基于Spark大数据平台的火电厂节能分析
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-13页 |
| 第1章 绪论 | 第13-21页 |
| ·课题研究背景及意义 | 第13-15页 |
| ·国内外研究现状 | 第15-18页 |
| ·电厂节能减排研究现状 | 第15-16页 |
| ·电厂大数据的发展现状 | 第16-18页 |
| ·本文主要研究内容 | 第18-21页 |
| 第2章 数据处理平台选型及部署 | 第21-41页 |
| ·引言 | 第21页 |
| ·计算框架层 | 第21-31页 |
| ·计算框架比较及选型 | 第21-23页 |
| ·Spark平台介绍 | 第23-24页 |
| ·Spark核心RDD | 第24-26页 |
| ·相关平台部署 | 第26-31页 |
| ·数据存储层 | 第31-35页 |
| ·HDFS | 第31页 |
| ·Hive | 第31-33页 |
| ·Hbase | 第33-34页 |
| ·MongoDB | 第34-35页 |
| ·算法库 | 第35-40页 |
| ·Hadoop Mahout | 第35-36页 |
| ·Sparkling Water | 第36-37页 |
| ·Spark Mllib & ML | 第37-39页 |
| ·SparkNet | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第3章 决策树建模方法介绍 | 第41-53页 |
| ·决策树相关基础理论 | 第41-46页 |
| ·决策树模型 | 第42页 |
| ·决策树学习 | 第42-43页 |
| ·特征选择 | 第43-46页 |
| ·随机森林 | 第46-48页 |
| ·随机森林的定义 | 第46页 |
| ·随机森林的生成 | 第46-48页 |
| ·算法的优点 | 第48页 |
| ·梯度提升回归树 | 第48-51页 |
| ·梯度提升树介绍 | 第48-49页 |
| ·梯度提升回归树算法 | 第49-50页 |
| ·梯度提升树的优缺点 | 第50-51页 |
| ·本章小结 | 第51-53页 |
| 第4章 数据处理及试验 | 第53-69页 |
| ·数据预处理 | 第53-56页 |
| ·数据来源 | 第53-55页 |
| ·PI数据采集 | 第55页 |
| ·异常数据处理及数据对标 | 第55-56页 |
| ·火电厂NOx生成及影响因素 | 第56-58页 |
| ·锅炉NOx影响因素分析 | 第56-57页 |
| ·建模数据选取及NOx排放特点 | 第57-58页 |
| ·锅炉氮氧化物建模流程 | 第58-65页 |
| ·基于随机森林的NOx建模实验过程 | 第58-62页 |
| ·基于梯度提升树的NOx建模实验过程 | 第62-63页 |
| ·基于单个决策树的NOx建模 | 第63-64页 |
| ·试验结果分析讨论 | 第64-65页 |
| ·锅炉氮氧化物的多步预测 | 第65-68页 |
| ·基于随机森林的多步预测建模及结果 | 第66-67页 |
| ·基于梯度提升树的多步预测建模及结果 | 第67-68页 |
| ·本章小结 | 第68-69页 |
| 第5章 建模结果及相关节能分析 | 第69-81页 |
| ·污染物建模结果影响因素分析 | 第69-72页 |
| ·建模结果变量选取 | 第69-70页 |
| ·模型所得测点分析 | 第70-72页 |
| ·经济指标分析 | 第72-75页 |
| ·供电煤耗指标分析 | 第72-75页 |
| ·各负荷下关键运行参数的聚类及提取 | 第75-79页 |
| ·关键运行参数优化的意义 | 第75-76页 |
| ·不同运行工况下负荷聚类 | 第76-77页 |
| ·各负荷下电厂主要运行参数提取 | 第77-79页 |
| ·本章小结 | 第79-81页 |
| 第6章 总结展望 | 第81-83页 |
| 参考文献 | 第83-87页 |
| 致谢 | 第87-89页 |
| 攻读学位期间发表的学术论文目录 | 第89页 |
