隨著近幾年網際網路的飛速發展和普及，資料呈持續性爆發增長，「大資料」時代的腳步已悄然而至。而傳統的火力發電廠也正逐步向數位化電廠邁進，各種數位化儀表與裝置已取代原有的機械式儀表與裝置，dcs、sis乃至erp等系統也已在各個電廠普及。各類感測裝置、移動終端、資料採集裝置等產生的大量資料被儲存、分析，用於指導火力發電廠的生產運營。可見，火力發電廠在向數位化電廠邁進的過程中，已經感受到「大資料」對企業管理與運營帶來的衝擊。1、面臨的問題
資料的儲存與儲存，在資訊科技日新月異的今天已不成問題，但對資料的分析應用乃至資料價值的深度挖掘卻依然是擺在各個火力發電企業面前的難題。導致企業海量資料無法體現其深層價值的原因有3個方面:
1)不重視資料價值的挖掘。用平面、離散的眼光來看待資料，滿足於各類生產實時資料的檢視、統計報表的生成，沒有重視資料間關係的分析及各類相關資料間的時間特性。
2)缺乏資料價值挖掘的長效機制。資料價值的深度挖掘，依靠資料分析模型逐步建立。如果沒有對資料的長期分析跟蹤，就不可能找到有效的分析模型。
3)缺乏專業知識高度融合的複合型人才。對資料進行分析，不僅需要具備火力發電廠的相關知識，也需要掌握足夠的計算機專業知識，尤其是對各類資料庫的理解與對結構化查詢語句的熟練掌握。2、火力發電廠的資料分析
資料價值除了極少能直觀表現出來，更多則隱含在枯燥數字的背後。在火力發電廠內，廠用電率指標的高低可以直接從指標資訊中獲得，是直觀表現出來的，而導致廠用電率公升高或降低的原因卻隱藏在看似雜亂無章的資料洪流背後。對資料的分析越深入，就能獲得越多的資料價值，分析後取得的資料價值密度要遠遠高於原始資料的價值密度。
資料的相關性分析是獲得隱含資料價值的高效方式。資料可以儲存在不同的資料庫、不同的資料檔案、不同的表空間、不同的表中，但是物理上的分離並不代表這些資料在邏輯上也是隔離的，在邏輯上這些資料恰恰是高度相關的。所以對資料價值的分析，必須將各相關資料看作乙個整體，進行各資料間的相關性分級，然後建立模型。例如電廠廠用電率指標與各主要輔機耗電量有關，各輔機裝置耗電量又與單台輔機的各項執行指標有關，任何乙個指標的變動都會導致廠用電率改變。相關性分析就如同將廠用電率當作乙個生命體，而輔機指標等相關資料集作為這個生命體的體徵指標，用來衡量這個生命體的健康程度。3、火力發電廠的資料探勘
資料探勘是從大量的、不完全的、有雜訊的、模糊的、隨機的資料中提取隱含在其中的、人們事先不知道的，但又是潛在有用的資訊和知識的過程。資料探勘是伴隨著資料的急速膨脹而發展起來的技術，沒有資料探勘技術，就不會在海量資料中發現資料的價值。伴隨著「大資料」時代的到來，資料探勘技術必將越來越重要。
資料探勘不同於傳統的資料分析(查詢、報表等)，資料探勘可以得到有效可用且先前未知的資訊，是不能靠直覺發現資訊或知識的，甚至挖掘出的是出乎意料的資訊。例如在美國某超市內，經過資料探勘發現，購買嬰兒尿布的男性有30%～40%會順便購買啤酒，依據這一資訊，超市將嬰兒用品與男士用品靠近擺放，結果這個變動讓此類商品的銷售量成倍增長。可見，資料探勘能發現有預見性的資訊與知識。
資料探勘的方法主要有神經網路方法、遺傳演算法、決策樹方法、粗集方法等。在火力發電廠資料探勘中，神經網路方法由於本身有良好的魯棒性、自組織自適應性、並行處理、分布儲存和高度容錯等特性，非常適合解決資料探勘的問題，因此被普遍採用。資料探勘的任務有關聯分析、聚類分析、分類、**、時序模式和偏差分析等。只有完成這些才可以發現資料價值。一般用支援度和可信度2個閾值來度量關聯規則的相關性，同時不斷引入興趣度、相關性等引數，使得所挖掘的規則更符合需求。
資料價值挖掘貫穿於企業資訊化過程的整個生命週期。資料探勘技術是資料價值挖掘最重要的方法。在資料價值挖掘中，必須重視企業所有原始資料的建模，盡量使得用於資料探勘的資料條理清楚、關聯清晰，盡可能結構化。可見，資料價值挖掘必須有配套的資料整體規劃制度，將資料價值挖掘的思想貫穿於任何乙個應用開發的整個生命週期，否則資料探勘所取得的價值會大打折扣，難度也會成倍增加。可以說，企業資訊化初期的規劃、資料庫的建模等決定了資料探勘所能取得的知識和資訊的多少。
在「大資料」時代，火力發電廠所產生的資料僅僅是整個社會資料海洋中的一滴水，如果將這滴水放入大海，挖掘出的資料價值將會成倍增長。例如火力發電廠與其裝置製造廠都有針對裝置和零部件的大量資料，但電廠儲存的是裝置的缺陷資訊、生命期引數資訊等資料，而裝置製造廠儲存的是裝置部件材質、質檢情況、流水線資訊等資料。以往這些資料是割裂的，是資訊孤島，很少能一起用來進行資料探勘。但「大資料」時代可以對這些資料價值進行深度挖掘，電廠的裝置缺陷資訊、生命期引數資訊等資料可以反饋回裝置製造廠家，用於裝置改進以及更精準地進行市場定位。裝置製造廠家的裝置部件材質、質檢情況、流水線資訊等資料傳遞給電廠用來指導檢修和裝置狀態調優。通過資訊彙總後的資料探勘，可以得到對雙方都有用的資料價值，並且這些資料價值是不可能單獨從一方的資料中挖掘得到的。「大資料」時代，火力發電廠的資料會持續增長。面對海量資料，資料價值深度挖掘尤為重要，挖掘更多的資料價值意味著可以為企業節省更多的成本和創造更高的利潤，否則就如同坐擁金山而不自知。努力提高資訊化水平，培養專業人才，深度挖掘資料價值，必然是火力發電廠管理模式發展的趨勢。
大資料在發電廠的應用 大資料在智慧型火力發電廠的應用
大資料在智慧型火力發電廠的應用 白振忠 期刊名稱 數字通訊世界 年卷 期 2018 000 010 摘要 在當前大資料環境背景下 火力發電廠如何以有效的方法在迅速增長的 資料中利用其潛在的價值 是當前需要實現的重要問題 現如今可以使用資料探勘 技術對資料內容進行研究分析 挖掘資料中潛在的含義 以此來...
大資料在發電廠的應用 水泥行業工業大資料應用
水泥行業背景 當前的水泥行業已經被貼上了高能耗 限制類 去產能的標籤，可以說正面臨前所未有的考驗。在國內有近 1300家熟料生產企業，行業整體產能利用率在 60 左右。從用工人數看，國內一條熟料生產線需要工人140 人左右，而在歐洲國家，一條自動化熟料生產線僅需要工人10人左右。與國外相比 我們的生...
大資料時代 大資料的應用
大資料應用的關鍵，也是其必要條件，就在於 it 與 經營 的融合，當然，這裡的經營的內涵可以非常廣泛，小至乙個零售門店的經營，大至乙個城市的經營。以下是我整理的關於各行各業，不同的組織機構在大資料方面的應用的案例，在此申明，以下案例均 於網路，本文僅作引用，並在此基礎上作簡單的梳理和分類。通訊行業 ...