CN107818409A - 基于模糊关联规则的水泥生产参数及调节区间的优化方法 - Google Patents
基于模糊关联规则的水泥生产参数及调节区间的优化方法 Download PDFInfo
- Publication number
- CN107818409A CN107818409A CN201710990386.9A CN201710990386A CN107818409A CN 107818409 A CN107818409 A CN 107818409A CN 201710990386 A CN201710990386 A CN 201710990386A CN 107818409 A CN107818409 A CN 107818409A
- Authority
- CN
- China
- Prior art keywords
- mrow
- fuzzy
- parameter
- data
- manufacture
- 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.)
- Pending
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 42
- 239000004568 cement Substances 0.000 title claims abstract description 34
- 238000005457 optimization Methods 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000005065 mining Methods 0.000 claims abstract description 13
- 230000001105 regulatory effect Effects 0.000 claims description 14
- 239000003245 coal Substances 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 2
- 238000009826 distribution Methods 0.000 claims description 2
- 238000005265 energy consumption Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000010304 firing Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000005245 sintering Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Operations Research (AREA)
- Evolutionary Computation (AREA)
- Development Economics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于模糊关联规则的水泥生产参数及调节区间的优化方法,通过对历史数据库中的稳态数据进行关联规则挖掘,得到水泥生产系统稳态运行时参数间的强关联规则,利用关联规则确定水泥生产参数优化值及其调节区间。所述方法分为5个步骤:参数配置;数据采集及预处理;模糊集构建;模糊关联规则挖掘;参数优化值及其调节区间确定。本发明采用了动态确定最小支持度和最小置信度的方法,使得挖掘出的关联规则更为合理,该方法在火水泥生产过程节能优化控制技术领域内具有广泛的实用价值和应用前景。
Description
技术领域
本发明涉及数据分析和机器学习技术领域,尤其涉及一种基于模糊关联规则的水泥生产参数及其调节区间的优化方法。
背景技术
在我国经济社会可持续发展过程中,节能、减排是必须要面对的问题。我国是水泥生产大国,如何对水泥生产过程中的能耗进行有效的控制是节能减排的一个重要部分,提高水泥企业运行的经济性、环保性是实现我国能源可持续发展的必然选择。
水泥企业提高其经济性的一个重要手段就是通过运行优化控制,使系统的可调运行参数处于优化值,降低水泥烧制的煤耗率、电耗率等。当前水泥生产运行操作参数是靠操作员经验判断,并不是最优的操作参数,这样势必会在能源上造成一定的浪费。
现在很多水泥企业采集了大量水泥生产运行的历史数据,但这些数据并没有得到有效的利用。应用关联规则算法对历史数据进行挖掘,确定水泥生产运行参数及其调节区间,用于指导生产运行操作和决策,是一个很有实际意义和研究价值的问题,对水泥企业的节能、降耗也具有十分重要的意义。
发明内容
本发明目的在于提供一种基于模糊关联规则的水泥生产参数及调节区间的优化方法,通过对数据库中的水泥生产运行参数数据进行模糊关联规则挖掘,利用关联规则挖掘结果,以低能耗为目标确定水泥生产参数及其调节区间。
为实现上述目的,采用了以下技术方案:本发明所述方法步骤如下:
步骤1,参数配置:对挖掘算法的基本参数进行初始配置;
步骤2,数据采集及预处理:通过采集现场DCS保存的历史运行数据,筛选挖掘所需要的运行参数历史数据,并根据步骤1配置的数据跨度在时间维度上进一步进行数据筛选,得到原始数据集,对原始数据集进行数据预处理;
步骤3,模糊集构建:利用聚类算法,将清洗后的数据集中的数值属性转化为模糊属性;
所述聚类算法包括:K-means聚类算法,模糊C均值聚类算法等;
所述数值属性是指如“11.86”、“42.53”、“405”等数值类型的数据;
所述模糊属性是指如“低”、“中”、“高”等属性。
步骤4,模糊关联规则挖掘:对步骤3构建的模糊集,应用Apriori算法进行关联规则挖掘,根据最小支持度确定频繁项集,根据最小置信度确定强关联规则;最小支持度minsup和最小置信度minconf是根据调控因子动态确定的;
步骤5,参数优化值及其调节区间确定:分析强关联规则并将其应用到原始数据中,确定水泥生产运行参数优化值,根据统计学分布规律,确定参数调节区间;所确定水泥生产运行参数优化值及其调节区间为数值型,可直接用于指导生产操作和决策。
进一步的,步骤1中,参数包括:数据跨度、聚类个数、主运行参数、煤耗指标、电耗指标、调控因子;所述调控因子为控制强关联规则多少的常数,用于确定最小支持度和最小置信度,调控因子为1即最小支持度和最小置信度为0。
进一步的,步骤2中,所述数据清洗采用3σ准则进行,对异常值及缺失值采用直接剔除的处理方式。所述数据预处理,是指包括异常值处理、缺失值处理、数据清洗等数据预处理操作,是保证挖掘结果准确性的关键。
进一步的,步骤4中,所述模糊关联规则算法具体描述如下:
模糊关联规则是形式为的蕴涵式,X被称作模糊关联规则的前件,Y被称作模糊关联规则的后件;其中,X={x1,x2,…,xp},Y={yp+1,yp+2,…,yp+q}且,并且X∪Y中不包括来自同一属性的相关项;
对于任意的模糊属性集X={x1,x2,…,xp},第i条记录对X的模糊支持度定义如下:
式(1)中,是模糊属性xj在第i条记录上的值,j=1,2,…,p,x1,x2,…,xp对应原数据库D中的不同属性;
设D是一个事务数据库,对于任意模糊关联规则的模糊支持度和模糊置信度分别定义为:
式(2)中,Df是模糊事务数。
设调控因子为α,α∈[0,1],则定义动态索引index:
index=α*Df (4)
根据索引index及支持度和置信度排序,确定最小支持度minsup和最小置信度minconf。
本发明方法的操作过程大致如下:
首先配置历史数据时间跨度、聚类个数等挖掘参数,从历史数据库中提取水泥生产参数稳态运行数据,进行数据清洗操作,然后利用聚类算法对数据集进行聚类,完成挖掘前的数据准备。最后利用模糊关联规则挖掘算法对聚类后的数据进行挖掘,得到强关联规则,根据强关联规则,确定的较优水泥生产参数及其调节区间,用于指导水泥生产的优化运行。
本发明具有如下优点:
1、应用聚类算法构建模糊集,不依赖于专家定义,使得模型具有更好的适应性和鲁棒性。
2、引入调控因子,动态确定最小支持度和最小置信度,使得算法具有较高的适应性,当数据集发生较大变化时,无需人工干预,也能产生比较理想的挖掘结果。
3、给出的参数优化值及调节区间为数值类型,可直接用于指导生产运行操作和决策,进而达到节能降耗的目的。
附图说明
图1为本发明方法的结构框图。
图2为本发明实施例中模糊关联规则挖掘算法流程图。
具体实施方式
下面结合附图和实施例对本发明做进一步说明:
实施例1:本发明基于模糊关联规则的水泥生产参数及其调节区间的优化方法,应用于某水泥企业实际生产中,对该企业实际生产运行产生的历史数据进行分析挖掘。
参照图1,本发明包括如下步骤:
步骤1:参数配置
对挖掘算法的基本参数进行初始配置。本实施例中,数据跨度设置为3个月,即分析对象为该企业3个月的生产运行历史数据;聚类个数设置为3类;主运行参数设置为:高温风机转速反馈、EP风机转速反馈;煤耗指标设置为:窑头煤反馈、分解炉喂煤量反馈、喂料量反馈;电耗指标为:烧成系统耗电量;调控因子的值设置为0.7。
步骤2:数据采集及预处理
本发明提供的方法可一次性确定所有工况下的运行参数优化值及区间,本实施例仅以400吨/小时产量的工况为例进行说明。从某水泥企业生产数据库中采集该工况2017年6-8月3个月的历史数据,共28170组,剔除明显异常值及缺失值,共得到26818组,利用3σ准则对数据进行清洗,最后得到20728组稳态工况历史数据。
步骤3,模糊集构建
本实施例采用模糊C均值聚类算法,对数据进行聚类操作,聚类个数选用步骤1设置的3类,即“高”、“中”、“低”三类,分别用字母“H”,“M”,“L”表示,表1为主运行参数模糊C均值聚类结果。
表1主运行参数模糊C均值聚类结果
以窑头煤反馈为例,其3个聚类中心分别为11.25,11.44,11.61,取其任意5条原始数据如表2所示。
表2窑头煤反馈部分原始数据
表2数据对应的模糊化结果如表3所示。
表3表2中数据模糊化结果
步骤4,模糊关联规则挖掘
图2为本发明的模糊关联规则挖掘算法一种实施例的流程图。如图2所示,首先扫描模糊集D,生成频繁1项集,频繁1项集自连接,产生频繁2项集候选项集,根据调控因子α动态确定最小支持度与最小置信度,本实施例设置调控因子α=0.2,即支持度最高的前20%的规则的最低的支持度,确定为最小支持度minsup,最小置信度minconf确定方法同理。根据确定的最小支持度,产生频繁2项集,频繁2项集自连接……,当频繁n项集为空时,算法计算结束。
本实施例中,算法在产生频繁4项集后结束,共输出21条模糊关联规则,最小支持度为0.076,最小置信度为0.887。
步骤5,参数优化值及其调节区间确定
根据模糊关联规则,提取符合关联规则的原始数据,共1311条,这些数据便是稳态运行时能耗较低的参数操作数据。本实施例中,对这些数据求取各参的平均值,作为操作参数优化值;利用3σ准则,确实参数调节的区间。表3为本实施例确定的参数优化值及其调节区间。
表3参数优化值及其调节区间
综上所述,本发明提供的基于模糊关联规则的水泥生产参数及其调节区间的优化方法,其优点在于:构建模糊集时,不依赖于专家定义;动态确定最小支持度和最小置信度,使得模糊关联规则挖掘的结果更加理想;本发明确定的水泥生产参数优化值及其调节区间为数值类型,可直接用于指导生产操作和决策,从而达到节能降耗的目的。
以上所述的实施例仅仅是对本发明的优选实施方式进行描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案做出的各种变形和改进,均应落入本发明权利要求书确定的保护范围内。
Claims (4)
1.一种基于模糊关联规则的水泥生产参数及调节区间的优化方法,其特征在于,所述方法步骤如下:
步骤1,参数配置:对挖掘算法的基本参数进行初始配置;
步骤2,数据采集及预处理:通过采集现场DCS保存的历史运行数据,筛选挖掘所需要的运行参数历史数据,并根据步骤1配置的数据跨度在时间维度上进一步进行数据筛选,得到原始数据集,对原始数据集进行数据预处理;
步骤3,模糊集构建:利用聚类算法,将清洗后的数据集中的数值属性转化为模糊属性;
步骤4,模糊关联规则挖掘:对步骤3构建的模糊集,应用Apriori算法进行关联规则挖掘,根据最小支持度确定频繁项集,根据最小置信度确定强关联规则;最小支持度minsup和最小置信度minconf是根据调控因子动态确定的;
步骤5,参数优化值及其调节区间确定:分析强关联规则并将其应用到原始数据中,确定水泥生产运行参数优化值,根据统计学分布规律,确定参数调节区间;所确定水泥生产运行参数优化值及其调节区间为数值型,可直接用于指导生产操作和决策。
2.根据权利要求1所述的基于模糊关联规则的水泥生产参数及调节区间的优化方法,其特征在于:步骤1中,参数包括:数据跨度、聚类个数、主运行参数、煤耗指标、电耗指标、调控因子;所述调控因子为控制强关联规则多少的常数,用于确定最小支持度和最小置信度,调控因子为1即最小支持度和最小置信度为0。
3.根据权利要求1所述的基于模糊关联规则的水泥生产参数及调节区间的优化方法,其特征在于:步骤2中,所述数据清洗采用3σ准则进行,对异常值及缺失值采用直接剔除的处理方式。
4.根据权利要求1所述的基于模糊关联规则的水泥生产参数及调节区间的优化方法,其特征在于,步骤4中,所述模糊关联规则算法具体描述如下:
模糊关联规则是形式为的蕴涵式,X被称作模糊关联规则的前件,Y被称作模糊关联规则的后件;其中,X={x1,x2,…,xp},Y={yp+1,yp+2,…,yp+q}且,并且X∪Y中不包括来自同一属性的相关项;
对于任意的模糊属性集X={x1,x2,…,xp},第i条记录对X的模糊支持度定义如下:
<mrow>
<msub>
<mi>Sup</mi>
<msub>
<mi>T</mi>
<mi>i</mi>
</msub>
</msub>
<mrow>
<mo>(</mo>
<mi>X</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msubsup>
<mi>x</mi>
<mn>1</mn>
<mi>i</mi>
</msubsup>
<msubsup>
<mi>&Lambda;x</mi>
<mn>2</mn>
<mi>i</mi>
</msubsup>
<mi>&Lambda;</mi>
<mo>...</mo>
<msubsup>
<mi>&Lambda;x</mi>
<mi>p</mi>
<mi>i</mi>
</msubsup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
式(1)中,是模糊属性xj在第i条记录上的值,j=1,2,…,p,x1,x2,…,xp对应原数据库D中的不同属性;
设D是一个事务数据库,对于任意模糊关联规则的模糊支持度和模糊置信度分别定义为:
<mrow>
<mi>S</mi>
<mi>u</mi>
<mi>p</mi>
<mrow>
<mo>(</mo>
<mi>X</mi>
<mo>&DoubleRightArrow;</mo>
<mi>Y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>S</mi>
<mi>u</mi>
<mi>p</mi>
<mrow>
<mo>(</mo>
<mi>X</mi>
<mo>&cup;</mo>
<mi>Y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>Sup</mi>
<msub>
<mi>T</mi>
<mi>i</mi>
</msub>
</msub>
<mrow>
<mo>(</mo>
<mi>X</mi>
<mo>&cup;</mo>
<mi>Y</mi>
<mo>)</mo>
</mrow>
</mrow>
<msub>
<mi>D</mi>
<mi>f</mi>
</msub>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>C</mi>
<mi>o</mi>
<mi>n</mi>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>X</mi>
<mo>&DoubleRightArrow;</mo>
<mi>Y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mi>S</mi>
<mi>u</mi>
<mi>p</mi>
<mrow>
<mo>(</mo>
<mi>X</mi>
<mo>&cup;</mo>
<mi>Y</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>S</mi>
<mi>u</mi>
<mi>p</mi>
<mrow>
<mo>(</mo>
<mi>X</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
式(2)中,Df是模糊事务数。
设调控因子为α,α∈[0,1],则定义动态索引index:
index=α*Df (4)
根据索引index及支持度和置信度排序,确定最小支持度minsup和最小置信度minconf。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710990386.9A CN107818409A (zh) | 2017-10-23 | 2017-10-23 | 基于模糊关联规则的水泥生产参数及调节区间的优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710990386.9A CN107818409A (zh) | 2017-10-23 | 2017-10-23 | 基于模糊关联规则的水泥生产参数及调节区间的优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107818409A true CN107818409A (zh) | 2018-03-20 |
Family
ID=61608647
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710990386.9A Pending CN107818409A (zh) | 2017-10-23 | 2017-10-23 | 基于模糊关联规则的水泥生产参数及调节区间的优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107818409A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108445855A (zh) * | 2018-04-27 | 2018-08-24 | 惠州市宝捷信科技有限公司 | 基于K-means的注塑机配方参数优化方法 |
CN109767618A (zh) * | 2018-12-20 | 2019-05-17 | 北京航空航天大学 | 一种公安交管业务异常数据综合研判方法及系统 |
WO2020134801A1 (zh) * | 2018-12-26 | 2020-07-02 | 厦门邑通软件科技有限公司 | 一种水泥原料立磨系统的节能优化方法 |
CN111679634A (zh) * | 2020-01-20 | 2020-09-18 | 武汉裕大华纺织有限公司 | 一种智能粗纱管理系统 |
CN111680973A (zh) * | 2020-05-29 | 2020-09-18 | 成都新希望金融信息有限公司 | 一种催收系统的催收任务优先级智能编排方法 |
CN111720954A (zh) * | 2020-06-17 | 2020-09-29 | 珠海格力电器股份有限公司 | 产品的节能方法及节能运算系统 |
CN112700085A (zh) * | 2020-12-11 | 2021-04-23 | 华南理工大学 | 基于关联规则的复杂系统稳态运行参数优化方法、系统和介质 |
CN116402329A (zh) * | 2023-04-12 | 2023-07-07 | 江苏新合益机械有限公司 | 一种活塞杆生产车间的智能管理方法及系统 |
CN118297231A (zh) * | 2024-04-22 | 2024-07-05 | 浙江寿仙谷植物药研究院有限公司 | 一种基于关联分析的植物药流化床制粒工艺优化方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102636991A (zh) * | 2012-04-18 | 2012-08-15 | 国电科学技术研究院 | 一种基于模糊集关联规则的火电机组运行参数优化方法 |
CN106094744A (zh) * | 2016-06-04 | 2016-11-09 | 上海大学 | 基于关联规则挖掘的火电厂主运行参数目标值的确定方法 |
-
2017
- 2017-10-23 CN CN201710990386.9A patent/CN107818409A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102636991A (zh) * | 2012-04-18 | 2012-08-15 | 国电科学技术研究院 | 一种基于模糊集关联规则的火电机组运行参数优化方法 |
CN106094744A (zh) * | 2016-06-04 | 2016-11-09 | 上海大学 | 基于关联规则挖掘的火电厂主运行参数目标值的确定方法 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108445855A (zh) * | 2018-04-27 | 2018-08-24 | 惠州市宝捷信科技有限公司 | 基于K-means的注塑机配方参数优化方法 |
CN108445855B (zh) * | 2018-04-27 | 2021-02-05 | 惠州市宝捷信科技有限公司 | 基于K-means的注塑机配方参数优化方法 |
CN109767618B (zh) * | 2018-12-20 | 2020-10-09 | 北京航空航天大学 | 一种公安交管业务异常数据综合研判方法及系统 |
CN109767618A (zh) * | 2018-12-20 | 2019-05-17 | 北京航空航天大学 | 一种公安交管业务异常数据综合研判方法及系统 |
WO2020134801A1 (zh) * | 2018-12-26 | 2020-07-02 | 厦门邑通软件科技有限公司 | 一种水泥原料立磨系统的节能优化方法 |
CN111679634A (zh) * | 2020-01-20 | 2020-09-18 | 武汉裕大华纺织有限公司 | 一种智能粗纱管理系统 |
CN111680973A (zh) * | 2020-05-29 | 2020-09-18 | 成都新希望金融信息有限公司 | 一种催收系统的催收任务优先级智能编排方法 |
CN111680973B (zh) * | 2020-05-29 | 2023-10-24 | 成都新希望金融信息有限公司 | 一种催收系统的催收任务优先级智能编排方法 |
CN111720954A (zh) * | 2020-06-17 | 2020-09-29 | 珠海格力电器股份有限公司 | 产品的节能方法及节能运算系统 |
CN112700085A (zh) * | 2020-12-11 | 2021-04-23 | 华南理工大学 | 基于关联规则的复杂系统稳态运行参数优化方法、系统和介质 |
CN116402329A (zh) * | 2023-04-12 | 2023-07-07 | 江苏新合益机械有限公司 | 一种活塞杆生产车间的智能管理方法及系统 |
CN116402329B (zh) * | 2023-04-12 | 2023-10-03 | 江苏新合益机械有限公司 | 一种活塞杆生产车间的智能管理方法及系统 |
CN118297231A (zh) * | 2024-04-22 | 2024-07-05 | 浙江寿仙谷植物药研究院有限公司 | 一种基于关联分析的植物药流化床制粒工艺优化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107818409A (zh) | 基于模糊关联规则的水泥生产参数及调节区间的优化方法 | |
CN106094744B (zh) | 基于关联规则挖掘的火电厂主运行参数目标值的确定方法 | |
CN102169326B (zh) | 基于数据挖掘的最优炉温设定值优化系统 | |
CN102809928B (zh) | 一种工业企业热力设备能耗的控制优化方法 | |
CN102636991A (zh) | 一种基于模糊集关联规则的火电机组运行参数优化方法 | |
CN104534507A (zh) | 一种锅炉燃烧优化控制方法 | |
CN104794195A (zh) | 一种用于电信潜在换机用户发现的数据挖掘方法 | |
CN104252652A (zh) | 电力系统中空间负荷预测方法 | |
CN109446184B (zh) | 基于大数据分析平台的发电大数据预处理方法及系统 | |
CN105654240A (zh) | 机床产品制造系统能效分析方法 | |
CN106169101A (zh) | 一种基于结构分解的能源需求预测方法 | |
Yin et al. | Dynamic real–time abnormal energy consumption detection and energy efficiency optimization analysis considering uncertainty | |
CN108037748B (zh) | 全工况的火电机组运行优化方法、装置、设备 | |
CN104281134B (zh) | 基于人机交互的原矿选别过程多生产指标优化系统及方法 | |
CN116306232A (zh) | 一种基于工业大数据的高炉能耗与碳排放分析方法及系统 | |
CN112049629B (zh) | 一种基于甲型水驱特征曲线的缝洞型油藏采收率预测方法 | |
CN118031369A (zh) | 用于中央空调的模块化节能控制的方法及系统 | |
CN108734419A (zh) | 一种基于知识迁移的高炉煤气调度系统建模方法 | |
CN108664752A (zh) | 一种基于工艺规则和大数据分析技术的工艺参数优化方法 | |
CN111125082B (zh) | 基于关联规则挖掘的水泥工艺参数数据分析方法 | |
CN104155873B (zh) | 湿法冶金全流程分层优化控制方法 | |
CN113222339B (zh) | 基于计量全景数据的同类型企业用能差异分析方法及系统 | |
CN115186900A (zh) | 适用于多工况类别的动态高炉煤气产生量预测方法及系统 | |
CN112380769B (zh) | 基于稀疏检测和径向基函数插值的虚拟样本生成方法 | |
Guizhi et al. | Application of big data analysis in oil production engineering |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180320 |