基于pyramid时间框架的电站锅炉运行状态监测方法技术

本发明专利技术公开了一种基于pyramid时间框架的电站锅炉运行状态监测方法，将模糊关联规则引入电力工业数据关联挖掘中，克服了传统量化关联规则边界划分过硬的缺点。将Apriori算法拓展到模糊属性事务中，为每种模糊属性确定划分数目，将所有属性的可能值映射到模糊集中，查找出支持度大于最小支持度阀值的大项集，得出感兴趣的规则。电站运行过程中存储了大量的历史数据且实时更新持续不断，其中包含了很多规则，为了将这些（历史）规律有效简约地存储，本发明专利技术构建pyramid时间框架，依据时间框架有选择性地将关联规则纳入，以实现对锅炉效率有效监测对比评估。可以将锅炉效率进行分类，并关联到评价相关参数的优劣，有效监测与诊断，为运行人员对锅炉运行做出相应调整与控制提供依据。

【技术实现步骤摘要】
【专利摘要】本专利技术公开了一种，将模糊关联规则引入电力工业数据关联挖掘中，克服了传统量化关联规则边界划分过硬的缺点。将Apriori算法拓展到模糊属性事务中，为每种模糊属性确定划分数目，将所有属性的可能值映射到模糊集中，查找出支持度大于最小支持度阀值的大项集，得出感兴趣的规则。电站运行过程中存储了大量的历史数据且实时更新持续不断，其中包含了很多规则，为了将这些（历史）规律有效简约地存储，本专利技术构建pyramid时间框架，依据时间框架有选择性地将关联规则纳入，以实现对锅炉效率有效监测对比评估。可以将锅炉效率进行分类，并关联到评价相关参数的优劣，有效监测与诊断，为运行人员对锅炉运行做出相应调整与控制提供依据。【专利说明】
本专利技术涉及一种锅炉运行状况监测方法，尤其涉及，属于机器学习建模领域。
技术介绍
数据挖掘是数据库研究、开发和应用最活跃的分支之一，是数据库技术自然演化的结果。数据库系统亦是强有力的事务处理工具。在事务数据库中挖掘关联规则是数据挖掘领域中的十分重要的研究课题。R.Agrawal等人于1993年首先提出了挖掘交易数据库中项集间的关联规则问题。研究人员对关联规则的挖掘问题进行了大量的研究，他们的工作包括对原有的算法进行优化，如引入随机采样、并行的思想等，以提高算法挖掘规则的效率，对关联规则的应用进行推广。关联规则可以分为两种:布尔型关联规则和量化关联规则。布尔型关联规则，也就是项目值为O或I。定量关联规则挖掘是一种从包含连续属性的数据中挖掘关联规则的数据挖掘技术，可以通过连续属性离散化而转化成布尔型关联规则挖掘。对于电站运行系统，确定量化属性的数据特 性的挖掘过程，适合应用量化关联规则挖掘理论进行解决。量化关联规则挖掘问题比较复杂，一种自然的想法是将它转化成布尔关联规则挖掘问题，当全部属性的取值都是有限的时候，只需将每个属性映射为一个布尔属性值即可，当属性的取值范围很宽时，则需将其划分为若干个区段，然后将每个区段映射为一个布尔属性。近年来，不少学者也己从不同的角度研究了如何挖掘电站量化属性，并取得了一定成果。其中模糊概念是有效方法之一。
技术实现思路
专利技术目的:本专利技术提供一种，将模糊关联规则引入电力工业数据关联挖掘中，将关联规则嵌入pyramid时间框架，以实现对锅炉效率有效监测对比评估。技术方案:为解决上述技术问题，本专利技术提供的，包括以下步骤:步骤一，将事务数据库D中的每个事务数据1\(1=1，2，...，η)的每个项目//(/=1,2,...,/?)，利用给定的隶属度函数映射出模糊集合【权利要求】1.一种，其特征在于包括以下步骤: 步骤一，将事务数据库D中的每个事务数据?\α=1，2，...，η)的每个项目//(/ 二 1.2,...,/?)，利用给定的隶属度函数映射出模糊集合 【文档编号】G06N5/02GK103927431SQ201410058047【公开日】2014年7月16日 申请日期:2014年2月20日 优先权日:2014年2月20日 【专利技术者】顾慧, 司风琪, 吕晓明 申请人:东南大学, 中国大唐集团公司安徽分公司本文档来自技高网...

【技术保护点】
一种基于pyramid时间框架的电站锅炉运行状态监测方法，其特征在于包括以下步骤：步骤一，将事务数据库D中的每个事务数据Ti(i=1，2，...，n)的每个项目利用给定的隶属度函数映射出模糊集合fij=μi(Rj1)Rj1+μi(Rj2)Rj2+...+μi(Rjk)Rjk]]>其中，Rjl为项目的第l个模糊分区，μi(Rjl)为分区Rjl上的隶属度值；步骤二，计算n个事务数据Ti(i=1，2，...，n)中每个项目在对应的模糊集合Rjs(s＝1，2，...，k)中隶属度的权值weightjs=1nΣi=1nμj(Rjs);]]>步骤三，对每一分区Rjs(1≤j≤m，1≤s≤k)，检查每一模糊集对应的权值weightjs是否超过预先给定的最小支持度minsupport；若分区Rjs满足以上条件，将其放入频繁一项集L1中，如下式L1＝{Rjs|weightjs≥minsupport，1≤j≤m，1≤s≤k}；步骤四，定义r为当前保留在频繁项集中项目数量；步骤五，采用Apriori算法，从频繁项集Lr中产生候选项集Cr+1，其中Lr在两个项集中有仅有r‑1个项目相同，且属于同一项目的两个分区不能同时出现在Cr+1的同一项中；步骤六，对候选项集Cr+1中每个新生成的r+1项集t＝(t1，t1，...，tr+1)作如下处理：1)对每一事务数据Ti计算候选大项集中项目t的隶属度μit=μi(Rt1)Λμi(Rt2)Λ...Λμi(Rtr+1)]]>其中μi为事务数据Ti在分区的隶属度值μit=minj=1r+1μi(Rtj);]]>2)计算候选大项集中个项目的权值3)若weightt满足给定的最小支持度的要求，则将项目t＝(t1，t1，...，tr+1)放入Lr+1中；步骤七，若Lr+1为空，执行下一步；否则置r＝r+1，转至步骤五；步骤八，迭代步骤结束，所有的具有项目(t1，t1，...，tq)的大项集t构造关联规则，形成所有可能的模糊关联规则，计算所有模糊关联规则的置信度，输出置信度满足给定最小置信度的规则；步骤九，将得到的关联规则存入时间快照(段)中；步骤十，将时间快照分为[logaT]+1段，分别为[0，1，…，[logaT]]，其中[]表示向下取整，T为起始时间到即刻的间隔，a，l为时间系数；1)初始化s＝0，2)对不大于T的数中，选取最后al+1个数值存入s项，s＝s+1；3)判断s≤[logaT]+1是否成立，若成立进入下一步，否则返回上一步；4)从s＝[logaT]+1项开始，依次减小s，删除重复的时间签，最终得到pyramid时间框架；5)从时间框架中截取个对应项快照中的关联规则，整合后得到兼顾实时数据和历史数据特性的整合关联规则。...

【技术特征摘要】

【专利技术属性】
技术研发人员：顾慧，司风琪，吕晓明，
申请(专利权)人：东南大学，中国大唐集团公司安徽分公司，
类型：发明
国别省市：江苏;32