数据驱动的火电机组建模及自动化部署支撑系统研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究的背景和意义 | 第9-10页 |
| 1.2 国内外的研究现状 | 第10-14页 |
| 1.2.1 传统火电行业研究现状 | 第11页 |
| 1.2.2 数据驱动的电力行业研究现状 | 第11-14页 |
| 1.3 本文主要研究工作 | 第14-16页 |
| 1.3.1 论文主要关键技术 | 第14-15页 |
| 1.3.2 论文结构和章节安排 | 第15-16页 |
| 第2章 机器学习和相关算法 | 第16-25页 |
| 2.1 机器学习 | 第16-19页 |
| 2.1.1 机器学习的背景和基础 | 第16-17页 |
| 2.1.2 机器学习的评估标准 | 第17-19页 |
| 2.2 回归算法 | 第19-20页 |
| 2.2.1 线性回归 | 第19页 |
| 2.2.2 逻辑回归 | 第19-20页 |
| 2.3 神经网络 | 第20-24页 |
| 2.3.1 感知器 | 第20-21页 |
| 2.3.2 梯度下降算法 | 第21-22页 |
| 2.3.3 神经网络和深度学习 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 火电机组运行参数分析与研究 | 第25-36页 |
| 3.1 火电机组简介 | 第25-27页 |
| 3.1.1 燃料特性 | 第25-26页 |
| 3.1.2 锅炉燃烧系统 | 第26-27页 |
| 3.2 火电机组运行参数特点 | 第27-28页 |
| 3.3 参数选取策略以及特征数据生成 | 第28-31页 |
| 3.3.1 稳态区间的确定和划分 | 第28-29页 |
| 3.3.2 数据平滑处理 | 第29页 |
| 3.3.3 火电机组参数间的延时计算 | 第29-30页 |
| 3.3.4 滑窗法特征拼接 | 第30页 |
| 3.3.5 数据标准化处理 | 第30-31页 |
| 3.4 火电机组项目研究对象分析 | 第31-35页 |
| 3.4.1 稳态区间计算 | 第31-33页 |
| 3.4.2 参数选择 | 第33-34页 |
| 3.4.3 延时计算 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第4章 火电机组运行参数模型构建 | 第36-49页 |
| 4.1 子模型构建 | 第36-39页 |
| 4.1.1 子模型主参数选择 | 第37页 |
| 4.1.2 子模型的构建思路 | 第37-38页 |
| 4.1.3 模型构建 | 第38页 |
| 4.1.4 子模型评估 | 第38-39页 |
| 4.2 主模型构建 | 第39-42页 |
| 4.2.1 主模型参数选取 | 第40页 |
| 4.2.2 主模型的构建思路 | 第40-41页 |
| 4.2.3 模型构建 | 第41-42页 |
| 4.2.4 主模型评估 | 第42页 |
| 4.3 模型调参 | 第42-47页 |
| 4.4 本章小结 | 第47-49页 |
| 第5章 火电机组模型架构设计 | 第49-62页 |
| 5.1 实时数据的存储 | 第50页 |
| 5.2 定时任务及部署任务相关 | 第50-52页 |
| 5.2.1 定时任务 | 第50-51页 |
| 5.2.2 子进程执行程序 | 第51-52页 |
| 5.2.3 信号机制 | 第52页 |
| 5.3 自动化稳态提取以及特征向量构建 | 第52-54页 |
| 5.3.1 定时数据的导出 | 第53页 |
| 5.3.2 定时特征数据生成及测试 | 第53-54页 |
| 5.4 自动化模型训练 | 第54-57页 |
| 5.4.1 子模型的定时训练模块和测试 | 第55-56页 |
| 5.4.2 主模型训练样本生成 | 第56页 |
| 5.4.3 主模型训练 | 第56页 |
| 5.4.4 模型的批量训练 | 第56-57页 |
| 5.5 自动化模型部署 | 第57-61页 |
| 5.5.1 基于web服务的模型预测方案 | 第57-58页 |
| 5.5.2 自动化模型服务部署 | 第58页 |
| 5.5.3 线下测试方案 | 第58-61页 |
| 5.6 本章小结 | 第61-62页 |
| 第6章 总结 | 第62-64页 |
| 6.1 结论 | 第62页 |
| 6.2 下一步工作与展望 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 在读硕士期间取得的科研成果 | 第70-71页 |
| 致谢 | 第71页 |
