張家治

（中國(guó)長(zhǎng)江電力股份有限公司葛洲壩電廠， 湖北 宜昌 443000）

當(dāng)前，以新一代信息技術(shù)為基礎(chǔ)的數(shù)字經(jīng)濟(jì)已經(jīng)成為我國(guó)經(jīng)濟(jì)發(fā)展中最為活躍的領(lǐng)域，是我國(guó)國(guó)民經(jīng)濟(jì)高質(zhì)量發(fā)展的新動(dòng)能?！吨泄仓醒腙P(guān)于制定國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展第十四個(gè)五年規(guī)劃和二〇三五年遠(yuǎn)景目標(biāo)的建議》針對(duì)“加快數(shù)字化發(fā)展”作出全面部署，要求“推進(jìn)數(shù)字產(chǎn)業(yè)化和產(chǎn)業(yè)數(shù)字化，推動(dòng)數(shù)字經(jīng)濟(jì)和實(shí)體經(jīng)濟(jì)深度融合，打造具有國(guó)際競(jìng)爭(zhēng)力的數(shù)字產(chǎn)業(yè)集群”。數(shù)字經(jīng)濟(jì)與實(shí)體經(jīng)濟(jì)各領(lǐng)域的深度融合所帶來(lái)的生產(chǎn)效率的提升以及生產(chǎn)模式的改變，也成為產(chǎn)業(yè)轉(zhuǎn)型升級(jí)的重要驅(qū)動(dòng)力。近年來(lái)，工業(yè)互聯(lián)網(wǎng)、智能制造、兩化融合、車(chē)聯(lián)網(wǎng)、平臺(tái)經(jīng)濟(jì)等融合型新產(chǎn)業(yè)、新業(yè)態(tài)逐漸進(jìn)入人們的視野，融入日常生活之中，并深刻地改變著人類(lèi)的生產(chǎn)生活方式。

數(shù)字化轉(zhuǎn)型是順應(yīng)新一輪科技革命和產(chǎn)業(yè)變革趨勢(shì)，不斷深化應(yīng)用云計(jì)算、大數(shù)據(jù)、物聯(lián)網(wǎng)、人工智能、區(qū)塊鏈等新一代信息技術(shù)，激發(fā)數(shù)據(jù)要素創(chuàng)新驅(qū)動(dòng)潛能，打造提升信息時(shí)代生存和發(fā)展能力，加速業(yè)務(wù)優(yōu)化升級(jí)和創(chuàng)新轉(zhuǎn)型，改造提升傳統(tǒng)動(dòng)能，培育發(fā)展新動(dòng)能，創(chuàng)造、傳遞并獲取新價(jià)值，實(shí)現(xiàn)轉(zhuǎn)型升級(jí)和創(chuàng)新發(fā)展的過(guò)程。

隨著智能電站建設(shè)的持續(xù)深入，傳統(tǒng)的計(jì)算機(jī)監(jiān)控系統(tǒng)、在線監(jiān)測(cè)系統(tǒng)的相關(guān)功能及信息已不能滿足運(yùn)維人員的智能運(yùn)維要求，不能滿足水電站狀態(tài)檢修的要求。為了實(shí)現(xiàn)水電站機(jī)電設(shè)備的全方位、無(wú)死角的在線監(jiān)測(cè)，更好地掌握電站機(jī)組實(shí)時(shí)狀態(tài)和變化趨勢(shì)，達(dá)到智能檢測(cè)、智能分析、智能預(yù)警、智能評(píng)估等目的，提高電站設(shè)備狀態(tài)監(jiān)測(cè)及智能決策水平，有必要構(gòu)建一套水電機(jī)組全息監(jiān)測(cè)及智能分析系統(tǒng)。

1 系統(tǒng)架構(gòu)

依據(jù)數(shù)字化轉(zhuǎn)型的路徑策略，系統(tǒng)建設(shè)按照“感知層-平臺(tái)層-應(yīng)用層”的建設(shè)步驟穩(wěn)步推進(jìn)。感知層建設(shè)解決的是數(shù)據(jù)獲取的問(wèn)題。在感知層建設(shè)方面，持續(xù)進(jìn)行設(shè)備數(shù)字化改造，通過(guò)先進(jìn)的傳感技術(shù)，形成狀態(tài)全面感知、信息高效處理、應(yīng)用便捷靈活的智能電站基礎(chǔ)設(shè)施。平臺(tái)層建設(shè)解決的是數(shù)據(jù)治理的問(wèn)題。在平臺(tái)層建設(shè)方面，實(shí)現(xiàn)10 個(gè)系統(tǒng)的全量接入，消除了信息孤島，實(shí)現(xiàn)了數(shù)據(jù)匯聚、數(shù)據(jù)治理。應(yīng)用層建設(shè)解決的是數(shù)據(jù)應(yīng)用、數(shù)據(jù)賦智的問(wèn)題。數(shù)據(jù)的匯聚是為了發(fā)揮價(jià)值，應(yīng)堅(jiān)持?jǐn)?shù)據(jù)就是資產(chǎn)、數(shù)據(jù)創(chuàng)造價(jià)值理念，通過(guò)大數(shù)據(jù)分析深度挖掘數(shù)據(jù)價(jià)值，實(shí)現(xiàn)從數(shù)字、數(shù)據(jù)、信息、知識(shí)、智慧的升級(jí)轉(zhuǎn)換和價(jià)值再造。

1.1 設(shè)備狀態(tài)信息全息采集

1.1.1 全設(shè)備采集

系統(tǒng)采用了光纖測(cè)溫、紅外測(cè)溫、紅外熱成像、油質(zhì)品質(zhì)傳感等先進(jìn)測(cè)量技術(shù)，實(shí)現(xiàn)對(duì)機(jī)組定子溫度、轉(zhuǎn)子溫度、主變溫度、碳刷溫度、碳刷電流、軸承潤(rùn)滑油品質(zhì)等機(jī)組關(guān)鍵部位品質(zhì)的有效監(jiān)測(cè)，為全面掌握機(jī)組各關(guān)鍵部位的運(yùn)行狀況和品質(zhì)狀況提供有效的數(shù)據(jù)基礎(chǔ)。

1.1.2 全信息采集

為每臺(tái)機(jī)增設(shè)監(jiān)測(cè)設(shè)備，產(chǎn)生新監(jiān)測(cè)信號(hào)近300個(gè)，使機(jī)組的狀態(tài)監(jiān)測(cè)信息更完整，為后續(xù)機(jī)組實(shí)時(shí)運(yùn)行狀態(tài)的分析和機(jī)組設(shè)備維護(hù)提供更完整全面的信息。在原有監(jiān)測(cè)信號(hào)的基礎(chǔ)上，補(bǔ)充了機(jī)組冷卻系統(tǒng)壓力、流量、溫度等監(jiān)測(cè)信號(hào)；增設(shè)了輔助電機(jī)設(shè)備的電流監(jiān)測(cè)信號(hào)；增加了機(jī)組油系統(tǒng)油質(zhì)監(jiān)測(cè)信號(hào)、油流量信號(hào)；增加了定子振動(dòng)加速度信號(hào)；增加了定子、轉(zhuǎn)子、主變等重要位置的溫度監(jiān)測(cè)信號(hào)；增設(shè)碳刷紅外熱成像信號(hào)、碳刷電流信號(hào)；增設(shè)水輪機(jī)各部件噪聲加速度信號(hào)、超聲波信號(hào)、壓力脈動(dòng)信號(hào)；增設(shè)了主軸密封供水及頂蓋排水系統(tǒng)信號(hào)；擴(kuò)充了機(jī)組振動(dòng)擺度監(jiān)測(cè)信號(hào)；增加了調(diào)速油系統(tǒng)位移及接點(diǎn)信號(hào)；增加機(jī)組各部位的溫濕度、噪聲、粉塵等環(huán)境信號(hào)。

1.1.3 多頻度采集

監(jiān)測(cè)信號(hào)類(lèi)型近30 種，既包含秒級(jí)數(shù)據(jù)，也包含高頻數(shù)據(jù)。其中，采樣頻率振動(dòng)擺度信號(hào)1 kHz，振動(dòng)加速度50 kHz，噪聲信號(hào)50 kHz，超聲波信號(hào)高達(dá)2 MHz。使電站能感知的“神經(jīng)末梢”更加精細(xì)豐富，實(shí)現(xiàn)對(duì)電站設(shè)備的全方位、無(wú)死角的感知。

1.2 各類(lèi)系統(tǒng)全面互聯(lián)互通

系統(tǒng)匯聚了監(jiān)控系統(tǒng)、梯調(diào)數(shù)據(jù)、智能抄表、油氣在線監(jiān)測(cè)、EDOS 計(jì)算數(shù)據(jù)、機(jī)房環(huán)境、機(jī)器人、500 kV GIS 站、220 kV GIS 站、勵(lì)磁在線監(jiān)測(cè)、 穩(wěn)定性系統(tǒng)、機(jī)組全息監(jiān)測(cè)數(shù)據(jù)（高頻）、PMU 數(shù)據(jù)（高頻）、電力生產(chǎn)管理系統(tǒng)等系統(tǒng)的近20 萬(wàn)個(gè)測(cè)點(diǎn)數(shù)據(jù)，既囊括了生產(chǎn)數(shù)據(jù)，也包含了管理數(shù)據(jù)，通過(guò)對(duì)這些數(shù)據(jù)的綜合運(yùn)用來(lái)構(gòu)建應(yīng)用，全方位、實(shí)時(shí)監(jiān)視生產(chǎn)信息、分析設(shè)備運(yùn)行趨勢(shì)和機(jī)組工況特征，統(tǒng)計(jì)設(shè)備運(yùn)行規(guī)律，對(duì)設(shè)備進(jìn)行智能故障診斷和定期評(píng)估，給出維修指導(dǎo)和經(jīng)濟(jì)運(yùn)行指導(dǎo)。

1.3 數(shù)據(jù)治理

1.3.1 數(shù)據(jù)處理

根據(jù)物理系統(tǒng)本身的結(jié)構(gòu)、相互聯(lián)系、相互作用來(lái)建立描述系統(tǒng)的狀態(tài)和特性模型，獨(dú)立于監(jiān)測(cè)設(shè)備制造廠家。數(shù)據(jù)標(biāo)準(zhǔn)化：對(duì)數(shù)據(jù)的含義、名稱(chēng)、量綱、格式、周期進(jìn)行標(biāo)準(zhǔn)化定義。包括狀態(tài)、特征、定值、指標(biāo)等數(shù)據(jù)。模型標(biāo)準(zhǔn)化：對(duì)數(shù)據(jù)分析所需要的運(yùn)動(dòng)特性、故障特性、試驗(yàn)、指標(biāo)計(jì)算等模型進(jìn)行標(biāo)準(zhǔn)化定義。實(shí)現(xiàn)標(biāo)準(zhǔn)化：用戶(hù)在不同電站對(duì)同類(lèi)設(shè)備的數(shù)據(jù)及分析體驗(yàn)基本一致、同類(lèi)設(shè)備間的數(shù)據(jù)可比較性強(qiáng)、數(shù)據(jù)分析軟件或設(shè)備通用性強(qiáng)。

1.3.2 數(shù)據(jù)清洗

數(shù)據(jù)清洗包括錯(cuò)誤數(shù)據(jù)清洗、污染數(shù)據(jù)清洗和冗余數(shù)據(jù)清洗。錯(cuò)誤數(shù)據(jù)清洗：采用檢錯(cuò)模型自動(dòng)檢測(cè)出由于傳感器損壞、環(huán)境干擾、采集設(shè)備故障、通信異常以及通信對(duì)點(diǎn)錯(cuò)誤等等所造成狀態(tài)數(shù)據(jù)錯(cuò)誤。污染數(shù)據(jù)清洗：清除耦合在真實(shí)狀態(tài)數(shù)據(jù)中的噪聲數(shù)據(jù)、甚至分離耦合在一起的多種信號(hào)。冗余數(shù)據(jù)清洗：冗余數(shù)據(jù)包括重復(fù)測(cè)量數(shù)據(jù)和穩(wěn)態(tài)過(guò)程數(shù)據(jù)，保存全部需要數(shù)據(jù)的基礎(chǔ)上舍棄“無(wú)用”的數(shù)據(jù)，減少存儲(chǔ)空間，降低分析工作量。

1.4 數(shù)據(jù)挖掘分析

1.4.1 大數(shù)據(jù)關(guān)聯(lián)與融合

水電機(jī)組及其主變壓器等輸變電設(shè)備是一個(gè)強(qiáng)耦合復(fù)雜大系統(tǒng)，大量實(shí)例表明，當(dāng)在一個(gè)設(shè)備中出現(xiàn)故障時(shí)，故障產(chǎn)生的原因可能在其它相關(guān)設(shè)備或環(huán)境中。為了實(shí)現(xiàn)精確的故障診斷，必須將全息監(jiān)測(cè)大數(shù)據(jù)關(guān)聯(lián)與融合起來(lái)。

橫向關(guān)聯(lián)：采用工況事件和過(guò)程、異常事件和過(guò)程以及未知事件和過(guò)程同步的方法，將相互耦合設(shè)備的各方面監(jiān)測(cè)數(shù)據(jù)通過(guò)時(shí)間對(duì)齊的方法，關(guān)聯(lián)起來(lái)，分析與存儲(chǔ)。

縱向關(guān)聯(lián)：以工況事件和過(guò)程、異常事件和過(guò)程、未知事件和過(guò)程為線索，采用時(shí)間嵌套的方法，將不同時(shí)標(biāo)的各層次數(shù)據(jù)縱向關(guān)聯(lián)起來(lái)。

在數(shù)據(jù)關(guān)聯(lián)的基礎(chǔ)上，實(shí)現(xiàn)數(shù)據(jù)的融合。對(duì)設(shè)備運(yùn)行特性，調(diào)整其運(yùn)行方式，以達(dá)到提高其使用壽命，降低檢修次數(shù)的目的；根據(jù)專(zhuān)家知識(shí)或?qū)＜医?jīng)驗(yàn)，辨識(shí)相關(guān)狀態(tài)間相互聯(lián)系、相互作用的特性，為故障檢測(cè)、診斷和設(shè)備健康評(píng)估服務(wù)；根據(jù)設(shè)備性能指標(biāo)評(píng)價(jià)體系，計(jì)算性能指標(biāo)，評(píng)價(jià)設(shè)備或系統(tǒng)的運(yùn)行情況，生成異常事件；根據(jù)異常事件，形成異常事件記錄庫(kù)，提取關(guān)聯(lián)數(shù)據(jù)的特征，采用一定的算法進(jìn)行模式匹配、智能識(shí)別，診斷設(shè)備的故障；應(yīng)用數(shù)據(jù)挖掘技術(shù)，探索并發(fā)現(xiàn)未知的狀態(tài)關(guān)系與特性。

1.4.2 固定閾值分析

在數(shù)據(jù)可靠性檢查的基礎(chǔ)上，自動(dòng)檢測(cè)機(jī)組振動(dòng)、擺度、水壓力脈動(dòng)越過(guò)恒定定值的異?，F(xiàn)象，根據(jù)越限的級(jí)別，給出異常提示或故障報(bào)警[1]。

1.4.3 關(guān)聯(lián)閾值分析

在數(shù)據(jù)可靠性檢查的基礎(chǔ)上，關(guān)聯(lián)機(jī)組的工況信息，自動(dòng)檢測(cè)機(jī)組振動(dòng)、擺度、水壓力脈動(dòng)越過(guò)關(guān)聯(lián)閾值的異?，F(xiàn)象，根據(jù)越限的級(jí)別，給出異常提示或故障報(bào)警。

1.4.4 能量閾值分析

評(píng)價(jià)自動(dòng)檢測(cè)機(jī)組振動(dòng)、擺度能量越過(guò)振擺能量定值的異?，F(xiàn)象，根據(jù)越限的級(jí)別，給出異常提示或故障報(bào)警。

1.4.5 定關(guān)聯(lián)趨勢(shì)分析

自動(dòng)進(jìn)行時(shí)、日、周、月、年趨勢(shì)分析，檢測(cè)機(jī)組振動(dòng)、擺度、水壓力脈動(dòng)突然增大或緩慢增大的異?，F(xiàn)象，并根據(jù)增大速度給出異常提示或故障報(bào)警；關(guān)聯(lián)機(jī)組運(yùn)行工況信息，自動(dòng)檢測(cè)出在每個(gè)運(yùn)行工況下機(jī)組振動(dòng)或/和擺度中各種頻率成分出現(xiàn)增大趨勢(shì)的故障、并給出異常提示的功能；實(shí)現(xiàn)相同設(shè)備不同時(shí)間跨度的同向比較分析，不同機(jī)組同類(lèi)型設(shè)備的橫向比較分析，自動(dòng)檢測(cè)相同環(huán)境、相同工況下的數(shù)據(jù)關(guān)聯(lián)分析。

1.4.6 設(shè)備啟停統(tǒng)計(jì)分析

對(duì)機(jī)組壓油泵、機(jī)坑漏油泵、技供漏油泵、頂蓋排水泵、滲漏排水泵、檢修排水泵、低壓空壓機(jī)、中壓空壓機(jī)等設(shè)備的啟停進(jìn)行統(tǒng)計(jì)，根據(jù)單個(gè)設(shè)備歷史上的啟停時(shí)間范圍，形成該時(shí)間段的健康值，超過(guò)健康值進(jìn)行報(bào)警。

1.4.7 分析報(bào)表自定義

對(duì)分析結(jié)果形成生產(chǎn)報(bào)表，具備用戶(hù)自定義功能，并可以進(jìn)行簡(jiǎn)單計(jì)算，對(duì)變化量超過(guò)限值的時(shí)間進(jìn)行統(tǒng)計(jì)。

1.5 人工智能分析

1.5.1 測(cè)溫機(jī)器學(xué)習(xí)算法模型

對(duì)機(jī)組各部位的測(cè)溫點(diǎn)建立數(shù)學(xué)模型，通過(guò)歷史數(shù)據(jù)訓(xùn)練，計(jì)算測(cè)點(diǎn)的正常運(yùn)行區(qū)間。截止目前，已多次成功預(yù)測(cè)出某電站機(jī)組上導(dǎo)冷卻器堵塞故障[2]。以機(jī)組上導(dǎo)瓦溫預(yù)測(cè)為例，根據(jù)上導(dǎo)溫度變化特性，分為開(kāi)機(jī)過(guò)程、穩(wěn)定運(yùn)行、停機(jī)過(guò)程3 種不同工況的模型預(yù)測(cè)。

1.5.2 基于工況識(shí)別的指標(biāo)計(jì)算及機(jī)組自動(dòng)試驗(yàn)算法模型

將機(jī)組不同運(yùn)行狀態(tài)劃分為特定的工況，根據(jù)工況特征，建立工況算法模型，數(shù)據(jù)代入模型后自動(dòng)識(shí)別工況類(lèi)型，根據(jù)各專(zhuān)業(yè)對(duì)不同工況下的設(shè)備關(guān)注需求，融合各系統(tǒng)數(shù)據(jù)源，同時(shí)運(yùn)用秒級(jí)數(shù)據(jù)和高頻數(shù)據(jù)，設(shè)計(jì)并計(jì)算工況指標(biāo)，捕捉瞬態(tài)工況特征值的沖擊量，分析穩(wěn)態(tài)工況特征參數(shù)的變化規(guī)律。同時(shí)，按照華中科技大學(xué)李朝暉老師提出的“宏試驗(yàn)”的概念[3]，機(jī)組無(wú)時(shí)無(wú)刻不在試驗(yàn)當(dāng)中，沒(méi)有必要專(zhuān)門(mén)去進(jìn)行試驗(yàn)，通過(guò)采集實(shí)際運(yùn)行中的數(shù)據(jù)，將機(jī)組試驗(yàn)工況識(shí)別納入全息系統(tǒng)，自動(dòng)識(shí)別試驗(yàn)、生成試驗(yàn)報(bào)告。

圖1 基于工況識(shí)別的水輪發(fā)電機(jī)組設(shè)備性能分析方法示意圖

1.5.3 基于故障樹(shù)分析（FTA）的設(shè)備故障診斷模型

根據(jù)故障樹(shù)分析（FTA）方法，對(duì)機(jī)組、主變、輔助設(shè)備故障診斷以及二次控制系統(tǒng)設(shè)計(jì)故障診斷模型[4]。FTA 把系統(tǒng)最關(guān)心的結(jié)果事件（即失效狀態(tài)）作為故障樹(shù)的頂事件（top event），并用規(guī)定的邏輯符號(hào)表示，分析找出導(dǎo)致此事件的所有可能的原因及因素；利用處于中間層的過(guò)渡狀態(tài)中間事件，層層深入分析，最終獲得導(dǎo)致頂事件發(fā)生的底事件，即導(dǎo)致頂事件發(fā)生的根本原因；展示導(dǎo)致系統(tǒng)發(fā)生故障的各種事件的組合，揭示系統(tǒng)中間的薄弱環(huán)節(jié)，從結(jié)構(gòu)上分析系統(tǒng)發(fā)生故障的概率，并計(jì)算系統(tǒng)中不同模塊在故障樹(shù)中的概率重要度。

圖2 故障樹(shù)模型圖

圖3 故障樹(shù)分析流程

2 系統(tǒng)功能

水電機(jī)組全息監(jiān)測(cè)及智能分析系統(tǒng)以設(shè)備管理為中心、以數(shù)據(jù)分析為手段，促進(jìn)業(yè)務(wù)流向數(shù)據(jù)流轉(zhuǎn)變，實(shí)現(xiàn)業(yè)務(wù)閉環(huán)，從而提升設(shè)備管控水平，提高經(jīng)濟(jì)效益。

該系統(tǒng)運(yùn)用物聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算等技術(shù)，通過(guò)統(tǒng)一、開(kāi)放的行業(yè)標(biāo)準(zhǔn)，對(duì)電廠現(xiàn)有數(shù)據(jù)資源進(jìn)行融合，形成水電廠數(shù)據(jù)共享中心和決策支持應(yīng)用的統(tǒng)一平臺(tái)，通過(guò)深入、復(fù)雜的數(shù)據(jù)分析，揭示設(shè)備內(nèi)在運(yùn)行規(guī)律，實(shí)現(xiàn)設(shè)備實(shí)時(shí)監(jiān)視、趨勢(shì)分析、工況分析、故障診斷、設(shè)備評(píng)估、經(jīng)濟(jì)運(yùn)行指導(dǎo)等6 大高級(jí)應(yīng)用功能，為實(shí)現(xiàn)機(jī)組狀態(tài)智能分析、設(shè)備智慧運(yùn)行檢修、經(jīng)濟(jì)運(yùn)行指導(dǎo)創(chuàng)造條件，從而進(jìn)一步提高水電廠智能化應(yīng)用和管理水平，為管理層決策提供科學(xué)依據(jù)。

2.1 實(shí)時(shí)監(jiān)視

聚合所有實(shí)時(shí)生產(chǎn)數(shù)據(jù)，使得設(shè)備運(yùn)維人員及時(shí)掌握設(shè)備狀況。根據(jù)機(jī)組設(shè)備裝配圖紙實(shí)現(xiàn)設(shè)備的三維展示，同時(shí)疊加設(shè)備實(shí)時(shí)信息，實(shí)現(xiàn)所見(jiàn)即所得，提升監(jiān)屏的友好性。

2.2 趨勢(shì)分析

基于在線監(jiān)測(cè)數(shù)據(jù)、設(shè)備缺陷數(shù)據(jù)、巡檢數(shù)據(jù)等長(zhǎng)期運(yùn)行的數(shù)據(jù)和相關(guān)經(jīng)驗(yàn)，建立關(guān)鍵設(shè)備趨勢(shì)報(bào)警模型，實(shí)現(xiàn)包括透平油油質(zhì)監(jiān)測(cè)、光纖測(cè)溫監(jiān)測(cè)、紅外測(cè)溫監(jiān)測(cè)、漏油量油位分析、啟停統(tǒng)計(jì)分析、主變油色譜分析、集排水系統(tǒng)分析、調(diào)速油系統(tǒng)分析、氣系統(tǒng)分析等9 個(gè)專(zhuān)題。同時(shí)實(shí)現(xiàn)高頻數(shù)據(jù)分析功能，報(bào)表定制、展示。通過(guò)機(jī)器學(xué)習(xí)智能預(yù)測(cè)設(shè)備運(yùn)行狀況[5]。實(shí)現(xiàn)測(cè)點(diǎn)固定閾值報(bào)警、關(guān)聯(lián)閾值報(bào)警、測(cè)點(diǎn)趨勢(shì)告警等，及時(shí)有效發(fā)現(xiàn)設(shè)備缺陷。

2.3 工況分析

智能識(shí)別18 個(gè)正常工況，20 個(gè)試驗(yàn)工況。同時(shí)實(shí)現(xiàn)基于相同工況的性能特征比較、試驗(yàn)工況實(shí)現(xiàn)試驗(yàn)特征提取、試驗(yàn)報(bào)告自動(dòng)生成。

2.4 故障診斷

基于故障樹(shù)的方法，開(kāi)展自動(dòng)診斷和人工診斷。設(shè)備性能指標(biāo)異常出現(xiàn)報(bào)警后，自動(dòng)啟動(dòng)智能診斷分析流程。診斷過(guò)程中自動(dòng)獲取關(guān)聯(lián)數(shù)據(jù)并調(diào)取配置的故障診斷方法，推送故障診斷分析結(jié)果，成功實(shí)現(xiàn)故障智能診斷，并提供維修指導(dǎo)。

2.5 設(shè)備評(píng)估

依據(jù)設(shè)備狀態(tài)評(píng)估管理規(guī)范進(jìn)行，包括狀態(tài)評(píng)價(jià)、維度評(píng)價(jià)，同時(shí)進(jìn)行月度評(píng)估、年度評(píng)估，科學(xué)客觀地進(jìn)行設(shè)備狀態(tài)評(píng)估。

2.6 經(jīng)濟(jì)運(yùn)行指導(dǎo)

實(shí)現(xiàn)了機(jī)組效能分析、電量分析、輔助服務(wù)考核預(yù)警、發(fā)電計(jì)劃指導(dǎo)、機(jī)組停復(fù)役、高效運(yùn)行區(qū)間、可靠性指標(biāo)等7 個(gè)方面的功能。有效提升運(yùn)行經(jīng)濟(jì)效益。

水電機(jī)組全息監(jiān)測(cè)及智能分析系統(tǒng)可有效提高運(yùn)行人員監(jiān)屏效率；指導(dǎo)維修人員及時(shí)發(fā)現(xiàn)設(shè)備深層次的運(yùn)行狀態(tài)，提升設(shè)備維護(hù)手段，將維修人員的經(jīng)驗(yàn)固化為程序，實(shí)現(xiàn)技術(shù)的固化與傳承。通過(guò)駕駛艙，管理人員一圖掌握全站的運(yùn)行情況，KPI 指標(biāo)等內(nèi)容，提升決策效能。同時(shí)，這是一套開(kāi)放智能的系統(tǒng)，可不斷吸收專(zhuān)業(yè)、廠家、行業(yè)的經(jīng)驗(yàn)，逐步豐富，并可將固化下來(lái)的經(jīng)驗(yàn)與電力同行共享，共同促進(jìn)行業(yè)進(jìn)步。

3 前景展望

水電機(jī)組全息監(jiān)測(cè)及智能分析系統(tǒng)的建設(shè)，從機(jī)組全息監(jiān)測(cè)設(shè)備選型、設(shè)備安裝、系統(tǒng)應(yīng)用架構(gòu)、數(shù)據(jù)治理、應(yīng)用模型、算法模型等方面均突破傳統(tǒng)思路，大膽改革和創(chuàng)新。其中，高級(jí)應(yīng)用功能中所用到的測(cè)溫機(jī)器學(xué)習(xí)、基于故障樹(shù)的設(shè)備故障診斷技術(shù)、工況識(shí)別和分析技術(shù)實(shí)現(xiàn)了水電站設(shè)備趨勢(shì)預(yù)警、故障診斷、性能分析、機(jī)組試驗(yàn)的自動(dòng)化，開(kāi)創(chuàng)了行業(yè)內(nèi)技術(shù)先河，為水電行業(yè)設(shè)備定性、定量分析提供了可借鑒的模板。

（1）該系統(tǒng)采用先進(jìn)的測(cè)量技術(shù)，大大擴(kuò)充了機(jī)組的監(jiān)測(cè)數(shù)據(jù)，提高了數(shù)據(jù)的采樣頻率，使數(shù)據(jù)更加精確、可靠，實(shí)現(xiàn)了機(jī)組的全息監(jiān)測(cè)。

（2）該系統(tǒng)對(duì)電廠現(xiàn)有數(shù)據(jù)資源進(jìn)行整合，形成水電廠生產(chǎn)域機(jī)組全息數(shù)據(jù)采集、傳輸、處理、存儲(chǔ)、分析的數(shù)據(jù)共享中心和決策支持應(yīng)用的統(tǒng)一平臺(tái)。

（3）該系統(tǒng)從多個(gè)角度出發(fā)，對(duì)系統(tǒng)中的數(shù)據(jù)進(jìn)行清洗、過(guò)濾、關(guān)聯(lián)等預(yù)處理工作，確保數(shù)據(jù)的真實(shí)性、穩(wěn)定性和可靠性，形成統(tǒng)一的、相同的數(shù)據(jù)格式，集中的數(shù)據(jù)中心，面向電力生產(chǎn)的主題數(shù)據(jù)庫(kù)。

（4）該系統(tǒng)采用多種數(shù)據(jù)分析方法自動(dòng)對(duì)機(jī)組穩(wěn)定運(yùn)行、暫態(tài)運(yùn)行（包括瞬態(tài)）的振動(dòng)、擺度、各過(guò)流部件的壓力脈動(dòng)等進(jìn)行分析，尋找設(shè)備運(yùn)行趨勢(shì)變化的真正原因。

（5）該系統(tǒng)充分運(yùn)用了數(shù)據(jù)平臺(tái)中的高頻數(shù)據(jù)。對(duì)機(jī)組高頻數(shù)據(jù)進(jìn)行波形解析、傅里葉頻譜分析和小波分析，得出其頻譜圖，尋找其變化規(guī)律。將PMU、振擺、局放及機(jī)組全息高頻數(shù)據(jù)應(yīng)用于機(jī)組工況指標(biāo)計(jì)算及設(shè)備故障診斷，捕捉其瞬態(tài)的異常變化或沖擊量，從而精準(zhǔn)定位設(shè)備的異常狀況。

（6）該系統(tǒng)采用故障診斷、工況分析、機(jī)器學(xué)習(xí)等一系列深度學(xué)習(xí)算法技術(shù)，建立匹配的算法模型，實(shí)現(xiàn)數(shù)據(jù)智能化分析，揭示設(shè)備內(nèi)在運(yùn)行規(guī)律，感知設(shè)備狀態(tài)變化趨勢(shì)。

（7）該系統(tǒng)實(shí)現(xiàn)了電廠的業(yè)務(wù)閉環(huán)管理。系統(tǒng)充分綜合運(yùn)用獲取的生產(chǎn)數(shù)據(jù)和管理數(shù)據(jù)，以設(shè)備管理為中心、以數(shù)據(jù)分析為手段，促進(jìn)業(yè)務(wù)流向數(shù)據(jù)流再向業(yè)務(wù)流轉(zhuǎn)變，讓運(yùn)行人員、檢修人員、設(shè)備管理人員、經(jīng)營(yíng)管理人員都能從中獲益，從而實(shí)現(xiàn)了業(yè)務(wù)閉環(huán)，提升了設(shè)備管控水平和經(jīng)濟(jì)效益。

（8）該系統(tǒng)實(shí)現(xiàn)了電廠運(yùn)維人員經(jīng)驗(yàn)的傳承。系統(tǒng)凝聚了電站運(yùn)維人員的經(jīng)驗(yàn)和智慧，按照目標(biāo)導(dǎo)向、問(wèn)題導(dǎo)向、需求導(dǎo)向，將運(yùn)行維修人員寶貴的水電運(yùn)維經(jīng)驗(yàn)快速構(gòu)建為應(yīng)用，實(shí)現(xiàn)技術(shù)的固化和經(jīng)驗(yàn)傳承的同時(shí)，提高了系統(tǒng)的應(yīng)用范圍和應(yīng)用價(jià)值。系統(tǒng)中漏油量分析、發(fā)電計(jì)劃指導(dǎo)、機(jī)組停復(fù)役以及大部分專(zhuān)項(xiàng)設(shè)備分析功能，都是員工經(jīng)驗(yàn)向智慧轉(zhuǎn)化的成果。

（9）該系統(tǒng)實(shí)現(xiàn)了行業(yè)賦智。系統(tǒng)實(shí)現(xiàn)數(shù)據(jù)計(jì)算、統(tǒng)計(jì)、分析、診斷以及試驗(yàn)從人工向自動(dòng)、從間斷向連續(xù)、從粗放向精準(zhǔn)、從定性向定量的轉(zhuǎn)變，著力打造成水電站智慧樞紐最強(qiáng)大腦，徹底讓每一名員工從繁雜、重復(fù)的勞動(dòng)中解放出來(lái)，從而有更多精力轉(zhuǎn)向創(chuàng)新、創(chuàng)造性工作。

（10）該系統(tǒng)采用標(biāo)準(zhǔn)、開(kāi)放的應(yīng)用架構(gòu)，具有良好的可擴(kuò)展性和可移植性。系統(tǒng)采用標(biāo)準(zhǔn)開(kāi)發(fā)的大數(shù)據(jù)技術(shù)架構(gòu)，支持用戶(hù)在數(shù)據(jù)采集、存儲(chǔ)、管控、分析、展示等數(shù)據(jù)處理環(huán)節(jié)的自定義和可視化配置組態(tài)，提升了電廠的生產(chǎn)數(shù)據(jù)自主分析開(kāi)發(fā)能力。開(kāi)放共享的應(yīng)用平臺(tái)，系統(tǒng)的微服務(wù)架構(gòu)，低代碼的組件開(kāi)發(fā)，可不斷吸收專(zhuān)業(yè)、廠家、行業(yè)的經(jīng)驗(yàn)，快速構(gòu)建應(yīng)用；系統(tǒng)采用開(kāi)源的編程代碼、標(biāo)準(zhǔn)的數(shù)據(jù)接口和模塊化編程方式，可以將功能跨平臺(tái)快速移植，將固化下來(lái)的經(jīng)驗(yàn)與電力同行共享，促進(jìn)行業(yè)共同進(jìn)步。

圖4 機(jī)組全息監(jiān)測(cè)及智能分析系統(tǒng)應(yīng)用架構(gòu)

4 結(jié)語(yǔ)

隨著智能電站建設(shè)的不斷深入，電站精細(xì)化管理水平需求不斷提高，對(duì)狀態(tài)檢修的實(shí)施需求越來(lái)越迫切，通過(guò)全息監(jiān)測(cè)及智能分析系統(tǒng)的應(yīng)用，可以全面、精確掌握設(shè)備健康狀態(tài)、運(yùn)行狀態(tài)，為水電站設(shè)備狀態(tài)檢修提供可靠支持，從而實(shí)現(xiàn)高質(zhì)量檢修模式，為電力行業(yè)高質(zhì)量發(fā)展賦能。