摘要：隨着資訊技術與網絡技術的發展，數據挖掘技術應運而生，並在諸多行業中得到應用。火電廠執行系統中引入數據挖掘技術，可以顯著提高火電廠執行效率、確保火電機組優化目標順利完成，提高火電廠經濟效益。基於此，文章透過分析火電廠優化執行與數據挖掘技術，給出數據挖掘技術應用的措施。
關鍵詞：火電廠；優化執行；數據挖掘技術
火電機組功能正常發揮是電廠穩定執行的基礎，工作人員明確火電機組執行優化的目標，依據具體情況確定執行參數，達成節能降耗、提升電廠效益的目的。數據挖掘技術透過分析數據，綜合確定火電機組執行目標的優化值，保證目標的合理性與可行性，本文據此展開論述。
1火電廠優化執行與數據挖掘技術
隨着國家提出節能降耗及可持續發展戰略，火電廠優化執行已成爲必然。火電廠優化執行，旨在確保火電機組處於最佳執行狀態，並計算出不同環境下機組執行的參數與方式。與此同時，火電機組的執行效率也對火電廠效益產生直接影響。確定執行優化目標後，透過計算分析掌握執行具體情況，實現火電廠節能減排。隨着數據挖掘技術發展，已經有大部分火電廠利用大數據完成管理工作，有助於指導火電廠健康發展。尤其是數據挖掘技術快速發展，內容快速擴充，很多行業中已經利用大數據的便利條件，促進工作效率提升[1]。火電優化執行中利用數據挖掘技術，有效管理優化執行中涉及的內容，既能保證準確性、又可以對管理體系進行優化，構建完善的管理流程。數據挖掘技術中獲取連鎖資訊是主要應用方向。藉助數據挖掘技術全面掌控基本情況，避免優化執行中可能出現的問題，提高優化執行的真實性與有效性。此外，數據挖掘技術的最大特點在於數量龐大、傳輸速度快及較大價值性。但同時整個技術也存在一定安全隱患，最大的就是數據泄露問題與隱私保護。互聯網背景下大數據可以快速獲取與整理資訊，出現資訊盜用的情況。大數據背景下火電廠優化執行工作面臨着很多新的問題，接下來就此展開論述。
2火電廠優化執行中數據挖掘技術應用的困境
2.1火電廠執行環境複雜性
火電廠優化執行受到數據挖掘技術的影響，表現爲：優化執行時可以獲得更多的執行資訊，執行空間變得廣闊；執行環境快速變化，與執行相關的數據資訊持續產生，並不斷更新，火電廠需要藉助雲計算平臺對數據進行整合與處理，要求不斷提高。火電廠需要構建完善、高效的優化執行系統，也唯有如此，才能挖掘出富有具有價值的數據與資產。總的來說，大數據背景下火電廠優化執行面臨着很多新的問題，執行環境變得復興，直接影響到執行資訊的採集、資訊處理及制定方案等環節，使得火電廠優化執行面臨着新的問題與挑戰[2]。
2.2火電廠執行資訊辨識性
大數據時代背景下，互聯網上的資訊數快速增加，年度數據總量已經增加到ZB級別。網絡數據內蘊含着較大價值，傳統數據管理與處理技術已經不能挖掘這些數據的價值，進而影響到管理執行者無法準確判斷數據價值。這樣背景下，必須引入更先進的技術，基於火電廠實際情況構建完善的執行系統。火電廠透過執行而系統獲得更有價值的數據，制定出合理的執行方案，推動火電廠自身的長遠、健康發展。
2.3火電廠執行程序滯後性
傳統火電廠的執行程序較爲複雜，需要火電廠自身花費大量時間與精力蒐集和整理資訊、選擇及優化評估方案等。這些環節的存在直接造成資訊出現滯後，直接影響到火電廠長遠發展。大數據時代背景下，火電廠必須結合實際情況優化執行流程，提高資訊的利用率，幫助火電廠獲得優勢。換句話說，火電廠競爭就是基於數據開展的，數據挖掘技術下火電廠深入挖掘各類資訊機制，獲得有助於火電廠執行的資訊，幫助優化執行層做出正確的執行。
3火電廠優化執行中數據挖掘技術具體應用分析
3.1執行優化目標值的確定分析
火電廠正常運營時各類需要多種設備配合執行，但不同設備會產生不同執行波動，造成彼此間影響，透過分析相關設備的執行數據可以明確這些波動之間的聯繫。火電機組執行時性能受到諸多因素影響，包括負荷、參數及操作等內容，對不同數據進行定量化處理，明確各類設備之間的關聯規則。數據挖掘技術應用時，關聯規則量化是主要內容，透過分析大量設備執行的歷史數據，進一步確定執行參數的目標值[3]。數據挖掘技術確定火電廠執行優化的最終目標值的流程，分成在線與離線兩部分。對火電廠機組執行的大量歷史數據進行挖掘式分析，構建執行優化目標值的數學模型，利用迴歸分析與工況辨識的方法，在計算機內部構建一個優化模型數據庫。聯繫火電廠執行的實際情況，同時採集設備執行現場數據，依據離線方式挖掘電力生產數據規則，確定正常狀態下設備執行參數，操作人員以此爲基礎對設備參數進行調整。這也是設備執行優化的主要流程，透過層層遞進方式獲得執行的最優值。
3.2最優化執行曲線分析
火電廠執行優化目標值透過數據挖掘技術確定後，選擇合適的方式計算得出符合數據，並獲得機組執行參數的最優值曲線。這裏依然已300MW發電機組爲例。火電廠鍋爐燃燒效率受到過量空氣係數值的影響，如果這個係數值偏小，則意味着鍋爐內的燃料無法充分燃燒，出現浪費，不滿足節能減排的目的；而係數過大的話，則會造成鍋爐內部空氣流速加快，使得爐膛溫度降低，不利於提高鍋爐執行效率。300MW負荷條件下，鍋爐熱量損失隨着過量空氣係數的減小而持續增加，當係數值超過1.294臨界點時，係數繼續減少，燃料不完全燃燒造成的`損失與排煙熱損失相比微不足道。機組運轉狀態處於低負荷時，過量空氣係數與鍋爐飛灰含碳量間的聯繫並不緊密，基於鍋爐燃燒特性分析，當機組執行負荷爲150MW時，過量空氣係數值控制在1.53上下最合適。
3.3燃料管理中數據挖掘技術的應用
電廠燃料傳統管理模式中，主要依託傳統管理中的成功經驗，側重於內部預防管理，將每個員工作爲獨立單元進行監督。而電廠燃料資訊化管理的實現，以計算機資訊系統爲基礎，在燃料的採購、制樣、化驗、摻燒的過程中，藉助強大的資訊技術手段，隨時計算出燃料的加權平均熱值，在滿足發電負荷及環保要求的情況下，指導燃料摻燒，儘量保持燃料的耗用與庫存加權熱值接近，避免出現潛虧或潛盈，更重要的是可以防止認爲的調節利潤，能真實的反應企業的經營業績，促進燃料管理水平的進一步提升[4]。引入現代化燃料管理資訊系統，可以提前錄製大量計算公式在系統中，管理人員也可以根據自身需要錄入公式，促進計算效率提升，降低工作強度與難度。此外，傳統電廠燃料管理模式中包括簽訂合同、結算、檢驗質量等工作，文檔管理工作並不是很完善，加上存在於紙面上的數據難以整合，也存在數據遺失、錯誤的情況。透過引入資訊化技術，可以提升燃料階段工作效率，根據實際情況及時調試系統，驗證資訊化處理結果，並根據電廠客戶情況構建公式，制定符合實際情況的燃料結算形式，解決燃料管理中存在的問題，達成大幅度提高燃料管理效率的目的。
4結束語
總之，透過優化火電廠執行可以提高效率並降低執行成本，合理利用數據挖掘技術，可以在火電廠執行中挖掘出很多具有價值的資訊與知識，透過加大數據分析與研究全面發揮數據挖掘技術的作用，促進火電廠執行效率提升，爲社會主義現代化建設提供能源支援。
參考文獻：
[1]高起棟.基於數據挖掘技術的火電廠設備狀態監測系統[J].工業技術創新，2017，04（06）：24-27.
[2]吉雲，王繼明，黃振江，等.基於數據挖掘技術的火電廠燃燒綜合優化控制[J].自動化博覽，2013（10）：56-59.
[3]李帥.探討數據挖掘技術在火電廠優化執行中的應用[J].科技風，2012（19）：87-88