[发明专利]基于K均值聚类算法的火电厂储煤配煤智能化管理方法

权利要求书

1.一种基于K均值聚类算法的火电厂储煤配煤智能化管理方法，其特征在于，包括：基于聚类方法对无标记的原煤煤质参数数据进行训练，得到数据的内在性质及规律，结合专家知识得到堆料决策方法及堆料决策规则；

所述堆料决策方法通过下述过程获得：

根据专家知识，选取用于煤分类堆放的煤质参数；其中，所述煤质参数包括：原煤全硫分、原煤干燥无灰基挥发分及原煤收到基低位发热量；

基于K-means算法，以选取的煤质参数为输入数据进行训练，通过迭代优化近似求解式，将最终求解出的簇划分，得到进厂煤的堆放对策；

所述K-means算法为：

给定样本集D＝{x₁，x₂，......，x_m}，K-means算法针对聚类所得簇划分为C＝{C₁，C₂，...，C_k}，最小化平方误差为：

其中，μ_i是簇C_i的均值向量，k为正整数；

所述堆料决策规则通过下述过程获得：

基于K-means算法，以经过专家知识甄选的进厂煤煤质参数作为输入，得到具有物理意义的聚类方法模型，并根据所述聚类方法模型，制定原煤的分类堆放存储规则；

所述分类堆放存储规则包括一级规则，所述一级规则包括：

基于原煤全硫分S_t、原煤干燥无灰基挥发分V_daf及原煤收到基低位发热量Q_net，ar对原煤进行分类；

将每一种原煤的原煤全硫分S_t、原煤干燥无灰基挥发分V_daf及原煤收到基低位发热量Q_net，ar的参数值与相应煤质参数的设定值进行比较，如果其中一个参数的参数值与设定值的绝对误差或相对误差超过下列范围，则将其单独进行堆放存储：

1)全硫分绝对误差ΔSt≥1％OR ΔSt≤-1％，

全硫分相对误差ΔSt≥100％OR ΔSt≤-100％；

2)挥发分绝对误差ΔV_daf≥15％OR ΔV_daf≤-15％，

挥发分相对误差ΔV_daf≥80％OR ΔV_daf≤-80％；

3)低位发热量绝对误差ΔQ_net，ar≥6MJ/kg OR ΔQ_net，ar≤-6MJ/kg，

低位发热量相对误差ΔQ_net，ar≥30％OR ΔQ_net，ar≤-30％；

所述分类堆放存储规则包括二级规则，所述二级规则包括：

在一级规则的基础上，排除原煤全硫分S_t，根据原煤干燥无灰基挥发分V_daf及原煤收到基低位发热量Q_net，ar继续对原煤进行分类；

将每一种原煤的原煤干燥无灰基挥发分V_daf及原煤收到基低位发热量Q_net，ar的参数值与相应煤质参数的设定值进行比较，如果其中一个参数的参数值与设定值的绝对误差或相对误差在下列范围内，则将其合并堆放存储：

1)挥发分绝对误差20％≥|ΔV_daf|≥15％，15％≥|ΔV_daf|≥8％，8％≥|ΔV_daf|≥0％，

挥发分相对误差120％≥|ΔV_daf|≥80％，80％≥|ΔV_daf|≥40％，40％≥|ΔV_daf|≥0％；

2)低位发热量绝对误差10MJ/kg≥|ΔQ_net，ar|≥6MJ/kg，6MJ/kg≥|ΔQ_net，ar|≥3MJ/kg，3MJ/kg≥|ΔQ_net，ar|≥0MJ/kg，

低位发热量绝对误差60％≥|ΔQ_net，ar|≥30％，30％≥|ΔQ_net，ar|≥15％，15％≥|ΔQ_net，ar|≥0％。