电站在运行期间积累了海量过程数据,它们是对机组运行状况最直接的反应。数据驱动建模方法提供了一种有效的途径,帮助人们从这些海量运行数据中提取出有用的信息,掌握机组运行情况,提高机组运行的安全性与经济性。随着电站信息化和智能化程度不断提升,电站运行数据的存储和获取变得越来越容易,数据驱动建模方法在电站中会具有更加广阔的应用空间。针对热工过程数据驱动建模存在的问题,本文的主要研究内容包括:首先,针对热工数据的混杂性问题,对热工过程数据的预处理方法展开研究,简述了热工数据的动态特性,重点研究了小波去噪方法及用于稳态检测的R检验法,分析了不同小波变换参数及稳态阈值对结果的影响,并将小波去噪与R检验法结合起来进行稳态判定,结果表明在相同稳态阈值下,经过去噪后的样本可获得工况范围更广的稳态数据。其次,针对热工动态过程对系统及设备性能评价的影响问题,本文以热耗率和SCR脱硝系统为例,研究了动态数据修正方法,从动态数据中获取对象静态关系,并搭建了对象仿真平台,利用仿真数据验证了本文提出了方法的有效性。再者,对热工过程自适应建模算法展开研究,针对热工过程特点,提出了基于聚类和RBF神经网络的概念漂移数据流回归算法,在保证算法实时预测精度的基础上,兼顾了样本的丰富性,提升了算法对对象全工况范围内输入输出参数关系的拟合能力。利用测试函数和CSTR仿真数据验证了算法的有效性,并建立了 SCR脱硝催化剂劣化模型。最后,基于大唐集团脱硝催化剂管理数据库平台开发了 SCR脱硝系统催化剂寿命监测模块,给出了软件设计思想、系统架构与运行流程。