| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第17-28页 |
| 1.1 课题背景及研究意义 | 第17-23页 |
| 1.1.1 大数据技术应用的能源需求 | 第17-18页 |
| 1.1.2 大数据技术应用的政策支持 | 第18-19页 |
| 1.1.3 大数据技术应用的数据支持 | 第19-22页 |
| 1.1.4 大数据技术应用的技术支持 | 第22-23页 |
| 1.2 国内外研究动态 | 第23-26页 |
| 1.3 论文主要研究内容 | 第26-28页 |
| 第2章 大数据技术在电站机组中应用的理论基础 | 第28-45页 |
| 2.1 引言 | 第28-30页 |
| 2.2 大数据技术 | 第30-33页 |
| 2.2.1 大数据的基本概念 | 第30-31页 |
| 2.2.2 电站大数据的基本概念 | 第31页 |
| 2.2.3 大数据技术在实际应用中的一般模式 | 第31-33页 |
| 2.3 大数据技术在电站机组中的应用领域 | 第33-35页 |
| 2.4 大数据建模算法概述 | 第35-41页 |
| 2.4.1 支持向量机算法 | 第35-38页 |
| 2.4.2 遗传算法 | 第38-39页 |
| 2.4.3 投影寻踪原理 | 第39-40页 |
| 2.4.4 主成分分析方法 | 第40页 |
| 2.4.5 信息熵原理 | 第40-41页 |
| 2.5 电站大数据建模思考 | 第41-44页 |
| 2.5.1 大数据建模的层次划分 | 第41-42页 |
| 2.5.2 大数据建模的模块化 | 第42-43页 |
| 2.5.3 大数据建模与机理建模 | 第43页 |
| 2.5.4 大数据建模的特征参数选择 | 第43页 |
| 2.5.5 大数据全样本 | 第43-44页 |
| 2.6 本章小结 | 第44-45页 |
| 第3章 实时运行数据的数据异常处理方法研究 | 第45-62页 |
| 3.1 引言 | 第45-46页 |
| 3.2 异常点检测技术及鲁棒统计方法 | 第46-47页 |
| 3.3 多测点参数的异常点检测方法 | 第47-54页 |
| 3.3.1 传统Grubbs准则 | 第47-48页 |
| 3.3.2 改进Grubbs准则 | 第48-49页 |
| 3.3.3 主蒸汽温度的多测点案例分析 | 第49-54页 |
| 3.4 单测点参数的异常点检测方法 | 第54-61页 |
| 3.4.1 基于相关参数的修正的拉依达准则 | 第54-55页 |
| 3.4.2 仿真函数验证 | 第55-56页 |
| 3.4.3 电站机组案例分析 | 第56-61页 |
| 3.5 本章小结 | 第61-62页 |
| 第4章 关键特征参数选择算法研究 | 第62-74页 |
| 4.1 引言 | 第62-63页 |
| 4.2 特征参数选择的主要方法 | 第63-65页 |
| 4.3 基于平均影响值的特征参数选择算法研究 | 第65-67页 |
| 4.3.1 基于平均影响值方法的特征参数选择 | 第65-67页 |
| 4.3.2 基于平均影响值的多因素权重系数分配方法 | 第67页 |
| 4.4 基于分位影响值的特征参数选择算法研究 | 第67-71页 |
| 4.4.1 基于分位影响值方法的特征参数选择 | 第67-70页 |
| 4.4.2 基于分位影响值的多因素权重系数分配方法 | 第70-71页 |
| 4.5 基于支持向量机敏感性分析方法的特征参数选择算法研究 | 第71-73页 |
| 4.5.1 基于敏感性分析方法的特征参数选择 | 第71-72页 |
| 4.5.2 基于敏感性系数的多因素权重系数分配方法 | 第72-73页 |
| 4.6 本章小结 | 第73-74页 |
| 第5章 基于支持向量机的电站机组特性参数建模分析 | 第74-95页 |
| 5.1 引言 | 第74页 |
| 5.2 主蒸汽流量特性建模分析 | 第74-81页 |
| 5.2.1 建模目标及数据准备 | 第74-76页 |
| 5.2.2 特征参数选择及建模结果分析 | 第76页 |
| 5.2.3 多因素系数分配方法建模结果分析 | 第76-81页 |
| 5.3 煤质低位发热量特性建模分析 | 第81-94页 |
| 5.3.1 煤质发热量在线监测的必要性 | 第81-83页 |
| 5.3.2 煤质发热量离线分析模型 | 第83-90页 |
| 5.3.3 煤质发热量在线监测模型 | 第90-94页 |
| 5.4 本章小结 | 第94-95页 |
| 第6章 基于支持向量机的能耗特性建模研究 | 第95-111页 |
| 6.1 引言 | 第95-96页 |
| 6.2 能耗敏感性分析的特征参数初选 | 第96-99页 |
| 6.2.1 建模目标 | 第96-97页 |
| 6.2.2 初选特征参数 | 第97-99页 |
| 6.3 基于支持向量机的能耗敏感性分析模型 | 第99-103页 |
| 6.3.1 供电煤耗的敏感性分析模型 | 第99-100页 |
| 6.3.2 供电煤耗的敏感性分析结果 | 第100-103页 |
| 6.4 不同负荷下能耗敏感性分析模型 | 第103-105页 |
| 6.5 不同样本下能耗敏感性分析模型 | 第105-107页 |
| 6.6 不同特征参数下能耗特性分析模型 | 第107-109页 |
| 6.7 本章小结 | 第109-111页 |
| 第7章 机组状态评估与节能减排评价方法研究 | 第111-129页 |
| 7.1 引言 | 第111-112页 |
| 7.2 评价指标体系选择原则 | 第112页 |
| 7.3 机组状态评估指标体系及方法 | 第112-121页 |
| 7.3.1 燃煤发电机组机组状态评估指标体系 | 第112-115页 |
| 7.3.2 信息熵-主成份分析综合评价算法 | 第115-118页 |
| 7.3.3 机组状态评估模型案例分析 | 第118-121页 |
| 7.4 机组节能减排评价体系及方法 | 第121-128页 |
| 7.4.1 燃煤发电机组节能减排评价指标体系 | 第122-123页 |
| 7.4.2 最大熵-投影寻踪原理 | 第123-125页 |
| 7.4.3 节能减排综合评价模型案例分析 | 第125-128页 |
| 7.5 本章小结 | 第128-129页 |
| 第8章 结论与展望 | 第129-133页 |
| 8.1 主要研究成果 | 第129-130页 |
| 8.2 主要创新点 | 第130-131页 |
| 8.3 后续工作展望 | 第131-133页 |
| 参考文献 | 第133-146页 |
| 攻读博士学位期间发表的论文及其它成果 | 第146-148页 |
| 攻读博士学位期间参加的科研工作 | 第148-149页 |
| 致谢 | 第149-150页 |
| 作者简介 | 第150页 |
