文献类型：期刊文章

作　　者：刘吉[1] 刘炳含[2] 张月[3] 马奔奔[4] 崔柳[5]

LIU Ji;LIU Bing-Han;ZHANG Yue;MA Ben-Ben;CUI Liu(National Engineering Laboratory for Biomass Power Generation Equipment,North China Electric Power University,Beijing 102206,China;China Justice Big Data Institute CO.,Ltd.,Beijing 100083,China;School of Energy and Power Engineering,North China Electric Power University,Baoding 071000,China;Shanxi Yudian Tonghua Power Generation Co.,Ltd.,Yuanping 034114,China;Key Laboratory of Power Station Energy Transfer Conversion and System,North China Electric Power University,Beijing 102206,China)

机构地区：[1]华北电力大学生物质发电成套设备国家工程实验室,北京102206 [2]中国司法大数据研究院有限公司,北京100083 [3]华北电力大学动力工程系,保定071000 [4]山西漳电同华发电有限公司,原平034114 [5]华北电力大学电站设备状态监测与控制教育部重点实验室,北京102206

出　　处：《工程热物理学报》

基　　金：国家自然科学基金资助项目(No.51806064);博士后科学基金特别资助(No.2019TQ0091);吴仲华奖励基金资助项目

年　　份：2020

卷　　号：41

期　　号：1

起止页码：29-38

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：在大数据、人工智能技术迅速发展的背景下,研究基于大数据分析的厂级快速性、经济性、环保性多目标负荷优化分配,对建设智能电厂及机组节能减排等工作具有重要意义.本文引入大数据技术分析方法,以模糊粗糙集为基础,计算可控运行参数最简属性集,通过粒子群算法对支持向量机进行改进,建立负荷优化预测模型。利用MapReduce编程模型实现对NSGA-Ⅱ算法的并行化处理,计算完成厂级多目标负荷优化。以山西漳电同华发电有限公司660 MW燃煤发电机组为验证目标,研究结果表明:大数据分析方法满足厂级负荷优化分配,且节能环保效果良好;相较于传统负荷优化分配方法,大数据分析方法计算效率明显提高,优化效果显著。

关 键 词：大数据挖掘  燃煤机组 负荷优化  PSO-SVM

分 类 号：TK01[能源动力类]