CN102298321B - 基于序列模式挖掘的火电厂球磨机制粉系统节能优化方法 - Google Patents

Abstract

一种基于序列模式挖掘的火电厂球磨机制粉系统节能优化方法，对现场记录数据进行序列模式挖掘过程，自动获得磨机负荷l、磨机出口温度ot、磨机入口负压inp、热风门开度u_h、在循环风门开度u_r、磨机出力pc、磨机负荷设定值l_sv、磨机出口温度设定值ot_sv和磨机入口负压设定值inp_sv之间的序列模式，并在当前运行数据与得到的序列模式的基础上，采用逐项搜索方法确定出当前工况下磨机负荷、磨机出口温度和磨机入口负压的最佳设定值，这样简便易行且通用性好，并使得制粉系统在安全稳定的前提下一直在最佳方式下运行，这样不仅为锅炉系统的优质燃烧提供了有效保证，而且能够提高火电厂的经济效益。

Description

基于序列模式挖掘的火电厂球磨机制粉系统节能优化方法

技术领域

本发明涉及火电厂球磨机制粉系统节能优化方法，具体涉及一种基于序列模式挖掘的火电厂球磨机制粉系统节能优化方法。

背景技术

我国的燃煤火力发电厂中，球磨机制粉系统应用非常广泛。由于制粉系统是锅炉的主要辅助设备，所以它的安全稳定运行会直接影响到整个发电机组的安全性和可靠性。同时，球磨机制粉系统的耗电量约占厂用电量的15％～25％，其经济运行直接影响到火电厂的经济效益。但是，目前国内大部分火电厂的制粉系统仍然处于依靠工作人员经验的手动控制状态。跑粉、漏风、超温、欠煤、堵煤等现象时有发生，甚至发生爆炸事故，造成设备损坏，发电机组停运，带来严重的经济损失。在人工操作情况下，为了防止事故发生，运行人员常常将球磨机调整在远低于最佳工作点的位置上运行，虽然这时制粉系统能够安全运行，但球磨机出力小，厂用电消耗大，经济效益差。

因此，人们一直致力于解决球磨机制粉系统运行的优化问题。球磨机制粉系统优化就是找到当前运行条件下制粉系统所能达到的最佳工况，即优化目标值。而将优化目标值作为控制变量的设定值提供给操作人员或者是自动控制的控制器，则可以使得球磨机制粉系统达到最佳的工作状态。因此，对于球磨机制粉系统最佳运行设定值的寻找也成了球磨机制粉系统节能优化的关键所在。

国外火力发电厂制粉系统的自动化程度较高，计算机控制技术也得到了普遍的使用，但是国外电厂多采用的是中速磨煤机直吹式制粉系统，与国内广泛采用的球磨机制粉系统结构不同，无法照搬。

目前，在我国煤炭、电力能源短缺，安全生产形式依然严峻的情况下，提出基于序列模式挖掘的火电厂球磨机制粉系统节能优化方法，对确保发电企业的安全、经济运行，具有十分重要的意义，而目前国内火电厂球磨机制粉系统的运行设定值都是根据制造厂提供的设计值或通过现场试验而得到的。然而在实际运行过程中，由于煤质变化、钢球磨损以及机组负荷的变化等，往往会使最佳设定值发生漂移。如果定期进行现场试验，不仅增加运行人员和维护人员的工作强度，还会直接影响到球磨机制粉系统正常的生产运行。因此，很多火电厂采用参考历史数据统计值的方法，即通过对一段时间内系统运行指标数据进行分析和统计，来得到某些指标的最优目标值。但是，由于统计是一个复杂费时的过程，且原始数据是没有经过验证的，所以统计需要经过数据验证、选择典型数据和考虑边界条件的影响，然后才能给出应答值。由于这一过程繁琐，采用这种方法的系统一般也不对分析结果进行经常性的更新，使得分析结果和系统状态并不符合。采用变工况热力计算方法可以确定出当前工况下的最佳设定值，但该计算结果会受到计算模型的影响，而且计算得到的都是理论值，在运行中也较难达到。

为了解决目前使用方法所存在的问题，人们积极探索了很多先进的优化算法。有人提出了球磨机制粉系统的自寻优算法，它根据磨机负荷的变化来判断球磨机制粉系统是否工作在最佳工况，从而修正控制设定值。有人提出了预估比较的动态步进搜索法，它在控制设定值起始状态的基础上作一个有限的变化，然后测量由这种改变引起输出量变化的大小和方向，当辨明方向后，再按需要的方向调节被控对象的输入。这类自寻优算法不依赖对象的数学模型且便于实现，但其寻优步长不易确定，使其在具体使用上不甚方便。此外，该类方法同时考虑到边界条件的变化，目标值的可信度和对运行的指导性。但由于边界条件众多，导致目标值曲线在较短的时间内难以统计完成。经过很长时间，曲线完成后，但曲线上有很多点已经偏离了球磨机制粉系统的状态。有人提出一种自适应稳态工作点优化算法，它基于在线辨识的静态增益，不断优化设定值和被控量，寻找最佳工作点。在此基础上，有人又做了进一步的研究和分析。虽然该方法既适用于球磨机制粉系统手动运行，又适用于自动运行，但是由于该方法需要估计带约束系统静态增益矩阵的变化，因此不仅步骤较为繁琐而且对制粉系统的数学模型的依赖性很大。有人针对自寻优方法中步长的选择，提出一种模糊最优控制算法。然而，同样由于该算法中的隶属度函数和模糊规则仍是根据专家经验得到，所以该方法也缺乏一定的通用性。有人提出了一种基于遗传算法的球磨机制粉系统运行优化方法。通过遗传机理在有效参数调整范围内搜索系统运行的最优值，为现场实际运行提供指导。有人提出了基于支持向量机的方法，利用最小二乘支持向量机对球磨机制粉系统进行建模，然后采用混合遗传算法对模型寻优，以获得不同工况下制粉单耗的最佳运行方式。遗传算法和支持向量机建模的方法除了前面提到的一些不足以外，算法本身较为复杂，在工程上很难得以应用。

发明内容

为了克服上述现有技术存在的不足，本发明的目的在于提供一种基于序列模式挖掘的火电厂球磨机制粉系统节能优化方法，简便易行且通用性好，并使得制粉系统在安全稳定的前提下一直在最佳方式下运行，这样不仅为锅炉系统的优质燃烧提供了有效保证，而且能够提高火电厂的经济效益。

为了达到上述目的，本发明所采用的技术方案是：

一种基于序列模式挖掘的火电厂球磨机制粉系统节能优化方法，步骤如下：

步骤1：首先火电厂球磨机制粉系统利用模拟量采集模块采集信号数据构成现场历史数据库，再调用序列模式挖掘生成模块构建序列模式挖掘数据库D，随后火电厂球磨机制粉系统通过

表达式对其存储器内的现场历史数据库中的可变存储单元的值进行转化，转化后再将可变存储单元中记录的热风门开度u_h、在循环风门开度u_r、磨机出力pc、磨机负荷设定值l_sv、磨机出口温度设定值ot_sv和磨机入口负压设定值inp_sv按照预设的相同时间间隔且一次形成一条记录的模式同时被写入序列模式挖掘数据库D内的可变存储单元中，每一条记录看作一个对象，如果将每个可变存储单元的值看作是数据库的维，则序列模式挖掘数据库D是个9维数据库，另外序列模式挖掘数据库D内的磨机负荷l、磨机出口温度ot、磨机入口负压inp、热风门开度u_h以及在循环风门开度u_r所组成的集合{l，ot，inp，u_h，u_r}是前件集合，而序列模式挖掘数据库D内的磨机出力pc、磨机负荷设定值l_sv、磨机出口温度设定值ot_sv和磨机入口负压设定值所组成的集合{pc，l_sv，ot_sv，inp_sv}是后件集合，磨机负荷l、磨机出口温度ot、磨机入口负压inp、热风门开度u_h、在循环风门开度u_r、磨机出力pc、磨机负荷设定值l_sv、磨机出口温度设定值ot_sv和磨机入口负压设定值inp_sv的值域为[0，1]；

步骤2：火电厂球磨机制粉系统通过序列模块将序列模式挖掘数据库D序列化并得到其相邻两个对象分别在磨机负荷l、磨机出口温度ot、磨机入口负压inp、热风门开度u_h以及在循环风门开度u_r的值的差，即磨机负荷变化值Δl、磨机出口温度变化值Δot、磨机入口负压变化值Δinp、热风门开度变化值Δu_h和循环风门开度变化值Δu_r，由此得到序列化数据库为D^*，即

D^*＝{l，ot，np，u_h，u_r，Δl，Δot，Δinp，Δu_h，Δu_r，pc，l_sv，ot_sv，inp_sv}

以及扩展前件集合为{l，ot，np，u_h，u_r，Δl，Δot，Δinp，Δu_h，Δu_r}，磨机负荷变化值Δl、磨机出口温度变化值Δot、磨机入口负压变化值Δinp、热风门开度变化值Δu_h和循环风门开度变化值Δu_r的值域为[-1，1]；

步骤3：火电厂球磨机制粉系统设定磨机负荷l、磨机出口温度ot、磨机入口负压inp、热风门开度u_h、在循环风门开度u_r、磨机出力pc、磨机负荷设定值l_sv、磨机出口温度设定值ot_sv和磨机入口负压设定值inp_sv的语言变量分别为L、OT、INP、U_h、U_r、PC、L_sv、OT_sv和INP_sv，语言变量L、OT、INP、U_h、U_r、PC、L_sv、OT_sv和INP_sv的论域选择为[0，1]，语言变量L、OT、INP、U_h、U_r、PC、L_sv、OT_sv和INP_sv的语言值均为{S，RS，M，RB，B}，S、RS、M、RB和B分别代表低、较低、中等、较高和高，磨机负荷变化值Δl、磨机出口温度变化值Δot、磨机入口负压变化值Δinp、热风门开度变化值Δu_h和循环风门开度变化值Δu_r的语言变量分别为ΔL、ΔOT、ΔINP、ΔU_h和ΔU_r，ΔL、ΔOT、ΔINP、ΔU_h和ΔU_r的论域选择也为[-1，1]，而ΔL、ΔOT、ΔINP、ΔU_h和ΔU_r的语言值均选择{NB，NS，ZO，PS，PB}，NB、NS、ZO、PS和PB分别代表负大、负小、零、正小和正大；

步骤4：火电厂球磨机制粉系统按照语言变量L的语言值，将序列化数据库D^*的维l扩展成维l^S维l^RS、维l^M、维l^RB和维l^B，并称维l^S维l^RS、维l^M、维l^RB和维l^B为维l的扩展维。接着，根据维l的隶属度函数和序列化数据库D^*中每个对象在维l的值，确定每个对象在维l^S维l^RS、维l^M、维l^RB和维l^B的隶属度值，语言变量L、OT、INP、U_h、U_r、PC、L_sv、OT_sv和INP_sv采用相同的论域为[0，1]的等腰三角形隶属度函数，ΔL、ΔOT、ΔINP、ΔU_h和ΔU_r采用相同的论域为[-1，1]的等腰三角形隶属度函数。采用同样的方法，对D^*中其它维进行扩展，并确定每个对象在这些扩展维上的隶属度值，扩展后的数据库为D′；

步骤5：火电厂球磨机制粉系统使用滑动时间窗口的方法，将扩展后数据库D′分割成M个子序列，其中第k个子序列DS_k可以表示为：

${\mathrm{DS}}_k=(d_{(k-1)w_g+1},d_{(k-1)w_g+2},L,d_{(k-1)w_g+w_s})$

其中，k∈{1，2，L，M}，d_j和j∈{(k-1)w_g+1，(k-1)w_g+2，L，(k-1)w_g+w_s}表示子序列DS_k中的一个对象，w_g为对象标示，w_s为对象维度幅值，M为大于1的自然数，k为小于等于M的自然数；

步骤6：火电厂球磨机制粉系统读取扩展后数据库D′分割后的第一个序列DS₁，并在DS₁中进行序列模式挖掘；

步骤7：火电厂球磨机制粉系统从扩展后数据库D′中维l的扩展维和维Δl的扩展维里分别选择一个维出来组合成一条候选序列模式前件CSPA，根据下式计算CSPA的模糊序列模式支持度SSup：

$\mathrm{SSup}\left(\mathrm{CSPA}\right)=\underset{j=1}{\overset{w_s}{\mathrm{\Σ}}}\left(\underset{x\∈\mathrm{CSPA}}{\mathrm{\Π}}\mathrm{\μ}\left(x^j\right)\right)$

式中，是DS₁中第j个对象关于候选序列模式前件CSPA中各元素隶属度值的积，w_s为对象维度幅值，如果SSup(CSPA)大于等于最小支持度阈值σ(sup)，该CSPA被称为强序列模式前件SSPA，遍历所有维DI的扩展维的组合，可得到关于维DI的强序列模式前件集SSPAS_l；

步骤8：火电厂球磨机制粉系统采用步骤7的方法，得到ot和Δot的强序列模式前件集SSPAS_ot，inp和Δinp的强序列模式前件集SSPAS_inp，u_h和Δu_h的强序列模式前件集

u_r和Δu_r的强序列模式前件集

步骤9：火电厂球磨机制粉系统分别从SSPAS_l、SSPAS_ot、SSPAS_inp、

和

中选择一个SSPA出来组合成一条候选联合序列模式前件CCSPA，若候选联合序列模式前件CCSPA的模糊序列模式支持度SSup(CCSPA)≥σ(sup)，则该候选联合序列模式前件CCSPA被称为强联合序列模式前件SCSPA，遍历所有SSPAS_l、SSPAS_ot、SSPAS_inp、

和

中SSPA的组合，可以得到强联合序列模式前件集SCSPAS；

步骤10：火电厂球磨机制粉系统分别从磨机出力pc、磨机负荷设定值l_sv、磨机出口温度设定值ot_sv和磨机入口负压设定值inp_sv的各自扩展维中选择一个维出来组合成一条联合候选序列模式后件CCSPC，若SSup(CCSPC)≥σ(sup)，则该CCSPC被称为强联合序列模式后件SCSPC，遍历所有磨机出力pc、磨机负荷设定值l_sv、磨机出口温度设定值ot_sv和磨机入口负压设定值inp_sv的扩展维的组合，可以得到磨机出力pc、磨机负荷设定值l_sv、磨机出口温度设定值ot_sv和磨机入口负压设定值inp_sv的的强联合序列模式后件集SCSPCS；

步骤11：火电厂球磨机制粉系统从强序列模式前件集SCSPAS中选择出的一个候选联合序列模式前件CCSPA和从强联合序列模式后件集SCSPCS中选择出的一个联合候选序列模式后件CCSPC组合，形成的序列模式被称作候选子序列模式CSSP，将选择出的候选联合序列模式前件CCSPA和联合候选序列模式后件CCSPC分别用A和B表示，则根据下式计算CSSP的模糊序列模式置信度SConf：

$\mathrm{SConf}\left(\mathrm{CSSP}\right)=\frac{\underset{j=1}{\overset{w_s}{\mathrm{\Σ}}}(\underset{x\∈A}{\mathrm{\Π}}\mathrm{\μ}\left(x^j\right)\×\underset{y\∈B}{\mathrm{\Π}}\mathrm{\μ}\left(y^j\right))}{\underset{j=1}{\overset{w_s}{\mathrm{\Σ}}}\left(\underset{x\∈A}{\mathrm{\Π}}\mathrm{\μ}\left(x^j\right)\right)}$

式中：是DS₁中第j个对象关于A中各元素的隶属度值的积，

是DS₁中第j个对象关于B中各元素的隶属度值的积，如果模糊序列模式置信度SConf(CSSP)大于等于最小置信度阈值(σ(conf))，该CSSP被称为强子序列模式SSSP，遍历所有强序列模式前件集SCSPAS中候选联合序列模式前件CCSPA和强联合序列模式后件集SCSPCS中联合候选序列模式后件CCSPC的组合，可得到子序列DS₁的强子序列模式集SSSPS；

步骤12：火电厂球磨机制粉系统滑动时间窗口，读取下一子序列DS_k，下一子序列DS_k替代DS₁重复执行步骤7～步骤11，得到的一组DS_k的强子序列模式集，将这些强子序列模式与已有的强子序列模式进行比较后，相同的删除而不同的则保留；

步骤13：火电厂球磨机制粉系统判断如果所有的子序列DS_k已经读取，则进行下一步骤；否则，跳转到步骤12执行；

步骤14：火电厂球磨机制粉系统合并所有子序列DS_k的强子序列模式集SSSPS，得到数据库D的模糊序列模式集MFSP并输出；

步骤15：火电厂球磨机制粉系统通过测量模块测量当前工况下的磨机负荷l、磨机出口温度ot、磨机入口负压inp、热风门开度u_h、在循环风门开度u_r的运行值且分别由l′、ot′、inp′、u′_h和u′_r来表征；

步骤16：火电厂球磨机制粉系统根据所述的论域选择为[0，1]的等腰三角形隶属度函数将l′、ot′、inp′、u′_h和u′_r模糊化，且由它们对应的语言值所有组合形成初始前件集ICS，其初始前件为{L′，OT′，INP′，U′_h，U′_r}，其中L′、OT′、INP′、U′_h和U′_r分别为l′、ot′、inp′、u′_h和u′_r的语言值；

步骤17：火电厂球磨机制粉系统搜索模糊序列模式集MFSP，得到初始序列模式ISP，其中初始序列模式ISP满足初始序列模式

步骤18：初始序列模式ISP中，磨机负荷变化值Δl、磨机出口温度变化值Δot、磨机入口负压变化值Δinp对应的语言值是ΔL′、ΔOT′和ΔINP′，火电厂球磨机制粉系统根据所述的论域选择为[-1，1]的等腰三角形隶属度函数将ΔL′、ΔOT′和ΔINP′去模糊化，且分别变化到各自值域范围得到Δl′、Δot′和Δinp′，令l_T，ot_T和inp_T为磨机负荷l、磨机出口温度ot、磨机入口负压inp的临时设定值，则l_T＝(l′+Δl′)、ot_T＝(ot′+Δot′)且inp_T＝(inp′+Δinp′)；

步骤19：火电厂球磨机制粉系统根据l_T，ot_T和inp_T分别调整给煤量、热风门开度和在循环风开度；并通过火电厂球磨机制粉系统的自动控制模块将l、ot和inp的设定值调整到l_T、ot_T和inp_T；

步骤20：当火电厂球磨机制粉系统进入新的稳态后，导出磨机出力pc的改变量，如果磨机出力pc增大，则计算当前热风门开度u_h和在循环风门开度u_r各自对应的变化量Δu′_h和Δu′_r，并根据所述的论域选择为[-1，1]的等腰三角形隶属度函数将变化量Δu′_h和Δu′_r模糊化后得到各自对应的语言值ΔU′_h和ΔU′_r；

步骤21：火电厂球磨机制粉系统搜索模糊序列模式集MFSP，得到候选序列模式CSP并记录在目标序列模式集TSPS中，其中候选序列模式CSP满足候选序列模式 $\mathrm{CSP}\⊃\{L^{\′},{\mathrm{OT}}^{\′},{\mathrm{INP}}^{\′},U_h^{\′},U_r^{\′},{\mathrm{\ΔU}}_h^{\′},{\mathrm{\ΔU}}_r^{\′}\};$

步骤22：火电厂球磨机制粉系统搜索模糊序列模式集MFSP得到另一个初始序列模式ISP，且重复步骤18～步骤21后得到另一个候选序列模式CSP；

步骤23：火电厂球磨机制粉系统如果没有搜索到新的初始序列模式ISP，则进入下一步骤；否则，跳转到步骤22；

步骤24：火电厂球磨机制粉系统如果已经遍历了所有的初始序列模式ISP，则进行下一步骤；否则，跳转到步骤21；

步骤25：火电厂球磨机制粉系统判断若目标序列模式集

则说明球磨机制粉系统在当前工况下已经基本处于最佳运行状态；若

则将L_sv、OT_sv和INP_sv去模糊化且变化到各自值域范围得到磨机负荷设定值l_sv、磨机出口温度设定值ot_sv和磨机入口负压设定值inp_sv，这样得到的磨机负荷设定值l_sv、磨机出口温度设定值ot_sv和磨机入口负压设定值inp_sv就是当前工况下球磨机制粉系统的磨机负荷、磨机出口温度和磨机入口负压的最佳设定值。

步骤26：根据所述的最佳设定值，提供给火电厂球磨机制粉系统的控制器进行设置，可使火电厂球磨机制粉系统一直在最佳方式下运行。

所述的火电厂球磨机制粉系统采用PLC或者控制模块和工控机组成的DCS系统。

所述的DCS系统利用模拟量采集模块采集信号数据时进行预处理，针对磨机负荷信号数据的预处理为，在模拟量采集模块设置平均值滤波128点，采集速率为500ms以上，并对该磨机负荷信号数据设置一阶惯性滤波，一阶惯性滤波公式为：

y(k)＝αx(k)+(1-α)y(k-1)

式中，y(k)为本次最终结果，y(k-1)为上次最终结果，x(k)为本次实时测量值，α为滤波系数，k为大于1的自然数；针对磨机出口温度信号出数据的预处理为，在模拟量采集模块设置平均值滤波64点；针对磨机入口负压信号数据的预处理为，在模拟量采集模块设置平均值滤波128点，根据信号波动量大小，设置滑动平均滤波或一阶惯性滤波，其中一阶惯性滤波公式为：

y(k)＝αx(k)+(1-α)y(k-1)

式中，y(k)为本次最终结果，y(k-1)为上次最终结果，x(k)为本次实时测量值，α为滤波系数，k为大于1的自然数。

通过对现场记录数据进行序列模式挖掘过程，自动获得磨机负荷l、磨机出口温度ot、磨机入口负压inp、热风门开度u_h、在循环风门开度u_r、磨机出力pc、磨机负荷设定值l_sv、磨机出口温度设定值ot_sv和磨机入口负压设定值inp_sv之间的序列模式，并在当前运行数据与得到的序列模式的基础上，采用逐项搜索方法确定出当前工况下磨机负荷、磨机出口温度和磨机入口负压的最佳设定值，该方法通过序列模式挖掘过程得到运行参数相关的模糊序列模式，并在此基础上通过逐项搜索方法确定出当前工况下运行参数的最佳设定值，其中，采用改进模糊序列支持度和模糊序列置信度确保了挖掘结果的正确性，采用滑动时间窗技术保证了所得模糊序列模式的完备性，这样简便易行且通用性好，并使得制粉系统在安全稳定的前提下一直在最佳方式下运行，这样不仅为锅炉系统的优质燃烧提供了有效保证，而且能够提高火电厂的经济效益。

具体实施方式

下面结合实施例对本发明作更详细的说明。

基于序列模式挖掘的火电厂球磨机制粉系统节能优化方法，步骤如下：

步骤1：首先火电厂球磨机制粉系统调用序列模式挖掘生成模块构建序列模式挖掘数据库D，随后火电厂球磨机制粉系统通过

表达式对其存储器内的现场历史数据库中的可变存储单元的值进行转化，转化后再将可变存储单元中记录的磨机负荷l、磨机出口温度ot、磨机入口负压inp、热风门开度u_h、在循环风门开度u_r、磨机出力pc、磨机负荷设定值l_sv、磨机出口温度设定值ot_sv和磨机入口负压设定值inp_sv按照预设的相同时间间隔且一次形成一条记录的模式同时被写入序列模式挖掘数据库D内的可变存储单元中，每一条记录看作一个对象，如果将每个可变存储单元的值看作是数据库的维，则序列模式挖掘数据库D是个9维数据库，另外序列模式挖掘数据库D内的磨机负荷l、磨机出口温度ot、磨机入口负压inp、热风门开度u_h以及在循环风门开度u_r所组成的集合{l，ot，inp，u_h，u_r}是前件集合，而序列模式挖掘数据库D内的磨机出力pc、磨机负荷设定值l_sv、磨机出口温度设定值ot_sv和磨机入口负压设定值所组成的集合{pc，l_sv，ot_sv，inp_sv}是后件集合，磨机负荷l、磨机出口温度ot、磨机入口负压inp、热风门开度u_h、在循环风门开度u_r、磨机出力pc、磨机负荷设定值l_sv、磨机出口温度设定值ot_sv和磨机入口负压设定值inp_sv的值域为[0，1]；

步骤2：火电厂球磨机制粉系统通过序列模块将序列模式挖掘数据库D序列化并得到其相邻两个对象分别在磨机负荷l、磨机出口温度ot、磨机入口负压inp、热风门开度u_h以及在循环风门开度u_r的值的差，即磨机负荷变化值Δl、磨机出口温度变化值Δot、磨机入口负压变化值Δinp、热风门开度变化值Δu_h和循环风门开度变化值Δu_r，由此得到序列化数据库为D^*，即

D^*＝{l，ot，np，u_h，u_r，Δl，Δot，Δinp，Δu_h，Δu_r，pc，l_sv，ot_sv，inp_sv}

以及扩展前件集合为{l，ot，np，u_h，u_r，Δl，Δot，Δinp，Δu_h，Δu_r}，磨机负荷变化值Δl、磨机出口温度变化值Δot、磨机入口负压变化值Δinp、热风门开度变化值Δu_h和循环风门开度变化值Δu_r的值域为[-1，1]；

步骤3：火电厂球磨机制粉系统设定磨机负荷l、磨机出口温度ot、磨机入口负压inp、热风门开度u_h、在循环风门开度u_r、磨机出力pc、磨机负荷设定值l_sv、磨机出口温度设定值ot_sv和磨机入口负压设定值inp_sv的语言变量分别为L、OT、INP、U_h、U_r、PC、L_sv、OT_sv和INP_sv，语言变量L、OT、INP、U_h、U_r、PC、L_sv、OT_sv和INP_sv的论域选择为[0，1]，语言变量L、OT、INP、U_h、U_r、PC、L_sv、OT_sv和INP_sv的语言值均为{S，RS，M，RB，B}，S、RS、M、RB和B分别代表低、较低、中等、较高和高，磨机负荷变化值Δl、磨机出口温度变化值Δot、磨机入口负压变化值Δinp、热风门开度变化值Δu_h和循环风门开度变化值Δu_r的语言变量分别为ΔL、ΔOT、ΔINP、ΔU_h和ΔU_r，ΔL、ΔOT、ΔINP、ΔU_h和ΔU_r的论域选择也为[-1，1]，而ΔL、ΔOT、ΔINP、ΔU_h和ΔU_r的语言值均选择{NB，NS，ZO，PS，PB}，NB、NS、ZO、PS和PB分别代表负大、负小、零、正小和正大；

步骤4：火电厂球磨机制粉系统按照语言变量L的语言值，将序列化数据库D^*的维l扩展成维l^S维l^RS、维l^M、维l^RB和维l^B，并称维l^S维l^RS、维l^M、维l^RB和维l^B为维l的扩展维。接着，根据维l的隶属度函数和序列化数据库D^*中每个对象在维l的值，确定每个对象在维l^S维l^RS、维l^M、维l^RB和维l^B的隶属度值，语言变量L、OT、INP、U_h、U_r、PC、L_sv、OT_sv和INP_sv采用相同的论域为[0，1]的等腰三角形隶属度函数，ΔL、ΔOT、ΔINP、ΔU_h和ΔU_r采用相同的论域为[-1，1]的等腰三角形隶属度函数。采用同样的方法，对D^*中其它维进行扩展，并确定每个对象在这些扩展维上的隶属度值，扩展后的数据库为D′；

步骤5：火电厂球磨机制粉系统使用滑动时间窗口的方法，将扩展后数据库D′分割成M个子序列，其中第k个子序列DS_k可以表示为：

${\mathrm{DS}}_k=(d_{(k-1)w_g+1},d_{(k-1)w_g+2},L,d_{(k-1)w_g+w_s})$

其中，k∈{1，2，L，M}，d_j和j∈{(k-1)w_g+1，(k-1)w_g+2，L，(k-1)w_g+w_s}表示子序列DS_k中的一个对象，w_g为对象标示，w_s为对象维度幅值，M为大于1的自然数，k为小于等于M的自然数；

步骤6：火电厂球磨机制粉系统读取扩展后数据库D′分割后的第一个序列DS₁，并在DS₁中进行序列模式挖掘；

步骤7：火电厂球磨机制粉系统从扩展后数据库D′中维l的扩展维和维Δl的扩展维里分别选择一个维出来组合成一条候选序列模式前件CSPA，根据下式计算CSPA的模糊序列模式支持度SSup：

$\mathrm{SSup}\left(\mathrm{CSPA}\right)=\underset{j=1}{\overset{w_s}{\mathrm{\Σ}}}\left(\underset{x\∈\mathrm{CSPA}}{\mathrm{\Π}}\mathrm{\μ}\left(x^j\right)\right)$

式中，是DS₁中第j个对象关于候选序列模式前件CSPA中各元素隶属度值的积，w_s为对象维度幅值，如果SSup(CSPA)大于等于最小支持度阈值σ(sup)，该CSPA被称为强序列模式前件SSPA，遍历所有维DI的扩展维的组合，可得到关于维DI的强序列模式前件集SSPAS_l；

步骤8：火电厂球磨机制粉系统采用步骤7的方法，得到ot和Δot的强序列模式前件集SSPAS_ot，inp和Δinp的强序列模式前件集SSPAS_inp，u_h和Δu_h的强序列模式前件集

u_r和Δu_r的强序列模式前件集

步骤9：火电厂球磨机制粉系统分别从SSPAS_l、SSPAS_ot、SSPAS_inp、

和

中选择一个SSPA出来组合成一条候选联合序列模式前件CCSPA，若候选联合序列模式前件CCSPA的模糊序列模式支持度SSup(CCSPA)≥σ(sup)，则该候选联合序列模式前件CCSPA被称为强联合序列模式前件SCSPA，遍历所有SSPAS_l、SSPAS_ot、SSPAS_inp、

和

中SSPA的组合，可以得到强联合序列模式前件集SCSPAS；

步骤10：火电厂球磨机制粉系统分别从磨机出力pc、磨机负荷设定值l_sv、磨机出口温度设定值ot_sv和磨机入口负压设定值inp_sv的各自扩展维中选择一个维出来组合成一条联合候选序列模式后件CCSPC，若SSup(CCSPC)≥σ(sup)，则该CCSPC被称为强联合序列模式后件SCSPC，遍历所有磨机出力pc、磨机负荷设定值l_sv、磨机出口温度设定值ot_sv和磨机入口负压设定值inp_sv的扩展维的组合，可以得到磨机出力pc、磨机负荷设定值l_sv、磨机出口温度设定值ot_sv和磨机入口负压设定值inp_sv的的强联合序列模式后件集SCSPCS；

步骤11：火电厂球磨机制粉系统从强序列模式前件集SCSPAS中选择出的一个候选联合序列模式前件CCSPA和从强联合序列模式后件集SCSPCS中选择出的一个联合候选序列模式后件CCSPC组合，形成的序列模式被称作候选子序列模式CSSP，将选择出的候选联合序列模式前件CCSPA和联合候选序列模式后件CCSPC分别用A和B表示，则根据下式计算CSSP的模糊序列模式置信度SConf：

$\mathrm{SConf}\left(\mathrm{CSSP}\right)=\frac{\underset{j=1}{\overset{w_s}{\mathrm{\Σ}}}(\underset{x\∈A}{\mathrm{\Π}}\mathrm{\μ}\left(x^j\right)\×\underset{y\∈B}{\mathrm{\Π}}\mathrm{\μ}\left(y^j\right))}{\underset{j=1}{\overset{w_s}{\mathrm{\Σ}}}\left(\underset{x\∈A}{\mathrm{\Π}}\mathrm{\μ}\left(x^j\right)\right)}$

式中：

是DS₁中第j个对象关于A中各元素的隶属度值的积，

是DS₁中第j个对象关于B中各元素的隶属度值的积，如果模糊序列模式置信度SConf(CSSP)大于等于最小置信度阈值(σ(conf))，该CSSP被称为强子序列模式SSSP，遍历所有强序列模式前件集SCSPAS中候选联合序列模式前件CCSPA和强联合序列模式后件集SCSPCS中联合候选序列模式后件CCSPC的组合，可得到子序列DS₁的强子序列模式集SSSPS；

步骤12：火电厂球磨机制粉系统滑动时间窗口，读取下一子序列DS_k，下一子序列DS_k替代DS₁重复执行步骤7～步骤11，得到的一组DS_k的强子序列模式集，将这些强子序列模式与已有的强子序列模式进行比较后，相同的删除而不同的则保留；

步骤13：火电厂球磨机制粉系统判断如果所有的子序列DS_k已经读取，则进行下一步骤；否则，跳转到步骤12执行；

步骤14：火电厂球磨机制粉系统合并所有子序列DS_k的强子序列模式集SSSPS，得到如表1所述的数据库D的模糊序列模式集MFSP，并将模糊序列模式集MFSP输出；

表1

步骤15：火电厂球磨机制粉系统通过测量模块测量当前工况下的磨机负荷l、磨机出口温度ot、磨机入口负压inp、热风门开度u_h、在循环风门开度u_r的运行值且分别由l′、ot′、inp′、u′_h和u′_r来表征；

步骤16：火电厂球磨机制粉系统根据所述的论域选择为[0，1]的等腰三角形隶属度函数将l′、ot′、inp′、u′_h和u′_r模糊化，且由它们对应的语言值所有组合形成初始前件集ICS，其初始前件为{L′，OT′，INP′，U′_h，U′_r}，其中L′、OT′、INP′、U′_h和U′_r分别为l′、ot′、inp′、u′_h和u′_r的语言值；

步骤17：火电厂球磨机制粉系统搜索模糊序列模式集MFSP，得到初始序列模式ISP，其中初始序列模式ISP满足初始序列模式

步骤18：初始序列模式ISP中，磨机负荷变化值Δl、磨机出口温度变化值Δot、磨机入口负压变化值Δinp对应的语言值是ΔL′、ΔOT′和ΔINP′，火电厂球磨机制粉系统根据所述的论域选择为[-1，1]的等腰三角形隶属度函数将ΔL′、ΔOT′和ΔINP′去模糊化，且分别变化到各自值域范围得到Δl′、Δot′和Δinp′，令l_T，ot_T和inp_T为磨机负荷l、磨机出口温度ot、磨机入口负压inp的临时设定值，则l_T＝(l′+Δl′)、ot_T＝(ot′+Δot′)且inp_T＝(inp′+Δinp′)；

步骤19：火电厂球磨机制粉系统根据l_T，ot_T和inp_T分别调整给煤量、热风门开度和在循环风开度；并通过火电厂球磨机制粉系统的自动控制模块将l、ot和inp的设定值调整到l_T、ot_T和inp_T；

步骤20：当火电厂球磨机制粉系统进入新的稳态后，导出磨机出力pc的改变量，如果磨机出力pc增大，则计算当前热风门开度u_h和在循环风门开度u_r各自对应的变化量Δu′_h和Δu′_r，并根据所述的论域选择为[-1，1]的等腰三角形隶属度函数将变化量Δu′_h和Δu′_r模糊化后得到各自对应的语言值ΔU′_h和ΔU′_r；

步骤21：火电厂球磨机制粉系统搜索模糊序列模式集MFSP，得到候选序列模式CSP并记录在目标序列模式集TSPS中，其中候选序列模式CSP满足候选序列模式 $\mathrm{CSP}\⊃\{L^{\′},{\mathrm{OT}}^{\′},{\mathrm{INP}}^{\′},U_h^{\′},U_r^{\′},{\mathrm{\ΔU}}_h^{\′},{\mathrm{\ΔU}}_r^{\′}\};$

步骤22：火电厂球磨机制粉系统搜索模糊序列模式集MFSP得到另一个初始序列模式ISP，且重复步骤18～步骤21后得到另一个候选序列模式CSP；

步骤23：火电厂球磨机制粉系统如果没有搜索到新的初始序列模式ISP，则进入下一步骤；否则，跳转到步骤22；

步骤24：火电厂球磨机制粉系统如果已经遍历了所有的初始序列模式ISP，则进行下一步骤；否则，跳转到步骤21；

步骤25：火电厂球磨机制粉系统判断若目标序列模式集

则说明球磨机制粉系统在当前工况下已经基本处于最佳运行状态；若

根据上述l、ot、inp、u_h和u_r的运行值，分别为78.2％、102.7℃、-549.4Pa、45％和30％，则对应的语言值组合形成两个初始前件集{RB，RS，M，M，RS}和{B，M，RB，RS，M}；再根据得到的TSPS包括两条模糊序列模式：{RB，RS，M，M，RS，PS，NS，ZO，NS，PS，RB，B，RS，RB}和{B，M，RB，RS，M，ZO，ZO，NS，ZO，NS，M，RB，M，M}，则将L_sv、OT_sv和INP_sv对应的语言值使用重心法去模糊化且变化到各自值域范围得到磨机负荷设定值l_sv、磨机出口温度设定值ot_sv和磨机入口负压设定值inp_sv，这样得到的磨机负荷设定值l_sv、磨机出口温度设定值ot_sv和磨机入口负压设定值inp_sv就是当前工况下球磨机制粉系统的磨机负荷、磨机出口温度和磨机入口负压的最佳设定值。

步骤26：根据所述的最佳设定值，提供给火电厂球磨机制粉系统的控制器进行设置，可使火电厂球磨机制粉系统一直在最佳方式下运行。

所述的火电厂球磨机制粉系统采用PLC或者控制模块和工控机组成的DCS系统。

所述的DCS系统利用模拟量采集模块采集信号数据时进行预处理，针对磨机负荷信号数据的预处理为，在模拟量采集模块设置平均值滤波128点，采集速率为500ms以上，并对该磨机负荷信号数据设置一阶惯性滤波，一阶惯性滤波公式为：

y(k)＝αx(k)+(1-α)y(k-1)

式中，y(k)为本次最终结果，y(k-1)为上次最终结果，x(k)为本次实时测量值，α为滤波系数，k为大于1的自然数；针对磨机出口温度信号出数据的预处理为，在模拟量采集模块设置平均值滤波64点；针对磨机入口负压信号数据的预处理为，在模拟量采集模块设置平均值滤波128点，根据信号波动量大小，设置滑动平均滤波或一阶惯性滤波，其中一阶惯性滤波公式为：

y(k)＝αx(k)+(1-α)y(k-1)

式中，y(k)为本次最终结果，y(k-1)为上次最终结果，x(k)为本次实时测量值，α为滤波系数，k为大于1的自然数。

Claims (3)

1.一种基于序列模式挖掘的火电厂球磨机制粉系统节能优化方法，其特征在于，步骤如下：

步骤1：首先火电厂球磨机制粉系统利用模拟量采集模块采集信号数据构成现场历史数据库，再调用序列模式挖掘生成模块构建序列模式挖掘数据库D，随后火电厂球磨机制粉系统通过表达式对其存储器内的现场历史数据库中的可变存储单元的值进行转化，转化后再将可变存储单元中记录的热风门开度u_h、在循环风门开度u_r、磨机出力pc、磨机负荷设定值l_sv、磨机出口温度设定值ot_sv和磨机入口负压设定值inp_sv按照预设的相同时间间隔且一次形成一条记录的模式同时被写入序列模式挖掘数据库D内的可变存储单元中，每一条记录看作一个对象，如果将每个可变存储单元的值看作是数据库的维，则序列模式挖掘数据库D是个9维数据库，另外序列模式挖掘数据库D内的磨机负荷l、磨机出口温度ot、磨机入口负压inp、热风门开度u_h以及在循环风门开度u_r所组成的集合{l,ot,inp,u_h,u_r}是前件集合，而序列模式挖掘数据库D内的磨机出力pc、磨机负荷设定值l_sv、磨机出口温度设定值ot_sv和磨机入口负压设定值所组成的集合{pc,l_sv,ot_sv,inp_sv}是后件集合，磨机负荷l、磨机出口温度ot、磨机入口负压inp、热风门开度u_h、在循环风门开度u_r、磨机出力pc、磨机负荷设定值l_sv、磨机出口温度设定值ot_sv和磨机入口负压设定值inp_sv的值域为[0,1]；

步骤2：火电厂球磨机制粉系统通过序列模块将序列模式挖掘数据库D序列化并得到其相邻两个对象分别在磨机负荷l、磨机出口温度ot、磨机入口负压inp、热风门开度u_h以及在循环风门开度u_r的值的差，即磨机负荷变化值Δl、磨机出口温度变化值Δot、磨机入口负压变化值Δinp、热风门开度变化值Δu_h和循环风门开度变化值Δu_r，由此得到序列化数据库为D^*，即

D^*＝{l,ot,np,u_h,u_r,Δl,Δot,Δinp,Δu_h,Δu_r,pc,l_sv,ot_sv,inp_sv}

以及扩展前件集合为{l,ot,np,u_h,u_r,Δl,Δot,Δinp,Δu_h,Δu_r}，磨机负荷变化值Δl、磨机出口温度变化值Δot、磨机入口负压变化值Δinp、热风门开度变化值Δu_h和循环风门开度变化值Δu_r的值域为[-1,1]；

步骤3：火电厂球磨机制粉系统设定磨机负荷l、磨机出口温度ot、磨机入口负压inp、热风门开度u_h、在循环风门开度u_r、磨机出力pc、磨机负荷设定值l_sv、磨机出口温度设定值ot_sv和磨机入口负压设定值inp_sv的语言变量分别为L、OT、INP、U_h、U_r、PC、L_sv、OT_sv和INP_sv，语言变量L、OT、INP、U_h、U_r、PC、L_sv、OT_sv和INP_sv的论域选择为[0,1]，语言变量L、OT、INP、U_h、U_r、PC、L_sv、OT_sv和INP_sv的语言值均为{S，RS，M，RB，B}，S、RS、M、RB和B分别代表低、较低、中等、较高和高，磨机负荷变化值Δl、磨机出口温度变化值Δot、磨机入口负压变化值Δinp、热风门开度变化值Δu_h和循环风门开度变化值Δu_r的语言变量分别为ΔL、ΔOT、ΔINP、ΔU_h和ΔU_r，ΔL、ΔOT、ΔINP、ΔU_h和ΔU_r的论域选择也为[-1,1]，而ΔL、ΔOT、ΔINP、ΔU_h和ΔU_r的语言值均选择{NB，NS，ZO，PS，PB}，NB、NS、ZO、PS和PB分别代表负大、负小、零、正小和正大；

步骤4：火电厂球磨机制粉系统按照语言变量L的语言值，将序列化数据库D^*的维l扩展成维l^S、维l^RS、维l^M、维l^RB和维l^B，并称维l^S、维l^RS、维l^M、维l^RB和维l^B为维l的扩展维；接着，根据维l的隶属度函数和序列化数据库D^*中每个对象在维l的值，确定每个对象在维l^S、维l^RS、维l^M、维l^RB和维l^B的隶属度值，语言变量L、OT、INP、U_h、U_r、PC、L_sv、OT_sv和INP_sv采用相同的论域为[0,1]的等腰三角形隶属度函数，ΔL、ΔOT、ΔINP、ΔU_h和ΔU_r采用相同的论域为[-1,1]的等腰三角形隶属度函数；采用同样的方法，对D^*中其它维进行扩展，并确定每个对象在这些扩展维上的隶属度值，扩展后的数据库为D′；

步骤5：火电厂球磨机制粉系统使用滑动时间窗口的方法，将扩展后数据库D'分割成M个子序列，其中第k个子序列DS_k表示为：

${\mathrm{DS}}_k=(d_{(k-1)w_g+1},d_{(k-1)w_g+2},\·\·\·,d_{(k-1)w_g+w_s})$

其中，k∈{1,2,…,M}，d_j和j∈{(k-1)w_g+1,(k-1)w_g+2,…,(k-1)w_g+w_s}表示子序列DS_k中的一个对象，w_g为对象标示，w_s为对象维度幅值，M为大于1的自然数，k为小于等于M的自然数；

步骤6：火电厂球磨机制粉系统读取扩展后数据库D′分割后的第一个序列DS₁，并在DS₁中进行序列模式挖掘；

步骤7：火电厂球磨机制粉系统从扩展后数据库D′中维l的扩展维和维Δl的扩展维里分别选择一个维出来组合成一条候选序列模式前件CSPA，根据下式计算CSPA的模糊序列模式支持度SSup：

$\mathrm{SSup}\left(\mathrm{CSPA}\right)=\underset{j=1}{\overset{w_s}{\mathrm{\Σ}}}\left(\underset{x\∈\mathrm{CSPA}}{\mathrm{\Π}}\mathrm{\μ}\left(x^j\right)\right)$

式中，

是DS₁中第j个对象关于候选序列模式前件CSPA中各元素隶属度值的积，w_s为对象维度幅值，如果SSup(CSPA)大于等于最小支持度阈值σ(sup)，该CSPA被称为强序列模式前件SSPA，遍历所有维DI的扩展维的组合，可得到关于维DI的强序列模式前件集SSPAS_l；

步骤8：火电厂球磨机制粉系统采用步骤7的方法，得到ot和Δot的强序列模式前件集SSPAS_ot，inp和Δinp的强序列模式前件集SSPAS_inp，u_h和Δu_h的强序列模式前件集u_r和Δu_r的强序列模式前件集

步骤9：火电厂球磨机制粉系统分别从SSPAS_l、SSPAS_ot、SSPAS_inp、

和

中选择一个SSPA出来组合成一条候选联合序列模式前件CCSPA，若候选联合序列模式前件CCSPA的模糊序列模式支持度SSup(CCSPA)≥σ(sup)，则该候选联合序列模式前件CCSPA被称为强联合序列模式前件SCSPA，遍历所有SSPAS_l、SSPAS_ot、SSPAS_inp、

和

中SSPA的组合，可以得到强联合序列模式前件集SCSPAS；

步骤10：火电厂球磨机制粉系统分别从磨机出力pc、磨机负荷设定值l_sv、磨机出口温度设定值ot_sv和磨机入口负压设定值inp_sv的各自扩展维中选择一个维出来组合成一条联合候选序列模式后件CCSPC，若SSup(CCSPC)≥σ(sup)，则该CCSPC被称为强联合序列模式后件SCSPC，遍历所有磨机出力pc、磨机负荷设定值l_sv、磨机出口温度设定值ot_sv和磨机入口负压设定值inp_sv的扩展维的组合，可以得到磨机出力pc、磨机负荷设定值l_sv、磨机出口温度设定值ot_sv和磨机入口负压设定值inp_sv的强联合序列模式后件集SCSPCS；

步骤11：火电厂球磨机制粉系统从强序列模式前件集SCSPAS中选择出的一个候选联合序列模式前件CCSPA和从强联合序列模式后件集SCSPCS中选择出的一个联合候选序列模式后件CCSPC组合，形成的序列模式被称作候选子序列模式CSSP，将选择出的候选联合序列模式前件CCSPA和联合候选序列模式后件CCSPC分别用A和B表示，则根据下式计算CSSP的模糊序列模式置信度SConf：

$\mathrm{SConf}\left(\mathrm{CSSP}\right)=\frac{\underset{j=1}{\overset{w_s}{\mathrm{\Σ}}}(\underset{x\∈A}{\mathrm{\Π}}\mathrm{\μ}\left(x^j\right)\×\underset{y\∈B}{\mathrm{\Π}}\mathrm{\μ}\left(y^j\right))}{\underset{j=1}{\overset{w_s}{\mathrm{\Σ}}}\left(\underset{x\∈A}{\mathrm{\Π}}\mathrm{\μ}\left(x^j\right)\right)}$

式中：

是DS₁中第j个对象关于A中各元素的隶属度值的积，

是DS₁中第j个对象关于B中各元素的隶属度值的积，如果模糊序列模式置信度SConf(CSSP)大于等于最小置信度阈值（σ(conf)），该CSSP被称为强子序列模式SSSP，遍历所有强序列模式前件集SCSPAS中候选联合序列模式前件CCSPA和强联合序列模式后件集SCSPCS中联合候选序列模式后件CCSPC的组合，可得到子序列DS₁的强子序列模式集SSSPS；

步骤12：火电厂球磨机制粉系统滑动时间窗口，读取下一子序列DS_k，下一子序列DS_k替代DS₁重复执行步骤7～步骤11，得到的一组DS_k的强子序列模式集，将这些强子序列模式与已有的强子序列模式进行比较后，相同的删除而不同的则保留；

步骤13：火电厂球磨机制粉系统判断如果所有的子序列DS_k已经读取，则进行下一步骤；否则，跳转到步骤12执行；

步骤14：火电厂球磨机制粉系统合并所有子序列DS_k的强子序列模式集SSSPS，得到数据库D的模糊序列模式集MFSP并输出；

步骤15：火电厂球磨机制粉系统通过测量模块测量当前工况下的磨机负荷l、磨机出口温度ot、磨机入口负压inp、热风门开度u_h、在循环风门开度u_r的运行值且分别由l′、ot'、inp'、u′_h和u′_r来表征；

步骤16：火电厂球磨机制粉系统根据所述的论域选择为[0,1]的等腰三角形隶属度函数将l′、ot'、inp'、u′_h和u′_r模糊化，且由它们对应的语言值组合形成初始前件集ICS，其初始前件为{L′,OT′,INP',U′_h,U′_r}，其中L′、OT′、INP′、U′_h和U′_r分别为l′、ot'、inp'、u′_h和u′_r的语言值；

步骤17：火电厂球磨机制粉系统搜索模糊序列模式集MFSP，得到初始序列模式ISP，其中初始序列模式ISP满足初始序列模式

步骤18：初始序列模式ISP中，磨机负荷变化值Δl、磨机出口温度变化值Δot、磨机入口负压变化值Δinp对应的语言值是ΔL′、ΔOT′和ΔINP′，火电厂球磨机制粉系统根据所述的论域选择为[-1,1]的等腰三角形隶属度函数将ΔL′、ΔOT′和ΔINP′去模糊化，且分别变化到各自值域范围得到Δl′、Δot′和Δinp′，令l_T,ot_T和inp_T为磨机负荷l、磨机出口温度ot、磨机入口负压inp的临时设定值，则l_T＝(l′+Δl′)、ot_T=(ot'+Δot')且inp_T=(inp'+Δinp')；

步骤19：火电厂球磨机制粉系统根据l_T,ot_T和inp_T分别调整给煤量、热风门开度和在循环风开度；并通过火电厂球磨机制粉系统的自动控制模块将l、ot和inp的设定值调整到l_T、ot_T和inp_T；

步骤20：当火电厂球磨机制粉系统进入新的稳态后，导出磨机出力pc的改变量，如果磨机出力pc增大，则计算当前热风门开度u_h和在循环风门开度u_r各自对应的变化量Δu′_h和Δu′_r，并根据所述的论域选择为[-1,1]的等腰三角形隶属度函数将变化量Δu′_h和Δu′_r模糊化后得到各自对应的语言值ΔU′_h和ΔU′_r；

步骤21：火电厂球磨机制粉系统搜索模糊序列模式集MFSP，得到候选序列模式CSP并记录在目标序列模式集TSPS中，其中候选序列模式CSP满足候选序列模式 $\mathrm{CSP}\⊃\{L^{\′},{\mathrm{OT}}^{\′},{\mathrm{INP}}^{\′},U_h^{\′},U_r^{\′},\mathrm{\Δ}{U}_h^{\′},\mathrm{\Δ}{U}_r^{\′}\};$

步骤22：火电厂球磨机制粉系统搜索模糊序列模式集MFSP得到另一个初始序列模式ISP，且重复步骤18～步骤21后得到另一个候选序列模式CSP；

步骤23：火电厂球磨机制粉系统如果没有搜索到新的初始序列模式ISP，则进入下一步骤；否则，跳转到步骤22；

步骤24：火电厂球磨机制粉系统如果已经遍历了所有的初始序列模式ISP，则进行下一步骤；否则，跳转到步骤21；

步骤25：火电厂球磨机制粉系统判断若目标序列模式集

则说明球磨机制粉系统在当前工况下已经基本处于最佳运行状态；若

则将L_sv、OT_sv和INP_sv去模糊化且变化到各自值域范围得到磨机负荷设定值l_sv、磨机出口温度设定值ot_sv和磨机入口负压设定值inp_sv，这样得到的磨机负荷设定值l_sv、磨机出口温度设定值ot_sv和磨机入口负压设定值inp_sv就是当前工况下球磨机制粉系统的磨机负荷、磨机出口温度和磨机入口负压的最佳设定值；

步骤26：根据所述的最佳设定值，提供给火电厂球磨机制粉系统的控制器进行设置，可使火电厂球磨机制粉系统一直在最佳方式下运行。

2.根据权利要求1所述的基于序列模式挖掘的火电厂球磨机制粉系统节能优化方法，其特征在于：所述的火电厂球磨机制粉系统采用PLC或者控制模块和工控机组成的DCS系统。

3.根据权利要求2所述的基于序列模式挖掘的火电厂球磨机制粉系统节能优化方法，其特征在于:所述的DCS系统利用模拟量采集模块采集信号数据时进行预处理，针对磨机负荷信号数据的预处理为,在模拟量采集模块设置平均值滤波128点，采集速率为500ms以上，并对该磨机负荷信号数据设置一阶惯性滤波，一阶惯性滤波公式为：

y(k)=αx(k)+(1-α)y(k-1)

式中，y(k)为本次最终结果，y(k-1)为上次最终结果，x(k)为本次实时测量值，α为滤波系数，k为大于1的自然数；针对磨机出口温度信号数据的预处理为，在模拟量采集模块设置平均值滤波64点；针对磨机入口负压信号数据的预处理为,在模拟量采集模块设置平均值滤波128点，根据信号波动量大小，设置滑动平均滤波或一阶惯性滤波，其中一阶惯性滤波公式为：

y(k)=αx(k)+(1-α)y(k-1)

式中，y(k)为本次最终结果，y(k-1)为上次最终结果，x(k)为本次实时测量值，α为滤波系数，k为大于1的自然数。