《电站数据挖掘》由会员分享，可在线阅读，更多相关《电站数据挖掘（13页珍藏版）》请在金锄头文库上搜索。
1、电站数据挖掘数据挖掘实验报告一 背景知识火力发电厂由于设备众多且均较复杂，所需监测数据较多，故全厂的数据量非常大，可以海量来形容。例如以一台600MW机组为例,其中I/O点数超过15000个,运行过程的监控点多达60007000个,各种控制回路有500600个。随着DCS、MIS、S1S及实时数据库等计算机信息系统在电厂中广泛应用，海量数据得以采集和保存。面对这种海量数据的增加，由于受到人力，物力，财力的限制，数据背后所隐藏的深层次知识无法有效地得以理解和使用，相反却带来了“数据灾难”和“数据荒废”。传统的统计分析手段己经很难以满足数据分析的要求，而若需要发现更深层次的规律，并保证系统运行的经
2、济性、安全性和可靠性，则必须提供更快、更有效的决策支持。数据挖掘是从数据中识别出有效的、新颖的、潜在有用的，最终能为人所理解的模式的高级过程。因其与数据库密切相关，因此又被称为数据库中的知识发现(Knowledge Discovery in Databases，KDD)，它起源于对数据库及数据仓库的研究，面向海量数据。它处理的对象是原始数据，是一种在数据基础上推断归纳出一般性结论的方法。随着数据挖掘技术的不断发展和在其他行业的大量应用，用于火力发电行业的数据挖掘理论研究也逐渐开始展开，并取得了一定的成果。本文就是基于数据挖掘技术，通过使用weka数据挖掘平台对电厂的实时运行数据进行挖掘，了解数
3、据挖掘的目的、过程，理解数据挖掘的结果，并能够根据所学习的数据挖掘的相关知识，对挖掘的过程参数和结果数据进行分析，以期望发现数据背后隐藏的更深层次的规律。二 数据集描述本文所选用的数据集来源于电站实际运行数据，如下图：该数据集共有162条记录，每一条记录有13个属性，分别为：序号，负荷，循环水进口温度，主蒸汽压力，主蒸汽温度，再热蒸汽温度，再热蒸汽压力，给水温度，排气压力，排烟温度，排气温度，凝汽器真空度，供电煤耗。除序号外其他所有数据均取到小数点后四位，其中排气压力与凝汽器真空度为负值。162条记录中：负荷的最大值为600.5277 ，最小值为300.1253，循环水进口温度的最大值为24.
4、8070 ， 最小值为13.2708，主蒸汽压力的最大值为17.1801 ，最小值为15.1954，主蒸汽温度的最大值为542.7240 ，最小值为533.4899，再热蒸汽温度的最大值为541.0474，最小值为518.7255，再热蒸汽压力的最大值为3.3629 ，最小值为1.5906，给水温度的最大值为279.5667 ，最小值为238.3696，排气压力的最大值为-91.6119 ，最小值为-98.1801，排烟温度的最大值为113.3043 ，最小值为96.3240，排气温度的最大值为321.9489，最小值为306.7930，凝汽器真空度最大值为-92.4553，最小值为-98.4
5、330，供电煤耗的最大值为355.9414 ，最小值为322.6320，三 算法描述3.1 算法选择我们根据所给数据，希望找到提高该机组效率的方法，也就是如何用更少的煤发更多的电，即降低“耗煤率”。煤耗率是指火力发电厂每生产或供应1 kWh电能所需消耗的燃煤量，而煤耗率与负荷、循环水进口温度、主蒸汽温度、给水温度、排气压力、排烟温度等有关系，因此我们可以使用相关算法对影响煤耗的因素进行分析。3.2 关联规则基本概念设是由m个不同项目组成的集合。D是事务数据库，其中每个事务T是I12, ,mIi ii中的一组项目的集合，即。每个事务有一个标识符，称作TID。对于项集，如TIAI果，则称事务T支持
6、A。如果A中有k个项目，则称A为k项集。关联规则是诸如AT的蕴涵式，其中，并且。ABIA IB AB规则的支持度和置信度是两个规则兴趣度量值，它们分别表示发现规则的有用性和确定性。关联规则的支持度：支持度用s表示，其中s是D中事务包含（即A和B二ABBA者）的百分比，它是概率。即是()P ABABsup()()sport ABP AB包含和的元组数 元组总数关联规则的置信度：置信度用c表示，其中c是D中在包含事务A的情况包含BAB的百分比。它是条件概率。()P B AB()()AAcconfidence ABP B A包含和的元组数 包含的元组数为了挖掘出有意义的关联规则，需要给定两个阈值：最
7、小支持度阈值（minsup）和最小置信度阈值（minconf）。这些阈值可以由用户或领域专家设定。如果项集满足最小支持度，和最小置信度，则称它为频繁关联规则。关联规则的任务就是在给定的事务数据库D中发现所有的频繁关联规则。3.3 关联规则的中的Apriori算法Apriori算法是最为经典的关联规则挖掘算法，其基本原理是逐层搜索的迭代：首先找到所有的频繁1项集,用于搜索频繁2项集，用于搜索频繁3项集，如1L1L2L2L3L此下去，直到不能找到维度更高的频繁项集为止。这种方法依赖连接和剪枝这两步来实现。算法的第一次遍历仅仅计算所有包含1个元素的项目集出项的频率，来决定频繁1项集。随后的第k次遍历
8、，包括两个阶段。首先，调用Aprioir-gen函数，通过(k-1)步中产生的频繁(k-1)项集来生成候选频繁k项集Ck。接着扫描数据库D，计算项目集Ck中各元素在D1kL中的支持度。具体算法如下：(1) L1=large 1-itemsets;(2) for (k=2; Lk-1不为空; k+) do begin(3) Ck=apriori-gen(Lk-1); / 新候选物品集(4) For all transactions tD do begin(5) C=subset(Ck,t); / t中的候选物品集(6) For all candidates cC do(7) c.count+;(
9、8) end;(9) Lk=cCk|c.count=minsup;(10) end;(11) Answer = L1L2Apriori-gen函数：Apriori-gen函数可以细化为两大步：合并（ join）算法：从任意两个Lk-1最大项集生成候选物品集Ckinsert into Ckselect p.item1,p.item2,.,p.item(k-1), q.item(k-1)from Lk-1 p, Lk-1 qwhere p.item1=q.item1, .,p.item(k-2)=q.item(k-2), p.item(k-1)小于q.item(k-1)修剪（Prune）算法：从C
10、k中除去大小为k-1且不在Lk-1中的子集(1) For all itemsets cCk do(2) For all (k-1)-subsets s of c do(3) if (sLk-1)(4) then delete c from CkApriori算法的两大缺点就是产生大量的候选集，以及需重复扫描数据库。四 挖掘步骤4.1数据格式转化 利用excel打开所给的access，因为weka不可以直接处理“*.xlsx”格式的excel数据，可以处理“*.csv”格式的数据，所以我们 另存为 “电站运行数据.csv”。weka不识别内容中的中文，所以把“电站运行数据.csv”中的：序号，
11、负荷，循环水进口温度，主蒸汽压力，主蒸汽温度，再热蒸汽温度，再热蒸汽压力，给水温度，排气压力，排烟温度，排气温度，凝汽器真空度，供电煤耗用英文：Number、Load、Circulating water inlet temperature、Main stream pressure、Main stream temperature、Reheat steam temperature、Reheat steam pressure、Feedwater temperature、Exhaust steam pressure、Funnel temperature、Exhaust steam temperatur
12、e、Condenser Vacuum、Coal consumption代替4.2. 打开weka软件点击Explorer进入：4.3. 导入数据源 选择“Open file”，找到“电站运行数据.csv”，并打开。从上图可以看出：该数据共有162条实例，每条实例有13个属性。4.3. 数据预处理： 我们要采用关联规则挖掘，所以首相要对数值型数据离散化。首先去掉无意义的“序号”属性，然后我把他们都离散化为5段，离散后的结果如下：其中Coal consumption属性的离散化结果如下图所示：所有属性（除序号外）离散化后的柱状图如下：4.4. 关联规则数据挖掘： 采用waka的Apriori关联规
13、则算法进行挖掘： 设置相关参数如下：最小支持度阈值（lowerBoundMinSupport）=0.1 最小置信度阈值（minMetric）=0.9 显示规则数量（numRules）=10软件自动列出前十条置信度最大的关联规则如下：1. Load=low 81 = Reheat steam pressure=(-inf-1.94506 81 conf:(1)2. Feedwater temperature=(-inf-246.60902 80 = Reheat steam pressure=(-inf-1.94506 80 conf:(1)3.Load=low Feedwater temper
14、ature=(-inf-246.60902 79 = Reheat steam pressure=(-inf-1.94506 79 conf:(1)4. Feedwater temperature=(-inf-246.60902 80 = Load=low 79 conf:(0.99)5.Reheat steam pressure=(-inf-1.94506 Feedwater temperature=(-inf-246.60902 80 = Load=low 79 conf:(0.99)6.Feedwater temperature=(-inf-246.60902 80 = Load=low
15、 Reheat steam pressure=(-inf-1.94506 79 conf:(0.99)7. Load=low 81 = Feedwater temperature=(-inf-246.60902 79 conf:(0.98)8.Load=low Reheat steam pressure=(-inf-1.94506 81 = Feedwater temperature=(-inf-246.60902 79 conf:(0.98)9.Load=low 81 = Reheat steam pressure=(-inf-1.94506 Feedwater temperature=(-inf-246.60902 79 conf:(0.98)10. Reheat steam pressure=(-inf-1.94506 88 = Load=low 81 conf:(0.92)分析上面的规则，我们会发现“=”右侧没有属性“Coal consumption”，也就是说不能从上面的规则中分析各个因素对煤耗的影响。实际上当我把“ 显示规则数量”设置成100，最小置信度阈值设置成0.8时仍然没有我们想要的规则出现。为 了继续挖掘相关因素对煤耗的影响，这里我采用了软件提供命令模式（即自己编相关的命 令语句）：在“Simlpe CLI”模块中输入如下格式的命令：jav
