基于大数据分析的2×1000 MW火力发电机组不良数据识别方法研究

• 作者: 程辉
• 来源期刊: 自动化与仪器仪表
• 学科: 工学
• 关键词: 大数据分析 火力发电机组 不良数据识别 支持向量机
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 自动化应用
• 页码范围: 167-170
• 页数: 4页
• 分类号: TP274+.2
• 语种: 中文
• DOI: 10.14016/j.cnki.1001-9227.2020.02.167

摘要

为了对2×1000 MW火力发电机组的不良数据进行分析和识别,提出了电机组运行状态预测模型,以超短期电功率为预测对象,从不良数据的角度出发,建立了一个基于支持向量机(SVM)和随机马尔科夫链的数据分析识别模型.首先,基于大系统数据,利用SVM对电机组进行预测,得出误差和特征;然后,基于马尔科夫链原理,建立状态转移概率矩阵,修正SVM模型的结果;最后,对状态预测数据进行分类整理.对于2×1000 MW火力发电机组,实验结果表明,所提方法可以较准确地分析识别不良数据,准确率达到92％,为2×1000 MW火力发电机组提供良好的纠错环境.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程辉		5	16	2.0	4.0