馮澤磊，吳美鳳

(國電南京自動化股份有限公司，南京 211153)

0 引言

自1985起，我國電力行業(yè)可靠性管理相關(guān)工作已開展30多年，形成了較為完善的政策體系和標(biāo)準(zhǔn)體系。通過對火電、水電、蓄能水電、核電、燃?xì)廨啺l(fā)電及風(fēng)電等發(fā)電能力進(jìn)行可靠性評價[1]，科學(xué)、經(jīng)濟(jì)地發(fā)揮了供電設(shè)備潛力，不斷向用戶提供質(zhì)量合格的電力，確保電力系統(tǒng)的安全。近5年來，整個電力系統(tǒng)的可靠性狀態(tài)有非常大的提高，發(fā)電機(jī)組等效可用系數(shù)增長近10%[2]，在電網(wǎng)運(yùn)行時由于非調(diào)度原因?qū)е碌墓收贤C(jī)次數(shù)下降了50%，煤機(jī)年平均停機(jī)次數(shù)為0.4[3]。

火電機(jī)組仍是當(dāng)前發(fā)電主力，截至2018年3月底，火電裝機(jī)容量達(dá)11.06億kW，占全部裝機(jī)容量的62.24%?；痣姍C(jī)組設(shè)備系統(tǒng)規(guī)模大、設(shè)備聯(lián)系緊密、管路復(fù)雜、生產(chǎn)環(huán)境惡劣，其設(shè)備的可靠性和可利用率一直是發(fā)電企業(yè)重大研究課題。

1 大數(shù)據(jù)平臺

火電機(jī)組運(yùn)行狀態(tài)管理是將機(jī)組的狀態(tài)數(shù)據(jù)按照管理要求，在規(guī)定的報送時間按審核程序上報后，由監(jiān)督人員進(jìn)行統(tǒng)計和確定。當(dāng)前的管理方法主要存在3點(diǎn)問題：(1)原始數(shù)據(jù)量大，人工監(jiān)視、收集、填報信息耗時且工作強(qiáng)度大，存在漏報和誤報等情況；(2)信息收集滯后，電廠在機(jī)組出現(xiàn)故障后不能及時匯報，給調(diào)度和電力平衡帶來壓力[4]；(3)數(shù)據(jù)填報準(zhǔn)確性不足，根據(jù)填報反饋信息無法直接確診機(jī)組停機(jī)原因[5]，為后續(xù)原因分析和統(tǒng)計帶來干擾。

圖1 某600 MW機(jī)組停機(jī)數(shù)據(jù)對比Fig.1 Data comparision of a 600 MW unit

針對以上問題，可利用互聯(lián)網(wǎng)技術(shù)開發(fā)大數(shù)據(jù)平臺，實(shí)現(xiàn)對火力發(fā)電機(jī)組進(jìn)行集中監(jiān)控、管理、診斷和分析。大數(shù)據(jù)平臺通過對機(jī)組基礎(chǔ)數(shù)據(jù)進(jìn)行收集、存儲，形成私有云共享數(shù)據(jù)倉庫，實(shí)時處理在線數(shù)據(jù)，給出高準(zhǔn)確性的分析、判定結(jié)果，輔助指導(dǎo)生產(chǎn)各環(huán)節(jié)。平臺通過完善設(shè)備臺賬，不斷積累設(shè)備的可靠性數(shù)據(jù)，為科學(xué)分析各設(shè)備的可靠性提供充分的依據(jù)，同時為總結(jié)事故經(jīng)驗(yàn)、研究事故發(fā)展規(guī)律、尋找電力設(shè)備的薄弱環(huán)節(jié)和潛在的危險點(diǎn)[6]，進(jìn)一步提高電廠的可靠性管理水平提供參考。

SRT大數(shù)據(jù)管理平臺最底層為可采集與存儲的數(shù)據(jù)源層，包括生產(chǎn)數(shù)據(jù)(如分散控制系統(tǒng)(DCS)數(shù)據(jù)、監(jiān)控信息系統(tǒng)(SIS)數(shù)據(jù)等)、經(jīng)營數(shù)據(jù)(如管理信息系統(tǒng)(MIS)數(shù)據(jù)、企業(yè)資源計劃系統(tǒng)(ERP)數(shù)據(jù)等)以及外部數(shù)據(jù)(如天氣、煤/氣價等)，這些實(shí)時數(shù)據(jù)均可通過平臺中的數(shù)據(jù)采集模塊(ECell)進(jìn)行實(shí)時采集(支持各種數(shù)據(jù)通信協(xié)議)，同時通過數(shù)據(jù)抽取、轉(zhuǎn)置、加載工具(ETL)進(jìn)行結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù)的抽??；將各種數(shù)據(jù)源采集或抽取后使用平臺自身的數(shù)據(jù)預(yù)處理服務(wù)(包括編碼、清洗、關(guān)聯(lián)以及狀態(tài)感知)進(jìn)行預(yù)處理；預(yù)處理完畢后根據(jù)數(shù)據(jù)特征存儲于平臺各數(shù)據(jù)庫，整個平臺包含時序數(shù)據(jù)存儲、非結(jié)構(gòu)化數(shù)據(jù)存儲以及結(jié)構(gòu)化數(shù)據(jù)存儲等;同時提供分布式協(xié)調(diào)服務(wù)、分布式消息緩存等服務(wù)。計算服務(wù)由云計算平臺提供，包括事件統(tǒng)計(SEvent)、統(tǒng)計計算(SReal)和自由模型計算等服務(wù)。各業(yè)務(wù)應(yīng)用服務(wù)均部署于大數(shù)據(jù)平臺的數(shù)據(jù)層之上，支持移動端展示和數(shù)據(jù)共享。

目前大數(shù)據(jù)技術(shù)在電力行業(yè)的應(yīng)用已逐漸深入，差分整合移動平均自回歸模型(Armia回歸模型)、灰色投影、隨機(jī)森林算法和長短期記憶神經(jīng)網(wǎng)絡(luò)[7]在電力負(fù)荷預(yù)測中已得到廣泛應(yīng)用，模糊原理、Petri 網(wǎng)絡(luò)、遺傳算法也被應(yīng)用于電力系統(tǒng)故障診斷[8]。但各種模型與算法在火電系統(tǒng)狀態(tài)管理上的相關(guān)研究和應(yīng)用較少。本文針對10～1 060 MW的230臺火電機(jī)組進(jìn)行研究，其中600 MW以上機(jī)組共計58臺。原始數(shù)據(jù)被采集到大數(shù)據(jù)平臺，采用專業(yè)化數(shù)據(jù)清洗、分析軟件、構(gòu)建合適的數(shù)學(xué)模型對機(jī)組啟停和降出力進(jìn)行監(jiān)控，對非計劃停機(jī)和降出力進(jìn)行標(biāo)記管理，并進(jìn)行可視化呈現(xiàn)。允許專家通過專網(wǎng)遠(yuǎn)程驗(yàn)證以及用戶自查，實(shí)現(xiàn)設(shè)備狀態(tài)監(jiān)測和性能分析，為生產(chǎn)、檢修提供指導(dǎo)，為技術(shù)監(jiān)督提供分析參考，為領(lǐng)導(dǎo)經(jīng)營決策提供數(shù)據(jù)支持。

2 可靠性管理

根據(jù)電力可靠性管理技術(shù)標(biāo)準(zhǔn)[1]，使用狀態(tài)下的設(shè)備分為可用和不可用，根據(jù)設(shè)備執(zhí)行預(yù)定功能的狀態(tài)又分為運(yùn)行和備用兩種，其中不可用狀態(tài)分為計劃停運(yùn)和非計劃停運(yùn)(以下簡稱非停)。發(fā)電企業(yè)主要關(guān)注停機(jī)事件、降出力事件和非計劃降出力事件，以體現(xiàn)設(shè)備“帶病”運(yùn)行的情況，以便及時對設(shè)備進(jìn)行檢修，將安全隱患消滅在初期，避免非停給企業(yè)帶來的電量、經(jīng)濟(jì)、信譽(yù)損失甚至安全事故。

2.1 非停的識別和判定方法

根據(jù)近幾年火電機(jī)組非停事件統(tǒng)計，導(dǎo)致非停的原因主要出自鍋爐系統(tǒng)、汽輪機(jī)系統(tǒng)、發(fā)電機(jī)系統(tǒng)和熱工系統(tǒng)，其中出自鍋爐系統(tǒng)的約占60%，出自汽輪機(jī)系統(tǒng)的約占10%，出自發(fā)電機(jī)系統(tǒng)的約占10%[9]，且絕大多數(shù)非停事件體現(xiàn)為突然跳閘和緊急停運(yùn)。通過對歷史事件的對比分析，非停在數(shù)據(jù)上的特征是功率值陡降且停機(jī)前5 min內(nèi)數(shù)值較高。如圖1所示，對某600 MW機(jī)組多次停機(jī)事件停機(jī)前20 min和停機(jī)后10 min的數(shù)據(jù)進(jìn)行分析和特征提取，數(shù)據(jù)的采樣周期均為30 s。

圖2 機(jī)組停機(jī)前功率在正常停機(jī)/非停下的分布情況Fig.2 Distributions of power before shutdowns under normal start/shutdown and unplanned start/shutdown

可靠性管理采用歷史判定事件為訓(xùn)練數(shù)據(jù)集，取停機(jī)前20 min的數(shù)據(jù)作為散點(diǎn)并針對一系列的散點(diǎn)進(jìn)行分析，采用已驗(yàn)證的非停、正常停機(jī)事件作為目標(biāo)集進(jìn)行學(xué)習(xí)。

為了讓數(shù)據(jù)更具代表性、豐富性，以容量等級為樣本分組依據(jù)，對58臺600 MW等級機(jī)組停機(jī)數(shù)據(jù)進(jìn)行特征提取，對該容量等級的機(jī)組展開個性化數(shù)據(jù)挖掘，經(jīng)驗(yàn)證數(shù)據(jù)有較好的適用性。對機(jī)組停機(jī)前15 min，10 min，5 min，2 min，1 min和0 min的數(shù)據(jù)進(jìn)行對比，發(fā)現(xiàn)非停前的負(fù)荷較正常停機(jī)時的偏高(如圖2所示)，此現(xiàn)象在停機(jī)前2 min時尤為明顯，此時兩組數(shù)據(jù)出現(xiàn)了明顯的分層。取經(jīng)過清洗的停機(jī)前2 min的負(fù)荷進(jìn)行分類、邊界描述，最終確定非停識別標(biāo)準(zhǔn)值和非停識別待定值。當(dāng)負(fù)荷大于非停識別標(biāo)準(zhǔn)值，則判定為非停事件：取停機(jī)時間點(diǎn)向前10 min的數(shù)據(jù)，連續(xù)2個數(shù)據(jù)呈遞減規(guī)律則遞減序數(shù)記錄加1，當(dāng)遞減序數(shù)小于額定陡降特征值，則認(rèn)定為非計劃停機(jī)。

2.2 降出力識別和判定方法

機(jī)組降出力指的是機(jī)組達(dá)不到最大容量運(yùn)行或備用的狀態(tài)(不包括按負(fù)荷曲線正常調(diào)整出力)。機(jī)組降低出力可分為計劃降低出力和非計劃降低出力[1]。一般情況下，在電網(wǎng)負(fù)荷減少時，為了保持電網(wǎng)頻率保持穩(wěn)定，需要降低發(fā)電廠輸出功率，這部分按照負(fù)荷調(diào)度曲線調(diào)整出力屬于正常調(diào)整。計劃降低出力機(jī)組按計劃在既定時期內(nèi)降低出力，比如季節(jié)性或月度調(diào)整。本文主要關(guān)注因?yàn)檩o機(jī)設(shè)備故障或設(shè)備缺陷等不能預(yù)計的原因?qū)е碌姆怯媱澖党隽κ录?/p>

采用歷史判定事件為訓(xùn)練數(shù)據(jù)集，如圖3所示，對典型非計劃降出力事件進(jìn)行特征提取，取經(jīng)過驗(yàn)證的機(jī)組正常運(yùn)行數(shù)據(jù)，確定機(jī)組能長時間持續(xù)正常運(yùn)行的功率低值下浮指定量為絕對降出力閾值。取降出力門檻前20 min內(nèi)負(fù)荷最大值為輔助驗(yàn)證點(diǎn)。將經(jīng)過驗(yàn)證的機(jī)組降出力事件作為目標(biāo)集，給出特征參數(shù)額定最大差值和降出力閾值。

降出力識別的具體流程是當(dāng)機(jī)組功率低于降出力閾值時，對數(shù)據(jù)清洗確認(rèn)數(shù)據(jù)有效，取輔助驗(yàn)證點(diǎn)計算負(fù)荷差值，差值大于額定最大差值，標(biāo)注此刻為降出力開始，持續(xù)監(jiān)視負(fù)荷測點(diǎn)負(fù)荷，直至負(fù)荷在90 min內(nèi)未降至停機(jī)閥值并最終回升至穩(wěn)定運(yùn)行負(fù)荷，認(rèn)為降出力結(jié)束，對完整降出力事件進(jìn)行記錄，非計劃降出力事件判斷結(jié)果如圖3所示。

圖3 某600 MW機(jī)組降出力事件案例Fig.3 A derating output case of a 600 MW unit

3 平臺應(yīng)用

經(jīng)過1年的運(yùn)行調(diào)整，狀態(tài)管理模塊具有良好的適用性?；跉v史數(shù)據(jù)，平臺1 h內(nèi)高效監(jiān)控、統(tǒng)計50臺機(jī)組100 d的運(yùn)行狀態(tài)，對于實(shí)時數(shù)據(jù)設(shè)備狀態(tài)變化在10 min內(nèi)給出判定意見，處理周期短、時間延遲小，基本可以做到數(shù)據(jù)實(shí)時采集、實(shí)時清洗、快速判定。

選取專家提供的某月非停與降出力報告與SRT大數(shù)據(jù)平臺分析結(jié)果進(jìn)行對比，非停報告中該月非停事件共10次，見表1。平臺非停統(tǒng)計共計9次與非停報告匹配，成功6次，4次四管泄漏非停未能成功判定，額外挖掘高概率非停事件3次，其中除了對鍋爐系統(tǒng)非停的命中率為20%，對其他系統(tǒng)的命中率均為100%，結(jié)果可靠。經(jīng)過進(jìn)一步分析確認(rèn)，鍋爐系統(tǒng)四管泄漏漏判率較高，因?yàn)楝F(xiàn)場運(yùn)行情況復(fù)雜，運(yùn)行情況并非絕對穩(wěn)定，在發(fā)生較小流量的泄漏時，單從參數(shù)上很難完成泄漏事件判斷[4]。另一方面，四管泄漏事件發(fā)生至機(jī)組停機(jī)可能是一個緩慢的過程，基于功率值的特征值無法體現(xiàn)其與正常緩慢停機(jī)的區(qū)別，需補(bǔ)充分析量進(jìn)一步提取新特征。降出力報告中降出力事件共計6次，均由鍋爐系統(tǒng)引起，其中由于煤倉蓬煤、負(fù)壓異常、燃燒調(diào)整造成的4次事件由平臺進(jìn)行了準(zhǔn)確統(tǒng)計。平臺漏判的兩次主要是引風(fēng)機(jī)失速和搶風(fēng)，考慮進(jìn)一步引入引風(fēng)機(jī)特征信號作為判據(jù)。

表1 專家月報告與平臺統(tǒng)計結(jié)果比較Tab.1 Comparison of expert monthly report and platform data

4 結(jié)論

通過建立數(shù)據(jù)中心構(gòu)建非停和降出力模型的方式，遠(yuǎn)程監(jiān)督設(shè)備運(yùn)行情況并進(jìn)行可靠性統(tǒng)計。使用軟件平臺對非計劃降出力進(jìn)行自動識別，采用7×24 h專業(yè)化應(yīng)用程序輔助人工監(jiān)督，在海量數(shù)據(jù)情況下減少人工識別成本，提高業(yè)務(wù)效率，提升判定準(zhǔn)確性和決策可靠性，為設(shè)備全自動信息化監(jiān)管提供良好基礎(chǔ)。后續(xù)平臺會根據(jù)判斷結(jié)果對非停和降出力的原因進(jìn)行分析，進(jìn)一步深化狀態(tài)管理應(yīng)用。