基于粗糙集知識約減的電站優(yōu)化運行研究.pdf

1、電站運行優(yōu)化涉及多個領域,確定最優(yōu)目標值是其重點和難點。粗糙集知識約減理論不需要除數(shù)據(jù)集以外的任何知識就能夠從大量的不完備的數(shù)據(jù)中提取出知識。本文將粗糙集理論應用于電站最優(yōu)目標值確定,利用可視化集成開發(fā)環(huán)境Microsoft Visual C++6來.0進行程序設計實現(xiàn)算法,并將可視化引入最優(yōu)目標值確定過程來實現(xiàn)人機交互。
　　在本文中主要探討了以下問題:
　　1.對電站歷史數(shù)據(jù)選取、預處理及離散化過程深入分析。將劃分數(shù)最大

2、和劃分熵最小的原則應用于確定離散化分類類別數(shù),解決了模糊C-均值聚類算法無法確定分類類別數(shù)的問題。
　　2.提出了將改進的屬性約簡算法應用于電站數(shù)據(jù)。為了節(jié)省了數(shù)據(jù)挖掘的時間和空間成本,不必每次數(shù)據(jù)更新都重新挖掘,將粗糙集增量算法應用于關聯(lián)規(guī)則更新。
　　3.設計了基于粗糙集知識約減的最優(yōu)目標值確定過程及軟件界面,并利用Microsoft Visual C++6.0環(huán)境來實現(xiàn)算法。
　　4.將可視化技術應用于最優(yōu)目標值