第一章 引言
1.1 课题研究背景与依据
2013 年一月份，我国中东部地区出现了多次阶段性的严重污染天气，PM2.5数值一直较高。国家气候中心资料数据显示，一月份全国雾霾平均日数为 1961 年以来最高[1]。工业生产、车辆尾气、燃煤等污染源的污染物排放量巨大，据专家分析，这是造成近期中东部地区空气严重污染的根本原因之一。尤其是自 2012 年冬季以来，我国整个华北地区都处于极端低温的天气环境下，严寒导致了供热需求的增加，燃煤供热锅炉的排放量也就相应增加了，这方面对于环境的影响特别大[2]。我国北方大部分地区，主要的采暖方式就是燃煤供热锅炉集中供暖，然而我国供热系统燃烧设备却存在各种各样的问题，例如，由于更新换代缓慢从而造成设备陈旧[3]，数字化控制系统不够普及而人工控制不够精确[4]，导致燃煤燃烧效率低等，这些现存的问题造成了严重的环境困境。因此提高锅炉系统的燃烧效率，协助供热中心人员做出控制决策从而达到节能减排的目的就变得十分有意义。
.......
1.2 国内外研究现状
1.2.1 时序数据挖掘
目前国际上对于时序数据挖掘技术的研究取得了很多的成果，有不少学者对时序数据挖掘进行了详细的研究。Michael T. Rosenstein 提出了一种从时间序列中发掘“概念”（concept）的方法[7]。M. Gas 等人采用了常用的滑窗技术对时序进行预处理[8]，然后将得到的窗口向量集合聚类，之后用这些类重构原时间序列。这种方法就是先将时间序列进行离散化处理后再对其进行规则发现。Heikki Mannila 等人采用时间序列模式发现的方式处理无线通讯网络故障管理数据库[9]。Richard J. Povinelli 提出了一种时间序列数据挖掘框架等。
.......
第二章 课题采用的关键技术
2.1 课题技术路线
根据课题的研究需求及系统实现要求，可确定采用的主要理论、技术路线与实施方案如下：（1）充分的文献调研和相关资料的查阅本课题是对供热锅炉燃烧系统的优化研究与应用，所以会涉及多个学科的交叉运用，包括计算机科学中的计算智能技术、软件理论知识、控制理论、锅炉技术等。为了良好地完成研究与应用工作，需要对国内外近年的研究成果有足够的了解和综合运用，因此充分的查阅文献资料，进行科学调研将是课题研究过程中的重要步骤之一。论文将结合文献资料知识建立合理的神经网络（SVM）预测模型，进行时间序列数据挖掘研究，得到锅炉参数趋势预测、关联规则与周期特性等研究结果。
.......
2.2 时间序列数据挖掘技术
时间序列（Time Series）数据挖掘技术是数据挖掘研究中一个重要的科研分支，在很多领域都有很高的应用价值。时间序列数据挖掘主要通过研究数据信息的时间特性，深入分析研究对象的进化机制，从而成为获得潜在知识的有效途径。在统计方面的意义上来说，时间序列（Time Series）就是指按照时间先后顺序对某个或某些指标参数在不同时间上的不同数值排列组成的数据列[26]。因为各种外界偶然因素的存在，时间序列往往受其影响而出现某种随机特性，各参数各时间点数据间也存在着直接或间接的依赖关系，这就为时间序列数据挖掘提供了切入点。虽然某时间点的参数数值或者数据点的位置会表现出随机性，通过历史数值不可能准确无误地预测将来的数值，但是参数在不同时刻的数值往往会呈现出某种趋势性或者周期性的关联，因此可以通过时间序列数据挖掘对时间序列数据进行分析。
........
第三章 系统需求分析...................................21
3.1 系统总体方案...................................21
3.2 系统用例分析......................................24
3.3 系统环境 ........................................31
3.4 本章小结 .......................................32
第四章 时间序列分析及锅炉优化仿真....................33
4.1 时序数据预处理 .................................33
4.2 时间序列数据趋势预测............................40
4.3 回水温度时序性周期分析 .........................45
4.4 本章小结 .......................................49
第五章 基于时序数据挖掘的锅炉优化子系统
5.1 系统设计
5.1.1 系统实现结构
本系统采用基于 MVC 架构的 ASP .NET 进行开发，结合数据库的理论和技术，把时间序列数据挖掘技术引入到供热锅炉燃烧优化平台上，搭建一个可以为锅炉管理人员提供参考信息和决策性建议的供热锅炉优化系统。其系统实现的简略化结构如图5.1所示。
数据输入模块分为两种输入方式：WinCC 接口录入的锅炉运行参数和用户手动录入到系统的人工参数，得到的参数数值通过写操作存储到时间序列数据库中作为数据分析数据和监控显示数据。时间序列数据库中储存有大量历史参数数据和人工记录，是系统正常运行的基础，为各个模块提供数据支持。数据分析模块就是通过对时间序列数据挖掘仓库数据的读取，依照上一章节研究得到的时序数据优化算法，对数据记录进行处理并通过挖掘分析得到用户所需信息，并将达到的信息存入时间序列数据库。
.......
第六章 结束语
6.1 论文总结
自从进入 2012 年冬季，我国北方地区对供热的需求逐渐增加，这致使燃煤供热锅炉的排放量也高居不下，这种情况对环境危害非常大，是导致 2013 年初全国大范围雾霾空气污染的主要原因之一。然而我国大部分供热锅炉设备陈旧，数字化控制系统不够普及，导致燃煤燃烧效率低，而且供热锅炉系统复杂，不便于进行计算机技术的运用。所以，必须根据当前技术现状提出具体解决办法，结合现场的实际情况和控制理论的科学依据，采用时间序列数据挖掘和神经网络（SVM）等人工计算智能方法对整个锅炉系统运行进行优化。于各方面条件所限，供热锅炉的智能化在我国普及程度较低，时间序列数据挖掘技术在供热锅炉方面的研究与应用并不多见。而且供热锅炉不同于电站锅炉、工业锅炉等，其对输入参数产生的反馈需要经历更多时间延迟，因此时间参数作为一个参照变量具有相对更高的重要性。
......
参考文献（略）