证据回归建模方法研究及其在热工对象中的应用.pdf

《证据回归建模方法研究及其在热工对象中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学校代码：10286分类号：TM611.3密级：公开UDC：621.1学号：150399证据回归建模方法研究及其在热工对象中的应用研究生姓名：赵阳导师姓名：王培红教授李益国教授申请学位类别工学硕士学位授予单位东南大学一级学科名称动力工程及工程热物理论文答辩日期2017年6月8日二级学科名称热能工程学位授予日期2017年6月日答辩委员会主席盛昌栋评阅人S18003215S180032162018年06月14日硕士学位论文证据回归建模方法研究及其在热工对象中的应用专业名称：动力工程及工程热物理研究生姓名：赵阳导师姓名：王培红教授李益国教授2018年06月14日RESEARCH

2、ONEVIDENCEREGRESSIONMODELINGANDITSAPPLICATIONOFTHERMALOBJECTSAThesisSubmittedtoSoutheastUniversityFortheAcademicDegreeofMasterofEngineeringBYZhaoYangSurpervisedbyProf.WangPeihongProf.LiYiguoSchoolofEnergyandEnvironmentSoutheastUniversityJune2018东南大学学位论文独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取

3、得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得东南大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。研究生签名：日期：东南大学学位论文使用授权声明东南大学、中国科学技术信息研究所、国家图书馆、《中国学术期刊（光盘版）》电子杂志社有限公司、万方数据电子出版社、北京万方数据股份有限公司有权保留本人所送交学位论文的复印件和电子文档，可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内容和纸质论文的内容相一致。除在保密期内的保

4、密论文外，允许论文被查阅和借阅，可以公布（包括以电子信息形式刊登）论文的全部内容或中、英文摘要等部分内容。论文的公布（包括以电子信息形式刊登）授权东南大学研究生院办理。研究生签名：导师签名：日期：摘要摘要题目：证据回归建模方法研究及其在热工对象中的应用姓名：赵阳导师：王培红李益国学校：东南大学正文：电站信息化的发展使得历史运行数据的获取相对容易，因此基于历史运行数据的数据驱动建模，已经成为热工对象建模过程中新的研究热点。然而历史运行数据往往存在着运行工况多且分布不均匀等特点，因此为保证覆盖全部工况，历史运行数据的训练样本集规模相对较大，导致数据驱动建模的训练过程复杂、硬件

5、要求偏高；此外，由于历史运行数据本身精确性的限制，因此在某些应用场合，相对于给出模型的期望输出值，估计区间的输出形式更能帮助决策者了解模型本身的精确程度和可参考性。证据回归是一种训练过程简单、鲁棒性较强的非参数回归方法，比较适宜于大规模训练样本集的数据驱动建模过程；此外，证据回归可以提供具有给定置信度的估计区间输出形式，从而能反映模型输出的置信程度和可参考性，又具有应用上的便利性。考虑到证据回归的上述两个优点，本文将基于历史运行数据，开展证据回归建模方法及其在热工对象中的应用研究。论文研究结果为基于历史运行数据的建模及其热工对象应用提供了新思路，具有一定理论指导意义和应用

6、价值。本文主要内容和研究成果可分为：（1）基于模糊加权C调和聚类算法的证据回归多模型建模方法研究本文提出一种基于模糊加权C调和聚类算法的证据回归多模型建模方法。首先，为适应历史运行数据大样本量和不同工况疏密程度不均匀的特点，本文提出了模糊加权C调和聚类算法，该算法引入“样本典型度”的概念，利用样本典型度概念可直接对样本集进行证据构建；将此证据构建过程用于证据回归多模型的子域划分，将规模较大的全域样本集划分为若干规模较小的子域样本集，并根据子域样本疏密程度的不同分别训练证据回归模型，从而减少训练时间、提高模型期望输出和估计区间的准确性；并且，将此证据构建过程用于证据回归多模

7、型的样本判别，判别结果包含了识别框架样本集，也即不属于任何已有子域的新子域样本集，从而可以方便地实现模型自身的更新与校正。（2）热工对象证据回归的全工况样本选择方法研究本文提出了一种适用于热工对象证据回归的全工况样本选择方法。该方法利用密度偏差抽样和FCM聚类法粗筛选样本集，能够在较小计算复杂度前提下，实现热工对象历史运行数据的全局覆盖性；又设计了可以提高证据回归建模精度的KNN封装式样本选择，三者结合构成了电厂历史运行数据的DBS-FCM-KNN全工况样本选择方法。算例显示，本文方法能够为热工对象的证据回归过程提供高质量的训