基于数据挖掘的电厂设备健康状态评价系统的研究

论文摘要

长期以来国内多数电力企业均采用定期检修和故障检修,这两种维修方式不能准确地反映设备的客观需要,会出现维修不足或维修过度。状态检修根据设备实际运行状况来确定运行状态,合理安排检修计划,使设备安全高效运行。根据这一特点,本文在电力实时数据管理系统的平台之上设计了基于数据挖掘技术的电厂设备健康状态评价系统模型。在实时系统数据库和生产管理系统数据库的基础上建立主题数据仓库;利用数据挖掘技术对设备的历史运行数据进行挖掘;并设计了对电厂设备进行健康状态评价的处理系统。本文尝试采用改进的决策树挖掘方法应用于锅炉再热器超温故障实例,证明了该方法的有效性,可以用于电厂机组性能分析、故障诊断和状态检修等方面,为机组开展状态检修提供技术支持。

论文目录

• 摘要
• ABSTRACT
• 第一章 引言
• 1.1 选题背景及其意义
• 1.2 研究现状
• 1.2.1 电力设备检修策略的发展历史
• 1.2.2 国外电力设备检修的基本情况
• 1.2.3 国内电力设备检修的基本情况
• 1.3 课题内容
• 第二章 数据挖掘算法的研究
• 2.1 数据挖掘关键技术
• 2.1.1 数据挖掘的概念
• 2.1.2 数据挖掘的过程
• 2.2 决策树挖掘算法
• 2.2.1 决策树算法的生成
• 2.2.2 决策树ID3 算法
• 2.2.3 决策树ID3 算法的特点及缺陷
• 第三章 基于数据挖掘的电厂设备健康状态评价系统的结构设计
• 3.1 电力系统实时数据管理系统
• 3.1.1 电力系统实时数据管理系统的实现方案
• 3.1.2 实时数据管理系统的总体设计
• 3.2 设备健康状态评价系统构成
• 第四章 基于数据挖掘的锅炉状态评价系统的实现
• 4.1 系统的体系结构
• 4.2 研究和开发锅炉状态评价系统的意义
• 4.3 数据仓库的设计
• 4.3.1 主题域的确定
• 4.3.2 数据的存储问题
• 4.3.2 数据结构
• 4.4 数据挖掘算法的应用
• 4.4.1 数据准备
• 4.4.2 健康状态评价系统中算法的改进
• 4.4.2.1 粗糙集理论的特点
• 4.4.2.2 知识与不可分辨关系
• 4.4.2.3 知识约简
• 4.4.2.4 决策表
• 4.4.2.5 相对泛化
• 4.4.2.6 基于粗糙集理论的决策树算法
• 4.4.3 算法分析
• 4.4.4 算法的执行
• 4.5 数据采集
• 4.6 设备性能分析与诊断
• 4.6.1 利用分类分析判断设备可能故障类
• 4.6.2 模糊模式识别
• 4.7 故障诊断与维修指导
• 第五章 总结
• 参考文献
• 致谢
• 在学期间发表的学术论文和参加科研情况