胡延偉,何文飛,任龍飛,陳永華

(1. 平高集團有限公司,河南 平頂山 467001;2. 平高帕拉特(河南)能源科技有限公司,河南 平頂山 467001;3. 鄭州大學(xué) 計算機與人工智能學(xué)院,河南 鄭州 450001)

0 引言

電極電鍋爐技術(shù)采用國際領(lǐng)先的電極式電鍋爐設(shè)計制造技術(shù),結(jié)合“水、固體、相變”等儲能技術(shù)[1],在新能源消納、電網(wǎng)調(diào)頻調(diào)峰、民用及工商業(yè)供熱、供暖、制冷、儲能等應(yīng)用領(lǐng)域,為用戶提供安全、高效、環(huán)保的電鍋爐和能源系統(tǒng)整體解決方案[2-3]。通過智能控制技術(shù)、電鍋爐技術(shù)、蓄熱技術(shù)的有機結(jié)合,借助泛在電力物聯(lián)網(wǎng)平臺,在電網(wǎng)、能源站、用戶之間構(gòu)建能源管理系統(tǒng)。

1 電極鍋爐遠程控制需求

隨著工業(yè)生產(chǎn)技術(shù)的發(fā)展,生產(chǎn)設(shè)備的結(jié)構(gòu)越來越復(fù)雜,對設(shè)備維護精確性要求也隨之提高,對工業(yè)化控制、預(yù)測需求相應(yīng)提高[4-5]。隨著市場開拓和項目的陸續(xù)實施,用戶提出對電極鍋爐設(shè)備遠程控制、智慧能效管理等信息化個性要求?，F(xiàn)階段電極鍋爐在用戶端“黑匣子”缺少現(xiàn)場運行數(shù)據(jù),各種參數(shù)的設(shè)置只能在用戶端進行[6],無法及時獲取設(shè)備運行數(shù)據(jù),增加售后工作難度,需建設(shè)遠程控制工業(yè)互聯(lián)網(wǎng)平臺予以解決。本文通過工業(yè)互聯(lián)網(wǎng)云平臺實現(xiàn)鍋爐運行、檢測、安全的在線統(tǒng)一管理,建立用戶設(shè)備的預(yù)警、故障診斷報送機制,為用戶設(shè)備優(yōu)化運行、節(jié)能減排提供技術(shù)手段,經(jīng)濟、社會效益巨大。

本文根據(jù)故障診斷模型,分析鍋爐的多個運行指標達到一定值后,通過預(yù)測模型,對潛在的異常指標進行預(yù)測,根據(jù)預(yù)測值與實際值進行校驗匹配,如果達到預(yù)警條件,則在客戶端進行預(yù)警提示。預(yù)警時系統(tǒng)提示相關(guān)信息,由運維人員進行相應(yīng)的處理,所有的預(yù)警信息都可以列表的形式顯示出來。同時,根據(jù)預(yù)測結(jié)果反饋并遠程控制電極鍋爐。

2 電極鍋爐設(shè)備故障檢測功能設(shè)計

2.1 鍋爐生產(chǎn)數(shù)據(jù)采集功能

電極鍋爐遠程控制通過現(xiàn)場采集鍋爐的數(shù)據(jù),在采集數(shù)據(jù)分析基礎(chǔ)上,對電極鍋爐進行運行狀態(tài)的分析,通過故障診斷模型,實現(xiàn)自動遠程控制電極鍋爐的運行。電極鍋爐生產(chǎn)數(shù)據(jù)通過采集設(shè)備來完成,平臺需要動態(tài)地獲取每個生產(chǎn)設(shè)備的運行參數(shù)和狀態(tài)等。生產(chǎn)數(shù)據(jù)存儲模式分為OPC服務(wù)器和PLC控制器[7],其中OPC服務(wù)器即通過Web Services的方式來訪問設(shè)備運行數(shù)據(jù),而對于PLC數(shù)據(jù)來說,生產(chǎn)數(shù)據(jù)通過采集設(shè)備來采集,一般一個采集設(shè)備對應(yīng)于一個設(shè)備的PLC[8]。通過讀取PLC的存儲內(nèi)容來識別出設(shè)備運行狀態(tài)、參數(shù),采集后的工業(yè)數(shù)據(jù),從采集設(shè)備中被動態(tài)地讀取、分析出工業(yè)生產(chǎn)數(shù)據(jù),同時可以把這些數(shù)據(jù)歸集到相應(yīng)的設(shè)備運行狀態(tài)描述中。

2.2 運行狀態(tài)管理功能

對鍋爐的運行狀態(tài)進行管理,包括鍋爐內(nèi)的壓力、溫度、液位、電流電壓等參數(shù)。對整個鍋爐的運行狀態(tài)來說,有上百個參數(shù)來表示鍋爐的運行狀態(tài)。運行狀態(tài)管理包括以下具體功能。

1)設(shè)備狀態(tài)信息:查詢出鍋爐的運行狀態(tài),一般的鍋爐運行狀態(tài)分為在線、離線等,在系統(tǒng)上可以直觀地顯示出鍋爐狀態(tài)。

2)設(shè)備信息:可查出鍋爐的具體信息,包括設(shè)備類型、生產(chǎn)廠家、采集的參數(shù)指標等。

3)歷史狀態(tài):系統(tǒng)對鍋爐的狀態(tài)進行記錄,包括每個時間段的鍋爐狀態(tài)(在線、離線),記錄鍋爐在每個階段的狀態(tài)情況。

4)事件信息:當(dāng)鍋爐出現(xiàn)各類故障或預(yù)警時,系統(tǒng)會以事件的方式進行記錄,系統(tǒng)提供可按事件的方式來實現(xiàn)事件的檢索。

5)設(shè)備故障:對發(fā)生的鍋爐故障進行記錄,如果鍋爐出現(xiàn)故障,則對設(shè)備具體的故障信息進行記錄。

6)采集信息查詢:對鍋爐運行參數(shù)采集后,可按鍋爐對采集的運行狀態(tài)、參數(shù)等數(shù)據(jù)進行檢索。

7)設(shè)備控制:在移動端或桌面端可通過指令,對鍋爐進行控制,如采集指令、關(guān)機或開機等。通過對鍋爐遠程控制,可實現(xiàn)鍋爐的反控操作以完成生產(chǎn)。

2.3 鍋爐預(yù)警管理功能

鍋爐預(yù)警就是經(jīng)過近段時間內(nèi)的多項指標進行預(yù)測分析,指標包括鍋爐溫度、區(qū)域熱溫度、回水溫度、蓄熱罐出水溫度、蓄熱放熱供水溫度等。建立預(yù)測分析模型,指標達到一定值后,在客戶端進行預(yù)警提示。預(yù)警時系統(tǒng)提示相關(guān)信息,由運維人員進行相應(yīng)的處理,所有的預(yù)警信息可以列表的形式顯示出來。

1)設(shè)備預(yù)警:按照預(yù)警規(guī)則達到某個值時進行預(yù)警提示。

2)處理預(yù)警:當(dāng)出現(xiàn)設(shè)備預(yù)警信息時,由運維人員對預(yù)警信息進行處置,處理時一般通過消除預(yù)警信息來實現(xiàn)。

3)顯示預(yù)警列表:設(shè)備出現(xiàn)預(yù)警時,歷史庫中保存所有的預(yù)警信息,同時在系統(tǒng)以列表的形式顯示出來。

4)歷史預(yù)警:顯示設(shè)備所有的歷史預(yù)警信息,可輸入預(yù)警時間對設(shè)備的預(yù)警信息進行查詢。

3 電極鍋爐遠程控制需求

3.1 基于灰色預(yù)測算法的電極鍋爐故障預(yù)測分析

灰色預(yù)測是利用灰色系統(tǒng)理論的GM(1,1)模型進行預(yù)測,GM意為grey model。該模型是目前最常用的灰色預(yù)測模型?；疑A(yù)測是根據(jù)過去和現(xiàn)在的非確定信息,建立一個從過去延伸到未來的灰色模型GM,從而確定系統(tǒng)未來發(fā)展變化的趨勢[9-10],為電極鍋爐維護提供決策支持。對于電極鍋爐,影響鍋爐制熱效果工作狀況的因素有很多,存在不確定性因素,所以鍋爐近似于一個灰色系統(tǒng)。蓄水缸作為鍋爐中的關(guān)鍵部件,在鍋爐工作過程中,與鍋爐溫度、區(qū)域熱溫度、回水溫度、蓄熱罐出水溫度、蓄熱放熱供水溫度等密切相關(guān)。通過其他溫度對鍋爐溫度進行預(yù)測分析,將預(yù)測溫度與經(jīng)驗報警閾值和故障閾值進行比較,對鍋爐未來供熱狀態(tài)進行預(yù)測。

3.2 基于灰色預(yù)測算法的電極鍋爐故障預(yù)測設(shè)計

選取鍋爐溫度數(shù)據(jù)作為預(yù)測對象,為了消除環(huán)境因素對鍋爐溫度的影響,將鍋爐水溫與環(huán)境溫度做差,采用灰色預(yù)測算法對鍋爐建立溫度預(yù)測模型,對于其他實時采集的溫度數(shù)據(jù)使用該算法也是適用的。鍋爐水溫數(shù)據(jù)是每5 min采集1次。選取某一整天鍋爐水溫數(shù)據(jù),一共有288個樣本,可以作為研究對象進行預(yù)測。表1為選取的鍋爐溫度數(shù)據(jù)示例。

表1 鍋爐溫度采集樣本

通過灰色模型,分析區(qū)域熱溫度、回水溫度、蓄熱罐出水溫度、蓄熱放熱供水溫度等指標,建立相應(yīng)的模型,以實現(xiàn)對鍋爐溫度異常進行預(yù)測。圖1為基于GM(1,1)模型的鍋爐溫度異常預(yù)測流程圖。

圖1 基于灰色模型的鍋爐溫度異常預(yù)測流程圖

1)原始數(shù)據(jù)X(0),為GM(1,1)建模序列

X(0)=(x(0)(1),x(0)(2),…,x(0)(n))

(1)

式中:X表示原始數(shù)據(jù)序列變量;x系列表示原始數(shù)據(jù)具體序列值。

2)累加數(shù)據(jù)X(1),為X(0)的一次累加生成序列

X(1)=(x(1)(1),x(1)(2),…,x(1)(n))

(2)

3)將累加數(shù)據(jù)X(1)中每兩個相鄰的數(shù)據(jù)進行平均,從而得到X(1)的緊鄰均值,記為Z(1),表示為:

Z(1)={z(1)(1),z(1)(2),…,z(1)(n)}

(3)

Z(1)(k)=0.5x(1)(k),0.5x(1)(k-1),k=1,2,…,n

(4)

式中:Z表示原始數(shù)據(jù)緊鄰值變量;z表示原始序列數(shù)據(jù)中每兩個相鄰值的平均值。

此時,根據(jù)數(shù)據(jù)X(0)和Z(1)對GM(1,1)預(yù)測模型,如式(5)所示,進行參數(shù)求解,從而建立灰色預(yù)測模型,并對模型進行驗證。

x(0)(k)+az(1)(k)=b

(5)

式中a、b為模型參數(shù)。

4)模型參數(shù)求解,將待求解的模型參數(shù)a、b以參數(shù)列的形式表示,即a=(a,b)T,且有:

(6)

根據(jù)對式(5)的最小二乘法估計算法,要求滿足式(7),從而求得a的估值。

(7)

5)根據(jù)灰微分方程,計算模型結(jié)果,求得X(1)的估計值,也稱時間響應(yīng)函數(shù):

(8)

GM(1,1)灰色微分方程x(0)(k)+az(1)(k)=b的時間響應(yīng)序列為

(9)

取x(1)(0)=x(1)(1),則

(10)

進行累減生成,得到預(yù)測值,下式即為預(yù)測方程:

(11)

6)后驗差檢驗,主要根據(jù)原始數(shù)據(jù)的標準差和殘差的標準差,通過均方差比值C和小誤差概率P兩個參數(shù),來驗證預(yù)測模型是否合理[11-12],具體的檢驗指標如下式所示。

(12)

(13)

在本系統(tǒng)的預(yù)測評估模塊中,使用灰色預(yù)測算法建立的鍋爐溫度預(yù)測模型的預(yù)測殘差如圖2所示。從圖中可以看出,預(yù)測的溫度殘差在[-0.5 0.5]之間,預(yù)測殘差比較小,并且根據(jù)殘差分布進行后驗差檢驗,得到C為0.328 0,C<0.35。說明該模型是可以在鍋爐設(shè)備溫度數(shù)據(jù)上應(yīng)用的。

圖2 預(yù)測殘差分布圖

4 應(yīng)用驗證

4.1 驗證環(huán)境

驗證時的硬、軟件環(huán)境如下:

1)硬件環(huán)境

服務(wù)器:CPU為至強E-2124、2T硬盤、16G 純ECC等。

客戶機:CPU為i5-12400F,內(nèi)存為16G 硬盤為1T。

2)軟件環(huán)境

服務(wù)器:操作系統(tǒng)為CentOS_7.6,編譯器為GCC_5.3,關(guān)系型數(shù)據(jù)庫為Mysql_5.7.22,非關(guān)系型數(shù)據(jù)庫為influxdb-1.5.2,應(yīng)用服務(wù)器為nginx_1.16.0。

客戶機:操作系統(tǒng)為Windows 7, 谷歌Chrome瀏覽器。

4.2 驗證數(shù)據(jù)源

實驗選取內(nèi)蒙古地區(qū)某市的供熱公司一臺電極鍋爐設(shè)備,采集了供暖季期間的2021年11月15日至2022年3月15日共計121天的運行數(shù)據(jù)。運行數(shù)據(jù)參數(shù)包括鍋爐溫度、區(qū)域熱溫度、回水溫度、蓄熱罐出水溫度、蓄熱放熱供水溫度共計6個指標,現(xiàn)場數(shù)據(jù)采集周期為300s,每日運行數(shù)據(jù)記錄數(shù)為288條,測試數(shù)據(jù)總記錄數(shù)為34 848條。

4.3 驗證方法與結(jié)果

根據(jù)34 848條數(shù)據(jù)記錄數(shù),每條記錄包含鍋爐溫度、區(qū)域熱溫度、回水溫度、蓄熱罐出水溫度、蓄熱放熱供水溫度等6個參數(shù),據(jù)此計算共計特征量為6×34 848=209 088個。

測試方法:根據(jù)系統(tǒng)檢測出的鍋爐故障預(yù)警提示,由現(xiàn)場運維人員進行確認。

本部分以檢測正確率、誤報率和未檢測率為指標來全面評估模型的效果。

檢測正確率的計算公式通過式(14)來計算。

(14)

式中:accuracy為檢測正確率;TP為排查的故障中實際為故障的數(shù)量;FP為排查的故障中實際為非故障的數(shù)量。

在公式中的設(shè)備日志中排查出的故障數(shù)據(jù)是電極鍋爐檢測系統(tǒng)后臺記錄的異常數(shù)據(jù)。

誤報率是本系統(tǒng)報出來的故障信息,并非為設(shè)備故障,誤報率的計算公式通過式(15)來計算。

(15)

除了檢測正確率和誤報率指標外,還設(shè)計了“未檢測率”來表示系統(tǒng)對存在的故障,而未檢測出故障的比率如式(16)所示。

(16)

式中:nofound表示未檢測率;FN為未檢測的故障數(shù)量。

以每月為單位對檢測的正確故障數(shù)、設(shè)備日志中排查的故障數(shù)量進行分析,具體測試驗證結(jié)果如表2所示。

表2 系統(tǒng)測試驗證結(jié)果

由表2可知,2021年11月份檢測正確率較低且誤報率較高,因為本階段歷史數(shù)據(jù)較少,會存在一些預(yù)測的偏差,2022年2月份的檢測正確率最高且誤報率最低。 通過系統(tǒng)對整個供暖季數(shù)據(jù)的分析,合計檢測正確率為94.92%,誤報率為4.46%。雖然存在一定的誤報率,且未檢測率為5.08%,但其在可接受范圍內(nèi),因此基于灰色模型電極鍋爐設(shè)備故障檢測達到了預(yù)期目標。

5 應(yīng)用實踐

電極鍋爐遠程控制系統(tǒng)在某市政供熱部門投入應(yīng)用后,實現(xiàn)了電極鍋爐內(nèi)部各類運行參數(shù)的數(shù)據(jù)采集,應(yīng)用GM(1,1)模型對電極鍋爐的溫度是否存在異常進行預(yù)測。通過模型預(yù)測,在一個供熱期內(nèi)的121天內(nèi),鍋爐共發(fā)出118次異常預(yù)警,經(jīng)系統(tǒng)自動排查,因蓄水系統(tǒng)中蓄水量不足造成的,通過平臺自動調(diào)節(jié)蓄水系統(tǒng)中的進水量,達到規(guī)定的水位線內(nèi)。圖3為電極鍋爐預(yù)警與遠程控制運行界面。在界面中可以看出鍋爐的預(yù)警信息,同時可通過輸入?yún)?shù)來實現(xiàn)鍋爐的遠程控制。

圖3 電極鍋爐預(yù)警與遠程控制運行界面

6 結(jié)語

電極鍋爐是一種內(nèi)部工作較復(fù)雜的鍋爐,相對運維人員來說是一個封閉的運轉(zhuǎn)系統(tǒng)。鍋爐運行過程中,會出現(xiàn)一些異常狀態(tài)。本文基于灰色模型電極鍋爐設(shè)備故障檢測的分析與設(shè)計,重點應(yīng)用GM(1,1)模型,通過對區(qū)域熱溫度、回水溫度、蓄熱罐出水溫度、蓄熱放熱供水溫度等指標的采集、建模,診斷出當(dāng)前鍋爐是否存在異常,然后通過遠程控制,實現(xiàn)鍋爐的自動調(diào)節(jié),保障了鍋爐的安全運行。