[发明专利]面向燃煤锅炉流程对象的实时知识发现方法及系统

权利要求书

1.面向燃煤锅炉流程对象的实时知识发现方法，其特征是，包括：

对采集到的锅炉的生产状态参数数据进行时序调整，得到正确的时序数据；

采用基于滑动窗口的数据流聚类方法，将采集到的锅炉的生产状态参数数据，分成“正常”，“基本正常”，“异常”，“严重异常”四类；

保存每次聚类中心结果，每次对比上次聚类结果，如果相邻两次聚类结果的差值在设定范围内，不做任何操作，继续等待下一个数据流；否则，对变化趋势数学公式进行修改更新适用于最新的生产状态；

继续进行后续知识发现的过程获得新的公式，通过关联规则算法进行关联链挖掘，得到各个生产参数最新的影响关系与变化规律，生成各参数之间的关联链；

最后通过柔性神经树对数据进行建模预测，输出数据的新的变化趋势数学公式，对工业生产过程进行模拟，基于当前生产状态的相关参数预测未来一段时间的生产状态，从而辅助调整生产流程参数。

2.如权利要求1所述的面向燃煤锅炉流程对象的实时知识发现方法，其特征是，基于采集的锅炉的生产状态参数数据建立一个初始的模型，即获得一个初始的变化趋势数学公式；

当再次采集锅炉的生产状态参数时，对初始的模型进行动态的更新。

3.如权利要求1所述的面向燃煤锅炉流程对象的实时知识发现方法，其特征是，对初始的模型进行动态的更新包括：数据预处理，基于滑动窗口数据流聚类，关联链挖掘，模型更新。

4.如权利要求3所述的面向燃煤锅炉流程对象的实时知识发现方法，其特征是，数据预处理包括数据进行清洗、对数据出现缺失，错误，重复的进行修复。

5.如权利要求4所述的面向燃煤锅炉流程对象的实时知识发现方法，其特征是，数据预处理后，对采集到的锅炉的生产状态参数数据进行时序调整：采用基于差分极值的方法进行时序发现，首先要计算每个参数数据的数据极值点，然后根据极值出现时间算计参数之间的时间间距，选定一个参数作为时间基准参数，其他参数与基准参数通过时间间距进行比较，得出参数之间的时间序列，也就是流程对象内部参数的具体工艺顺序。

6.如权利要求3所述的面向燃煤锅炉流程对象的实时知识发现方法，其特征是，基于滑动窗口数据流聚类：在处理数据流中的数据时，开辟一块内存存储数据流中的最新数据，数据依次流入窗口相当于窗口逆向滑向数据流，随着数据的不断流入，最先流入的数据将移出窗口不再保存，只保留最近时间的数据状态。

7.如权利要求6所述的面向燃煤锅炉流程对象的实时知识发现方法，其特征是，对数据进行聚类时，是对每个参数独立进行聚类。

8.如权利要求3所述的面向燃煤锅炉流程对象的实时知识发现方法，其特征是，针对两两参数之间生成关联规则，并最终由两两环节的关联规则生成关联链或树，利用关联规则挖掘算法找出的2项关联规则，再根据环节时序对生成的规则进行过滤，具体步骤为，

(1)通过关联规则算法挖掘出任意两个参数中类之间的关联规则；

(2)通过第一步中得到的两个环节之间全部的类间关联规则，以及每个关联规则的总数占比，计算这两个参数之间的关联度，以此计算所有参数之间的关联度，最后可以得到一张参数关联度表。

(3)根据得到的参数关联度表，生成每个参数的最强关联链，从一个参数(X_i)出发，找出与该环参数关联度最大的参数(X_j)，将参数(X_j)加入链中，然后找出与参数(X_j)关联度最大的参数，顺次一直寻找，保证各参数不重复出现，当与下一参数的关联度都小于设定阈值时，停止寻找确定最强关联链。