摘要 | 第5-7页 |
Abstract | 第7-8页 |
第1章 绪论 | 第15-24页 |
1.1 课题背景和研究意义 | 第15-19页 |
1.1.1 我国电力行业发展现状 | 第15-17页 |
1.1.2 工业物联网背景下电力行业发展的问题与需求 | 第17-19页 |
1.2 电站设备性能分析与运行优化 | 第19-22页 |
1.2.1 设备性能状态分析方法 | 第19页 |
1.2.2 运行优化方法 | 第19-20页 |
1.2.3 基准值的确定 | 第20-22页 |
1.3 论文主要研究内容 | 第22-24页 |
第2章 信息物理融合系统 | 第24-34页 |
2.1 引言 | 第24-25页 |
2.2 信息物理融合系统概述 | 第25-27页 |
2.2.1 信息物理融合系统定义 | 第25-26页 |
2.2.2 信息物理融合系统研究进展 | 第26-27页 |
2.3 信息物理融合系统与电站系统 | 第27-33页 |
2.3.1 电站系统中信息物理融合系统构架 | 第27-28页 |
2.3.2 电站系统中信息物理融合系统应用的一般模式 | 第28-30页 |
2.3.3 电站系统中信息物理融合系统可行性分析示例 | 第30-33页 |
2.4 本章小结 | 第33-34页 |
第3章 信息预处理研究 | 第34-53页 |
3.1 引言 | 第34-36页 |
3.2 特征变量的选择 | 第36-42页 |
3.2.1 特征变量的选择方法概述 | 第37-39页 |
3.2.2 特征变量选择案例分析 | 第39-42页 |
3.3 样本的选取 | 第42-46页 |
3.3.1 稳态分析 | 第42-43页 |
3.3.2 异常数据检测 | 第43-44页 |
3.3.3 样本选择案例分析 | 第44-46页 |
3.4 数据质量的提升 | 第46-52页 |
3.4.1 传统的数据协调算法 | 第46-48页 |
3.4.2 改进的数据协调算法 | 第48页 |
3.4.3 改进的数据协调案例分析 | 第48-52页 |
3.5 本章小结 | 第52-53页 |
第4章 数据驱动下的信息物理融合系统离线建模 | 第53-75页 |
4.1 引言 | 第53-54页 |
4.2 数据驱动下的机理建模 | 第54-67页 |
4.2.1 数据驱动下汽轮机级组的机理建模 | 第54-59页 |
4.2.2 数据驱动下回热加热器的机理建模 | 第59-62页 |
4.2.3 数据驱动下空冷凝汽器的机理建模 | 第62-67页 |
4.3 数据驱动下的算法建模 | 第67-72页 |
4.3.1 支持向量机 | 第67-70页 |
4.3.2 神经网络 | 第70-72页 |
4.3.3 模糊粗糙集 | 第72页 |
4.4 信息层子模型间的连接 | 第72-74页 |
4.5 本章小结 | 第74-75页 |
第5章 信息物理融合系统在线性能分析与运行优化 | 第75-106页 |
5.1 引言 | 第75页 |
5.2 数据驱动下的设备状态分析 | 第75-83页 |
5.2.1 改进的数据协调方法与传感器故障监测 | 第75-77页 |
5.2.2 设备性能状态在线监测案例 | 第77-83页 |
5.3 数据驱动下的运行优化 | 第83-98页 |
5.3.1 物理层分析 | 第84-86页 |
5.3.2 信息物理融合系统解决最佳凝汽器真空问题示例 | 第86-98页 |
5.4 数据驱动的电站信息物理融合系统的关键问题讨论 | 第98-104页 |
5.4.1 数据协调步骤的意义 | 第98-101页 |
5.4.2 计算时间的讨论 | 第101-102页 |
5.4.3 训练数据量与预测时效性的讨论分析 | 第102-103页 |
5.4.4 机理建模与算法建模的讨论 | 第103-104页 |
5.5 本章小结 | 第104-106页 |
第6章 结论与展望 | 第106-109页 |
6.1 主要研究成果 | 第106-107页 |
6.2 主要创新点 | 第107页 |
6.3 后续工作展望 | 第107-109页 |
参考文献 | 第109-120页 |
攻读博士学位期间发表的论文及其它成果 | 第120-121页 |
攻读博士学位期间参加的科研工作 | 第121-122页 |
致谢 | 第122-124页 |
作者简介 | 第124页 |