论文部分内容阅读
随着国际能源的紧缺和能源价格的上涨,能源管理成为近年来的一个研究热点。由于工业企业是我国能源消耗的主体,所以工业企业的能耗监管显得尤为重要。由于能源管理的分散性和工业过程的复杂化,企业能耗数据呈现出了时序性,层次性和时间区域特征等特点,这些特点在流程企业尤为明显。针对现代工业工程所出现的新的能耗特点,采用先进的计算机技术挖掘能源异常的潜在规律,对企业的能源监管有着十分重要的意义。本文以现代实际工业过程为背景,针对工业过程新的能耗特点,改进传统的数据挖掘技术,对工业能耗数据进行序列挖掘,并取得了良好的实际效果。本文的主要工作和成果如下:(1)针对工业能源数据的时序性和层次性,本文研究了能源数据的序列模式,挖掘能耗异常事件的预警序列,帮助企业预测能源的异常情况,通过对普通项集的多层挖掘策略的研究,将普通项集的多层挖掘思想扩展到多层序列模式挖掘中,研究和比较几种序列模式挖掘算法,选择和改进合适的序列模式挖掘算法,使其能够更好地应用于工业数据的多层序列模式挖掘中。另外,本文采用了逐层过滤的搜索策略,以避免多层序列挖掘中产生过多的序列集合。(2)针对工业能源数据的时间区域特征,由Apriori算法改进思路的启发,本文研究了数据区域划分的改进思路,将数据区域划分的思想应用于序列模式挖掘中,采用时间维度划分的方式,对工业数据库进行时间区域划分,进而挖掘适用于各个不同时间区域的序列模式,并提高序列模式的挖掘效率。(3)本文通过对能源预警系统的研究与设计,构架能源预警系统的基本框架,概述了能源预警系统的基本功能,研究了监测点的设计,预警指标的选择和能源预警方法的设计,使能源预警系统能多层次地监控能源的消耗情况,并将改进的序列模式算法应用于预警系统中,以获得能源异常事件的预警序列模式。(4)对本文所做的工作进行一个总结和概括,指出研究工作的不足之处,并对序列模式挖掘的工业应用前景做出展望。