Pour faire face efficacement aux marchés complexes de l'électricité et du charbon, le renforcement de la gestion intelligente des combustibles devient une partie importante de la gestion des centrales électriques. Pour des données historiques concernant la qualité du charbon, les algorithmes de clustering K-means et DBSCAN 2 ont été utilisés pour analyser le clustering de la basse chaleur inférieure, des volatils et du soufre. L'algorithme de clustering K-means a divisé l'ensemble de données de qualité historique du charbon en 4 catégories. Le coefficient de silhouette était de 0,587, et après la division, les composants du charbon à l'intérieur de la même catégorie étaient presque identiques. La fréquence et la proportion du charbon dans les différentes étiquettes de clustering ont été statistiquement analysées, et le gisement de charbon a été divisé proportionnellement, et le charbon a été empilé en fonction de cette division. Sur cette base, des guides numériques de gestion du dépôt de charbon et des processus de stockage d'informations ont été conçus, ce qui revêt une importance cruciale pour améliorer l'utilisation de l'espace de stockage et l'efficacité de la gestion du gisement de charbon.

Gestion intelligente des combustibles; découpage du dépôt de charbon; stockage de charbon; K-moyennes; solution optimale