Zur wirksamen Bewältigung komplexer Strom- und Kohlemärkte wird die Stärkung des intelligenten Brennstoffmanagements zu einem wichtigen Bestandteil des Managements von Wärmekraftwerken. Zur historischen Qualität der Kohledaten wurden die Clustering-Algorithmen K-means und DBSCAN 2 zur Analyse des Clustering des niedrigen Heizwerts, flüchtiger Bestandteile und Schwefels verwendet. Der Clustering-Algorithmus K-means teilte das Datenset der historischen Qualität der Kohle in 4 Kategorien auf. Der Silhouettenkoeffizient betrug 0,587 und nach der Teilung waren die Kohlenkomponenten innerhalb derselben Kategorie nahezu identisch. Es wurde eine statistische Analyse der Häufigkeit und des Anteils der Kohle in den verschiedenen Clustering-Labels durchgeführt, und die Kohlenmine wurde entsprechend proportional unterteilt und die Kohle in jeder Zone gestapelt. Auf dieser Grundlage wurden digitale Leitfäden für die Verwaltung des Kohlelagers und die Informations-speicherung entwickelt, was von entscheidender Bedeutung ist, um die Nutzung des Lagerplatzes und die Effizienz des Kohlengrubenmanagements zu verbessern.

Intelligentes Brennstoffmanagement; Unterteilung des Kohlegeländes; Kohlelagerung; K-means; optimale Lösung