[发明专利]一种基于历史数据挖掘分析的汽机运行工况寻优方法

权利要求书

1.一种基于历史数据挖掘分析的汽机运行工况寻优方法，其特征在于，包括如下步骤：

步骤1：根据核电厂运行设备的状态特点，选取关键参数，并对这些关键参数历史在正常运行的时间范围进行确定，完成关键参数建模时间段的配置；

步骤2：提取训练数据T当中的工况识别参数数据WP，并用基于概率分布相似性聚类方法对工况识别数据WP的每个测点分别进行聚类操作WPi；

步骤3：训练数据T的所有数据进行工况类型标注；

步骤4：总偏差计算；

步骤5：计算测点偏差分解值。

2.如权利要求1所述的一种基于历史数据挖掘分析的汽机运行工况寻优方法，其特征在于：所述的步骤1针对选出的需要监测的关键参数，在历年的运行状态数据中，观察测点数据曲线，截取最近两年的数据作为建模数据；读取机组选定的各个测点的训练数据T。

3.如权利要求1所述的一种基于历史数据挖掘分析的汽机运行工况寻优方法，其特征在于：所述的步骤2包括，

对WPi训练数据进行箱线图算法判断，将数据分成3种：

a)位于箱线图以内的数据DATAin；

b)位于箱线图上端以外的数DATAupper；

c)位于箱线图下端以外的数据DATAlower。

4.如权利要求1所述的一种基于历史数据挖掘分析的汽机运行工况寻优方法，其特征在于：所述的步骤2包括，

位于箱线图以内的数据DATAin利用数山头的方式进行聚类分析：

a)计算DATAin的核密度曲线；

b)并斜率法找出曲线的波谷与波峰，作为数值分割点；

c)合并间隔距离小的数值分割点；

d)最后根据数值分割点之间的数据占比进行2次分割，获取最值分割点。

5.如权利要求1所述的一种基于历史数据挖掘分析的汽机运行工况寻优方法，其特征在于：所述的步骤2包括，位于箱线图以外的数据DATAupper、DATAlower以及利用等数值间隔的方式进行聚类分析；合并上述两个步骤的聚类结果。

6.如权利要求1所述的一种基于历史数据挖掘分析的汽机运行工况寻优方法，其特征在于：所述的步骤3对训练数据T的所有数据进行工况类型标注，根据每个工况识别测点的类型情况，对每条训练数据进行工况分类，确定每类工况的工况识别参数数据WP的上下限值WPmaxmin；根据目标参数TP最优判定规则的情况，对每类工况数据进行最优工况的优化参数OPbest的确定；目标参数TP最优判定规则有如下3种：1是数值越大越优；2是数值越小越优；3是数值越趋近于某值越优。

7.如权利要求1所述的一种基于历史数据挖掘分析的汽机运行工况寻优方法，其特征在于：所述的步骤4读取机组各个测点的实时数据R，依据工况识别参数实时数据WP的情况，判断实时工况类型；对比该工况类型的最佳目标参数TPbest，判断实时目标参数RTP是否优于TPbest，是否需要更新最优工况；计算实时工况的优化参数OPrt跟对应工况下的最优优化参数OPbest的偏差距离ROPD；计算实时优化参数偏差距离ROPD归一化数值NROPD；NROPD＝(ROPD–min(ROPD))/(max(ROPD)–min(ROPD))计算实时工况数据的历史总偏差值TRhis；TRhis＝NROPD1+NROPD2+NROPD3+…+NROPDn。

8.如权利要求1所述的一种基于历史数据挖掘分析的汽机运行工况寻优方法，其特征在于：所述的步骤5当总偏差值超过阈值后，系统将总偏差值分解至各实时监督参数与最优值的差值，显示出哪个测点的偏差较大。