[发明专利]基于FP-Growth算法的火电机组运行优化目标值确定方法

权利要求书

1.一种基于Apache Spark和改进FP-Growth算法的火电机组运行优化目标值确定方法，其特征在于：包括以下步骤：

S1、选取供电煤耗率的影响参数，根据影响参数采集历史运行数据并进行数据预处理和稳态检测；

S2、使用Pearson相关性分析从影响参数中筛选运行优化参数；

S3、基于矩阵技术改进FP-Growth算法；

S3具体包括以下步骤：

S31、遍历一次原始数据集D并根据最小支持度阈值筛选得到所有的频繁1-项集，按支持度由大到小的顺序生成一个频繁1-项集的横向列表，记为F-List；

S32、生成一个n行k列的零矩阵M，n等于D中事务T的条数，k等于F-List的长度，即F-List中频繁1-项集的个数；

S33、再次遍历D并更新矩阵M，具体包括以下步骤：

S331、读取D的第i条事务T_i用于更新矩阵M的第i行元素其中1≤i≤n，从T₁开始逐条进行更新；

S332、将T_i的第x项T_i(x)和F-List中的每一项依次进行比较，其中1≤x≤len(i)，len(i)等于第i条事务中所有项的个数，从T_i(1)开始逐项进行比较；

S333、如果T_i(x)和F-List的第j项F-List(j)相同，其中1≤j≤k，则将矩阵M中的元素M_ij＝0更新为M_ij＝1，同时结束T_i(x)和F-List的比较并且F-List(j)不再参与T_i中剩余项的比较；如果T_i(x)没有出现在F-List中，则不对矩阵M作任何改动；

S334、T_i的所有项目完成比较后，对应在矩阵M的第i行元素也更新完毕，则T_i的频繁项目信息完全压缩并保存在了矩阵M的第i行中；

S335、原始数据集D的所有事务T完成更新后，矩阵M压缩并保存了原始数据集中所有频繁项的信息；

S34、利用更新后的矩阵M构造FP-Tree，矩阵M每一行中值为1的元素对应为原始数据集中每一条事务含有的频繁项目，元素值为0则说明元素所在行对应的数据集事务不含相应的频繁项目；

S35、利用构造的FP-Tree挖掘频繁模式；

S4、基于Apache Spark将改进的FP-Growth算法并行化；

S5、将运行优化参数的数据离散化，利用并行的改进FP-Growth算法从数据集中挖掘频繁模式，对挖掘结果进行反离散化并整理得到各个工况下机组运行优化参数的目标值。

2.根据权利要求1所述的一种基于Apache Spark和改进FP-Growth算法的火电机组运行优化目标值确定方法，其特征在于：S1中，供电煤耗率的影响参数为分别选取锅炉侧和汽轮机侧影响锅炉效率和汽轮机热耗率的参数并进行合并；历史运行数据采样间隔为1分钟；稳态检测的参数是机组负荷和主蒸汽压力。

3.根据权利要求2所述的一种基于Apache Spark和改进FP-Growth算法的火电机组运行优化目标值确定方法，其特征在于：S2具体步骤为：按季节将稳态检测后的历史运行数据分为4组，分别对4组数据使用Pearson相关性分析，将每个季节内和供电煤耗率强相关的参数合并，合并结果即为机组运行优化参数。