大數(shù)據(jù)技術(shù)在燃煤電站發(fā)展中的應(yīng)用研究

高學偉，付忠廣，張連升，劉炳含

(1.沈陽工程學院 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 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、研究機構(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)過程中運行方式進行優(yōu)化[1]，對設(shè)備運行狀態(tài)關(guān)鍵參數(shù)進行監(jiān)測[2-4]，對企業(yè)的管理和決策進行指導[5-6]，對機組安全環(huán)保經(jīng)濟運行狀態(tài)進行評估[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)過程復雜，機組運行工況多變，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)準確性(Veracity)

電站大數(shù)據(jù)的處理結(jié)果必須保證一定的準確度，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機組優(yōu)化運行，實施機組狀態(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，這些都嚴重影響數(shù)據(jù)的可理解性。

2)強相關(guān)非線性

發(fā)電過程伴隨著多種物理、化學變化，各個參數(shù)間相互耦合，相互影響，具有強相關(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，噪聲污染嚴重，導致電站大數(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)科學的假設(shè)

根據(jù)機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”，計劃在科學研究、環(huán)境、生物醫(yī)學等領(lǐng)域利用大數(shù)據(jù)技術(shù)進行突破，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?；膹碗s問題求解理論框架，是當前計算智能領(lǐng)域中模擬人類思維和解決復雜問題的核心技術(shù)之一，與其他人工智能理論和機器學習方法相結(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)主導地位，各發(fā)電廠及電力集團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)，推廣先進控制策略應(yīng)用，形成智能化的燃煤發(fā)電機組運行優(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，保證機組生產(chǎn)過程中的安全性、環(huán)保性和經(jīng)濟性，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、不同團隊之間通常孤立工作，數(shù)據(jù)交流和數(shù)據(jù)共享相當困難。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)管理機制的限制。

4)技術(shù)復雜性

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

5)缺乏人才

對發(fā)電廠復雜的生產(chǎn)數(shù)據(jù)進行挖掘分析，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)到達且速度快等特點，當新的數(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行管控，很難同時保證其可行性、可靠性與可擴展性，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)復雜高維，機組通常處于變工況運行狀態(tài)，傳統(tǒng)的機理建模和試驗建模方法所建立的模型很難同時達到精確性和實時性的需求，而電站機組大數(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)建模與機理建模、試驗建模相結(jié)合，這將是今后電站機組建模的研究方向。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)的準確性[18]。而機組運行參數(shù)復雜高維，具有相關(guān)性、非線性、時變性等特點，進一步通過特征參數(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，降低模型復雜度，有效保證模型精度和高效性。因此，進一步深入研究數(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一步推進，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)進行數(shù)據(jù)降維。

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

5)返回訓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，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)一種具備自學習、自組織、自趨優(yōu)、自恢復等功能的智能發(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)外許多學者和科研機構(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)運行機組負荷優(yōu)化分配[J].沈陽工程學院學報：自然科學版，2017，13(3)：229-233.

[6] 王寧玲，付 鵬，陳德剛，等.大數(shù)據(jù)分析方法在廠級負荷分配中的應(yīng)用[J].中國電機工程學報，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組節(jié)能減排評價方法研究[J].中國電機工程學報，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組可靠性等級評價[J].動力工程學報，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，2013.

[10]齊敏芳.大數(shù)據(jù)技術(shù)及其在電站機組分析中的應(yīng)用[D].北京：華北電力大學，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].中國電機工程學報，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，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.