论文部分内容阅读
电能在我国能源结构中占有非常重要的地位，电力发展和应用的程度，是衡量国民经济发展水平和人民生活水平高低的重要标志之一。全国火电的装机容量约占电厂总装机容量的70％，发电量约占总发电量的80％，所以火电厂的安全经济运行对社会生活和生产有重要意义。
新世纪以来，我国电力工业已经步入大容量、高参数、高自动化时代。现代化火电厂一般可分为五个子系统：燃料系统、燃烧系统、汽水系统、电气系统、分散控制系统。五个子系统相互联系、相互制约形成一条完整的生产系统，而每一部分的发生故障或者事故，都将影响整个火电机组的安全经济运行。火电厂发生事故轻则降出力运行，严重时可导致整个机组的停运，重则造成人员伤亡、设备损坏，酿成重大经济损失。且电厂事故具有突发性、快速性的特点，在发电机组运行中，如何准确的预测事故发生倾向并正确地消除各类事故倾向，如何在事故发生后防止事故扩大，快速有效地组织应急救援工作，尽快恢复机组的正常运行，是目前电厂安全管理工作需要攻克的难题。本文提出开发基于数据挖掘技术的应急决策支持系统以提高火电厂事故应急管理水平。
本文从火电厂日常应急管理和战时应急决策支持两个方面对火电厂应急决策支持系统应用及相关理论进行了研究、分析，并论述了基于数据挖掘技术的应急决策支持系统的系统结构和业务流程。本文主要研究内容及结论如下：
1.火电机组实时运行状态数据与历史数据的知识发现
本文以锅炉过热器为例，论述了火电机组实时运行状态数据与历史数据的知识发现。系统结合火电厂广泛运用的DCS、SCADA和MIS等各种系统中的海量的火电机组运行数据(包括实时动态数据和历史运行数据)，通过数据分析和挖掘，总结出了与过热器管壁超温的相关规律和特性，提高了后阶段火电厂应急决策的科学性和实用性。
2.提出了基于数据挖掘的火电应急决策支持系统新的体系结构
分析并总结现今应急决策支持系统基础上提出了全新的应急决策支持系统结构，即人机交互接口、应急问题处理系统、应急知识系统(四库系统)三部分组成的决策支持系统。新的结构将更加注重知识库、方法库、模型库和数据库之间的相互协作和耦合，并通过数据挖掘技术来发现总结更多应急业务相关的知识。应急决策支持系统的工作流程为：电厂用户通过人机交互接口提出应急辅助决策支持的指令，问题处理系统收集决策支持系统该问题相关信息，并对问题进行判别，确定问题的潜在性质和求解过程，通过模型库中数据挖掘模型，从方法库中确定求解模型的适用算法，运行并分析求解模型，最终结果通过人机交互接口供应急决策人员使用，而知识库将在整个流程中提供并根据反馈更新应急业务相关知识。
3.数据挖掘算法在应急业务流程的运用
火电厂应急决策支持系统的业务流程主要分为五个部分：火电厂相关知识发现、机组运行状态监测及预警、电厂动态安全风险分析、应急救援指挥决策分析和应急业务全过程综合评价与考核。数据挖掘技术中包含大量模型和算法，本文初步阐述了如何利用这些模型和算法来分析和处理火电厂应急决策支持中的所遇问题，算法、模型之间的如何组合使用，如何选用合适的模型和算法。
本文以过热器超温爆管为例，论述了数据挖掘算法在应急业务流程的运用。过热器安全运行的核心就是正确计算和判断管壁温度，结合样本数据利用BP神经网络模拟计算，可成功预测过热器管壁温度，以推算过热器运行安全风险水平，使应急决策支持系统具备良好的对过热器运行的监测预警的功能。此外，采用关联规则APRIORI算法分析过热器管壁超温各影响因素之间相关的模式、趋势和规则，为分析过热器超温原因及应急处置决策提供科学依据。
4.采用数据挖掘技术进行自主知识推理及自主知识学习
采用数据挖掘技术使的决策支持系统具有自主知识推理及自主知识学习的能力。改变了传统决策支持系统对专家的经验和知识的依赖性，系统可以根据机组运行状态数据以及知识库中的相关经验和知识进行总结，改变系统开发的滞后性，并根据应急业务全过程综合评价与考核的反馈结果更新改进应急系统的知识库。
本文共分为五章，其具体结构如下：第一章论述了选题的背景、目的和意义，分析总结了国内外研究现状，并阐述了研究思路和研究内容；第二章论述了数据挖掘的发展历程，分析了数据挖掘的应用流程并阐述了数据挖掘技术的主要研究方向，最后讨论了数据挖掘目前在应用中的困境与对未来的展望；第三章是文章的主题部分，以过热器管壁超温为例阐述了数据挖掘技术在火电厂应急决策支持系统中的应用，利用BP神经网络预测过热器管壁温度，采用关联规则APRIORI算法分析过热器管壁超温各影响因素之间相关的模式、趋势和规则，以此为分析过热器超温原因及应急处置决策提供科学依据；第四章提出了全新的应急决策支持系统结构，即人机交互接口、应急问题处理系统、应急知识系统(四库系统)三部分组成的决策支持系统，并详细分析了应急决策支持系统的工作流程；第五章阐述了本文的结论及其进一步工作的展望。