湖南大唐先一科技有限公司 閔 怡 羅仁強(qiáng) 胡 蓉 深圳大唐寶昌燃?xì)獍l(fā)電有限公司 顏凱康 石志偉

近年來，隨著“雙碳”目標(biāo)的提出，以風(fēng)電、光伏為代表的清潔能源得到快速發(fā)展，根據(jù)中電聯(lián)發(fā)布的《中國(guó)電力行業(yè)年度發(fā)展報(bào)告2021》數(shù)據(jù)顯示，截至2020年年底全國(guó)全口徑發(fā)電裝機(jī)容量220204萬千瓦，其中火電容量124624萬千瓦（煤電107912萬千瓦，氣電9972萬千瓦），占比56.6%；全國(guó)全口徑發(fā)電量為76264億千瓦時(shí)，火電發(fā)電量51770億千瓦時(shí)，占比67.9%。可知火力發(fā)電仍是我國(guó)發(fā)電市場(chǎng)的主力。受制于環(huán)境變化，風(fēng)電、光伏的設(shè)備利用小時(shí)數(shù)較低，在儲(chǔ)能技術(shù)未取得突破的條件下，我國(guó)今后一段時(shí)間內(nèi)的電力市場(chǎng)仍要以火電為主。

隨著云計(jì)算、大數(shù)據(jù)、物聯(lián)網(wǎng)、移動(dòng)應(yīng)用、人工智能等新一代信息技術(shù)的快速發(fā)展，人類正在從第三次工業(yè)革命向第四次工業(yè)革命邁進(jìn)，為了促進(jìn)各產(chǎn)業(yè)的轉(zhuǎn)型升級(jí)，搶占科技制高點(diǎn)，我國(guó)政府相繼推出了“互聯(lián)網(wǎng)+”、“中國(guó)制造2025”、“新基建”等前瞻性發(fā)展戰(zhàn)略。2016年國(guó)家發(fā)改委、能源局、工業(yè)和信息化部聯(lián)合印發(fā)了《推進(jìn)“互聯(lián)網(wǎng)+”智慧能源發(fā)展的指導(dǎo)意見》，意見指出要以“互聯(lián)網(wǎng)+”為手段，以智能化為基礎(chǔ)，促進(jìn)能源和信息的深度融合。2020年9月國(guó)資委印發(fā)了《關(guān)于加快推進(jìn)國(guó)有企業(yè)數(shù)字化轉(zhuǎn)型工作的通知》，通知指出要打造能源類數(shù)字化轉(zhuǎn)型示范企業(yè)，加快推進(jìn)智能電網(wǎng)、智能電站的建設(shè)；隨后，各能源類中央企業(yè)相繼推出數(shù)字化轉(zhuǎn)型方案，積極推進(jìn)“數(shù)字企業(yè)”和“智能電廠”建設(shè)。因此，對(duì)于我國(guó)存量龐大的火力發(fā)電企業(yè)，數(shù)字化、智能化建設(shè)將是今后一段時(shí)間內(nèi)的重點(diǎn)發(fā)展方向。

目前，我國(guó)火電廠發(fā)電運(yùn)行工作仍然面臨一些困境。一方面，電廠DCS 監(jiān)控系統(tǒng)界面、參數(shù)多，監(jiān)盤人員工作壓力大、勞動(dòng)強(qiáng)度高，愿意從事運(yùn)行監(jiān)盤工作的年輕人越來越少，運(yùn)行經(jīng)驗(yàn)難以傳承；另一方面，電廠運(yùn)行主要通過參數(shù)異常波動(dòng)和DCS報(bào)警來發(fā)現(xiàn)異常，經(jīng)驗(yàn)欠缺的運(yùn)行人員難以及時(shí)發(fā)現(xiàn)，DCS 報(bào)警時(shí)往往故障已經(jīng)發(fā)生，留給運(yùn)行人員運(yùn)行調(diào)整的時(shí)間不足，或者設(shè)備已經(jīng)出現(xiàn)了一定程度的損壞，屬于事后報(bào)警。因此，針對(duì)火電廠DCS運(yùn)行監(jiān)盤的現(xiàn)狀，需要一個(gè)具有預(yù)警能力的智能監(jiān)盤系統(tǒng)幫助運(yùn)行人員“發(fā)現(xiàn)問題”，實(shí)現(xiàn)監(jiān)盤工作由“人監(jiān)盤”到“計(jì)算機(jī)監(jiān)盤”的轉(zhuǎn)變，通過提前發(fā)現(xiàn)異常，降低監(jiān)盤人員監(jiān)盤壓力，提高電廠運(yùn)行的智能化水平。

1 大數(shù)據(jù)分析平臺(tái)架構(gòu)及智能算法

目前，我國(guó)發(fā)電企業(yè)基本完成了信息化建設(shè)，SIS 系統(tǒng)（廠級(jí)監(jiān)控信息系統(tǒng)）存儲(chǔ)了海量的機(jī)組歷史運(yùn)行數(shù)據(jù)，基于此，大數(shù)據(jù)分析平臺(tái)通過采集SIS 實(shí)時(shí)數(shù)據(jù)庫中的歷史數(shù)據(jù)，經(jīng)過數(shù)據(jù)處理、數(shù)據(jù)分析、模型搭建、模型訓(xùn)練、模型評(píng)價(jià)、結(jié)果輸出等環(huán)節(jié)實(shí)現(xiàn)發(fā)電機(jī)組各運(yùn)行參數(shù)的實(shí)時(shí)預(yù)警。大數(shù)據(jù)分析平臺(tái)的技術(shù)架構(gòu)包括支撐層、處理層和應(yīng)用層三層。

支撐層包括SIS 實(shí)時(shí)數(shù)據(jù)庫、關(guān)系數(shù)據(jù)庫和歷史數(shù)據(jù)采集程序。SIS 實(shí)時(shí)數(shù)據(jù)庫中的數(shù)據(jù)取自DCS 數(shù)據(jù)庫，為結(jié)構(gòu)化數(shù)據(jù)。數(shù)據(jù)采集程序可從SIS 實(shí)時(shí)數(shù)據(jù)庫中采集按時(shí)間排列的結(jié)構(gòu)化數(shù)據(jù)，便于處理和分析；處理層包括數(shù)據(jù)分析與處理、預(yù)警算法和模型評(píng)價(jià)。數(shù)據(jù)分析可分析數(shù)據(jù)的平均值、最大值、最小值、方差、標(biāo)準(zhǔn)差和相關(guān)性分析等，為數(shù)據(jù)處理提供參考。數(shù)據(jù)處理可將采集的原始數(shù)據(jù)進(jìn)行清洗，將空值、零值等異常數(shù)據(jù)篩選掉，還可通過分類、聚類等算法進(jìn)行典型工況篩選。回歸評(píng)價(jià)通過對(duì)回歸算法評(píng)價(jià)指標(biāo)的計(jì)算判斷算法的準(zhǔn)確度，作為對(duì)算法參數(shù)調(diào)整的依據(jù)。

應(yīng)用層包括模型搭建、模型訓(xùn)練和結(jié)果輸出。通過大數(shù)據(jù)平臺(tái)的預(yù)警算法進(jìn)行模型的搭建，利用處理好的數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練，調(diào)整模型參數(shù)使之達(dá)到預(yù)警精度，將實(shí)時(shí)運(yùn)行數(shù)據(jù)輸入成熟模型即可計(jì)算得出回歸期望值。

目前有研究人員進(jìn)行了各種智能算法應(yīng)用于電廠設(shè)備預(yù)警的研究[2]，獲得了大量的成果，主要有神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、隨機(jī)森林、多元狀態(tài)估計(jì)等。發(fā)電機(jī)組各系統(tǒng)設(shè)備運(yùn)行狀態(tài)、運(yùn)行參數(shù)的預(yù)警可選擇多種算法，預(yù)警精度不僅受到算法選擇的影響，也和算法調(diào)優(yōu)、數(shù)據(jù)質(zhì)量有關(guān)。本文主要以多元狀態(tài)估計(jì)技術(shù)為例進(jìn)行說明。

多元狀態(tài)估計(jì)技術(shù)（Multivariate State Esti_mation Technique，MSET）是一種多變量狀態(tài)估計(jì)技術(shù)，最早由美國(guó)阿爾貢國(guó)立實(shí)驗(yàn)室開發(fā)用于核電站設(shè)備狀態(tài)預(yù)警。MSET 通過比較實(shí)時(shí)數(shù)據(jù)與歷史數(shù)據(jù)的相似性，據(jù)此來估計(jì)設(shè)備的運(yùn)行狀態(tài)，本質(zhì)是使用設(shè)備處于正常工作狀態(tài)時(shí)的歷史數(shù)據(jù)，建立正常運(yùn)行狀態(tài)下的模型，然后使用模型對(duì)新的運(yùn)行狀態(tài)進(jìn)行估計(jì)。

MSET 通過對(duì)海量的歷史健康數(shù)據(jù)進(jìn)行分析，提取預(yù)警對(duì)象在不同負(fù)荷和環(huán)境條件下的典型運(yùn)行工況特性數(shù)據(jù)。在對(duì)預(yù)警對(duì)象進(jìn)行實(shí)時(shí)監(jiān)測(cè)時(shí)，獲得的實(shí)時(shí)數(shù)據(jù)中包含了預(yù)警對(duì)象的實(shí)時(shí)運(yùn)行狀態(tài)，多元狀態(tài)估計(jì)技術(shù)利用實(shí)時(shí)運(yùn)行狀態(tài)數(shù)據(jù)和提取出的典型運(yùn)行工況特征數(shù)據(jù)計(jì)算出實(shí)時(shí)運(yùn)行狀態(tài)的估計(jì)狀態(tài)，通過計(jì)算實(shí)時(shí)運(yùn)行狀態(tài)和實(shí)時(shí)運(yùn)行估計(jì)狀態(tài)的偏差來判斷預(yù)警對(duì)象此時(shí)的狀態(tài)是否正常。多元狀態(tài)估計(jì)技術(shù)的預(yù)警流程步驟如下。

選取歷史健康數(shù)據(jù)。從電廠SIS 數(shù)據(jù)庫中采集機(jī)組歷史運(yùn)行數(shù)據(jù)，通過數(shù)據(jù)清洗篩選掉異常運(yùn)行數(shù)據(jù)，形成歷史健康數(shù)據(jù)樣本。對(duì)健康數(shù)據(jù)的要求是盡可能覆蓋預(yù)警對(duì)象正常運(yùn)行時(shí)各監(jiān)測(cè)參數(shù)所有的動(dòng)態(tài)變化情況；提取記憶矩陣。在歷史健康數(shù)據(jù)中提取記憶矩陣，需要用到聚類、等距抽取等數(shù)據(jù)處理算法，提取出的矩陣需盡可能反映所有正常運(yùn)行狀態(tài)。假設(shè)歷史數(shù)據(jù)按時(shí)間序列縱向排列，記憶矩陣D 是m×n維，則行數(shù)m 表示記憶矩陣共有m 個(gè)特征狀態(tài)，列數(shù)n 表示記憶矩陣有n 個(gè)監(jiān)測(cè)參數(shù)；組建剩余健康訓(xùn)練矩陣。從歷史健康數(shù)據(jù)樣本中提取出記憶矩陣后，剩余的數(shù)據(jù)即為剩余健康訓(xùn)練矩陣。

求解剩余健康訓(xùn)練矩陣的估計(jì)矩陣。假設(shè)剩余健康訓(xùn)練矩陣Xobs的估計(jì)矩陣是Xest，由于估計(jì)矩陣是記憶矩陣的加權(quán)線性組合，則Xest=D×W，W為加權(quán)線性組合的系數(shù)，其含義為運(yùn)行狀態(tài)的最優(yōu)參數(shù)估計(jì)與記憶矩陣中歷史正常運(yùn)行工況之間的相似程度；健康偏差計(jì)算。剩余健康訓(xùn)練矩陣與剩余健康訓(xùn)練矩陣估計(jì)矩陣的差值即為健康偏差，一般取最大值為健康偏差的數(shù)值；求解實(shí)時(shí)運(yùn)行矩陣的估計(jì)矩陣。求解方法與求解剩余健康訓(xùn)練矩陣的估計(jì)矩陣相同；實(shí)際偏差計(jì)算。實(shí)際偏差為實(shí)時(shí)運(yùn)行矩陣與實(shí)時(shí)運(yùn)行矩陣估計(jì)矩陣的差值；預(yù)警判斷。比較實(shí)際偏差與健康偏差，當(dāng)實(shí)際偏差大于健康偏差時(shí)，說明預(yù)警對(duì)象處在不健康運(yùn)行狀態(tài)，即可發(fā)出預(yù)警。

2 智能監(jiān)盤系統(tǒng)技術(shù)架構(gòu)及應(yīng)用場(chǎng)景

智能監(jiān)盤系統(tǒng)以大數(shù)據(jù)分析平臺(tái)為支撐，以提前發(fā)現(xiàn)機(jī)組運(yùn)行異常、減輕運(yùn)行人員監(jiān)盤壓力為目標(biāo)，利用多元狀態(tài)估計(jì)技術(shù)計(jì)算機(jī)組當(dāng)前負(fù)荷、環(huán)境條件下各系統(tǒng)設(shè)備應(yīng)當(dāng)所處的健康狀態(tài)，以此為依據(jù)對(duì)當(dāng)前的運(yùn)行狀態(tài)進(jìn)行判斷，從而實(shí)現(xiàn)運(yùn)行異常的早期預(yù)警，并通過關(guān)聯(lián)規(guī)則、邏輯判斷等方法依據(jù)運(yùn)行參數(shù)狀態(tài)進(jìn)行預(yù)警的原因分析及診斷，結(jié)合診斷指導(dǎo)專家?guī)熘笇?dǎo)運(yùn)行人員進(jìn)行運(yùn)行調(diào)整。

2.1 智能監(jiān)視

區(qū)別于DCS 多系統(tǒng)的監(jiān)控界面，智能監(jiān)盤系統(tǒng)整合各系統(tǒng)進(jìn)行運(yùn)行狀態(tài)整體展示，監(jiān)盤人員可在一個(gè)界面上觀察機(jī)組運(yùn)行情況，實(shí)現(xiàn)機(jī)組監(jiān)視“所見即異?！薄Ｏ到y(tǒng)運(yùn)行狀態(tài)通過健康度的方式展示，健康度降低，表面系統(tǒng)的某些運(yùn)行參數(shù)偏離了最佳狀態(tài)，需要人工干預(yù)。健康度表示系統(tǒng)運(yùn)行狀態(tài)與之期望狀態(tài)的相似程度。

系統(tǒng)健康度由模型健康度組成，模型健康度由參數(shù)健康度組成。一個(gè)系統(tǒng)由多個(gè)模型組成，分為設(shè)備模型和流體介質(zhì)（水、蒸汽、風(fēng)、煙氣、潤(rùn)滑油）模型。如汽機(jī)凝結(jié)水系統(tǒng)包括凝汽器預(yù)警模型、凝結(jié)水泵預(yù)警模型和凝結(jié)水預(yù)警模型。以設(shè)備或流體介質(zhì)為對(duì)象建立預(yù)警模型，根據(jù)機(jī)理及運(yùn)行經(jīng)驗(yàn)篩選互相耦合的參數(shù)進(jìn)行建模分析，如凝結(jié)水泵的電流、轉(zhuǎn)速、軸承溫度、軸承振動(dòng)等，凝結(jié)水的溫度、壓力、流量、過冷度等，當(dāng)某項(xiàng)參數(shù)變化時(shí)，與之耦合的參數(shù)也會(huì)出現(xiàn)變化，預(yù)警模型通過大量的歷史正常運(yùn)行數(shù)據(jù)訓(xùn)練獲取參數(shù)之間的變化規(guī)律，當(dāng)某項(xiàng)參數(shù)異常變化時(shí)，模型即可捕捉到異常。系統(tǒng)健康度可從安全、經(jīng)濟(jì)、可靠三個(gè)方面進(jìn)行評(píng)價(jià)。

安全性評(píng)價(jià)。系統(tǒng)安全運(yùn)行狀態(tài)的評(píng)價(jià)，在預(yù)警模型中選擇影響系統(tǒng)安全運(yùn)行的參數(shù)，通過安全參數(shù)的健康度計(jì)算系統(tǒng)的安全性。如凝結(jié)水泵軸承振動(dòng)影響凝結(jié)水泵的安全運(yùn)行，進(jìn)而影響到凝結(jié)水系統(tǒng)的運(yùn)行安全，則凝結(jié)水泵軸承振動(dòng)即為凝結(jié)水系統(tǒng)安全性評(píng)價(jià)的影響參數(shù)。當(dāng)安全評(píng)分降低時(shí)，表明設(shè)備處在異常工作狀態(tài)，提醒監(jiān)盤人員檢查調(diào)整。

經(jīng)濟(jì)性評(píng)價(jià)。即系統(tǒng)經(jīng)濟(jì)運(yùn)行狀態(tài)的評(píng)價(jià)，在預(yù)警模型中選擇影響系統(tǒng)經(jīng)濟(jì)運(yùn)行的參數(shù)，通過經(jīng)濟(jì)參數(shù)的健康度計(jì)算系統(tǒng)的經(jīng)濟(jì)性。如凝結(jié)水過冷度影響機(jī)組的熱經(jīng)濟(jì)性，則凝結(jié)水過冷度為凝結(jié)水系統(tǒng)經(jīng)濟(jì)性評(píng)價(jià)的影響參數(shù)。當(dāng)經(jīng)濟(jì)評(píng)分降低時(shí)，表明系統(tǒng)處在不經(jīng)濟(jì)的運(yùn)行狀態(tài)，提醒監(jiān)盤人員進(jìn)行調(diào)整；可靠性評(píng)價(jià)。指系統(tǒng)中互為備用的設(shè)備投聯(lián)鎖和閥門投自動(dòng)的狀態(tài)評(píng)價(jià)，當(dāng)可靠性評(píng)分降低時(shí)，表明有設(shè)備未投聯(lián)鎖或閥門未投自動(dòng)的狀態(tài)，即可提醒監(jiān)盤人員及時(shí)操作調(diào)整。

2.2 智能預(yù)警

智能預(yù)警是當(dāng)預(yù)警模型檢測(cè)到運(yùn)行參數(shù)出現(xiàn)異常趨勢(shì)且未達(dá)到DCS 報(bào)警值時(shí)及時(shí)給出預(yù)警，為監(jiān)盤人員提供充足的時(shí)間進(jìn)行運(yùn)行調(diào)整。智能預(yù)警可設(shè)置兩級(jí)預(yù)警。

Ⅱ級(jí)預(yù)警為基于多元狀態(tài)估計(jì)技術(shù)的預(yù)警模型計(jì)算得出的動(dòng)態(tài)偏差預(yù)警。對(duì)于搭建好的預(yù)警模型，利用海量歷史正常運(yùn)行數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練，成熟的模型可以根據(jù)當(dāng)前設(shè)備、流體介質(zhì)的實(shí)時(shí)運(yùn)行狀態(tài)輸出期望健康狀態(tài)，當(dāng)實(shí)時(shí)運(yùn)行狀態(tài)與期望健康狀態(tài)的偏差超過健康偏差時(shí)，預(yù)警模型判定異常，發(fā)出Ⅱ級(jí)預(yù)警提示。系統(tǒng)在不同負(fù)荷、不同環(huán)境條件下運(yùn)行狀態(tài)是不同的，通過偏差預(yù)警能更準(zhǔn)確的發(fā)現(xiàn)異常；Ⅰ級(jí)預(yù)警通過對(duì)歷史運(yùn)行數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析得出，預(yù)警級(jí)別高于Ⅱ級(jí)預(yù)警。如選取引風(fēng)機(jī)一整年的軸承溫度數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，剔除異常工況數(shù)據(jù)和測(cè)點(diǎn)異常等明顯異常的數(shù)據(jù)，以歷史正常軸承溫度的最大值作為Ⅰ級(jí)預(yù)警的預(yù)警值，當(dāng)實(shí)時(shí)溫度超過該值時(shí)發(fā)出Ⅰ級(jí)預(yù)警提示。

各級(jí)預(yù)警的先后順序?yàn)棰蚣?jí)預(yù)警先于Ⅰ級(jí)預(yù)警，Ⅰ級(jí)預(yù)警先于DCS 限值報(bào)警。智能預(yù)警還可進(jìn)行開關(guān)量狀態(tài)異常報(bào)警，通過開關(guān)量關(guān)聯(lián)參數(shù)狀態(tài)進(jìn)行邏輯判斷是否異常，如聯(lián)鎖投入、自動(dòng)投入、閥門開關(guān)狀態(tài)等。

2.3 智能診斷與指導(dǎo)

智能診斷與指導(dǎo)通過梳理運(yùn)行規(guī)程、總結(jié)資深運(yùn)行人員的運(yùn)行經(jīng)驗(yàn)，形成診斷指導(dǎo)專家?guī)?，通過關(guān)聯(lián)規(guī)則、邏輯判斷等方法根據(jù)運(yùn)行參數(shù)異常情況進(jìn)行預(yù)警原因的分析與診斷，并通過專家?guī)旖o出運(yùn)行調(diào)整建議。運(yùn)行參數(shù)異常時(shí)，系統(tǒng)發(fā)出預(yù)警并自動(dòng)關(guān)聯(lián)專家?guī)欤o出異常原因診斷和運(yùn)行調(diào)整建議，幫助經(jīng)驗(yàn)欠缺的運(yùn)行監(jiān)盤人員快速定位異常原因，并指導(dǎo)監(jiān)盤人員進(jìn)行運(yùn)行調(diào)整或現(xiàn)場(chǎng)設(shè)備的進(jìn)一步檢查處理，可以有效解決員工經(jīng)驗(yàn)不足的問題，減少誤判和誤操作[3]。診斷指導(dǎo)專家?guī)焓且粋€(gè)開放的知識(shí)積累平臺(tái)，可進(jìn)行知識(shí)的快速添加和修改，隨著使用和維護(hù)次數(shù)的增多內(nèi)容會(huì)逐漸豐富和完善，異常診斷和指導(dǎo)也會(huì)更準(zhǔn)確。

智能監(jiān)盤系統(tǒng)的主要功能為幫助電廠監(jiān)盤人員“發(fā)現(xiàn)問題”，運(yùn)行調(diào)整仍然需要監(jiān)盤人員通過DCS監(jiān)控系統(tǒng)實(shí)現(xiàn)，因此智能監(jiān)盤系統(tǒng)的部署應(yīng)能讓監(jiān)盤人員及時(shí)接收預(yù)警信息并不影響DCS 系統(tǒng)的操作?；诖?，可在集控室大屏顯示墻增設(shè)一臺(tái)大小合適的大屏顯示器，連接控制臺(tái)的PC，監(jiān)盤人員可在盤前通過鼠標(biāo)進(jìn)行操作；或者在監(jiān)盤人員原有的監(jiān)盤顯示器上安裝分屏器，在同一個(gè)顯示器上同時(shí)顯示DCS 和智能監(jiān)盤系統(tǒng)，如此可使監(jiān)盤人員得到最佳的使用體驗(yàn)，通過智能監(jiān)盤系統(tǒng)大幅減輕監(jiān)盤壓力。