高学伟,付忠广,孙力,张刚(.沈阳工程学院 仿真中心,辽宁 沈阳 036；.华北电力大学 电站设备状态监测与控制教育部重点实验室,北京 006)



基于Hadoop分布式支持向量机球磨机大数据建模

高学伟1,2,付忠广2,孙力1,张刚1
(1.沈阳工程学院 仿真中心,辽宁 沈阳 110136；2.华北电力大学 电站设备状态监测与控制教育部重点实验室,北京 102206)

大数据时代环境下，火电厂大量数据被存储到数据库中而不能被充分利用，由于双进双出钢球磨煤机系统的复杂性，很难建立其准确的机理数学模型，为此提出一种基于大数据挖掘的建模方法.首先分析影响磨煤机料位的因素，提取现场海量的实际运行数据，在Hadoop平台下利用K-Means聚类算法删除离群点，利用主成分分析法(PCA)降维完成属性约简，然后在MapReduce架构上采用分布式支持向量机(D_SVM)建立模型，实现计算并行化.结果表明，采取该方法提高了建模效率，所建立的模型具有很高的精确度，且具有很好的泛化能力，该模型可以用于表征实际料位的特性.

双进双出磨煤机；Hadoop平台；分布式支持向量机；K-Means聚类；主成分分析

磨煤机是火电厂的主要辅机耗电设备,其料位很难直接测量，双进双出钢球磨煤机系统内部过程复杂，是一个强非线性，有时滞和不确定性的系统.当前火力发电厂热力系统的建模方法主要有机理建模和实验建模2种，而双进双出钢球磨煤机很难用比较全面地反应各参数间内在关系的准确机理模型来解释.文献[1]利用BP人工神经……