高學(xué)偉，付忠廣，張連升，劉炳含

(1.沈陽工程學(xué)院 遼寧省電站仿真控制重點實驗室，遼寧 沈陽 110136； 2.華北電力大學(xué) 電站設(shè)備狀態(tài)監(jiān)測與控制教育部重點實驗室，北京102206；3.國電康平發(fā)電有限公司 運行部，遼寧 沈陽 110500)

當(dāng)今大數(shù)據(jù)時代背景下，大數(shù)據(jù)技術(shù)已經(jīng)在商業(yè)、金融、醫(yī)療、交通、教育等領(lǐng)域得到廣泛應(yīng)用。我國燃煤電站信息化、數(shù)字化水平已大幅提升，分布式控制系統(tǒng)(DCS)、管理信息系統(tǒng)(MIS)、監(jiān)控信息系統(tǒng)(SIS)以及全廠信息集成系統(tǒng)(PI)等已在燃煤發(fā)電廠普遍應(yīng)用。這些系統(tǒng)產(chǎn)生了大量的運行生產(chǎn)數(shù)據(jù)，未來燃煤電站必將成為大數(shù)據(jù)的重要應(yīng)用領(lǐng)域之一：一方面，發(fā)電廠存儲著大量的歷史運行數(shù)據(jù)，以及輸入煤質(zhì)和氣象觀測等外部數(shù)據(jù)，而這些數(shù)據(jù)目前僅限于日常的報表、查詢，大部分閑置，數(shù)據(jù)缺乏深度利用；另一方面，通過深度挖掘發(fā)電廠的數(shù)據(jù)價值，可以用于燃煤機(jī)組的優(yōu)化運行，以及狀態(tài)評估和性能監(jiān)測，甚至可以推動運行控制和管理模式發(fā)生根本性變革。

自2012年以來，國內(nèi)外大學(xué)、研究機(jī)構(gòu)、IT企業(yè)以及發(fā)電公司等單位分別從理論和技術(shù)應(yīng)用等方面研究如何將大數(shù)據(jù)技術(shù)應(yīng)用于燃煤發(fā)電廠的管理、生產(chǎn)運行過程，才可以對生產(chǎn)過程中運行方式進(jìn)行優(yōu)化[1]，對設(shè)備運行狀態(tài)關(guān)鍵參數(shù)進(jìn)行監(jiān)測[2-4]，對企業(yè)的管理和決策進(jìn)行指導(dǎo)[5-6]，對機(jī)組安全環(huán)保經(jīng)濟(jì)運行狀態(tài)進(jìn)行評估[7-8]。但總體來看，研究成果仍不成體系，研究尚處于起步和探索階段，在工程領(lǐng)域內(nèi)的應(yīng)用較少。

因此，在分析燃煤電站大數(shù)據(jù)在國內(nèi)外研究和應(yīng)用現(xiàn)狀的基礎(chǔ)上，首先對燃煤電站大數(shù)據(jù)的特征和應(yīng)用模式進(jìn)行總結(jié)，然后對大數(shù)據(jù)技術(shù)在燃煤火力發(fā)電廠中應(yīng)用的動力和面臨的挑戰(zhàn)進(jìn)行探討，提出電站大數(shù)據(jù)研究需要解決的關(guān)鍵技術(shù)難題，并以燃煤電站SCR脫硝系統(tǒng)大數(shù)據(jù)建模為例，介紹大數(shù)據(jù)挖掘建模過程，最后對燃煤電站大數(shù)據(jù)進(jìn)行總結(jié)和下一步發(fā)展展望。

1 燃煤電廠大數(shù)據(jù)

1.1 數(shù)據(jù)特征

數(shù)字化、信息化的發(fā)展以及在大型燃煤發(fā)電廠的逐步深入，電力生產(chǎn)過程也逐漸體現(xiàn)出大數(shù)據(jù)的5個典型特征及5 V特性[9]。

1)海量性(Volume)

電力生產(chǎn)設(shè)備需要大量安裝測點以及回路進(jìn)行監(jiān)視和控制，產(chǎn)生海量的信息，每年會有數(shù)百TB的數(shù)據(jù)保存下來，經(jīng)過長時間積累構(gòu)成了名副其實的數(shù)據(jù)海洋。

2)多樣性(Variety)

發(fā)電過程中除了通常記錄生產(chǎn)過程的開關(guān)量及模擬量這類結(jié)構(gòu)化數(shù)據(jù)外，還記錄下大量生產(chǎn)過程中重要的圖像、聲音等非結(jié)構(gòu)化數(shù)據(jù)，使得電力生產(chǎn)大數(shù)據(jù)形式多樣。

3)時效性(Velocity)

電力生產(chǎn)規(guī)模龐大，生產(chǎn)過程復(fù)雜，機(jī)組運行工況多變，數(shù)以萬計的設(shè)備每秒會產(chǎn)生數(shù)百乃至上千MB的實時運行數(shù)據(jù)，DCS和SIS系統(tǒng)中數(shù)據(jù)以及大量的非結(jié)構(gòu)化數(shù)據(jù)需要被快速存儲和分析處理。

4)準(zhǔn)確性(Veracity)

電站大數(shù)據(jù)的處理結(jié)果必須保證一定的準(zhǔn)確度，才能給電廠管理者和運行人員正確的決策支持以及正確的操作建議。

5)價值性(Value)

電站大數(shù)據(jù)本身包含大量深度的價值，大數(shù)據(jù)的挖掘分析和利用對于指導(dǎo)機(jī)組優(yōu)化運行，實施機(jī)組狀態(tài)監(jiān)測，形成智能化的管理監(jiān)控系統(tǒng)有非常重要的價值。

電力生產(chǎn)過程的大數(shù)據(jù)，除具有上述5 V特性外，還具有其獨有的特征[10]：

1)高維易變性

發(fā)電過程構(gòu)成一個復(fù)雜的多變量系統(tǒng)，涉及到眾多參數(shù)用于過程描述。在空間和時間上，這種描述具有高維度的特點，且生產(chǎn)過程呈現(xiàn)出多變的形式，機(jī)組運行工況多變，有穩(wěn)態(tài)工況和動態(tài)工況的區(qū)別。不同的操作運行方式和潛在的故障，使數(shù)據(jù)有不同的體現(xiàn)，數(shù)據(jù)間有不同的慣性與延遲，這些都嚴(yán)重影響數(shù)據(jù)的可理解性。

2)強(qiáng)相關(guān)非線性

發(fā)電過程伴隨著多種物理、化學(xué)變化，各個參數(shù)間相互耦合，相互影響，具有強(qiáng)相關(guān)性，但變量大多不服從線性關(guān)系，動態(tài)響應(yīng)也不盡相同。

3)高噪聲不完整性

電力生成過程中的設(shè)備長期處于高溫高壓的惡劣工作環(huán)境，噪聲污染嚴(yán)重，導(dǎo)致電站大數(shù)據(jù)易出現(xiàn)離散值、遺失值以及不一致數(shù)據(jù)，再者由于現(xiàn)階段測量技術(shù)、數(shù)據(jù)傳輸與存儲等因素產(chǎn)生不完整數(shù)據(jù)。

1.2 應(yīng)用模式

燃煤電站大數(shù)據(jù)研究應(yīng)采用盡可能多的數(shù)據(jù)，且在實現(xiàn)跨專業(yè)和跨部門數(shù)據(jù)融合的基礎(chǔ)上進(jìn)行多維度的數(shù)據(jù)分析，其應(yīng)用模式一般包括以下幾個方面：

1)大數(shù)據(jù)平臺的建設(shè)

將燃煤電站機(jī)組DCS、MIS及SIS系統(tǒng)中的結(jié)構(gòu)化、非結(jié)構(gòu)化的數(shù)據(jù)統(tǒng)一采集并存儲到大數(shù)據(jù)平臺中，為下一步挖掘、分析和利用提供基礎(chǔ)，這是大數(shù)據(jù)技術(shù)應(yīng)用的基礎(chǔ)。

2)科學(xué)的假設(shè)

根據(jù)機(jī)組實際運行情況及大數(shù)據(jù)平臺中存儲的有效數(shù)據(jù)，做出科學(xué)的假設(shè)，定義建模主題，為大數(shù)據(jù)應(yīng)用指明方向，這是整個應(yīng)用過程中最關(guān)鍵的一個環(huán)節(jié)。

3)數(shù)據(jù)的獲取和預(yù)處理

根據(jù)假設(shè)的建模主題，選擇相關(guān)參數(shù)和樣本，通過數(shù)據(jù)預(yù)處理和特征參數(shù)約簡提高建模效率和精度。

4)數(shù)據(jù)挖掘和分析

建模主題是預(yù)測建模還是分類診斷，是狀態(tài)評估還是運行優(yōu)化，需要研究選擇并確定合適的算法，從而準(zhǔn)確確定模型的關(guān)鍵參數(shù)。

5)模型驗證和結(jié)果分析

對數(shù)據(jù)挖掘和分析結(jié)果進(jìn)行專業(yè)分析，并驗證模型的精度和泛化能力。

2 發(fā)展的動力與面臨的挑戰(zhàn)

2.1 發(fā)展的動力

1)政策支持

美國、日本、英國、法國、澳大利亞以及中國等各國政府從2012年開始相繼出臺了促進(jìn)本國大數(shù)據(jù)領(lǐng)域發(fā)展的政策，為大數(shù)據(jù)在各個行業(yè)領(lǐng)域內(nèi)的應(yīng)用和發(fā)展提供了強(qiáng)大的后盾[11]。其中，奧巴馬政府于2012年3月發(fā)布了《大數(shù)據(jù)研究和發(fā)展倡議》(Big Data Research and Development Initiative)，投資2億美元以上，正式啟動“大數(shù)據(jù)發(fā)展計劃”，計劃在科學(xué)研究、環(huán)境、生物醫(yī)學(xué)等領(lǐng)域利用大數(shù)據(jù)技術(shù)進(jìn)行突破，把大數(shù)據(jù)研究和發(fā)展計劃上升到國家戰(zhàn)略層面。我國政府于2015年9月印發(fā)《促進(jìn)大數(shù)據(jù)發(fā)展行動綱要》，系統(tǒng)部署大數(shù)據(jù)發(fā)展工作，開啟了我國大數(shù)據(jù)國家戰(zhàn)略。2016年1月全國首部大數(shù)據(jù)地方法規(guī)《貴州省大數(shù)據(jù)發(fā)展應(yīng)用促進(jìn)條例》發(fā)布；2016年3月，《第十三個五年規(guī)劃》指出：把大數(shù)據(jù)作為基礎(chǔ)性戰(zhàn)略資源，全面實施促進(jìn)大數(shù)據(jù)發(fā)展行動，加快推動數(shù)據(jù)資源共享開放和開發(fā)應(yīng)用，我國已經(jīng)開始進(jìn)入了一個開放、共享和智能化的大數(shù)據(jù)時代。

2)技術(shù)支持

隨著數(shù)據(jù)獲取技術(shù)、數(shù)據(jù)存儲技術(shù)、數(shù)據(jù)處理技術(shù)、數(shù)據(jù)可視化技術(shù)的進(jìn)步，以及Hadoop、Spark、Storm等大數(shù)據(jù)分析平臺及技術(shù)的應(yīng)用，為大數(shù)據(jù)的應(yīng)用提供了技術(shù)支持[12]。粒計算是基于信息?；膹?fù)雜問題求解理論框架，是當(dāng)前計算智能領(lǐng)域中模擬人類思維和解決復(fù)雜問題的核心技術(shù)之一，與其他人工智能理論和機(jī)器學(xué)習(xí)方法相結(jié)合，已經(jīng)應(yīng)用于大數(shù)據(jù)挖掘中，使得大數(shù)據(jù)的價值能夠得以釋放。

3)大數(shù)據(jù)、大效益

目前，燃煤發(fā)電在我國仍然占據(jù)主導(dǎo)地位，各發(fā)電廠及電力集團(tuán)公司存儲了大量的覆蓋電廠生產(chǎn)全過程的運行數(shù)據(jù)，這些數(shù)據(jù)包含大量有效、可用的信息，機(jī)組安裝的測點傳感器及其他開關(guān)量設(shè)備提供大量實時監(jiān)控數(shù)據(jù)和歷史操作數(shù)據(jù)，這些數(shù)據(jù)為大數(shù)據(jù)技術(shù)在燃煤電站中的應(yīng)用和發(fā)展提供了數(shù)據(jù)支持。通過數(shù)據(jù)分析和深度挖掘，找出其內(nèi)在聯(lián)系，挖掘數(shù)據(jù)潛在的價值，可以提高控制品質(zhì)，推廣先進(jìn)控制策略應(yīng)用，形成智能化的燃煤發(fā)電機(jī)組運行優(yōu)化及管理監(jiān)控系統(tǒng)。同時，對于提高燃煤發(fā)電企業(yè)的核心競爭力，保證機(jī)組生產(chǎn)過程中的安全性、環(huán)保性和經(jīng)濟(jì)性，具有十分重要的意義，這將成為發(fā)展大數(shù)據(jù)技術(shù)的主要推動力。

2.2 面臨的挑戰(zhàn)

1)缺乏認(rèn)同

燃煤發(fā)電是一個傳統(tǒng)的行業(yè)。目前對大數(shù)據(jù)的基本概念以及在發(fā)電廠中的應(yīng)用價值的認(rèn)識仍然不足，用一種離散的、平面的目光來看待那些大量有價值的數(shù)據(jù)，很少有人去重視分析數(shù)據(jù)間的關(guān)系和時間特性，沒有從思想深處意識到數(shù)據(jù)的價值，這急需有令人信服的成功案例，才能得到企業(yè)的普遍認(rèn)同[13]。

2)缺乏規(guī)劃

國內(nèi)外一些科研院所和發(fā)電公司尚未制定出一個長期的關(guān)于整個發(fā)電企業(yè)的大數(shù)據(jù)發(fā)展戰(zhàn)略，目前僅開展了一些分散的研究和應(yīng)用。由于發(fā)電廠復(fù)雜的熱力系統(tǒng)數(shù)據(jù)模型需要逐步建立，如果沒有對生產(chǎn)運行數(shù)據(jù)進(jìn)行一個長期的分析跟蹤，就不可能找到確實符合現(xiàn)場實際的分析模型，可見發(fā)電廠數(shù)據(jù)挖掘需要統(tǒng)籌規(guī)劃和長效機(jī)制的保障。

3)數(shù)據(jù)開放共享不足

目前，發(fā)電公司的數(shù)據(jù)大多是采用不同的數(shù)據(jù)存儲格式存儲在不同的數(shù)據(jù)庫中，造成數(shù)據(jù)采集查詢困難，運行管理方面形成一種豎井模式，不同部門、不同團(tuán)隊之間通常孤立工作，數(shù)據(jù)交流和數(shù)據(jù)共享相當(dāng)困難。在發(fā)電企業(yè)中，有些數(shù)據(jù)不能公開使用，有些數(shù)據(jù)涉及到安全問題，需在有限范圍內(nèi)使用，隱私保護(hù)和安全是大數(shù)據(jù)應(yīng)用首先需要解決的問題?？梢姭@取數(shù)據(jù)的困難不僅有來自軟硬件方面技術(shù)的限制，也有來自現(xiàn)有的企業(yè)管理機(jī)制的限制。

4)技術(shù)復(fù)雜性

燃煤電站大數(shù)據(jù)的應(yīng)用是發(fā)電廠理論、數(shù)學(xué)挖掘分析技術(shù)和 IT 技術(shù)的結(jié)合，多學(xué)科交叉，其先進(jìn)性和綜合性導(dǎo)致了技術(shù)實現(xiàn)的復(fù)雜性，軟硬件系統(tǒng)之間的技術(shù)差異和標(biāo)準(zhǔn)差異所帶來的互操作問題普遍存在。

5)缺乏人才

對發(fā)電廠復(fù)雜的生產(chǎn)數(shù)據(jù)進(jìn)行挖掘分析，不僅需要掌握火力發(fā)電廠的相關(guān)理論知識，也需要具備足夠的計算機(jī)專業(yè)知識，以及精通大數(shù)據(jù)分析技術(shù)相關(guān)知識。同時，發(fā)電廠需要具有熟知如何申請、使用大數(shù)據(jù)分析且具有前瞻性思維的管理者，能夠制定相應(yīng)策略并貫徹執(zhí)行?？梢姡R高度融合的管理者和復(fù)合型技術(shù)人員的匱乏將是企業(yè)未來幾年必須面對的難題。

3 電站大數(shù)據(jù)需解決的關(guān)鍵技術(shù)

3.1 大數(shù)據(jù)存儲及處理平臺

電站數(shù)據(jù)存儲分散，數(shù)據(jù)量成倍增長，數(shù)據(jù)類型多，大數(shù)據(jù)平臺開發(fā)需完善大數(shù)據(jù)的采集、存儲和處理等問題。從大數(shù)據(jù)存儲與處理之問相互關(guān)系的角度出發(fā)，主要的存儲及處理模式可以分為流處理和批處理兩種[14]。流處理是直接處理，數(shù)據(jù)流本身具有量大、持續(xù)到達(dá)且速度快等特點，當(dāng)新的數(shù)據(jù)到來時就立刻被處理并返回所需的結(jié)果，這種模式適用于實時性要求比較高的業(yè)務(wù)；批處理是先存儲后處理，其核心思想在于將問題分而治之，這種處理模式適合于實時性要求不高，但是數(shù)據(jù)量非常龐大繁雜的業(yè)務(wù)。燃煤發(fā)電廠需要將來自方方面面的數(shù)據(jù)在邏輯上集中起來進(jìn)行管控，很難同時保證其可行性、可靠性與可擴(kuò)展性，而云計算技術(shù)融合了分布式文件系統(tǒng)、分布式數(shù)據(jù)處理系統(tǒng)、分布式數(shù)據(jù)庫等技術(shù)，可以提高現(xiàn)有數(shù)據(jù)挖掘方法對海量數(shù)據(jù)的處理效率[15-16]，如何將其作為電站數(shù)據(jù)存儲和處理的基礎(chǔ)平臺與技術(shù)支撐，可以作為研究和實踐的重點。

3.2 大數(shù)據(jù)建模技術(shù)

由于電站熱力系統(tǒng)復(fù)雜高維，機(jī)組通常處于變工況運行狀態(tài)，傳統(tǒng)的機(jī)理建模和試驗建模方法所建立的模型很難同時達(dá)到精確性和實時性的需求，而電站機(jī)組大數(shù)據(jù)挖掘技術(shù)建模，可以依據(jù)數(shù)據(jù)之間的相關(guān)關(guān)系，構(gòu)建相關(guān)參數(shù)間的數(shù)學(xué)模型。如何利用大數(shù)據(jù)技術(shù)建立模型，以及將大數(shù)據(jù)建模與機(jī)理建模、試驗建模相結(jié)合，這將是今后電站機(jī)組建模的研究方向。針對電站系統(tǒng)的海量高維數(shù)據(jù)，分析處理的時間相應(yīng)增長，時效性要求高，算法的效率逐漸成為瓶頸等問題，如何采用并行化及分布式計算來實現(xiàn)數(shù)據(jù)分解和變量分組，是大數(shù)據(jù)建模技術(shù)研究的熱點問題[17]。在建模過程中究竟是選擇回歸預(yù)測類算法還是分類算法，需要根據(jù)建模主題的不同，采用不同的建模方法。如何將大數(shù)據(jù)分析技術(shù)和現(xiàn)代人工智能算法相結(jié)合，是實現(xiàn)大數(shù)據(jù)建模的關(guān)鍵。

3.3 大數(shù)據(jù)預(yù)處理技術(shù)

數(shù)據(jù)預(yù)處理是建模成功的關(guān)鍵，包括數(shù)據(jù)清洗、數(shù)據(jù)集成、數(shù)據(jù)變換、數(shù)據(jù)規(guī)約等。電站機(jī)組設(shè)備多、參數(shù)多、數(shù)據(jù)冗余、數(shù)據(jù)類型多、高噪聲不完整等因素影響數(shù)據(jù)質(zhì)量，且生產(chǎn)過程數(shù)據(jù)具有實時性特點，剔除實時數(shù)據(jù)流中的異常數(shù)據(jù)才能保證建模數(shù)據(jù)的準(zhǔn)確性[18]。而機(jī)組運行參數(shù)復(fù)雜高維，具有相關(guān)性、非線性、時變性等特點，進(jìn)一步通過特征參數(shù)選擇剔除冗余參數(shù)來精簡建模參數(shù)的數(shù)量，通過離散點檢測來刪除離群的噪聲點，從而提高建模數(shù)據(jù)質(zhì)量，降低模型復(fù)雜度，有效保證模型精度和高效性。因此，進(jìn)一步深入研究數(shù)據(jù)的異常點處理、建模樣本及特征參數(shù)的選取方法是技術(shù)人員努力的方向。

3.4 大數(shù)據(jù)可視化技術(shù)

數(shù)據(jù)可視化技術(shù)是將數(shù)據(jù)轉(zhuǎn)換為圖形或圖像在屏幕上顯示出來，并進(jìn)行交互處理的技術(shù)。該技術(shù)可以使數(shù)據(jù)更容易被理解，能夠最為直觀的體現(xiàn)燃煤電站大數(shù)據(jù)的應(yīng)用方式和應(yīng)用價值。當(dāng)數(shù)據(jù)量發(fā)生爆炸性增長時，人對于大數(shù)據(jù)的理解變得極為有限。大數(shù)據(jù)可視化技術(shù)必須能夠快速的收集、篩選、分析和展現(xiàn)用戶所需要的信息，并能夠根據(jù)新增數(shù)據(jù)進(jìn)行實時更新。而傳統(tǒng)可視化方法用于大數(shù)據(jù)會產(chǎn)生一定的局限性，不能有效地表達(dá)大數(shù)據(jù)背后的含義和價值。因此，大數(shù)據(jù)技術(shù)對于利用可視化方法輔助加強(qiáng)理解數(shù)據(jù)的需求就非常迫切。

4 應(yīng)用實例

隨著燃煤電廠智能化的進(jìn)一步推進(jìn)，大數(shù)據(jù)技術(shù)在發(fā)電廠將會發(fā)揮越來越大的作用，下面通過一個典型的實例來進(jìn)一步論述大數(shù)據(jù)技術(shù)如何應(yīng)用于燃煤電廠[19]。燃煤電站中的SCR脫硝系統(tǒng)噴氨量無法實現(xiàn)精確控制，所建立的SCR脫硝系統(tǒng)模型的可靠性直接關(guān)系到脫硝系統(tǒng)控制和運行的可靠性。通過挖掘現(xiàn)場海量的實際運行數(shù)據(jù)，采用大數(shù)據(jù)建模理論建立脫硝系統(tǒng)模型，所建模型為下一步脫硝系統(tǒng)優(yōu)化運行以及噴氨量的精確控制奠定了基礎(chǔ)。SCR大數(shù)據(jù)模型建立過程的整體流程如圖1所示。

圖1 模型建立整體流程

1)通過理論分析與系統(tǒng)實際運行情況研究，選取機(jī)組發(fā)電量、噴氨量、SCR反應(yīng)器入口煙溫、入口煙氣含氧量、出口煙氣含氧量、入口NOx濃度以及脫硝效率作為模型的輸入變量，選取SCR反應(yīng)器出口NOx濃度為模型的輸出變量。

2)對選取的參數(shù)進(jìn)行穩(wěn)態(tài)工況檢測，提取出穩(wěn)態(tài)運行工況，從而也能夠刪除異常離散值。

3)采用主成分分析方法(principal component analysis，PCA)對穩(wěn)態(tài)檢測之后的數(shù)據(jù)進(jìn)行數(shù)據(jù)降維。

4)利用支持向量機(jī)回歸(support vector regression，SVR)進(jìn)行建模，利用改進(jìn)的混合粒子群算法(hybrid particle swarm optimization，HPSO)對支持向量機(jī)的懲罰因子C和核函參數(shù)進(jìn)行尋優(yōu)操作。

5)返回訓(xùn)練集和測試集的均方誤差mse和決定系數(shù)R，用于對所建立的SVR模型進(jìn)行性能評價，運行結(jié)果如圖2所示。所建立的模型預(yù)測精度較高，泛化能力強(qiáng)，可以用于表征實際SCR脫硝系統(tǒng)的動態(tài)特性。

5 結(jié) 語

燃煤電站下一步的發(fā)展目標(biāo)將是在自動化、信息化、數(shù)字化電廠的基礎(chǔ)上，建設(shè)一種具備自學(xué)習(xí)、自組織、自趨優(yōu)、自恢復(fù)等功能的智能發(fā)電運行控制與管理模式，構(gòu)建高效節(jié)能、綠色環(huán)保、安全可靠的人性化智能電廠。智能電廠的建設(shè)將是大數(shù)據(jù)技術(shù)應(yīng)用的一個重要領(lǐng)域，國內(nèi)外許多學(xué)者和科研機(jī)構(gòu)已經(jīng)取得了一定的研究成果，但現(xiàn)在尚處于起步階段，仍不成體系，在許多方面面臨挑戰(zhàn)，一些關(guān)鍵技術(shù)有待解決。

圖2 SCR系統(tǒng)預(yù)測模型訓(xùn)練集測試結(jié)果

燃煤電站中的大數(shù)據(jù)有待解決的關(guān)鍵技術(shù)包括能夠存儲和處理電站大數(shù)據(jù)的平臺研究和開發(fā)，數(shù)據(jù)的集成和融合，數(shù)據(jù)質(zhì)量控制的大數(shù)據(jù)預(yù)處理方法，高效的大數(shù)據(jù)建模算法，以及結(jié)果的可視化技術(shù)等。

研究大數(shù)據(jù)技術(shù)應(yīng)用于燃煤電站需要不同層次、不同專業(yè)技術(shù)人員協(xié)同合作。推動燃煤電站大數(shù)據(jù)的研究和工程應(yīng)用的發(fā)展，需制定各個層面的發(fā)展戰(zhàn)略，達(dá)成共識，共同消除存在的障礙，這樣才能保證大數(shù)據(jù)技術(shù)在燃煤電站中得到成功應(yīng)用并健康發(fā)展。

[1] SANDRA S，INES DEL C，JAVIER E，et al.Modeling and multi-objective optimization of a complex CHP process [J].Applied Energy，2016，161：309-319.

[2] 劉吉臻，劉繼偉，曾德良，等.大數(shù)據(jù)多尺度狀態(tài)檢測方法在磨損檢測的應(yīng)用[J].儀器儀表學(xué)報，2013，34(1)：180-186.

[3] ALI A，MAHDI D.Data driven approach for fault detection and diagnosis of turbine in thermal power plant using Independent Component Analysis(ICA)[J].Electrical Power and Energy Systems，2012，43:728-735.

[4] CHEN K Y，CHEN L S，CHEN M C，et al.Using SVM based method for equipment fault detection in a thermal power plant [J].Computers in Industry,2011,62(1):42-50.

[5] 姜 陽，楊倩玉，王 雷.在網(wǎng)運行機(jī)組負(fù)荷優(yōu)化分配[J].沈陽工程學(xué)院學(xué)報：自然科學(xué)版，2017，13(3)：229-233.

[6] 王寧玲，付 鵬，陳德剛，等.大數(shù)據(jù)分析方法在廠級負(fù)荷分配中的應(yīng)用[J].中國電機(jī)工程學(xué)報，2015，35(1)：68-73.

[7] 付忠廣，齊敏芳.基于最大熵投影尋蹤耦合的燃煤機(jī)組節(jié)能減排評價方法研究[J].中國電機(jī)工程學(xué)報，2014，34(26)：68-73.

[8] 付忠廣，景 源，齊敏芳，等.基于投影尋蹤原理的機(jī)組可靠性等級評價[J].動力工程學(xué)報，2012，32(10)：820-824.

[9] 劉繼偉.基于大數(shù)據(jù)的多尺度狀態(tài)監(jiān)測方法及應(yīng)用[D].北京：華北電力大學(xué)，2013.

[10]齊敏芳.大數(shù)據(jù)技術(shù)及其在電站機(jī)組分析中的應(yīng)用[D].北京：華北電力大學(xué)，2016.

[11]陶雪嬌，胡曉峰，劉 洋.大數(shù)據(jù)研究綜述[J].系統(tǒng)仿真學(xué)報，2013，25(S1)：142-146.

[12]黃宜華，苗凱翔.深入理解大數(shù)據(jù)：大數(shù)據(jù)處理與編程實踐[M].北京：機(jī)械工業(yè)出版社，2014.

[13]張東霞，苗 新，劉麗平，等.智能電網(wǎng)大數(shù)據(jù)技術(shù)發(fā)展研究[J].中國電機(jī)工程學(xué)報，2015，35(1)：2-12.

[14]彭小圣，鄧迪元，程時杰，等.面向智能電網(wǎng)應(yīng)用的電力大數(shù)據(jù)關(guān)鍵技術(shù)[J].中國電機(jī)工程報，2015，35(3)，503-511.

[15]毛羽豐.基于云計算的海量電力數(shù)據(jù)分析系統(tǒng)設(shè)計與實現(xiàn)[D].北京：北京交通大學(xué)，2015.

[16]FUAD B，RADWA E，OMAR B，et al.Big Data 2.0 Processing Systems：Taxonomy and Open Challenges[J].Journal of Grid Computing,2016：27.

[17]ERIC P X，HO Q R，XIE P T，et al.Strategies and Principles of Distributed Machine Learning on Big Data[J].Engineering,2016,2:179-195.

[18]QI M F，F(xiàn)U Z G，CHEN F.Outliers detection method of multiple measuring points of parameters in power plant units[J].Applied Thermal Engineering,2015,85:297-303.

[19]高學(xué)偉，付忠廣，劉炳含，等.SCR脫硝系統(tǒng)PCA-HPSO-SVR大數(shù)據(jù)建模研究[J].自動化儀表，2017，38(7)：15-19.