基于決策樹的燃煤鍋爐運(yùn)行優(yōu)化規(guī)則的提取

王文歡，潘秉超，潘衛(wèi)國(guó)

(上海電力學(xué)院能源與機(jī)械工程學(xué)院，上海 200090)

電廠數(shù)據(jù)的傳統(tǒng)分析手段主要集中在計(jì)算機(jī)組的主要運(yùn)行特性指標(biāo)計(jì)算方面，如鍋爐熱效率、汽輪機(jī)熱耗率、發(fā)電煤耗率、供電煤耗率、高壓缸效率、中壓缸效率等.傳統(tǒng)的報(bào)表已經(jīng)不能滿足電力企業(yè)現(xiàn)代化生產(chǎn)的需要.隨著電力企業(yè)向大型化、自動(dòng)化、現(xiàn)代化方向的發(fā)展，以及適應(yīng)“廠網(wǎng)分開、競(jìng)價(jià)上網(wǎng)”的需要，提高發(fā)電機(jī)組的運(yùn)營(yíng)管理水平、節(jié)能降耗、增強(qiáng)企業(yè)競(jìng)爭(zhēng)力，已成為發(fā)電企業(yè)面臨的最為緊迫的問題.

如果能充分利用數(shù)據(jù)倉(cāng)庫(kù)、聯(lián)機(jī)分析處理、數(shù)據(jù)挖掘技術(shù)，結(jié)合火電機(jī)組自身的特點(diǎn)，對(duì)機(jī)組的安全經(jīng)濟(jì)運(yùn)行狀況進(jìn)行聯(lián)機(jī)分析和數(shù)據(jù)挖掘，多角度、全方位展現(xiàn)數(shù)據(jù)，并發(fā)現(xiàn)隱藏在生產(chǎn)數(shù)據(jù)中有用的知識(shí)，揭示電力企業(yè)歷年積累的數(shù)據(jù)背后所蘊(yùn)含的規(guī)律和規(guī)則，并據(jù)此來判定機(jī)組當(dāng)前的運(yùn)行情況，發(fā)現(xiàn)存在的隱患，就能指導(dǎo)機(jī)組的安全經(jīng)濟(jì)運(yùn)行，為決策提供更加有力的科學(xué)依據(jù)，提高電廠的信息化水平、管理水平和市場(chǎng)競(jìng)爭(zhēng)力.

1 決策樹的基礎(chǔ)理論

1.1 數(shù)據(jù)挖掘

數(shù)據(jù)挖掘(Data Mining)就是從大量的、不完全的、有噪音的、模糊的、隨機(jī)的原始數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的，但又是潛在有用、可信、新穎的信息和知識(shí)的過程.它是一門廣義的交叉學(xué)科，它的發(fā)展和應(yīng)用涉及不同領(lǐng)域，尤其是數(shù)據(jù)庫(kù)、人工智能、數(shù)理統(tǒng)計(jì)、可視化、并行計(jì)算等.

數(shù)據(jù)挖掘也被稱為數(shù)據(jù)庫(kù)中知識(shí)發(fā)現(xiàn)(Knowledge Discovery in Database，KDD)，對(duì)它的研究主要基于3大技術(shù)支柱，包括數(shù)據(jù)庫(kù)、人工智能和數(shù)理統(tǒng)計(jì).圖1簡(jiǎn)要描述了數(shù)據(jù)挖掘技術(shù)的形成過程.

圖1 數(shù)據(jù)挖掘的形成過程

數(shù)據(jù)庫(kù)理論的發(fā)展促成了數(shù)據(jù)倉(cāng)庫(kù)的形成，人工智能的發(fā)展促進(jìn)了機(jī)器學(xué)習(xí)的進(jìn)步，同時(shí)這些技術(shù)與傳統(tǒng)的數(shù)理統(tǒng)計(jì)理論的結(jié)合，最終促成了數(shù)據(jù)挖掘技術(shù)的形成.

由此可見，數(shù)據(jù)挖掘是一門交叉學(xué)科，它把人們對(duì)數(shù)據(jù)的應(yīng)用從低層次的簡(jiǎn)單查詢，提升到從數(shù)據(jù)中挖掘知識(shí)，提供決策支持.在這種需求牽引下，匯聚了不同領(lǐng)域的研究者，尤其是數(shù)據(jù)庫(kù)技術(shù)、人工智能技術(shù)，以及數(shù)理統(tǒng)計(jì)、可視化技術(shù)、并行計(jì)算等方面的學(xué)者和工程技術(shù)人員，他們把這些高深復(fù)雜的技術(shù)封裝起來，使人們不需要自己掌握這些技術(shù)也能完成同樣的功能，并且更專注于自己所要解決的問題.

目前，最流行的幾種數(shù)據(jù)挖掘方法有決策樹、神經(jīng)網(wǎng)絡(luò)、遺傳算法、近鄰算法和關(guān)聯(lián)規(guī)則等.本文重點(diǎn)介紹電廠優(yōu)化運(yùn)行的決策樹模型.

1.2 決策樹模型

決策樹方法[1]是目前應(yīng)用最廣泛的歸納推理算法之一，也是一種逼近離散值函數(shù)的方法.它是以實(shí)例為基礎(chǔ)的歸納學(xué)習(xí)算法，通常用來形成分類器和預(yù)測(cè)模型，著眼于從一組無次序、無規(guī)則的事例中推理出用決策樹表示的分類規(guī)則.分類在數(shù)據(jù)挖掘中是一項(xiàng)非常重要的任務(wù)，目前在商業(yè)中應(yīng)用最多.

所謂決策樹就是一個(gè)類似流程圖的樹型結(jié)構(gòu)，其中樹的每個(gè)內(nèi)部結(jié)點(diǎn)代表對(duì)一個(gè)屬性(取值)的測(cè)試，其分支則代表測(cè)試的每個(gè)結(jié)果，而樹的每個(gè)葉結(jié)點(diǎn)就代表一個(gè)類別，樹的最高層結(jié)點(diǎn)就是根結(jié)點(diǎn).常用的決策樹方法有ID3，C4.5，CART，CHIAD，PUBLIC.最為典型的決策樹學(xué)習(xí)算法是ID3算法[2]，它采用自頂向下不回溯策略，保證找到一個(gè)簡(jiǎn)單的樹.由于C4.5算法對(duì)ID3算法做出的較大改進(jìn)[3]，并且憑借其獨(dú)特的特點(diǎn)和突出的優(yōu)勢(shì)，已經(jīng)在金融、醫(yī)療等行業(yè)得到了成功的應(yīng)用.在文中筆者利用C4.5算法對(duì)鍋爐運(yùn)行的歷史數(shù)據(jù)進(jìn)行挖掘分析，并給出分析結(jié)果.

1.3 C4.5算法介紹

C4.5算法[4]除了擁有ID3算法的功能外，還引入了新的方法，增加了新的功能.例如:用信息增益率的概念;合并具有連續(xù)屬性的值;可以處理具有缺少屬性值的訓(xùn)練樣本;通過使用不同的修剪技術(shù)以避免樹的過度擬合;k交叉驗(yàn)證;規(guī)則的產(chǎn)生方式等.

C4.5在本質(zhì)上和我們前面給出的決策樹推導(dǎo)方法相同:在選擇測(cè)試屬性時(shí)，通過信息熵公式計(jì)算出各屬性的信息增益.C4.5采用啟發(fā)式搜索來選擇導(dǎo)致最大信息增益率(GainRatio(A))的屬性A作為擴(kuò)展屬性進(jìn)行分枝，整個(gè)算法是個(gè)遞歸過程，直到無法分裂出新的結(jié)點(diǎn)為止.

GainRatio(A)方法認(rèn)為應(yīng)當(dāng)選擇信息增益好的屬性，一個(gè)屬性的信息增益率可用公式表示為:

可見，C4.5采用的信息增益率表示了由分枝產(chǎn)生的有用信息的比率，這個(gè)值越大，分枝包含的有用信息越多.

ID3算法最初假定屬性為離散值，但在實(shí)際環(huán)境中，很多屬性值是連續(xù)的.對(duì)于連續(xù)屬性，C4.5處理過程如下:

(1)根據(jù)屬性的值，對(duì)數(shù)據(jù)集排序;

(2)用不同的閾值將數(shù)據(jù)集進(jìn)行動(dòng)態(tài)劃分;

(3)當(dāng)輸出改變時(shí)確定一個(gè)閾值;

(4)取兩個(gè)實(shí)際值的中點(diǎn)作為一個(gè)閾值;

(5)取兩個(gè)劃分，所有樣本都在這兩個(gè)劃分中;

(6)得到所有可能的閾值、增益及增益率;

(7)每一個(gè)屬性會(huì)變?yōu)閮蓚€(gè)取值，即小于閾值或大于等于閾值.

C4.5算法與ID3算法比較，主要特點(diǎn)有以下幾點(diǎn):

(1)用信息增益率來選擇屬性，克服了用信息增益選擇屬性時(shí)偏向選擇屬性值多的屬性的缺陷;

(2)通過使用不同的修剪技術(shù)以避免樹的過度擬合;

(3)能夠?qū)Σ煌暾麛?shù)據(jù)進(jìn)行處理，即可以處理具有缺少屬性值的訓(xùn)練樣本;

(4)合并具有連續(xù)屬性的值，即能夠?qū)⑦B續(xù)值屬性轉(zhuǎn)換為離散的二值屬性，轉(zhuǎn)換的原則是對(duì)連續(xù)值屬性進(jìn)行分割，對(duì)各種可能的分割分別計(jì)算信息增益率，選擇具有最大信息增益率的分割.

電廠鍋爐效率的海量數(shù)據(jù)是一組連續(xù)性的屬性值，而且其中存在缺少屬性值的數(shù)據(jù).采用基于決策樹模型的C4.5算法完全符合電廠需求，可以有效處理電廠數(shù)據(jù).

2 基于決策樹的鍋爐數(shù)據(jù)運(yùn)行優(yōu)化

本文主要通過基于Java平臺(tái)的Weka軟件作為數(shù)據(jù)挖掘工具，以決策樹分析中的C4.5算法為基礎(chǔ)，以鍋爐效率為目標(biāo)屬性，選擇與鍋爐運(yùn)行相關(guān)的參數(shù)進(jìn)行分類，并提取有用的分類規(guī)則，指導(dǎo)鍋爐優(yōu)化運(yùn)行.

2.1 數(shù)據(jù)預(yù)處理

鍋爐運(yùn)行參數(shù)調(diào)整受機(jī)組負(fù)荷的影響較大，因此選擇某一負(fù)荷下的參數(shù)樣本數(shù)據(jù)進(jìn)行分析會(huì)更有意義，本文選取600 MW機(jī)組負(fù)荷燃燒狀況較優(yōu)時(shí)的運(yùn)行數(shù)據(jù)，對(duì)經(jīng)過模糊粗糙集[5]預(yù)處理后約簡(jiǎn)的共1 533組數(shù)據(jù)7個(gè)屬性進(jìn)行決策樹分析.

鍋爐效率是表征鍋爐運(yùn)行經(jīng)濟(jì)性的指標(biāo)，可作為決策樹算法中的決策屬性，本文將鍋爐效率離散化為3組，分別表示鍋爐效率偏低、正常和高效.離散化結(jié)果如表1所示.

表1 發(fā)電煤耗率離散化區(qū)間

2.2 決策樹的生成

利用Weka軟件選擇C4.5算法進(jìn)行決策樹分析(選取葉節(jié)點(diǎn)的最小實(shí)例數(shù)為50)，得到的樹形圖如圖2所示.

圖2 決策樹樹形圖

決策樹樹形圖的基本組成部分包括決策節(jié)點(diǎn)、分支和葉子.決策樹最上面的根節(jié)點(diǎn)是整個(gè)決策樹的開始.決策樹以煙氣含氧量作為根節(jié)點(diǎn)，說明煙氣含氧量的大小是鍋爐效率高低的關(guān)鍵因素，一共產(chǎn)生了7個(gè)葉節(jié)點(diǎn)，可以提取7+1條分類規(guī)則.

2.3 結(jié)果分析

C4.5算法從樹的根節(jié)點(diǎn)處的所有訓(xùn)練樣本開始，選取一個(gè)屬性來區(qū)分這些樣本，對(duì)屬下的每個(gè)值產(chǎn)生一個(gè)分支，分支屬性值的相應(yīng)樣本子集被移到新生成的子節(jié)點(diǎn)上，這個(gè)算法遞歸地應(yīng)用于每個(gè)子節(jié)點(diǎn)上，直到節(jié)點(diǎn)的所有樣本都分區(qū)到某個(gè)類中，到達(dá)決策樹葉結(jié)點(diǎn)的每條路徑表示一個(gè)分類規(guī)則.這樣，對(duì)節(jié)點(diǎn)屬性值的選擇就成為自頂向下決策樹生成算法的關(guān)鍵性決策.

我們可以根據(jù)決策樹樹形圖的路徑生成8條規(guī)則，將部分規(guī)則列舉如下.

規(guī)則1 當(dāng)煙氣含氧量大于2.46%和飛灰含碳量大于2.31%時(shí)，鍋爐效率偏低，即當(dāng)鍋爐效率低的時(shí)候先考慮飛灰含碳量是否過大，其原因可能是鍋爐爐膛燃燒不充分.操作人員可以調(diào)節(jié)相關(guān)參數(shù)來提高鍋爐效率.

規(guī)則2 當(dāng)煙氣含氧量小于2.46%和排煙溫度為137.59～152.92℃時(shí)，鍋爐處于高效運(yùn)行，即排煙溫度直接影響鍋爐燃燒狀況的好壞.要使鍋爐運(yùn)行效率處于高水平狀態(tài)必須嚴(yán)格控制排煙溫度.

規(guī)則3 當(dāng)煙氣含氧量小于2.46%和排煙溫度大于152.92℃時(shí)，鍋爐效率處于正常水平.此時(shí)可以不做調(diào)節(jié)，但如果要提高鍋爐效率，操作人員可以根據(jù)規(guī)則2進(jìn)行調(diào)節(jié).

3 結(jié)論

(1)C4.5算法由于易于轉(zhuǎn)化為圖像顯示的特點(diǎn)，因而使用范圍很廣.通過數(shù)據(jù)預(yù)處理、構(gòu)造和修剪決策樹、進(jìn)行分析和評(píng)估、生成分類規(guī)則等步驟，完成了分類數(shù)據(jù)的挖掘.但由于選擇的屬性不同，模型的精度也會(huì)不同，因此在今后的實(shí)驗(yàn)過程中應(yīng)該盡可能全面顧及各個(gè)影響參數(shù)，改善不足之處，以提高模型的精確度.

(2)根據(jù)電力行業(yè)的特點(diǎn)和火電廠運(yùn)行特性，運(yùn)用C4.5決策樹數(shù)據(jù)挖掘的方法，對(duì)電廠鍋爐運(yùn)行效率進(jìn)行分析，樹狀圖形象地反應(yīng)了鍋爐效率與煙氣含氧量、主蒸汽溫度和機(jī)組效率之間的關(guān)系.通過分類提取有用分類規(guī)則，根據(jù)預(yù)期鍋爐效率來控制煙氣含氧量、飛灰含碳量等參數(shù)，為鍋爐的優(yōu)化運(yùn)行提供指導(dǎo).

[1]楊清，楊岳湘.基于決策樹的學(xué)習(xí)算法[J].湘潭師范學(xué)院學(xué)報(bào)，1999，20(3):56-60.

[2]楊明，張載鴻.決策樹算法ID3的研究[J].微機(jī)發(fā)展，2002，12(5):6-9.

[3]吳楠，宋方敏.用C4.5算法對(duì)局域網(wǎng)數(shù)據(jù)包進(jìn)行行為分類[J].計(jì)算機(jī)技術(shù)與發(fā)展，2006，16(7):1-3.

[4]QUINLAN J Ross.C4.5:Programs for machine learning[M].SanMate，CA:Morgan Kaufmann Publishers，1993:6-26.

[5]ANDREW Kusiak.Rough set theory:a data mining tool for semiconductor manufacturing[J].IEEE Transactionson Electronics Packaging Manufacturing，2001，24(1):44-50.