CN112700085A - 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 - Google Patents

Abstract

本发明公开了一种基于关联规则的复杂系统稳态运行参数优化方法、系统及介质，方法包括下属步骤：采用数据预处理方法剔除异常数据；依据外部环境工况参数对工况变化的影响程度进行分阶段工况划分；采用四分位法识别数据波动，确定参数稳态阈值；利用滑动窗口法对历史运行数据进行准稳态工况检测；变工况条件下，挖掘出保证系统稳定运行的典型关联规则；根据目标工况选择相应关联规则，从而优化运行参数。本发明旨在改进原有关联规则挖掘策略，将历史工况作为变工况关联规则挖掘的输入条件之一，挖掘准稳态条件下主要运行参数与性能指标之间的关联关系，从而实现系统运行参数优化和保证系统稳定运行的目的。

Description

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

技术领域

本发明属于工业节能控制领域的技术领域，具体涉及一种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。

背景技术

化工、电力、制冷等行业设备的结构和功能日趋复杂，设备在运行时因受外部环境影响可能导致运行不稳定状况。

因此，在满足复杂设备安全稳定运行的基础上，深入研究系统节能优化运行技术，对提高系统能效以及保证系统安全稳定运行意义重大。

随着通讯技术和智能设备更加广泛地应用，将设备加载传感器等通讯装置使其信息化，建立智能监管系统，实时监控运行状态并采集运行数据，为生产监管提供有力平台。各种设备的在线实时监控系统积累了大量的运行数据，为数据挖掘应用于工程实际奠定了基础。传统的系统运行参数优化方法主要包括机理建模、黑箱建模以及灰箱建模等。机理建模从系统内部机理特性出发，研究系统的运行性能。复杂系统机理建模过程常采用一定的简化手段，影响模型的准确性，所建模型与实际运行工况存在一定差别，工程应用较困难。与传统建模方法相比，基于关联规则的数据挖掘方法则无需考虑复杂的建模过程，工程实现简单，实用性较强。

发明内容

本发明的主要目的在于克服现有技术的缺点与不足，提供一种基于关联规则的复杂系统稳态运行参数优化方法、系统和存储介质，解决现有工业复杂系统设备节能优化中，传统建模方法在工程应用中的局限性、以及保持系统稳态运行的问题。。

为了达到上述目的，本发明采用以下技术方案：

本发明一方面提出了一种基于关联规则的复杂系统稳态运行参数优化方法，包括下属步骤：

数据预处理，针对复杂系统大量历史运行数据，采用数据预处理方法剔除异常数据；

工况划分，依据外部环境工况参数对工况变化的影响程度进行分阶段工况划分，所述工况划分包括典型工况划分和非典型工况划分；

参数稳态阈值的确定，采用四分位法识别数据波动，确定参数稳态阈值；

准稳态工况检测，根据运行参数的稳态阈值，利用滑动窗口法对历史运行数据进行准稳态工况检测；

改进的关联规则挖掘，变工况条件下，挖掘出保证系统稳定运行的典型关联规则；

参数优化，根据目标工况选择相应关联规则，从而优化运行参数。

优先的，所述数据预处理包括数据清洗、数据集成、数据转换剔除异常数据，对剔除异常数据后的数据进行离散化处理，为后续关联规则挖掘做准备。

优先的，所述典型工况划分具体为：

依据影响系统运行的外部环境参数，采用基于变异系数的多步工况法划分典型工况，所述变异系数用于各参数的波动对工况变化影响程度的量化计算，定义为参数的标准差与平均值之比，计算公式如下：

式中，σ_i为标准差，μ_i为平均值；

计算各工况参数的变异系数，然后各工况参数根据变异系数的大小依次进行单变量划分，每次划分的分类簇作为下一阶段划分的父样本集，最终结果按从小到大排序作为工况划分结果；根据参数对工况变化的影响程度进行分阶段工况划分和编号，保证相邻编号的工况是典型的相邻工况。

优先的，所述非典型工况划分具体为：

根据最近邻法选择最相似的典型工况点代替该工况，最近邻法是将与测试样本最近邻的训练样本类别作为决策的方法：假设外部工况集为S_N：

S_N＝{(X₁，θ₁),(X₂,θ₂),...,(X_N,θ_M)}

式中，X_N为工况样本向量，θ_M为工况类别；对于未知工况Y，S_N中与之距离最近的工况X_N对应的类别θ被作为工况Y的类别；

由于工况各参数的量纲不同，距离计算方式采用马氏距离，马氏距离考虑变量之间的相关性且不受量纲影响，距离计算公式如下：

式中，∑为工况集S_N的协方差矩阵。

优先的，所述参数稳态阈值的确定具体为：

参数稳态阈值的确定是采用四分位法求解阈值Δx_max和Δx_min，定义系统准稳态运行的控制参数阈值Δx_max为第三四分位数与上限值QU+1.5IQR的均值，计算方式为：

Q_U为第三四分位数；I_QR为四分位距。

优先的，所述准稳态工况检测具体为：

准稳态工况检测是基于滑动窗口法的特征变量一阶差分准稳态判别法，用于过滤非稳态数据，其基本思想是通过窗口步长d取样，根据特征变量在步长d内一阶差分绝对值的均值判断是否为准稳态过程，若采样周期内不满足准稳态过程，则顺时递推，重新判稳，计算方法如下：

式中，Δx_i为相邻工况参数的差值；Δx_max为准稳态阈值；d为窗口步长。

优先的，改进的关联规则挖掘具体为：

将上一时刻工况作为输入参数，以能效最高的原则选择强关联规则，关联规则的一般形式为

其中X和Y为不相交的项集，关联规则的强度可以用支持度和置信度度量；支持度为事务数据库中包含X和Y项集的数量和所有项集数量之比，置信度为包含X和Y项集的数量与包含X项集的数量之比，两种度量的形式定义如下：

若规则

满足

不小于最小支持度且

不小于最小置信度，则称关联规则

为强关联规则。

优先的，采用Apriori算法挖掘关联规则频繁项集，Apriori算法利用逐层搜索的迭代方法找出数据库中项集的关系，以形成规则；其过程首先确定支持度阈值和置信度阈值，然后重复以下两个步骤：

连接：扫描数据库，通过前一次迭代发现的频繁项集产生新的更高层次的候选项集。

剪枝：由于候选项集不一定都是频繁项集，基于先验原理，与最小支持度比较，删除支持度小于支持度阈值的候选项集；

不断由频繁k项集生成候选的k+1项集，直到不能再生成候选项集为止，此过程将挖掘出所有的频繁项集，最后根据置信度阈值确定强关联规则。

本发明的另一方面提出了一种基于关联规则的复杂系统稳态运行参数优化系统，应用于所述的基于关联规则的复杂系统稳态运行参数优化方法，包括预处理模块、工况划分模块、参数稳态阈值确定模块、准稳态工况检测模块、改进的关联规则挖掘模块以及参数优化模块；

所述数据预处理模块，用于针对复杂系统大量历史运行数据，采用数据预处理方法剔除异常数据；

所述工况划分模块，用于依据外部环境工况参数对工况变化的影响程度进行分阶段工况划分，所述工况划分包括典型工况划分和非典型工况划分；

所述参数稳态阈值确定模块，用于采用四分位法识别数据波动，确定参数稳态阈值；

所述准稳态工况检测模块，用于根据运行参数的稳态阈值，利用滑动窗口法对历史运行数据进行准稳态工况检测；

所述改进的关联规则挖掘模块，用于变工况条件下，挖掘出保证系统稳定运行的典型关联规则；

所述参数优化模块，用于根据目标工况选择相应关联规则，从而优化运行参数。

本发明的又一方面提出了一种存储介质，存储有程序，所述程序被处理器执行时，实现权利要求1-8任一项所述的基于关联规则的复杂系统稳态运行参数优化方法。

本发明与现有技术相比，具有如下优点和有益效果：

(1)本发明采用四分位法有效地识别数据波动进而确定参数稳态阈值，随后根据运行参数的稳态阈值，利用滑动窗口法对历史运行数据进行准稳态工况检测，本发明能提高系统能效的同时保证系统安全稳定运行。

(2)本发明基于常规关联规则进行改进，充分考虑工况切换过程可能导致的运行参数目标值的跃变，从而引起运行不稳定的问题，将上一时刻的工况作为关联规则的输入参数，强化挖掘过程中工况与目标的联系，所以，本发明能使目标工况更加精确地匹配到挖掘出的经典关联规则，提高参数优化在工程上的可实现能力和应用能力。

(3)本发明摒弃复杂系统繁琐的建模过程，同时避免建模过程常用的简化手段带来的模型偏差，本方法能提升实用性，使得工程实现简单。

附图说明

图1为本发明实施例的基于关联规则的复杂系统稳态运行参数优化方法流程图；

图2为本发明实施例的典型工况划分流程图；

图3为本发明实施例的不同时间间隔下相邻工况变化的统计分布图；

图4为本发明实施例的冷冻供水温度的变化分布情况；

图5(a)-图5(d)为本发明实施例的4个运行参数各自的准稳态检测结果图；

图6为本发明实施例的运行参数准稳态检测结果；

图7为本发明实施例的仿真当日的部分时刻室外干球温度分布图；

图8为本发明实施例的仿真当日的冷负荷需求分布图；

图9为本发明实施例的仿真当日的系统COP优化结果；

图10(a)-图10(d)为本发明实施例的优化前后四组运行参数设定值分布；

图11是本发明实施例基于关联规则的复杂系统稳态运行参数优化系统的结构示意图；

图12是本发明实施例的存储介质的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

附图1为本发明实施例的基于关联规则的复杂系统稳态运行参数优化方法流程图。本发明的方法能改善常规的关联规则挖掘在实际应用过程中，由于工况变化导致工况切换时使得运行参数设定值有较大阶跃变化的问题，进而维持系统安全稳定运行。

如图1所示，本实施例基于关联规则的复杂系统稳态运行参数优化方法，主要包含以下步骤：

S1、数据预处理，选取广州某大型商场中央空调的2013年9月至2020年3月的历史运行数据进行分析，数据采集系统的采集频率是150秒。

进一步地，进行数据离散化，针对冷水机组的运行数据是连续型变量数据(如冷水供回水温度、温湿度等)，无法直接运用算法进行挖掘，因此需要对数据进行离散化。本文采用等宽离散化方法对所有参数进行离散化，各参数的组距及数值范围如表1所示。

表1等宽离散化参数

S2、工况划分，工况划分具体包括划分典型工况和非典型工况。依据影响系统运行的外部环境参数，采用基于变异系数的多步工况法划分典型工况，变异系数用于各参数的波动对工况变化影响程度的量化计算，定义为参数的标准差与平均值之比。计算公式如下：

式中，σ_i为标准差，μ_i为平均值。

计算各工况参数的变异系数，然后各工况参数根据变异系数的大小依次进行单变量划分，每次划分的分类簇作为下一阶段划分的父样本集，最终结果按从小到大排序作为工况划分结果。根据参数对工况变化的影响程度进行分阶段工况划分和编号，可保证相邻编号的工况是典型的相邻工况。典型工况划分流程如附图2所示。

当待优化工况为非典型工况时，则根据最近邻法选择最相似的典型工况点代替该工况。最近邻法是将与测试样本最近邻的训练样本类别作为决策的方法：假设外部工况集为S_N：

S_N＝{(X₁,θ₁),(X₂,θ₂),...,(X_N,θ_M)}

式中，X_N为工况样本向量，θ_M为工况类别；对于未知工况Y，S_N中与之距离最近的工况 X_N对应的类别θ被作为工况Y的类别。

由于工况各参数的量纲不同，距离计算方式采用马氏距离，马氏距离考虑变量之间的相关性且不受量纲影响，距离计算公式如下：

式中，∑为工况集S_N的协方差矩阵。

影响空调冷负荷的外部参数主要包括外界环境温度、相对湿度和冷负荷，选择这三个参数为依据进行工况划分，计算参数的变异系数如表2：

表2工况参数变异系数

由上表可知，依次按湿度、温度、冷负荷分布进行工况划分，共得到183组运行工况。为了更清楚地描述周期对工况划分的影响，不同时间间隔下相邻工况变化的统计分布如附图3所示。由图可知，当工况划分周期较短，工况变化分布越集中；工况划分周期过短，可能导致机组频繁切换，容易造成系统的不稳定运行，且部分工况的数据量很少，不具有代表性。为此，本文将工况划分周期为20分钟，数据量大于150组的工况为典型工况，最终确定148 种典型工况。

S3、稳态阈值确定，附图4展示的是冷冻供水温度的变化分布情况。计算可得，第一四分位数Q_L＝-0.3，第三四分位数Q_U＝0.25，得到四分位距I_QR＝0.55，上限值为Q_U+1.5I_QR＝1.075，进而得到冷冻供水温度的稳态变化阈值Δx_max＝0.7。依照相同方法，其他运行参数波动值的四分位数以及稳态变化阈值如表3所示。

表3运行参数的稳定变化范围

S4、准稳态检测，为保证数据为冷水机组的长期稳定运行数据，设置滑动窗口的窗口宽度d为1小时所对应的数据量，即1小时内数据能保持准稳态则存入准稳态数据库，作为后续关联规则挖掘的数据集。附图5(a)-图5(d)展示的是机组4个运行参数的部分采样数据情况。

当四个运行参数均处于准稳态时，则认为机组运行状态为准稳态，准稳态标识为1，非稳态标识为0。附图6展示的是对应的准稳态标识结果。

S5、改进的关联规则挖掘，考虑历史工况对当前时刻参数设定的影响，同时为降低关联规则挖掘的复杂性，将上一优化时段的历史工况作为规则挖掘的参数之一，结合关联规则挖掘算法确定机组在制冷效率最优时的运行参数目标值。通过对历史运行数据的挖掘，分别得出冷水机组在各典型工况下，改进前后的关联规则算法所挖掘的强关联规则；部分运行工况在改进后的强关联规则如表4所示。

表4部分典型工况下改进的强关联规则

S6、参数优化，根据目标工况选择相应关联规则，从而优化运行参数。选取2019年7月31日(夏季)12:00-18:00的冷水机组运行数据为例，其中部分时刻室外干球温度与相对湿度分布如附图7所示，冷负荷需求分布如附图8所示。在当日不同工况下，分别按表4中的优化目标值对各运行参数进行优化，使COP达到最优值，进而使冷水机组在最佳状态下运行。

附图9展示的是冷水机组实际运行的COP与两种优化方式COP的对比图示，由图可知，当天该台冷水机组实际运行能耗与两种优化方法优化后的能耗比较，实际运行能耗为2530.82 kW·h，未改进的优化方法优化后能耗为2313.74kW·h，节能率达到8.58％；改进的优化方法优化后能耗为2164.34kW·h，节能率达到14.48％。改进后的关联规则在节能优化效果上表现更优。

附图10(a)-图10(d)展示的是优化前后四组运行参数设定值分布情况，可以看出，按照改进的关联规则优化运行参数后，变工况下冷水机组运行参数稳定性明显提高，改进后的优化方法运行参数标准差分别下降了61.16％、40.84％、43.94％、55.6％，综合稳定性提高了50.4％。因此，本发明优化方法能在提高系统能效的同时，保证系统安全稳定运行。

如图11所示，在另一个实施例中，提供了基于关联规则的复杂系统稳态运行参数优化系统，应用所述的基于关联规则的复杂系统稳态运行参数优化方法，包括预处理模块、工况划分模块、参数稳态阈值确定模块、准稳态工况检测模块、改进的关联规则挖掘模块以及参数优化模块；

所述数据预处理模块，用于针对复杂系统大量历史运行数据，采用数据预处理方法剔除异常数据；

所述工况划分模块，用于依据外部环境工况参数对工况变化的影响程度进行分阶段工况划分，所述工况划分包括典型工况划分和非典型工况划分；

所述参数稳态阈值确定模块，用于采用四分位法识别数据波动，确定参数稳态阈值；

所述准稳态工况检测模块，用于根据运行参数的稳态阈值，利用滑动窗口法对历史运行数据进行准稳态工况检测；

所述改进的关联规则挖掘模块，用于变工况条件下，挖掘出保证系统稳定运行的典型关联规则；

所述参数优化模块，用于根据目标工况选择相应关联规则，从而优化运行参数。

在此需要说明的是，上述实施例提供的系统仅以上述各功能模块的划分进行举例说明，在实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能，该系统是应用于上述实施例的基于同源性分析的APT攻击识别及归属方法。

如图12所示，在本申请的另一个实施例中，还提供了一种存储介质，存储有程序，所述程序被处理器执行时，实现基于关联规则的复杂系统稳态运行参数优化方法，具体为：

数据预处理，针对复杂系统大量历史运行数据，采用数据预处理方法剔除异常数据；

工况划分，依据外部环境工况参数对工况变化的影响程度进行分阶段工况划分，所述工况划分包括典型工况划分和非典型工况划分；

参数稳态阈值的确定，采用四分位法识别数据波动，确定参数稳态阈值；

准稳态工况检测，根据运行参数的稳态阈值，利用滑动窗口法对历史运行数据进行准稳态工况检测；

改进的关联规则挖掘，变工况条件下，挖掘出保证系统稳定运行的典型关联规则；

参数优化，根据目标工况选择相应关联规则，从而优化运行参数。

应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (10)

1.基于关联规则的复杂系统稳态运行参数优化方法，其特征在于，包括下属步骤：

数据预处理，针对复杂系统大量历史运行数据，采用数据预处理方法剔除异常数据；

工况划分，依据外部环境工况参数对工况变化的影响程度进行分阶段工况划分，所述工况划分包括典型工况划分和非典型工况划分；

参数稳态阈值的确定，采用四分位法识别数据波动，确定参数稳态阈值；

准稳态工况检测，根据运行参数的稳态阈值，利用滑动窗口法对历史运行数据进行准稳态工况检测；

改进的关联规则挖掘，变工况条件下，挖掘出保证系统稳定运行的典型关联规则；

参数优化，根据目标工况选择相应关联规则，从而优化运行参数。

2.根据权利要求1所述基于关联规则的复杂系统稳态运行参数优化方法，其特征在于，所述数据预处理包括数据清洗、数据集成、数据转换剔除异常数据，对剔除异常数据后的数据进行离散化处理，为后续关联规则挖掘做准备。

3.根据权利要求1所述基于关联规则的复杂系统稳态运行参数优化方法，其特征在于，所述典型工况划分具体为：

依据影响系统运行的外部环境参数，采用基于变异系数的多步工况法划分典型工况，所述变异系数用于各参数的波动对工况变化影响程度的量化计算，定义为参数的标准差与平均值之比，计算公式如下：

式中，σ_i为标准差，μ_i为平均值；

计算各工况参数的变异系数，然后各工况参数根据变异系数的大小依次进行单变量划分，每次划分的分类簇作为下一阶段划分的父样本集，最终结果按从小到大排序作为工况划分结果；根据参数对工况变化的影响程度进行分阶段工况划分和编号，保证相邻编号的工况是典型的相邻工况。

4.根据权利要求1所述基于关联规则的复杂系统稳态运行参数优化方法，其特征在于，所述非典型工况划分具体为：

根据最近邻法选择最相似的典型工况点代替该工况，最近邻法是将与测试样本最近邻的训练样本类别作为决策的方法：假设外部工况集为S_N：

S_N＝{(X₁,θ₁),(X₂,θ₂),...,(X_N,θ_M)}

式中，X_N为工况样本向量，θ_M为工况类别；对于未知工况Y，S_N中与之距离最近的工况X_N对应的类别θ被作为工况Y的类别；

由于工况各参数的量纲不同，距离计算方式采用马氏距离，马氏距离考虑变量之间的相关性且不受量纲影响，距离计算公式如下：

式中，∑为工况集S_N的协方差矩阵。

5.根据权利要求1所述基于关联规则的复杂系统稳态运行参数优化方法，其特征在于，所述参数稳态阈值的确定具体为：

参数稳态阈值的确定是采用四分位法求解阈值Δx_max和Δx_min，定义系统准稳态运行的控制参数阈值Δx_max为第三四分位数与上限值QU+1.5IQR的均值，计算方式为：

Q_U为第三四分位数；I_QR为四分位距。

6.根据权利要求1所述基于关联规则的复杂系统稳态运行参数优化方法，其特征在于，所述准稳态工况检测具体为：

准稳态工况检测是基于滑动窗口法的特征变量一阶差分准稳态判别法，用于过滤非稳态数据，其基本思想是通过窗口步长d取样，根据特征变量在步长d内一阶差分绝对值的均值判断是否为准稳态过程，若采样周期内不满足准稳态过程，则顺时递推，重新判稳，计算方法如下：

式中，Δx_i为相邻工况参数的差值；Δx_max为准稳态阈值；d为窗口步长。

7.根据权利要求1所述基于关联规则的复杂系统稳态运行参数优化方法，其特征在于，改进的关联规则挖掘具体为：

将上一时刻工况作为输入参数，以能效最高的原则选择强关联规则，关联规则的一般形式为

其中X和Y为不相交的项集，关联规则的强度可以用支持度和置信度度量；支持度为事务数据库中包含X和Y项集的数量和所有项集数量之比，置信度为包含X和Y项集的数量与包含X项集的数量之比，两种度量的形式定义如下：

若规则

满足

不小于最小支持度且

不小于最小置信度，则称关联规则

为强关联规则。

8.根据权利要求1所述基于关联规则的复杂系统稳态运行参数优化方法，其特征在于，采用Apriori算法挖掘关联规则频繁项集，Apriori算法利用逐层搜索的迭代方法找出数据库中项集的关系，以形成规则；其过程首先确定支持度阈值和置信度阈值，然后重复以下两个步骤：

连接：扫描数据库，通过前一次迭代发现的频繁项集产生新的更高层次的候选项集。

剪枝：由于候选项集不一定都是频繁项集，基于先验原理，与最小支持度比较，删除支持度小于支持度阈值的候选项集；

不断由频繁k项集生成候选的k+1项集，直到不能再生成候选项集为止，此过程将挖掘出所有的频繁项集，最后根据置信度阈值确定强关联规则。

9.基于关联规则的复杂系统稳态运行参数优化系统，其特征在于，应用于权利要求1-8中任一项所述的基于关联规则的复杂系统稳态运行参数优化方法，包括预处理模块、工况划分模块、参数稳态阈值确定模块、准稳态工况检测模块、改进的关联规则挖掘模块以及参数优化模块；

所述数据预处理模块，用于针对复杂系统大量历史运行数据，采用数据预处理方法剔除异常数据；

所述工况划分模块，用于依据外部环境工况参数对工况变化的影响程度进行分阶段工况划分，所述工况划分包括典型工况划分和非典型工况划分；

所述参数稳态阈值确定模块，用于采用四分位法识别数据波动，确定参数稳态阈值；

所述准稳态工况检测模块，用于根据运行参数的稳态阈值，利用滑动窗口法对历史运行数据进行准稳态工况检测；

所述改进的关联规则挖掘模块，用于变工况条件下，挖掘出保证系统稳定运行的典型关联规则；

所述参数优化模块，用于根据目标工况选择相应关联规则，从而优化运行参数。

10.一种存储介质，存储有程序，其特征在于：所述程序被处理器执行时，实现权利要求1-8任一项所述的基于关联规则的复杂系统稳态运行参数优化方法。

Images