[发明专利]基于聚类思想的电站空预器积灰监测方法

权利要求书

1.基于聚类思想的电站空预器积灰监测方法，其特征是：包括以下步骤：

步骤1，获取原始数据；获取空预器冲洗前N个月的机组负荷数据、进出口烟气侧压差数据以及进出口空气侧压差数据，根据机组负荷程度将过程数据分组，并对原始数据进行预处理，获取有效数据；

步骤2，计算对比数据；通过聚类算法对步骤1中不同负荷程度下的空气侧进出口压差以及烟气侧进出口压差数据分别进行聚类，并记录下每组数据中类心的最小值和最大值，其中，每组数据中的类心最大值代表在该负荷程度下空预器运行的最差工况，即积灰最严重，每组数据中的类心最小值代表在该负荷程度下空预器运行的最在优工况，并以上述数据作为对比数据；

步骤3，空预器冲洗后，每隔一个月收集其过程数据，并按照步骤1中的机组负荷程度进行数据划分，进而对划分后的数据通过聚类算法获取其类心最值，将计算得到的类心最值与步骤2中的对比数据进行对比，当空预器冲洗后得到的任一负荷程度下该组数据的类心最大值大于对比数据中相同负荷程度下类心最大值时，空预器需要进行冲洗。

2.根据权利要求1所述的基于聚类思想的电站空预器积灰监测方法，其特征在于：所述的步骤2和步骤3中，采用聚类算法对不同负荷程度下的空气侧进出口压差以及烟气侧进出口压差数据进行聚类的具体步骤为：

步骤S1：用值在0，1之间的随机数初始化隶属矩阵，使其满足式(1)；

式中：u_ij为某一负荷程度下第j个样本，即压差数据对于第i个类的隶属度；c为类的数目；n为该负荷程度下用来聚类的样本总数，j为计数器；

步骤S2：用式(2)计算c个聚类中心；

式中：C_i为第i个聚类中心；m为算法的模糊程度，一般取2；x_j为某一负荷程度下第j个样本；i为计数器；

步骤S3：用式(3)计算目标函数，若目标函数值小于某个给定的阈值，或者本次计算结果与上一次结果相比变化量小于某个阈值，则算法停止；

式中：J_i为第i个类的目标函数；d_ij为第i个聚类中心与第j个样本点间的欧式距离；

步骤S4：用式(4)计算隶属矩阵，返回步骤二；

式中：k为计数器。

3.根据权利要求2所述的基于聚类思想的电站空预器积灰监测方法，其特征在于：所述的步骤1中，空预器冲洗前N个月的机组负荷数据从电厂的SIS数据库中提取，所述的N的取值为2～6。

4.根据权利要求3所述的基于聚类思想的电站空预器积灰监测方法，其特征在于：所述的步骤1中，获取的过程数据按照60％额定负荷、70％额定负荷、80％额定负荷、90％额定负荷、100％额定负荷进行分组，每组数据中的负荷差距不超过±2MW。

5.根据权利要求2所述的基于聚类思想的电站空预器积灰监测方法，其特征在于：所述的步骤2中计算出的类心所属的类中数据量小于用来聚类的数据总数量的5％时，判定该类心为离群点。