集中供熱系統(tǒng)量質(zhì)運(yùn)行調(diào)節(jié)策略數(shù)據(jù)逆向識別方法

《集中供熱系統(tǒng)量質(zhì)運(yùn)行調(diào)節(jié)策略數(shù)據(jù)逆向識別方法》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、ＴＩＡＮＪＩＮＵＮＩＶＥＲＳ中國第—所現(xiàn)代大學(xué)ＩＴＹＦＯＵＮＤＥＤＩＮ１８９５嘥＊ａ碩士學(xué)位論文■■■ｉｉｉｍｍｉｉ—學(xué)科專業(yè)：供熱、供燃?xì)?、通風(fēng)及空調(diào)工程作者姓名：柴國令玉指導(dǎo)教師：田喆教授＊天津大學(xué)研究生院２０１６年１２月ｔＴ？摘要實(shí)現(xiàn)供熱系統(tǒng)節(jié)能優(yōu)化的前提是掌握系統(tǒng)當(dāng)前的運(yùn)行調(diào)節(jié)策略，供熱計(jì)量系統(tǒng)在建筑設(shè)備管理中的應(yīng)用，使得大量的采暖運(yùn)行數(shù)據(jù)被記錄下來，這些數(shù)據(jù)中往往隱含著系統(tǒng)運(yùn)行調(diào)節(jié)的信息，通過對這些數(shù)據(jù)展開分析工作，得到系統(tǒng)的運(yùn)行策略，無疑是最佳的方案。然而，使用傳統(tǒng)的數(shù)據(jù)分析方法難以提取這些海量的時(shí)

2、間序列中隱含的信息。數(shù)據(jù)挖掘?qū)⑻幚砗Ａ繑?shù)據(jù)的復(fù)雜算法結(jié)合到傳統(tǒng)的數(shù)據(jù)分析方法中，從而具備了從復(fù)雜數(shù)據(jù)中提取知識的能力。因此本文依托目前備受關(guān)注并且迅速發(fā)展的數(shù)據(jù)挖掘技術(shù)，將數(shù)據(jù)挖掘技術(shù)運(yùn)用到熱網(wǎng)大數(shù)據(jù)中，對系統(tǒng)運(yùn)行策略識別的挖掘任務(wù)進(jìn)行逐步分解，首先為提高數(shù)據(jù)質(zhì)量，將小波分解的方法和拉依達(dá)準(zhǔn)則有效結(jié)合，對運(yùn)行數(shù)據(jù)進(jìn)行預(yù)處理；其次將單位根檢驗(yàn)法、聚類分析以及決策樹分析方法有效結(jié)合，挖掘系統(tǒng)流量調(diào)節(jié)規(guī)律；接著將單位根檢驗(yàn)法、傅立葉變換和聚類分析、決策樹分析的方法有效結(jié)合，識別系統(tǒng)供水溫度調(diào)節(jié)模式；然后提出對系統(tǒng)橫向數(shù)據(jù)進(jìn)行相關(guān)分析，研究各變量之間的關(guān)聯(lián)，以獲取更多的系統(tǒng)調(diào)節(jié)知識。最后

3、，本文研究制定了供熱運(yùn)行數(shù)據(jù)預(yù)處理方法、系統(tǒng)流量調(diào)節(jié)模式識別流程以及系統(tǒng)供水溫度調(diào)節(jié)模式識別流程和系統(tǒng)變量相關(guān)分析法，并將上述方法確定的分析模塊進(jìn)行集成，建立基于供熱運(yùn)行數(shù)據(jù)的系統(tǒng)運(yùn)行模式識別的數(shù)據(jù)挖掘框架。應(yīng)用該數(shù)據(jù)挖掘框架對兩個(gè)實(shí)際換熱站的運(yùn)行數(shù)據(jù)進(jìn)行了案例分析，結(jié)果表明該框架能夠識別出系統(tǒng)的運(yùn)行調(diào)節(jié)模式，有效驗(yàn)證了該數(shù)據(jù)挖掘框架的合理性和有效性。因此本文的研究成果可以用于今后更多的供熱系統(tǒng)運(yùn)行模式識別的挖掘工作，能夠提高相關(guān)研究人員的工作效率，具有一定的實(shí)際意義。關(guān)鍵詞：集中供熱，運(yùn)行調(diào)節(jié)，模式識別，數(shù)據(jù)挖掘，分類決策IABSTRACTTheidentificationof

4、thecurrentoperationstrategyofaheatingsystemisthebasicprerequisiteofoperationoptimization.Andtheapplicationofheatmeteringsysteminthemanagementofbuildingservicesmakesalargenumberofheatingoperationdatatoberecordedandinwhichtheinformationofsystemoperationregulationisoftenhidden.Therefore,itundoub

5、tedlyisthemostconvenientandusefulprogramtoobtaintheoperationstrategyofheatingsystemthroughtheanalysisofthesedata.However,it’sdifficultforthetraditionaldataanalysismethodtohandlethesemassiveandmulti-dimensionaltimeseriesdata.Wellthedataminingtechnologywhichcombinethetraditionaldataanalysismeth

6、odswiththecomplexalgorithmofprocessingmassivedataprovidesagoodtoolforextractusefulinformationfromthemessydata.Consequently,thispaperproposeamethodtorecognizetheoperationpatternofheatingsystembasedontheattentionattractingandfastdevelopingdataminingfromoperationdata.Theminingtaskisgraduallydeco

7、mposed.Firstly,thewaveletdecompositionmethodandPauTacriterionareusedtoimprovedataqualitybypretreatment.Secondly,theUnitRootTestmethod,ClusteringAnalysisandDecisionAnalysismethodarecombinedtominingtheflowadjustmentregulation.Thirdly,theUnitRoo