Resumen

En esta investigación se propone una metodología híbrida nueva para optimización de carga a nivel de planta con el fin de minimizar el consumo de carbón para centrales eléctricas de carbón. Tal metodología incluye dos partes. La primera, con base en un algoritmo K-medias mejorado y la plataforma Hadoop, determina el valor de referencia de los parámetros operativos controlables del consumo neto de carbón bajo condiciones de carga típicas. La segunda emplea una máquina de vectores de soporte para establecer los coeficientes de sensibilidad de diversos parámetros operativos del consumo neto de carbón bajo distintas condiciones de carga.

• Materias:Datos masivos Ciencia de datos
• Subjects:Big data Data science
• Palabras claves:Ciencia de datos, Datos masivos, Big data, Minería de datos, Minería de datos masivos, Algoritmo K-medias, Hadoop, Análisis de sensibilidad, Optimización, Máquina de vectores de soporte, Consumo de energía, Central eléctrica de carbón
• Keywords:Data science, Big data, Data mining, Big data mining, K-means algorithm, Hadoop, Sensitivity analysis, Optimization, Support vector machine, Energy consumption, Coal-fired power plant