于机组优化运行和设备技术改造两方面的潜能，找寻全负荷工况下提升机组效率的技术手段。在燃煤电厂中，主要供电设备包括锅炉、汽轮机和辅机，其中锅炉、汽轮机节能降耗的相关研究已较为成熟，却鲜有辅机的优化运行研究。制粉系统是火电机组关键的辅助系统，耗电量约占整个火电厂的5％至10％。如果改变根据手动经验来指导制粉系统的操作，通过优化制粉系统的能量消耗来提高系统的效率，降低其用电量，就能为发电企业在制粉系统的运行决策上提供指导意见。

目前，大多数火电厂制粉系统优化运行研究都只针对单独设备进行优化。例如通过总结磨煤机CO析出规律，并对析出温度做出分析，提出磨煤机出口温度的优化方案。又如分析了机组设备单耗偏高现象，找到主要原因并制定了有效对策，虽然取得了一定的经济效益，但是考虑因素单一，仍然有进一步研究空间。所以现有的大部分针对制粉系统优化的研究成果其思路多是针对制粉系统某一具体设备的参数进行优化，没有纵观制粉系统整体的能耗指标。

由于影响制粉系统能耗因素众多，电厂历史运行数据库高维度、大容量，挖掘效率低和算法占用计算资源多的情况。研究了近几年针对火电优化的大数据挖掘情况，提出的火电大数据挖掘方法，主要是挖掘火电机组各工况的强关联规则，进而得到目标参数的最优值，但对参数的优化效果仍旧有可提升的空间；在电厂数据挖掘过程中考虑了供电煤耗作为优化目标值，但对于如何进一步优化各参数指标未给出明确方法。

发明内容

本发明是为了解决上述问题而进行的，目的在于提供基于关联规则算法与神经网络的制粉系统性能优化方法，利用目标制导方式对数据库进行降维和压缩，采用改进的关联规则算法对某电厂的处理后SIS数据进行挖掘，通过优化制粉系统参数，得出全工况最优参考值，并对各工况下优化前后的原煤净发电量对比分析，得出适合各工况的制粉系统设备运行组合方式最优参数值，比较优化前后制粉系统单耗变化情况，制定合理的制粉系统经济运行的决策。