基于动态数据挖掘的电站热力系统运行优化方法研究
|
摘要
针对动态数据流的数据挖掘研究是一个具有挑战性的新兴领域,动态数据流挖掘在金融行业、电信行业、电力行业、冶金行业等领域有着极其广泛的应用前景。传统针对静态历史数据的数据挖掘技术不能有效地分析和处理动态数据流这类大规模动态增长的数据。
本文结合电站热力系统运行优化研究的热点问题,在总结经验、发现问题和不足的基础上,从电站机组热力系统节能分析方法出发,结合仿真技术,构建了电站热力系统实时性能分析与运行优化仿真平台,并将动态数据挖掘技术引入到电站热力系统运行优化研究,主要内容如下：
将图论思想引入到电站热力系统节能分析研究中,确定了基于图论的电站热力系统抽象原则,规定了电站热力系统的划分原则及基于图的表达方法。在比较不同电站机组结构特点的基础上,按照基于图的电站热力系统表示方法,确定了一次再热火电机组、二次再热火电机组及核电机组热力系统的有向图带权邻接矩阵填写规则,推导出基于图论的通用电站机组热力系统节能分析模型,将不同类型机组热力系统节能分析纳入到统一的框架下,提高了对不同类型机组进行热力系统分析的通用性。将基于图论的通用电站机组热力系统节能分析模型与电站仿真过程有机的结合起来,结合构件复用技术开发了电站热力系统实时分析与运行优化仿真平台。
研究了数据挖掘技术中的关联规则挖掘技术,结合当前动态数据流广泛存在的现实与动态数据挖掘技术的广泛应用前景,以及高速、动态变化的数据流的特点,将模糊集理论引入到动态数据流的数值型数据关联规则挖掘中,提出了一种适合动态数据流环境的模糊关联规则挖掘方法。以挖掘典型负荷状态下锅炉烟气含氧量与其它机组运行参数的关系为例,说明了动态数据模糊关联规则的挖掘过程。
分析了当前电站热力系统运行优化目标值获取方法的优缺点,概述了基于动态数据挖掘的电站运行优化系统的体系结构,提出了基于动态数据挖掘的电站热力系统运行优化目标值的获取方法。对电站热力系统运行优化中的最经济煤种决策方法进行了研究,分析了煤质变化对火电厂运营成本的影响,提出了发电企业复合燃煤使用成本的计算模型,基于该模型提出了最经济煤种的决策方法,并应用动态数据挖掘技术与静态历史数据挖掘技术确定了最经济煤种。
Data mining for dynamic data stream is a challenging newly emerging field, dynamic data mining has wide application prospects in the field of financial industry, telecommunications industry, power industry, metallurgical industry, etc. Traditional mining algorithms are difficult to cope with data stream due to its characteristics, such as consecution, disorder and real-time.
This paper mainly summarized the hot issues of power plant operation optimization, including the method of power plant thermal economy analysis and the existent problems of power plant operation optimization, established the Real-time Power Plant Energy-saving Analysis&Operation Optimization Simulation Platform, introduced dynamic data mining technology into the research of power plant operation optimization. Mainly contents as following:
Based on the analysis of the structure features of power plant, graph theory are introduced in the thermal economy analysis, a new unified rule for analyzing the power plant thermal system are established. Combined with first thermodynamics law and mass conservation law, different types of power plant unit's Weighted Diagraph Adjacency Matrix is deducted. The Weighted Diagraph Adjacency Matrix is of standard and concise form, whose physical meaning is well-expressed. A unified Real-time Power Plant Energy-saving Analysis&Operation Optimization Simulation Platform is established by the power plant unit's Weighted Diagraph Adjacency Matrix.
Reviewed and analyzed the association rule mining techniques and the characteristics of the dynamic data stream, this paper proposed a new association rule mining method based on fuzzy association rule. An example is given to illustrate the usage of the method.
Analyzed the advantages and disadvantages of the decision method of power plant operation optimization target value, a new deciding power plant operation optimization target value method based on dynamic data mining technology was proposed. Based on the association characteristic of the power plant operating data, this paper proposed a convenient, low cost method for calculating the most economical coal. Four kinds of pre-purchase of coal are given to illustrate the validity of the method, and the most economical coal is determined.
本文结合电站热力系统运行优化研究的热点问题,在总结经验、发现问题和不足的基础上,从电站机组热力系统节能分析方法出发,结合仿真技术,构建了电站热力系统实时性能分析与运行优化仿真平台,并将动态数据挖掘技术引入到电站热力系统运行优化研究,主要内容如下：
将图论思想引入到电站热力系统节能分析研究中,确定了基于图论的电站热力系统抽象原则,规定了电站热力系统的划分原则及基于图的表达方法。在比较不同电站机组结构特点的基础上,按照基于图的电站热力系统表示方法,确定了一次再热火电机组、二次再热火电机组及核电机组热力系统的有向图带权邻接矩阵填写规则,推导出基于图论的通用电站机组热力系统节能分析模型,将不同类型机组热力系统节能分析纳入到统一的框架下,提高了对不同类型机组进行热力系统分析的通用性。将基于图论的通用电站机组热力系统节能分析模型与电站仿真过程有机的结合起来,结合构件复用技术开发了电站热力系统实时分析与运行优化仿真平台。
研究了数据挖掘技术中的关联规则挖掘技术,结合当前动态数据流广泛存在的现实与动态数据挖掘技术的广泛应用前景,以及高速、动态变化的数据流的特点,将模糊集理论引入到动态数据流的数值型数据关联规则挖掘中,提出了一种适合动态数据流环境的模糊关联规则挖掘方法。以挖掘典型负荷状态下锅炉烟气含氧量与其它机组运行参数的关系为例,说明了动态数据模糊关联规则的挖掘过程。
分析了当前电站热力系统运行优化目标值获取方法的优缺点,概述了基于动态数据挖掘的电站运行优化系统的体系结构,提出了基于动态数据挖掘的电站热力系统运行优化目标值的获取方法。对电站热力系统运行优化中的最经济煤种决策方法进行了研究,分析了煤质变化对火电厂运营成本的影响,提出了发电企业复合燃煤使用成本的计算模型,基于该模型提出了最经济煤种的决策方法,并应用动态数据挖掘技术与静态历史数据挖掘技术确定了最经济煤种。
Data mining for dynamic data stream is a challenging newly emerging field, dynamic data mining has wide application prospects in the field of financial industry, telecommunications industry, power industry, metallurgical industry, etc. Traditional mining algorithms are difficult to cope with data stream due to its characteristics, such as consecution, disorder and real-time.
This paper mainly summarized the hot issues of power plant operation optimization, including the method of power plant thermal economy analysis and the existent problems of power plant operation optimization, established the Real-time Power Plant Energy-saving Analysis&Operation Optimization Simulation Platform, introduced dynamic data mining technology into the research of power plant operation optimization. Mainly contents as following:
Based on the analysis of the structure features of power plant, graph theory are introduced in the thermal economy analysis, a new unified rule for analyzing the power plant thermal system are established. Combined with first thermodynamics law and mass conservation law, different types of power plant unit's Weighted Diagraph Adjacency Matrix is deducted. The Weighted Diagraph Adjacency Matrix is of standard and concise form, whose physical meaning is well-expressed. A unified Real-time Power Plant Energy-saving Analysis&Operation Optimization Simulation Platform is established by the power plant unit's Weighted Diagraph Adjacency Matrix.
Reviewed and analyzed the association rule mining techniques and the characteristics of the dynamic data stream, this paper proposed a new association rule mining method based on fuzzy association rule. An example is given to illustrate the usage of the method.
Analyzed the advantages and disadvantages of the decision method of power plant operation optimization target value, a new deciding power plant operation optimization target value method based on dynamic data mining technology was proposed. Based on the association characteristic of the power plant operating data, this paper proposed a convenient, low cost method for calculating the most economical coal. Four kinds of pre-purchase of coal are given to illustrate the validity of the method, and the most economical coal is determined.
引文
[1]中国节能投资公司.2009中国节能减排产业发展报告：迎接低碳经济新时代[M].北京：中国水利水电出版社,2009：14-39.
[2]中国科学院能源领域战略研究组.中国至2050年能源科技发展路线图[M].北京：科学出版社,2009：25-41.
[3]李果仁,刘亦红.中国能源安全报告：预警与风险化解[M].北京：红旗出版社,2008：2-24.
[4]谭显东,胡兆光.我国电力工业在国民经济中的地位和作用研究[J].能源技术经济,2010,22(11)：6-12.
[5]刘振亚.凝聚行业力量转变发展方式全而实现电力工业科学发展[J].中国电力企业管理,2010,2(Z1)：12-15.
[6]李青,公维平.火力发电厂节能和指标管理技术[M].北京：中国电力出版社,2006：2-288.
[7]西安热工研究院.发电企业节能降耗技术[M].北京：中国电力出版社2010：3-14.
[8]国家高技术研究发展计划先进能源技术领域专家组.中国先进能源技术发展概论[M].北京：中国石化出版社,2010：7-24.
[9]李勤道,刘志真.热力发电厂热经济性计算分析[M].北京：中国电力出版社,2010：1-70.
[10]郑体宽.热力发电厂[M].北京：水利电力出版社,1995：6-35.
[11]林万超.火电厂热力系统节能理论[M].西安：西安交通大学出版社,1994：22-31.
[12]郭江龙.基于能效分布矩阵方程的火电厂热力系统分析方法[D].保定：华北电力大学,2004：10-55.
[13]马芳礼.电厂热力系统节能分析原理[M].北京：水利电力出版社,1992：33-65.
[14]张宝,吴方根.电厂热力系统节能分析方法的现状与展望[J].节能,2004,263(6)：11-13.
[15]朱明善.复杂系统的能量分析[M].北京：清华大学出版社,1990：18-65.
[16]宋之平,王加璇.节能原理[M].北京：水利电力出版社,1984：18-59.
[17]J Kenneth Salisbury. Steam Turbine and Their Cycle[M]. New york: Wiley,1994:32-98.
[18]Trevor J E. The general theory of thermodynamic[M]. Canada:Ginn And Company,1992:137-154.
[19]王大中.21世纪中国能源科技发展展望[M].北京：清华大学出版社,2007：3-18.
[20]西安热工研究院.发电企业节能降耗技术[M].北京：中国电力出版社,2010：5-19.
[21]李崇祥.节能原理与技术[M].西安：西安交通大学出版社,2004：9-16.
[22]KWU LPSC Technology Center. The PROFI unit coordinated control[R]. Munich:Siemens,2000:12-29.
[23]周栋.火电机组回热系统性能监测及状态评价[D].南京：东南大学,2010：3-15.
[24]许继刚,郑慧莉.电厂管理控制一体化信息系统的发展[J].电力系统自动化,2001,25(7)：59-63.
[25]裘浔隽,杨瑜文.火电厂运行优化技术研究的发展趋势[J].华东电力,2009,37(6)：1049-1052.
[26]李磊,石奇光,等.燃煤机组运行监测及优化技术的现状与展望[J].上海电力学院学报,2010,26(2)：166-175.
[27]洪军,司凤琪.火电机组运行优化系统的现状与展望[J].电力系统自动化,2007,31(18)：96-104.
[28]卢勇,徐向东.锅炉变工况运行优化监控系统的实现[J].动力工程,2003,23(2)：2325-2328.
[29]洪军,崔彦锋,毕小龙等.机组在线运行优化系统及实时目标工况的确定[J].电力系统自动化,2007,31(6)：86-90.
[30]杨玉婷,刘长良.汽轮发电机组实时能损监测及分析系统[J].华北电力大学学报,2000,27(4)：49-53.
[31]李蔚,任浩仁,盛德仁等.300MW火电机组在线能耗分析系统的研制[J].中国电机工程学报,2002,22(11)：153-155.
[32]严俊杰,张春雨,李秀云等.火电机组微机在线经济性诊断与监测系统[J].华北工学院测试技术学报,1999,13(4)：190-194.
[33]王忠元,柯建新.实施机组运行优化管理的经验[J].华东电力,2000,28(1)：32-34.
[34]傅德维,俞之明,葛严等.基于分散控制系统的大型火电机组动态经济运行分析系统.中国电力,2001,34(5)：41-44.
[35]戴成峰,陈旭伟,王敏.北仑电厂运行性能优化系统简介-全国火电机组优化 运行技术研讨会论文集[M].北京：中国电力企业联合会科技服务中心,2005：82-86.
[36]周原冰,刘冰.基于实时数据平台的实时监控与运行优化管理系统[J].现代电力,2006,23(2)：88-91.
[37]江浩,王磊.发电厂优化运行与节能系列产品解决方案-全国发电机组优化运行与节能技术交流研讨会论文集[M].北京：中国电力企业联合会科技服务中心,2006：893-897.
[38]邱树德,张世荣,王秀林.锅炉性能优化系统SOAP降低氮氧化物排放应用试验[J].山西电力,2004,4(4)：4-7.
[39]龚劬.图论与网络最优化算法[M].重庆：重庆大学出版社,2009：1-21.
[40]王海英,黄强,李传涛,褚宝增.图论算法及其MATLAB实现[M].北京：北京航空航天大学出版社,2010：1-15.
[41]徐俊明.图论及其应用[M].合肥：中国科学技术大学出版社,2010：1-29.
[42]Jonathan L Gross, Jay Yellen. Handbook of graph theory[M]. Boca Raton:CRC Press,2004:1-45.
[43]工树禾.图论[M].北京：科学出版社,2004：1-33.
[44]李利平.火电机组节能在线分析与智能运行优化方法研究[D].北京：华北电力大学博士学位论文,2007：20-65.
[45]闫顺林,张春发,李永华.火电机组热力系统汽水分布通用矩阵方程[J].中国电机工程学报,2000,20(8)：69-73.
[46]郭民臣,魏楠.电厂热力系统矩阵热平衡方程式及其应用[J].动力工程,2002,22(2)：1733-1738.
[47]张春发,张索香,崔映红,等.现行电力系统热经济性状态方程[J].工程热物理学报,2001,22(6)：665-667.
[48]张树芳,冉鹏,郭江龙.应用扩展型能效分布矩阵分析二次再热机组的热经济性[J].动力工程,2006,26(3)：437-442.
[49]张树芳,冉鹏,肖淼.二次再热火电机组热力系统热经济性矩阵分析方法[J].华北电力大学学报,2006,33(1)：51-54.
[50]冉鹏,张树芳,毛建国.二次再热超临界机组热力系统经济性定量分析方法[J].中国动力工程学会第三届青年学术年会论文集,2005,25(增刊)：69-70.
[51]刘继平,严俊杰,陈国惠,等.等效热降法的数学理论基础研究[J].西安交通大学学报,1998,32(5)：68-71.
[52]E.维特科夫等.燃用化石燃料的蒸汽发电厂[M].北京：水利电力出版社,1992：10-99.
[53]郭江龙,张树芳,宋之平.火电厂‘热力系统热经济性矩阵分析方法[J].中国电机工程学报,2004,24(1)：205-210.
[54]李运泽,严俊杰,林万超,等.压水堆核电机组二回路的矩阵分析法[J].热力发电,2000,4(4)：26-28.
[55]孤军扬,陈连发.先进型沸水堆核电厂[M].北京：中国电力出版社,2007：25-135.
[56]严俊杰,林万超,邓世敏.热电联产压水堆机组二回路热力系统经济性诊断方法的研究[J].中国电机工程学报,2001,21(8)：60-63.
[57]严俊杰,李运泽.压水堆机组二回路经济性定量分析理论的研究[J].中国电机工程学报,2000,20(5)：5-8.
[58]严俊杰李运泽,等.压水堆核电机组二回路热力系统经济性诊断理论的研究[J].核动力工程,2000,21(1)：81-86.
[59]李运泽,严俊杰,林万超.压水堆核电机组二回路的线性单元分析法[J].热能动力工程,2000,15(5)：544-547.
[60]李运泽,严俊杰,林万超,邓世敏.压水堆核电机组二回路的反平衡单元分析法[J].热能动力工程,2001,16(96)：544-547.
[61]李运泽,严俊杰,林万超.压水堆核电机组二回路定量分析方法的研究[J].西安交通大学学报,2000,34(5)：19-23.
[62]李运泽,严俊杰,林万超,邓世敏.压水堆核电机组二回路热力系统的等效热降理论研究[J].汽轮机技术,2000,42(1)：31-35.
[63]陈济东.大亚湾核电站系统及运行[M].北京：原子能出版社,1994：23-235.
[64]李建刚,李丽萍,杨小琨.压水堆核电机组二回路热力系统汽水流量分配计算的研究[J].汽轮机技术,2004,46(2)：94-96.
[65]陈海平.基于质量单元的火电机组热力系统计算方法[D].保定：华北电力大学,2002：13-35.
[66]张家琛.火电厂仿真[M].北京：水利水电出版社,1994：10-87.
[67]唐世林.电站计算机仿真技术[M].北京：科学出版社,1996：23-78.
[68]程芳真,谢茂清,蔡瑞忠.可视化计算与仿真支撑系统[J].清华大学学报,2000,40(2)：102-105.
[69]王兵树,马永光,常喜茂.两种仿真支撑技术及其特点对比.华北电力大学学报,1999,16(3)：89-92.
[70]吕崇德.大型火电机组系统仿真与建模[M].北京：清华大学出版社,2002：23-215.
[71]贾连兴.仿真技术与软件[M].北京：国防工业出版社,2008：3-65.
[72]吕崇德,任挺进,姜学智等.大型火电机组系统仿真与建模[M].北京：清华大学出版社,2002：6-99.
[73]韩璞,刘长良,李长青.火电厂仿真机原理及应用[M].天津：天津科学技术出版社,1998：5-72.
[74]何祖威,杨晨,唐胜利.面向运行及热控人员的仿真机开发[J].系统仿真学报,2003,15(2)：43-46.
[75]Fray Roy. Compact Simulators for fossil fueled power plants[J]. Ieee spectrum, 1995, (2):46-51.
[76]段新会,姜萍,彭峰.DCS组态文本自动映射电站控制系统仿真模型软件开发[J].计算机仿真,2003,20(1)：17-20.
[77]廖瑛.实时仿真理论与支撑技术[M].长沙：国防科学技术大学出版社,2002：2-99.
[78]李绍燕,惠天舒,陈宗基.局域网分布实时仿真的实现技术研究[J].系统仿真学报,2004,16(7)：1489-1493.
[79]赵文升.600MW火电机组激励式DCS仿真系统的研究与实现[J].华北电力大学学报,2005,32(2)：41-45.
[80]程芳真,谢茂清,蔡瑞忠,等.可视化计算与仿真支撑系统—VCS3[J],清华大学学报(自然科学版),2000,40(2)：102-105.
[81]W Wagner, J R Cooper. The IAPWS Industrial Formulation 1997 for the Thermodynamic Properties of Water and Steam[J]. Journal of Engineering for Gas Turbines and Power,2010,122(1):150-183.
[82]锅炉机组热力计算标准方法[S].北京：机械工业出版社,1976：1-23.
[83]史达明,周全,曹祖庆.凝汽器动态数学模型的研究[J].汽轮机技术,1989,31(3)：36-39.
[84]崔凝.大型电站凝汽器动态数学模型的研究与应用[D].保定：华北电力大学,2000：32-85.
[85]崔凝,王兵树,马士英,等.大型电站凝汽器动态数学模型的研究[J].汽轮机技术,2001,43(2)：81-86.
[86]朱伟,蒋滋康,程仿真.N-3500-I型凝汽器的建模与仿真[J].发电设备,2000,2(2)：21-24.
[87]朱玉娜,王培红,吕震中.凝汽器变工况核算及其传热系数的确定方法[J].电站系统工程,1998,14(4)：9-11.
[88]杨善让.汽轮机凝汽设备及运行管理[M].北京：水利电力出版社,1993：35-99.
[89]齐复东,贾树本,马义伟.电站凝汽设备和冷却系统[M].北京：水利电力出版社,1990：2-65.
[90]张卓澄.大型电站凝汽器[M].北京：机械上业出版社,1993：5-26.
[91]Farhad A. Simulation optimization methodologies[A]. Proceedings of the 1999 Winter Simulation Conference[C]. Phoenix:IEEE,1999:93-100.
[92]Sigrun A. A review of simulation optimization techniques[A]. Proceedings of 1998 Winter Simulation Conference[C]. Phoenix:IEEE,1998:151-158.
[93]杨湘龙,王匕,冯允成.仿真优化理论与方法综述[J].计算机仿真,2000,17(5)：1-5.
[94]工凌,张亮.仿真优化研究进展[J].控制与决策,2003,18(3)：257-263.
[95]李浩渊.集装箱码头物流系统的基于仿真的优化方法研究[D].沈阳：东北大学,2009：17-32.
[96]李东.铁路采装箱调运的基于仿真的优化方法[D].沈阳：东北大学2008：10-23.
[97]高镜媚.供应链分稍网络多级库存控制的基于仿真的优化方法[D].沈阳：东北大学,2009：5-32.
[98]Peter H M, Jacobs A V, Jeroen B P. Flight Scheduling at KLM[A]. Proceedings of the 2005 Winter Simulation Conference[C]. Madison:Omnipress,2005: 299-306.
[99]Takahama H, Nish T, Konishi, Imai J. A determination method of product allocation sehedule for warehouse management[A]. Proeeedings of the 41st SICE Annual Conference[C]. Shiga:Nichicon Corp,2002:1001-1004.
[100]Ray J P, Tomas S C. Simulation optimization using a genetic algorithm[J]. Simulation Practice and Theory,1998,6(6):601-611.
[101]Truong T H, Azadivar F. simulation based optimization for supply chain configuration design[A]. New Orleans. Proceedings of the 2003 Winter Simulation Conference[C]. Louisiana:Watts,2003:1268-1275.
[102]Ding H, Benyoucef L and Xie X. A Simulation-based optimization method for Production-distribution network design[A]. Proceedings of the 2004 IEEE International Conference on Systems, Man and Cybernetics[C]. Hague: Netherland,2004:4521-4526.
[103]Aomar R A. Designing machine operating strategy with simulated annealing and Monte Carlo simulation[J]. Journal of the Franklin Institute,2006, 343(4-5):372-388.
[104]Duh J D, Brown D G. Knowledge-informed Pareto simulated annealing for multi-objective spatial allocation[J]. Computers, Environment and Urban Systems, 2007,31 (3):253-281.
[105]Luo Q, Yang W, Liu P. Promoter recognition based on the Interpolated Markov Chains optimized via simulated annealing and genetic algorithm[J]. Patten Recognition Letters,2006,27(9):1031-1036.
[106]Tamaki H, Kitamura S, Murao H. Simulation-based optimization model and metaheuristic solution of multiple crane scheduling problems[A]. Proceedings of the 2004 IEEE International Conference on Systems, Man and Cybernetics[C]. Hague:Netherland,2004:1469-1474.
[107]He Q, Wang L, Liu B. Parameter estimation for chaotic systems by particle swarm optimization[J]. Chaos, Solitons and Fractals,2007,34(2):654-661.
[108]Avami A T A, Magid Y L, Abido M A. A particle-swarm-based approach of power system stability enhancement with unified Power flow controller[J]. International Journal of Electrical Power and Energy Systems,2007, 29(3):251-259.
[109]Lian Z G, Jiao B, Gu X. A similar Particle swarm optimization algorithm for job-shop scheduling to minimize makespan[J]. Applied Mathematics and Computation,2006,183(2):1008-1017.
[110]Jatmiko W, Sekiyama K, Fukuda T. A PSO-based mobile sensor network for odor source localization in dynamic environment:theory, simulation and measurement[A]. Institute of Electrical and Electronics Engineers. Proceedings of the 2006 IEEE Congress on Evolutionary Computation[C]. Canada:IEEE Xplore,2006:1036-1043.
[111]Zhang H, Tam C M, Li H. Particle swarm optimization-supported simulation for construction operations[J]. Journal of Construction Engineering and Management,2006,132(12):1267-1274.
[112]Olafsson S, Gopinath N. Optimal selection probability in the two-stage nested partitions method for simulation-based optimization[A]. Proceedings of the 2000 Winter Simulation conference[C]. Florida:Piscataway,2000:736-742.
[113]Law A M, McComas M G. Simulation-based optimization[A]. Proceedings of the 2000 Winter Simulation conference[C]. Florida:Piscataway,2000:46-49.
[114]Alkhamis T M, Ahmed M A. A simulation-based optimization for repairable systems using particle swarm algorithm[A]. Proceedings of the 2005 Winter Simulation Conference[C]. Madison:Omnipress,2005:857-861.
[115]戴辉,孙林岩,张涛.仿真优化技术在一类CAS问题不确定性建模中的应用[J].系统工程,2004,22(7)：4-8.
[116]Mitehell K, Nagrial M, Rizk J. Simulation and Optimisation of Renewable Energy Systems[J]. Electrical Power and Energy Systems,2005,27(3):177-188.
[117]Swaminathan R, Pfund M E, Fowler J W. Impact of permutation enforcement when minimizing total weighted tardiness in dynamic flowshops with uncertain processing times[J]. Computers & Operations Research,2007,34(10):3055-3068.
[118]Baehelet B. Model Enhancement:Improving Theoretical Optimization with simulation[J]. Simulation Modeling Practice and Theory,2007,15(6):703-715.
[119]He Y C, Sereenivas R S, Vakili P. Ordinal Optimization of DEDS[J]. Diserete Event Synamic Systems,1992,2(1):61-68.
[120]杨勇平.火电厂效率、成本、优化、仿真的理论研究与应用[D].北京：中国科学院,1995：5-45.
[121]Everett B Woodruff, Herbert B Lammers. Steam Plant Operation[M]. Newyork: McGraw-Hill,2005:3-215.
[122]廖开际.数据仓库与数据挖掘[M].北京：北京大学出版社,2008：2-102.
[123]倪志伟,倪丽萍,等.动态数据挖掘[M].北京：科学出版社,2010：2-135.
[124]滕明鑫.基于神经网络的动态数据源研究[D].重庆：重庆大学,2008：3-43.
[125]韩家炜,堪博.数据挖掘：概念与技术[M].北京：机械工业出版社,2007：1-215.
[126]吴喜之,马景义,等.数据挖掘前沿问题[M].北京：中国统计出版社,2009：1-105.
[127]姚家奕.数据仓库与数据挖掘技术原理及应用[M].北京：电子工业出版社,2009：2-88.
[128]陆建江,张亚菲,等.模糊关联规则的研究与应用[M].北京：科学出版社,2008：1-101.
[129]元昌安.数据挖掘原理与SPSS Clementine应用宝典[M].北京：电子工业出版社,2009：1-215.
[130]邵峰晶,于忠清,等.数据挖掘原理与算法[M].北京：科学出版社,2009：3-66.
[131]Jamie MacLennan, ZhaoHui Tang, Bogdan Crivat数据挖掘原理与应用——SQL Server 2008数据库[M].北京：清华大学出版社,2010：3-196.
[132]刘亚波.关联规则挖掘方法的研究及应用[D].长春：吉林大学,2005：6-26.
[133]施润身,赵青.改进的关联规则采掘算法及其实现[J].同济大学学报,2002,30(2)：222-225.
[134]黄进,尹治本.关联规则挖掘的Apriori算法的改进[J].电子科技大学学报,2003,32(1)：76-79.
[135]Han J W, Jian P, et al. Mining frequent patterns without candidate generation:a frequent-pattern tree approach[J]. Data Mining and Knowledge Discovery, 2004,8(l):53-87.
[136]Kuok C, Fu A, Wong M. Mining fuzzy association rules in databases[J]. ACM SIGMOD Record,1998,27(1):41-46.
[137]Kaya M, Alhajj R, Polat F, et al. Efficient automated mining of fuzzy association rules[J]. Database and Expert Systems Applications,2002,4(4): 133-142.
[138]Manku G S. Approximate frequency counts over data streams[A]. Proceedings of the 28th International Conference on Very Large Data Bases[C]. Hong Kong: Morgan Kaufmann Publishers,2002:346-357.
[139]Y Chi, H Wang. Muntz. Moment:maintaining closed frequent itemsets over a stream sliding window[A]. Proceedings of the fourth IEEE International Conference on Data Mining[C]. Brighton:IEEE Press,2004:59-66.
[140]陈鹏.数据流关联规则挖掘研究及应用[D].杭州：浙江大学,2011：8-48.
[141]Dang X, Lee V. Incremental and adaptive clustering stream data over sliding window[J]. Database and Expert Systems Applications,2009,3(3):660-674.
[142]罗可,吴杰.关联规则衡量标准的研究[J].控制与决策,2003,18(3)：277-280.
[143]李建强.基于数据挖掘的电站运行优化理论研究与应用[D].北京：华北电力大学,2006：10-65.
[144]倪志伟,姜苗,王超,等.在线挖掘数据流混合窗口中闭频繁项集[J].系统仿真学报,2010,22(9)：2110-2119.
[145]姜苗,倪志伟,孟金华,等.数据流时间窗口中闭频繁项集的在线挖掘[J].中国科学技术大学学报,2011,41(8)：739-745.
[146]中电联科技服务中心优化运行课题组.火电厂优化运行六大问题[J].中国电力企业管理,2007,3(3)：30-33.
[147]牛成林,刘吉臻,马永光,等.基于增量数据挖掘的氧量最优值确定[J].中国电机工程学报,2009,29(35)：29-34.
[148]魏海坤,宋文忠,李奇.基于RBF网络的火电机组实时成本在线建模方法[J].中国电机工程学报,2004,24(7)：246-252.
[149]Patterson J H, Hurst H J. Ash and slag qualities of Australian bituminous coals for use in slagging gasifiers[J]. Fuel,2000,79(13):1671-1678.
[150]Alekhnovichl A N, Artemeval N V, Bogomolov V V. Slagging properties of coals and allowance for them in the analysis of the possibility of using out-of-design fuel[J]. Power Technology and Engineering,2006,40(3):170-174.
[151]Godoy S M, Lockwood F C, Williamson J. The effect of coal quality on NOx emissions:early stages of devolatilization[J]. Clean Air,2002,3(4):305-314.
[152]Niksa S, Helble J. Coal quality impacts on alkali vapor emissions from pressurized fluidized bed coal combustors[J]. Combustion Science and Technology,2001,165(1):229-247.
[153]Banerjee D, Hirani M, Sanyal S K. Coal-quality deterioration in a coal stack of a power station[J]. Applied Energy,2000,66(3):267-275.
[154]Sarah M M, James C H. Impact of coal properties on coal combustion by-product quality:examples from a Kentucky power plant [J]. International Journal of Coal Geology,2004,59(3-4):153-169.
[155]Chundnovsky B. Prediction of furnace and boiler performance:coal quality factor[J]. Proceeding of the International Technical Conference on Coal Unilization & Fuel Systems,2002,2(27):979-989.
[156]Stephenson P. Computer modelling of the combined effects of plant conditions and coal quality on burnout in utility furnaces[J]. Fuel,2007,86(4):2026-2031.
[157]Carpenter A M. Coal quality assessment the validity of empiricaltests [J]. International Journal of Coal Geology,2004,57(3-4):283-296.
[158]Sharma M K, Chaudhuri A J, Prasad S, et al. Development of new coal blend preparation methodologies for improvement in coke quality [J]. International Journal of Coal Preparation and Utilization,2007,27(1-3):57-77.
[159]杨冬,路春美,工永征.不同种类煤粉燃烧NOx排放特性试验研究[J].中国电机工程学报,2007,27(5)：18-21.
[160]阎维平，陈吟颖,邢德山,等.电站煤粉锅炉掺烧强结渣煤的混煤结渣性能研究[J].中国电机工程学报,2006,26(14)：93-97.
[161]谭厚章,苗杨,王洋,王学斌,徐通模.煤质多变下火电厂最经济煤种决策[J].中国电机工程学报,2009,29(14)：1-5.
[162]冉鹏,张树芳,肖淼.基于构件/构架复用技术的火电机组能损分析模型研究与实现[J].中国电力,2005,38(9)：42-45.
[163]韩璞,翟永杰,王立志,张萍.基于虚拟DCS的激励式仿真系统分析与设计[J].中国电力,2005,32(2)：37-40.
[2]中国科学院能源领域战略研究组.中国至2050年能源科技发展路线图[M].北京：科学出版社,2009：25-41.
[3]李果仁,刘亦红.中国能源安全报告：预警与风险化解[M].北京：红旗出版社,2008：2-24.
[4]谭显东,胡兆光.我国电力工业在国民经济中的地位和作用研究[J].能源技术经济,2010,22(11)：6-12.
[5]刘振亚.凝聚行业力量转变发展方式全而实现电力工业科学发展[J].中国电力企业管理,2010,2(Z1)：12-15.
[6]李青,公维平.火力发电厂节能和指标管理技术[M].北京：中国电力出版社,2006：2-288.
[7]西安热工研究院.发电企业节能降耗技术[M].北京：中国电力出版社2010：3-14.
[8]国家高技术研究发展计划先进能源技术领域专家组.中国先进能源技术发展概论[M].北京：中国石化出版社,2010：7-24.
[9]李勤道,刘志真.热力发电厂热经济性计算分析[M].北京：中国电力出版社,2010：1-70.
[10]郑体宽.热力发电厂[M].北京：水利电力出版社,1995：6-35.
[11]林万超.火电厂热力系统节能理论[M].西安：西安交通大学出版社,1994：22-31.
[12]郭江龙.基于能效分布矩阵方程的火电厂热力系统分析方法[D].保定：华北电力大学,2004：10-55.
[13]马芳礼.电厂热力系统节能分析原理[M].北京：水利电力出版社,1992：33-65.
[14]张宝,吴方根.电厂热力系统节能分析方法的现状与展望[J].节能,2004,263(6)：11-13.
[15]朱明善.复杂系统的能量分析[M].北京：清华大学出版社,1990：18-65.
[16]宋之平,王加璇.节能原理[M].北京：水利电力出版社,1984：18-59.
[17]J Kenneth Salisbury. Steam Turbine and Their Cycle[M]. New york: Wiley,1994:32-98.
[18]Trevor J E. The general theory of thermodynamic[M]. Canada:Ginn And Company,1992:137-154.
[19]王大中.21世纪中国能源科技发展展望[M].北京：清华大学出版社,2007：3-18.
[20]西安热工研究院.发电企业节能降耗技术[M].北京：中国电力出版社,2010：5-19.
[21]李崇祥.节能原理与技术[M].西安：西安交通大学出版社,2004：9-16.
[22]KWU LPSC Technology Center. The PROFI unit coordinated control[R]. Munich:Siemens,2000:12-29.
[23]周栋.火电机组回热系统性能监测及状态评价[D].南京：东南大学,2010：3-15.
[24]许继刚,郑慧莉.电厂管理控制一体化信息系统的发展[J].电力系统自动化,2001,25(7)：59-63.
[25]裘浔隽,杨瑜文.火电厂运行优化技术研究的发展趋势[J].华东电力,2009,37(6)：1049-1052.
[26]李磊,石奇光,等.燃煤机组运行监测及优化技术的现状与展望[J].上海电力学院学报,2010,26(2)：166-175.
[27]洪军,司凤琪.火电机组运行优化系统的现状与展望[J].电力系统自动化,2007,31(18)：96-104.
[28]卢勇,徐向东.锅炉变工况运行优化监控系统的实现[J].动力工程,2003,23(2)：2325-2328.
[29]洪军,崔彦锋,毕小龙等.机组在线运行优化系统及实时目标工况的确定[J].电力系统自动化,2007,31(6)：86-90.
[30]杨玉婷,刘长良.汽轮发电机组实时能损监测及分析系统[J].华北电力大学学报,2000,27(4)：49-53.
[31]李蔚,任浩仁,盛德仁等.300MW火电机组在线能耗分析系统的研制[J].中国电机工程学报,2002,22(11)：153-155.
[32]严俊杰,张春雨,李秀云等.火电机组微机在线经济性诊断与监测系统[J].华北工学院测试技术学报,1999,13(4)：190-194.
[33]王忠元,柯建新.实施机组运行优化管理的经验[J].华东电力,2000,28(1)：32-34.
[34]傅德维,俞之明,葛严等.基于分散控制系统的大型火电机组动态经济运行分析系统.中国电力,2001,34(5)：41-44.
[35]戴成峰,陈旭伟,王敏.北仑电厂运行性能优化系统简介-全国火电机组优化 运行技术研讨会论文集[M].北京：中国电力企业联合会科技服务中心,2005：82-86.
[36]周原冰,刘冰.基于实时数据平台的实时监控与运行优化管理系统[J].现代电力,2006,23(2)：88-91.
[37]江浩,王磊.发电厂优化运行与节能系列产品解决方案-全国发电机组优化运行与节能技术交流研讨会论文集[M].北京：中国电力企业联合会科技服务中心,2006：893-897.
[38]邱树德,张世荣,王秀林.锅炉性能优化系统SOAP降低氮氧化物排放应用试验[J].山西电力,2004,4(4)：4-7.
[39]龚劬.图论与网络最优化算法[M].重庆：重庆大学出版社,2009：1-21.
[40]王海英,黄强,李传涛,褚宝增.图论算法及其MATLAB实现[M].北京：北京航空航天大学出版社,2010：1-15.
[41]徐俊明.图论及其应用[M].合肥：中国科学技术大学出版社,2010：1-29.
[42]Jonathan L Gross, Jay Yellen. Handbook of graph theory[M]. Boca Raton:CRC Press,2004:1-45.
[43]工树禾.图论[M].北京：科学出版社,2004：1-33.
[44]李利平.火电机组节能在线分析与智能运行优化方法研究[D].北京：华北电力大学博士学位论文,2007：20-65.
[45]闫顺林,张春发,李永华.火电机组热力系统汽水分布通用矩阵方程[J].中国电机工程学报,2000,20(8)：69-73.
[46]郭民臣,魏楠.电厂热力系统矩阵热平衡方程式及其应用[J].动力工程,2002,22(2)：1733-1738.
[47]张春发,张索香,崔映红,等.现行电力系统热经济性状态方程[J].工程热物理学报,2001,22(6)：665-667.
[48]张树芳,冉鹏,郭江龙.应用扩展型能效分布矩阵分析二次再热机组的热经济性[J].动力工程,2006,26(3)：437-442.
[49]张树芳,冉鹏,肖淼.二次再热火电机组热力系统热经济性矩阵分析方法[J].华北电力大学学报,2006,33(1)：51-54.
[50]冉鹏,张树芳,毛建国.二次再热超临界机组热力系统经济性定量分析方法[J].中国动力工程学会第三届青年学术年会论文集,2005,25(增刊)：69-70.
[51]刘继平,严俊杰,陈国惠,等.等效热降法的数学理论基础研究[J].西安交通大学学报,1998,32(5)：68-71.
[52]E.维特科夫等.燃用化石燃料的蒸汽发电厂[M].北京：水利电力出版社,1992：10-99.
[53]郭江龙,张树芳,宋之平.火电厂‘热力系统热经济性矩阵分析方法[J].中国电机工程学报,2004,24(1)：205-210.
[54]李运泽,严俊杰,林万超,等.压水堆核电机组二回路的矩阵分析法[J].热力发电,2000,4(4)：26-28.
[55]孤军扬,陈连发.先进型沸水堆核电厂[M].北京：中国电力出版社,2007：25-135.
[56]严俊杰,林万超,邓世敏.热电联产压水堆机组二回路热力系统经济性诊断方法的研究[J].中国电机工程学报,2001,21(8)：60-63.
[57]严俊杰,李运泽.压水堆机组二回路经济性定量分析理论的研究[J].中国电机工程学报,2000,20(5)：5-8.
[58]严俊杰李运泽,等.压水堆核电机组二回路热力系统经济性诊断理论的研究[J].核动力工程,2000,21(1)：81-86.
[59]李运泽,严俊杰,林万超.压水堆核电机组二回路的线性单元分析法[J].热能动力工程,2000,15(5)：544-547.
[60]李运泽,严俊杰,林万超,邓世敏.压水堆核电机组二回路的反平衡单元分析法[J].热能动力工程,2001,16(96)：544-547.
[61]李运泽,严俊杰,林万超.压水堆核电机组二回路定量分析方法的研究[J].西安交通大学学报,2000,34(5)：19-23.
[62]李运泽,严俊杰,林万超,邓世敏.压水堆核电机组二回路热力系统的等效热降理论研究[J].汽轮机技术,2000,42(1)：31-35.
[63]陈济东.大亚湾核电站系统及运行[M].北京：原子能出版社,1994：23-235.
[64]李建刚,李丽萍,杨小琨.压水堆核电机组二回路热力系统汽水流量分配计算的研究[J].汽轮机技术,2004,46(2)：94-96.
[65]陈海平.基于质量单元的火电机组热力系统计算方法[D].保定：华北电力大学,2002：13-35.
[66]张家琛.火电厂仿真[M].北京：水利水电出版社,1994：10-87.
[67]唐世林.电站计算机仿真技术[M].北京：科学出版社,1996：23-78.
[68]程芳真,谢茂清,蔡瑞忠.可视化计算与仿真支撑系统[J].清华大学学报,2000,40(2)：102-105.
[69]王兵树,马永光,常喜茂.两种仿真支撑技术及其特点对比.华北电力大学学报,1999,16(3)：89-92.
[70]吕崇德.大型火电机组系统仿真与建模[M].北京：清华大学出版社,2002：23-215.
[71]贾连兴.仿真技术与软件[M].北京：国防工业出版社,2008：3-65.
[72]吕崇德,任挺进,姜学智等.大型火电机组系统仿真与建模[M].北京：清华大学出版社,2002：6-99.
[73]韩璞,刘长良,李长青.火电厂仿真机原理及应用[M].天津：天津科学技术出版社,1998：5-72.
[74]何祖威,杨晨,唐胜利.面向运行及热控人员的仿真机开发[J].系统仿真学报,2003,15(2)：43-46.
[75]Fray Roy. Compact Simulators for fossil fueled power plants[J]. Ieee spectrum, 1995, (2):46-51.
[76]段新会,姜萍,彭峰.DCS组态文本自动映射电站控制系统仿真模型软件开发[J].计算机仿真,2003,20(1)：17-20.
[77]廖瑛.实时仿真理论与支撑技术[M].长沙：国防科学技术大学出版社,2002：2-99.
[78]李绍燕,惠天舒,陈宗基.局域网分布实时仿真的实现技术研究[J].系统仿真学报,2004,16(7)：1489-1493.
[79]赵文升.600MW火电机组激励式DCS仿真系统的研究与实现[J].华北电力大学学报,2005,32(2)：41-45.
[80]程芳真,谢茂清,蔡瑞忠,等.可视化计算与仿真支撑系统—VCS3[J],清华大学学报(自然科学版),2000,40(2)：102-105.
[81]W Wagner, J R Cooper. The IAPWS Industrial Formulation 1997 for the Thermodynamic Properties of Water and Steam[J]. Journal of Engineering for Gas Turbines and Power,2010,122(1):150-183.
[82]锅炉机组热力计算标准方法[S].北京：机械工业出版社,1976：1-23.
[83]史达明,周全,曹祖庆.凝汽器动态数学模型的研究[J].汽轮机技术,1989,31(3)：36-39.
[84]崔凝.大型电站凝汽器动态数学模型的研究与应用[D].保定：华北电力大学,2000：32-85.
[85]崔凝,王兵树,马士英,等.大型电站凝汽器动态数学模型的研究[J].汽轮机技术,2001,43(2)：81-86.
[86]朱伟,蒋滋康,程仿真.N-3500-I型凝汽器的建模与仿真[J].发电设备,2000,2(2)：21-24.
[87]朱玉娜,王培红,吕震中.凝汽器变工况核算及其传热系数的确定方法[J].电站系统工程,1998,14(4)：9-11.
[88]杨善让.汽轮机凝汽设备及运行管理[M].北京：水利电力出版社,1993：35-99.
[89]齐复东,贾树本,马义伟.电站凝汽设备和冷却系统[M].北京：水利电力出版社,1990：2-65.
[90]张卓澄.大型电站凝汽器[M].北京：机械上业出版社,1993：5-26.
[91]Farhad A. Simulation optimization methodologies[A]. Proceedings of the 1999 Winter Simulation Conference[C]. Phoenix:IEEE,1999:93-100.
[92]Sigrun A. A review of simulation optimization techniques[A]. Proceedings of 1998 Winter Simulation Conference[C]. Phoenix:IEEE,1998:151-158.
[93]杨湘龙,王匕,冯允成.仿真优化理论与方法综述[J].计算机仿真,2000,17(5)：1-5.
[94]工凌,张亮.仿真优化研究进展[J].控制与决策,2003,18(3)：257-263.
[95]李浩渊.集装箱码头物流系统的基于仿真的优化方法研究[D].沈阳：东北大学,2009：17-32.
[96]李东.铁路采装箱调运的基于仿真的优化方法[D].沈阳：东北大学2008：10-23.
[97]高镜媚.供应链分稍网络多级库存控制的基于仿真的优化方法[D].沈阳：东北大学,2009：5-32.
[98]Peter H M, Jacobs A V, Jeroen B P. Flight Scheduling at KLM[A]. Proceedings of the 2005 Winter Simulation Conference[C]. Madison:Omnipress,2005: 299-306.
[99]Takahama H, Nish T, Konishi, Imai J. A determination method of product allocation sehedule for warehouse management[A]. Proeeedings of the 41st SICE Annual Conference[C]. Shiga:Nichicon Corp,2002:1001-1004.
[100]Ray J P, Tomas S C. Simulation optimization using a genetic algorithm[J]. Simulation Practice and Theory,1998,6(6):601-611.
[101]Truong T H, Azadivar F. simulation based optimization for supply chain configuration design[A]. New Orleans. Proceedings of the 2003 Winter Simulation Conference[C]. Louisiana:Watts,2003:1268-1275.
[102]Ding H, Benyoucef L and Xie X. A Simulation-based optimization method for Production-distribution network design[A]. Proceedings of the 2004 IEEE International Conference on Systems, Man and Cybernetics[C]. Hague: Netherland,2004:4521-4526.
[103]Aomar R A. Designing machine operating strategy with simulated annealing and Monte Carlo simulation[J]. Journal of the Franklin Institute,2006, 343(4-5):372-388.
[104]Duh J D, Brown D G. Knowledge-informed Pareto simulated annealing for multi-objective spatial allocation[J]. Computers, Environment and Urban Systems, 2007,31 (3):253-281.
[105]Luo Q, Yang W, Liu P. Promoter recognition based on the Interpolated Markov Chains optimized via simulated annealing and genetic algorithm[J]. Patten Recognition Letters,2006,27(9):1031-1036.
[106]Tamaki H, Kitamura S, Murao H. Simulation-based optimization model and metaheuristic solution of multiple crane scheduling problems[A]. Proceedings of the 2004 IEEE International Conference on Systems, Man and Cybernetics[C]. Hague:Netherland,2004:1469-1474.
[107]He Q, Wang L, Liu B. Parameter estimation for chaotic systems by particle swarm optimization[J]. Chaos, Solitons and Fractals,2007,34(2):654-661.
[108]Avami A T A, Magid Y L, Abido M A. A particle-swarm-based approach of power system stability enhancement with unified Power flow controller[J]. International Journal of Electrical Power and Energy Systems,2007, 29(3):251-259.
[109]Lian Z G, Jiao B, Gu X. A similar Particle swarm optimization algorithm for job-shop scheduling to minimize makespan[J]. Applied Mathematics and Computation,2006,183(2):1008-1017.
[110]Jatmiko W, Sekiyama K, Fukuda T. A PSO-based mobile sensor network for odor source localization in dynamic environment:theory, simulation and measurement[A]. Institute of Electrical and Electronics Engineers. Proceedings of the 2006 IEEE Congress on Evolutionary Computation[C]. Canada:IEEE Xplore,2006:1036-1043.
[111]Zhang H, Tam C M, Li H. Particle swarm optimization-supported simulation for construction operations[J]. Journal of Construction Engineering and Management,2006,132(12):1267-1274.
[112]Olafsson S, Gopinath N. Optimal selection probability in the two-stage nested partitions method for simulation-based optimization[A]. Proceedings of the 2000 Winter Simulation conference[C]. Florida:Piscataway,2000:736-742.
[113]Law A M, McComas M G. Simulation-based optimization[A]. Proceedings of the 2000 Winter Simulation conference[C]. Florida:Piscataway,2000:46-49.
[114]Alkhamis T M, Ahmed M A. A simulation-based optimization for repairable systems using particle swarm algorithm[A]. Proceedings of the 2005 Winter Simulation Conference[C]. Madison:Omnipress,2005:857-861.
[115]戴辉,孙林岩,张涛.仿真优化技术在一类CAS问题不确定性建模中的应用[J].系统工程,2004,22(7)：4-8.
[116]Mitehell K, Nagrial M, Rizk J. Simulation and Optimisation of Renewable Energy Systems[J]. Electrical Power and Energy Systems,2005,27(3):177-188.
[117]Swaminathan R, Pfund M E, Fowler J W. Impact of permutation enforcement when minimizing total weighted tardiness in dynamic flowshops with uncertain processing times[J]. Computers & Operations Research,2007,34(10):3055-3068.
[118]Baehelet B. Model Enhancement:Improving Theoretical Optimization with simulation[J]. Simulation Modeling Practice and Theory,2007,15(6):703-715.
[119]He Y C, Sereenivas R S, Vakili P. Ordinal Optimization of DEDS[J]. Diserete Event Synamic Systems,1992,2(1):61-68.
[120]杨勇平.火电厂效率、成本、优化、仿真的理论研究与应用[D].北京：中国科学院,1995：5-45.
[121]Everett B Woodruff, Herbert B Lammers. Steam Plant Operation[M]. Newyork: McGraw-Hill,2005:3-215.
[122]廖开际.数据仓库与数据挖掘[M].北京：北京大学出版社,2008：2-102.
[123]倪志伟,倪丽萍,等.动态数据挖掘[M].北京：科学出版社,2010：2-135.
[124]滕明鑫.基于神经网络的动态数据源研究[D].重庆：重庆大学,2008：3-43.
[125]韩家炜,堪博.数据挖掘：概念与技术[M].北京：机械工业出版社,2007：1-215.
[126]吴喜之,马景义,等.数据挖掘前沿问题[M].北京：中国统计出版社,2009：1-105.
[127]姚家奕.数据仓库与数据挖掘技术原理及应用[M].北京：电子工业出版社,2009：2-88.
[128]陆建江,张亚菲,等.模糊关联规则的研究与应用[M].北京：科学出版社,2008：1-101.
[129]元昌安.数据挖掘原理与SPSS Clementine应用宝典[M].北京：电子工业出版社,2009：1-215.
[130]邵峰晶,于忠清,等.数据挖掘原理与算法[M].北京：科学出版社,2009：3-66.
[131]Jamie MacLennan, ZhaoHui Tang, Bogdan Crivat数据挖掘原理与应用——SQL Server 2008数据库[M].北京：清华大学出版社,2010：3-196.
[132]刘亚波.关联规则挖掘方法的研究及应用[D].长春：吉林大学,2005：6-26.
[133]施润身,赵青.改进的关联规则采掘算法及其实现[J].同济大学学报,2002,30(2)：222-225.
[134]黄进,尹治本.关联规则挖掘的Apriori算法的改进[J].电子科技大学学报,2003,32(1)：76-79.
[135]Han J W, Jian P, et al. Mining frequent patterns without candidate generation:a frequent-pattern tree approach[J]. Data Mining and Knowledge Discovery, 2004,8(l):53-87.
[136]Kuok C, Fu A, Wong M. Mining fuzzy association rules in databases[J]. ACM SIGMOD Record,1998,27(1):41-46.
[137]Kaya M, Alhajj R, Polat F, et al. Efficient automated mining of fuzzy association rules[J]. Database and Expert Systems Applications,2002,4(4): 133-142.
[138]Manku G S. Approximate frequency counts over data streams[A]. Proceedings of the 28th International Conference on Very Large Data Bases[C]. Hong Kong: Morgan Kaufmann Publishers,2002:346-357.
[139]Y Chi, H Wang. Muntz. Moment:maintaining closed frequent itemsets over a stream sliding window[A]. Proceedings of the fourth IEEE International Conference on Data Mining[C]. Brighton:IEEE Press,2004:59-66.
[140]陈鹏.数据流关联规则挖掘研究及应用[D].杭州：浙江大学,2011：8-48.
[141]Dang X, Lee V. Incremental and adaptive clustering stream data over sliding window[J]. Database and Expert Systems Applications,2009,3(3):660-674.
[142]罗可,吴杰.关联规则衡量标准的研究[J].控制与决策,2003,18(3)：277-280.
[143]李建强.基于数据挖掘的电站运行优化理论研究与应用[D].北京：华北电力大学,2006：10-65.
[144]倪志伟,姜苗,王超,等.在线挖掘数据流混合窗口中闭频繁项集[J].系统仿真学报,2010,22(9)：2110-2119.
[145]姜苗,倪志伟,孟金华,等.数据流时间窗口中闭频繁项集的在线挖掘[J].中国科学技术大学学报,2011,41(8)：739-745.
[146]中电联科技服务中心优化运行课题组.火电厂优化运行六大问题[J].中国电力企业管理,2007,3(3)：30-33.
[147]牛成林,刘吉臻,马永光,等.基于增量数据挖掘的氧量最优值确定[J].中国电机工程学报,2009,29(35)：29-34.
[148]魏海坤,宋文忠,李奇.基于RBF网络的火电机组实时成本在线建模方法[J].中国电机工程学报,2004,24(7)：246-252.
[149]Patterson J H, Hurst H J. Ash and slag qualities of Australian bituminous coals for use in slagging gasifiers[J]. Fuel,2000,79(13):1671-1678.
[150]Alekhnovichl A N, Artemeval N V, Bogomolov V V. Slagging properties of coals and allowance for them in the analysis of the possibility of using out-of-design fuel[J]. Power Technology and Engineering,2006,40(3):170-174.
[151]Godoy S M, Lockwood F C, Williamson J. The effect of coal quality on NOx emissions:early stages of devolatilization[J]. Clean Air,2002,3(4):305-314.
[152]Niksa S, Helble J. Coal quality impacts on alkali vapor emissions from pressurized fluidized bed coal combustors[J]. Combustion Science and Technology,2001,165(1):229-247.
[153]Banerjee D, Hirani M, Sanyal S K. Coal-quality deterioration in a coal stack of a power station[J]. Applied Energy,2000,66(3):267-275.
[154]Sarah M M, James C H. Impact of coal properties on coal combustion by-product quality:examples from a Kentucky power plant [J]. International Journal of Coal Geology,2004,59(3-4):153-169.
[155]Chundnovsky B. Prediction of furnace and boiler performance:coal quality factor[J]. Proceeding of the International Technical Conference on Coal Unilization & Fuel Systems,2002,2(27):979-989.
[156]Stephenson P. Computer modelling of the combined effects of plant conditions and coal quality on burnout in utility furnaces[J]. Fuel,2007,86(4):2026-2031.
[157]Carpenter A M. Coal quality assessment the validity of empiricaltests [J]. International Journal of Coal Geology,2004,57(3-4):283-296.
[158]Sharma M K, Chaudhuri A J, Prasad S, et al. Development of new coal blend preparation methodologies for improvement in coke quality [J]. International Journal of Coal Preparation and Utilization,2007,27(1-3):57-77.
[159]杨冬,路春美,工永征.不同种类煤粉燃烧NOx排放特性试验研究[J].中国电机工程学报,2007,27(5)：18-21.
[160]阎维平，陈吟颖,邢德山,等.电站煤粉锅炉掺烧强结渣煤的混煤结渣性能研究[J].中国电机工程学报,2006,26(14)：93-97.
[161]谭厚章,苗杨,王洋,王学斌,徐通模.煤质多变下火电厂最经济煤种决策[J].中国电机工程学报,2009,29(14)：1-5.
[162]冉鹏,张树芳,肖淼.基于构件/构架复用技术的火电机组能损分析模型研究与实现[J].中国电力,2005,38(9)：42-45.
[163]韩璞,翟永杰,王立志,张萍.基于虚拟DCS的激励式仿真系统分析与设计[J].中国电力,2005,32(2)：37-40.
© 2004-2018 中国地质图书馆版权所有 京ICP备05064691号 京公网安备11010802017129号 地址：北京市海淀区学院路29号 邮编：100083 电话：办公室：(+86 10)66554848；文献借阅、咨询服务、科技查新：66554700 |