CN105868165B - 一种电站锅炉运行数据清洗方法 - Google Patents
一种电站锅炉运行数据清洗方法 Download PDFInfo
- Publication number
- CN105868165B CN105868165B CN201610238786.XA CN201610238786A CN105868165B CN 105868165 B CN105868165 B CN 105868165B CN 201610238786 A CN201610238786 A CN 201610238786A CN 105868165 B CN105868165 B CN 105868165B
- Authority
- CN
- China
- Prior art keywords
- stable state
- data
- operation data
- station boiler
- matrix
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000004140 cleaning Methods 0.000 title claims abstract description 20
- 239000011159 matrix material Substances 0.000 claims description 24
- 241001269238 Data Species 0.000 claims description 6
- 238000002485 combustion reaction Methods 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims 1
- 239000004744 fabric Substances 0.000 claims 1
- 238000012216 screening Methods 0.000 description 5
- 230000004069 differentiation Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000005315 distribution function Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 239000002817 coal dust Substances 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000003500 flue dust Substances 0.000 description 1
- 239000003546 flue gas Substances 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000005619 thermoelectricity Effects 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Economics (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- Water Supply & Treatment (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Algebra (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Control Of Steam Boilers And Waste-Gas Boilers (AREA)
- Paper (AREA)
Abstract
本发明属于电站锅炉智能控制技术领域,并公开了一种电站锅炉运行数据清洗方法,包括以下步骤:定义稳态系数并采用人工引导的方式确定特征参数的稳态阈值,遍历数据计算各数据点稳态系数及稳态权重系数,根据稳态权重系数确定各数据条的稳态性,剔除标记为非稳态及各稳态段开始的若干个数据,最后采用改进的置信空间对对稳态段内数据进行筛选,提高稀疏稳态内数据的可靠性。本发明针对电站锅炉运行数据特点而提出,具有较高的可靠性,操作简单,计算速度快。
Description
技术领域
本发明属于电站锅炉智能控制技术领域,更具体地,涉及一种电站锅炉运行数据清洗方法。
背景技术
以煤为主的能源结构直接决定了我国以火电为主导的电力结构,电站锅炉作为重要发电装备之一,由于系统复杂,涉及到多相流、湍流、燃烧、传热传质等多个理论难点,建立精确数学模型难度大,但拥有巨量历史运行数据。计算智能、大数据分析技术的发展为巨量历史数据深度挖掘提供了手段,使得基于运行数据建立锅炉燃烧预测模型、实现智能控制成为可能,但在巨量历史运行数据前处理方面仍存在难点。
电站锅炉运行是一个动态变化过程,尤其是我国火电机组承担着繁重的调峰任务,当机组运行参数(如负荷、各风门开度、燃烧器摆角等等)大幅调整时,炉内空气动力场会发生较大的变化,影响煤粉燃尽及氮氧化物的生成,使机组性能异于常规稳态运行工况。视调整幅度大小而定,通常这种非稳态会持续10-30分钟。期间对应的运行数据不能准确反映机组的正常情况,利用这些数据建模或者进行规则挖掘会影响模型的精度、获得不合理的规则。因此对基于历史运行数据的燃烧优化建模工作而言,稳态工况数据提取是很有必要的。目前大部分相关研究中稳态检测环节没有得到重视,部分学者提出了稳态检测方法,但普适性不强,难以作为机组稳态提取的一般方法加以使用。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种电站锅炉运行数据清洗方法,通过模拟人工筛选稳态工况,逐点遍历,沿时间维度滑动,判别各数据点是否处于某段稳态中。
为实现上述目的,按照本发明,提供了一种电站锅炉运行数据清洗方法,其特征在于,该方法包括以下步骤:
(1)将各个时刻电站锅炉的运行数据表述为矩阵形式,并且该矩阵X∈Rn×m,其中每一时刻的运行数据作为该矩阵的一行,则该矩阵具有n行运行数据,每行具有m个运行参数,然后从矩阵X中选取特征运行参数作为数据条稳态判别依据,定义稳态系数K=(xi+H,j+xi+H+1,j+…+xi+2H-1,j)-(xi,j+xi+1,j+…+xi+H-1,j),其中i=1,2,…,n-2H,1≤j≤m,2H为每次判别的点的数目;
(2)在特征运行参数Xj中取一段运行数据,沿时间方向求出序列上的稳态系数K,确定稳态阈值Kt;
(3)建立权重数组B=[b1,b2,…,bn]T=[0,0,…,0]T,其中权重数组B中0的位置按从上至下的顺序与特征运行参数Xj中各运行数据一一对应;
(4)遍历特征运行参数Xj,计算各运行数据的K值;其中当当前判别的2H个数据点的稳态系数即数据段处于非稳态时,则当前判别的这2H个数据点在权重数组B中对应位置的权重值加1,即[bi,bi+1,…,bi+2H-1]=[bi+1,bi+1+1,…,bi+2H-1+1],否则不进行操作;遍历完成后,权重数组B各项取值分布在离散点组成的集合{0,1,…,2H}内;再设置权重阈值Nt,其中0<Nt<1,当bi/2H≥Nt时,认为权重bi对应的数据点xi,j处于非稳态,将xi,j对应的行Xi=[xi1,xi2,…,xim]从矩阵X中剔除;
(5)对矩阵X中的需要进行稳态判别的特征运行参数,重复步骤(2)~(4);
(6)将矩阵X中剩余的多个连续段分别作为稳态段,剔除各个稳态段中的前C条数据,以此方式,对电站锅炉运行数据达到清洗目的。
优选地,步骤(6)中剔除各个稳态段中的前C条数据后,再根据设定的置信空间对各稳态段内的数据进行筛选,以剔除各稳态段内相对孤立的稳态点。
优选地,所述的置信空间为:
其中,为第j个特征参数的第k个稳态段的均值,Xkj为第j个特征参数的第k个稳态段内的数据集合,S(Xkj)为第j个特征参数的第k个稳态段的均值的标准差,Ni为当前稳态段包含数据点数目,∑Ni为稳态点总数目,norminv为返回指定平均值和标准偏差的正态累积分布函数的反函数。
优选地,15≤2H≤40。
优选地,15≤C≤30。
优选地,0.45≤Nt≤0.55。
优选地,步骤(5)中需要进行稳态判别的特征运行参数为锅炉控制型参数,所述控制型参数包括负荷、给煤量、燃烧器摆角、炉膛风箱差压、各燃烧器风门开度。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,能够取得下列有益效果:
1)本发明针对电站锅炉运行数据特点提出了数据清洗方法,该方法通过模拟人工稳态数据筛选的过程对数据进行清洗,具有较高的可靠性。
2)本发明提出的基于滑动判别的数据清洗方法,操作简单,计算速度快。
3)本发明提出了基于改进置信空间的稳态数据筛选,可剔除稳态中可能存在的数据坏点,提高稀疏稳态数据的可靠性。
附图说明
图1是基于滑动判别的电站锅炉运行数据清洗流程图;
图2a~图2c是滑动判别示意图;
图3a、图3b是改进随机抽样分布置信区间的稳态数据筛选示意图;
图4是基于滑动判别的电站锅炉运行数据清洗示例。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
参照图1,一种电站锅炉运行数据清洗方法,该方法包括以下步骤:
(1)将各个时刻的运行数据表述为矩阵形式,并且该矩阵X∈Rn×m,其中每分钟的运行数据作为该矩阵的一行,则该矩阵具有n行数据对应总共n分钟的运行数据,每行具有m个运行参数(如负荷、给煤量、燃烧器摆角等),然后从矩阵X中选取特征运行参数作为数据条稳态判别依据,定义稳态系数Ki,j=(xi+H,j+xi+H+1,j+…+xi+2H-1,j)-(xi,j+xi+1,j+…+xi+H-1,j),其中i=1,2,…,n-2H,1≤j≤m,2H为每次判别的点的数目;
(2)在特征运行参数Xj中取一段包含稳态及非稳态的运行数据,沿时间方向求出序列上的稳态系数K,判断稳态、非稳态的界限确定稳态阈值Kt,如图2所示,首先人工判别稳态、非稳态的界限,然后根据各点的K值即可确定该特征参数的稳态阈值Kt;
(3)建立权重数组B=[b1,b2,…,bn]T=[0,0,…,0]T,其中权重数组B中“0”的个数也是n个,并且“0”的位置按从上至下的顺序与特征运行参数Xj中各运行数据一一对应;
(4)遍历特征运行参数Xj,计算各运行数据的K值;其中当当前判别的2H个数据点的稳态系数即数据段中存在非稳态点,则当前判别的这2H个数据点在权重数组B中对应位置的权重值加1,即[bi,bi+1,…,bi+2H-1]=[bi+1,bi+1+1,…,bi+2H-1+1],否则不进行操作;遍历完成后,权重数组B各项取值分布在离散点组成的集合{0,1,…,2H}内;再设置权重阈值Nt,其中0<Nt<1,当bi/2H≥Nt时,认为权重bi对应的数据点xi,j处于非稳态,将xi,j对应的行Xi=[xi1,xi2,…,xim]从矩阵X中剔除;
(5)对矩阵X中的需要进行稳态判别的特征运行参数,重复步骤(2)~(4);
(6)将矩阵X中剩余的多个连续段分别作为稳态段,剔除各个稳态段中的前C条数据;譬如,如果xi,60、xi,120和xi,190所对应的行被X中剔除了,则xi,1~xi,59为一个连续段,xi,61~xi,119为一个连续段,xi,121~xi,189为一个连续段,以此类推;
(7)根据下式给出的置信空间对各稳态段内的数据进行筛选,以剔除各稳态段内相对孤立的稳态点,该置信空间为:
其中,为第j个特征参数的第k个稳态段的均值,Xkj为第j个特征参数的第k个稳态段内的数据集合,S(Xkj)为第j个特征参数的第k个稳态段的均值的标准差,Ni为当前稳态段包含数据点数目,∑Ni为稳态点总数目,norminv为返回指定平均值和标准偏差的正态累积分布函数的反函数,筛选结果示意如图3,对于持续时间较长的稳态采用较宽的置信区间,而对于持续时间较段的稳态采用较窄的置信区间,提高数据有效性。
进一步,所述每次判别点数目2H取值在15~40之间,这个取值可以提高数据清洗的准确性和速度。
进一步,所述剔除稳态段前C条数据,C取值在15~30之间,用于剔除由非稳态向稳态过渡数据,一般经过15~30分钟后锅炉燃烧会趋于稳定。
进一步,所述权重阈值Nt取值在0.45~0.55之间,这个取值可以保证在参数变动频繁时依然可以得到少量稳定数据,在参数变动较少时可以提高数据的可靠性。
进一步,所述需要进行稳态判别的特征运行参数为锅炉控制型参数,所述控制型参数包括但不限于负荷、给煤量、燃烧器摆角、炉膛风箱差压、各燃烧器风门开度。这些锅炉控制型参数对炉内燃烧的稳定性、炉膛出口烟气成分、飞灰含碳量、蒸汽参数都会产生影响。
参照图2a~图2c,对于情形(a)数据小幅度波动,将其判别为稳态,情形(b)数据小幅波动,但同时还有一个小幅变化,同样将其判别为稳态,情形(c)数据中间出现一个较大的变化,将数据分为三段,其中两段为稳态,中间为非稳态,根据数据权重可判断非稳态开始位置及结束位置;
参照图3a、图3b,其是改进随机抽样分布置信区间的稳态数据筛选示意图,其本质是根据稳态数据点数量决定置信区间宽度,提高数据的可靠性;
参照图4,其是对一段运行数据(负荷)进行数据清洗的结果,其中*表示清洗后标记为稳态的数据。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种电站锅炉运行数据清洗方法,其特征在于,该方法包括以下步骤:
(1)将各个时刻电站锅炉的运行数据表述为矩阵形式,并且该矩阵X∈Rn×m,其中每一时刻的运行数据作为该矩阵的一行,则该矩阵具有n行运行数据,每行具有m个运行参数,然后从矩阵X中选取特征运行参数作为数据条稳态判别依据,定义稳态系数K=(xi+H,j+xi+H+1,j+…+xi+2H-1,j)-(xi,j+xi+1,j+…+xi+H-1,j),其中i=1,2,…,n-2H,1≤j≤m,2H为每次判别的点的数目;
(2)在特征运行参数Xj中取一段运行数据,沿时间方向求出序列上的稳态系数K,确定稳态阈值Kt;
(3)建立权重数组B=[b1,b2,…,bn]T=[0,0,…,0]T,其中权重数组B中0的位置按从上至下的顺序与特征运行参数Xj中各运行数据一一对应;
(4)遍历特征运行参数Xj,计算各运行数据的K值;其中当当前判别的2H个数据点的稳态系数即数据段处于非稳态时,则当前判别的这2H个数据点在权重数组B中对应位置的权重值加1,即[bi,bi+1,…,bi+2H-1]=[bi+1,bi+1+1,…,bi+2H-1+1],否则不进行操作;遍历完成后,权重数组B各项取值分布在离散点组成的集合{0,1,…,2H}内;再设置权重阈值Nt,其中0<Nt<1,当bi/2H≥Nt时,认为权重bi对应的数据点xi,j处于非稳态,将xi,j对应的行Xi=[xi1,xi2,…,xim]从矩阵X中剔除;
(5)对矩阵X中的需要进行稳态判别的特征运行参数,重复步骤(2)~(4);
(6)将矩阵X中剩余的多个连续段分别作为稳态段,剔除各个稳态段中的前C条数据,以此方式,对电站锅炉运行数据达到清洗目的。
2.根据权利要求1所述的一种电站锅炉运行数据清洗方法,其特征在于,步骤(6)中剔除各个稳态段中的前C条数据后,再根据设定的置信空间对各稳态段内的数据进行筛选,以剔除各稳态段内相对孤立的稳态点。
3.根据权利要求2所述的一种电站锅炉运行数据清洗方法,其特征在于,所述的置信空间为:
其中,为第j个特征参数的第k个稳态段的均值,Xkj为第j个特征参数的第k个稳态段内的数据集合,S(Xkj)为第j个特征参数的第k个稳态段的均值的标准差,Ni为当前稳态段包含数据点数目,∑Ni为稳态点总数目,norminv为返回指定平均值和标准偏差的正态累积分布函数的反函数。
4.根据权利要求1所述的一种电站锅炉运行数据清洗方法,其特征在于,15≤2H≤40。
5.根据权利要求1所述一种电站锅炉运行数据清洗方法,其特征在于,15≤C≤30。
6.根据权利要求1所述的一种电站锅炉运行数据清洗方法,其特征在于,0.45≤Nt≤0.55。
7.根据权利要求1所述的一种电站锅炉运行数据清洗方法,其特征在于,步骤(5)中需要进行稳态判别的特征运行参数为锅炉控制型参数,所述控制型参数包括负荷、给煤量、燃烧器摆角、炉膛风箱差压、各燃烧器风门开度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610238786.XA CN105868165B (zh) | 2016-04-15 | 2016-04-15 | 一种电站锅炉运行数据清洗方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610238786.XA CN105868165B (zh) | 2016-04-15 | 2016-04-15 | 一种电站锅炉运行数据清洗方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105868165A CN105868165A (zh) | 2016-08-17 |
CN105868165B true CN105868165B (zh) | 2018-06-12 |
Family
ID=56633178
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610238786.XA Active CN105868165B (zh) | 2016-04-15 | 2016-04-15 | 一种电站锅炉运行数据清洗方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105868165B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106838872B (zh) * | 2017-01-13 | 2018-11-30 | 华中科技大学 | 一种余热锅炉汽水泄漏诊断的数据预处理方法 |
CN107291927B (zh) * | 2017-06-29 | 2019-11-05 | 同济大学 | 一种用于风电机组风速相关性分析的风速数据清洗方法 |
CN107909677B (zh) * | 2017-11-28 | 2020-08-07 | 中国船舶工业系统工程研究院 | 一种船舶机电设备运行数据稳定性提取及判别方法 |
CN111178576B (zh) * | 2019-11-19 | 2023-09-05 | 浙江中控技术股份有限公司 | 基于炼化装置运行数据的操作优化方法 |
CN112395744B (zh) * | 2020-10-29 | 2023-12-05 | 华能国际电力股份有限公司玉环电厂 | 一种面向火电厂的设备安全性在线评价方法及系统 |
CN113433819B (zh) * | 2021-06-09 | 2022-05-10 | 浙江中控技术股份有限公司 | 一种系统辨识方法和计算机设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101676900A (zh) * | 2008-09-18 | 2010-03-24 | 阿里巴巴集团控股有限公司 | 提高目标数据准确性的数据清洗方法及清洗系统 |
CN102135979A (zh) * | 2010-12-08 | 2011-07-27 | 华为技术有限公司 | 数据清洗方法及装置 |
CN102819682A (zh) * | 2012-08-02 | 2012-12-12 | 清华大学 | 一种多阈值空间相关的浮动车数据清洗和修复算法 |
CN104966161A (zh) * | 2015-06-16 | 2015-10-07 | 北京四方继保自动化股份有限公司 | 一种基于高斯混合模型的电能质量录波数据计算分析方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014041565A (ja) * | 2012-08-23 | 2014-03-06 | Nippon Telegr & Teleph Corp <Ntt> | 時系列データ解析装置、方法、及びプログラム |
-
2016
- 2016-04-15 CN CN201610238786.XA patent/CN105868165B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101676900A (zh) * | 2008-09-18 | 2010-03-24 | 阿里巴巴集团控股有限公司 | 提高目标数据准确性的数据清洗方法及清洗系统 |
CN102135979A (zh) * | 2010-12-08 | 2011-07-27 | 华为技术有限公司 | 数据清洗方法及装置 |
CN102819682A (zh) * | 2012-08-02 | 2012-12-12 | 清华大学 | 一种多阈值空间相关的浮动车数据清洗和修复算法 |
CN104966161A (zh) * | 2015-06-16 | 2015-10-07 | 北京四方继保自动化股份有限公司 | 一种基于高斯混合模型的电能质量录波数据计算分析方法 |
Non-Patent Citations (3)
Title |
---|
一种在线数据清洗方法;韩京宇 等;《应用科学学报》;20050531;第23卷(第3期);第292-296页 * |
基于数据挖掘的电站运行优化应用研究;李建强 等;《中国电机工程学报》;20061031;第26卷(第20期);第118-123页 * |
基于标签速度和滑动子窗口的RFID数据清洗算法;顾韵华 等;《计算机科学》;20150131;第42卷(第1期);第144-148页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105868165A (zh) | 2016-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105868165B (zh) | 一种电站锅炉运行数据清洗方法 | |
CN105974793B (zh) | 一种电站锅炉燃烧智能控制方法 | |
CN105864797B (zh) | 循环流化床生活垃圾焚烧锅炉入炉热值实时预测系统及方法 | |
CN106502092B (zh) | 一种采用改进混合粒子群算法的热工过程模型参数辨识方法 | |
CN107326137B (zh) | 高炉热风炉烧炉过程操作参数分时段多级匹配寻优方法 | |
CN109460708A (zh) | 一种基于生成对抗网络的林火图像样本生成方法 | |
CN106055520B (zh) | 循环流化床生活垃圾焚烧锅炉汽包水位的预测系统及方法 | |
CN106846305B (zh) | 一种基于火焰多图像特征的锅炉燃烧稳定性监测方法 | |
AU2019305721B2 (en) | Boiler coal saving control method | |
CN111144609A (zh) | 一种锅炉废气排放预测模型建立方法、预测方法及装置 | |
CN109145114B (zh) | 基于Kleinberg在线状态机的社交网络事件检测方法 | |
CN106224939A (zh) | 循环流化床生活垃圾焚烧锅炉床温预测方法及系统 | |
CN104715142B (zh) | 一种电站锅炉NOx排放动态软测量方法 | |
CN104881707B (zh) | 一种基于集成模型的烧结能耗预测方法 | |
CN111158239A (zh) | 基于关联规则算法与神经网络的制粉系统性能优化方法 | |
CN113674280A (zh) | 一种电站锅炉炉膛温度测量方法 | |
CN106778816B (zh) | 基于燃烧混合系数和模糊识别的燃烧稳定性判别方法 | |
CN103870878A (zh) | 一种电站锅炉燃烧特性神经网络模型 | |
CN112733900B (zh) | 一种基于深度迁移学习的锅炉燃烧状态稳定性判断方法 | |
CN109492816B (zh) | 一种基于混合智能的煤与瓦斯突出动态预测方法 | |
CN108664562B (zh) | 粒子群优化的文本特征选择方法 | |
CN113239612A (zh) | 一种锅炉燃烧状态诊断方法、系统及存储介质 | |
CN101613778B (zh) | 高炉料面温度场边缘温度的智能提取方法 | |
Tan et al. | Monitoring near burner slag deposition with a hybrid neural network system | |
Gao | Fast immunized evolutionary programming |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |