大數據時代下的水電站的運營與管理

摘 要：大數據（Big data）作為時下最火熱的詞匯，已成為社會各界爭論的焦點，隨之而來的數據倉庫、數據安全、數據分析、數據挖掘等等圍繞大數據的商業價值的利用逐漸成為各行各業人士爭相追捧的利潤焦點。文章結合大數據技術的應用與水電站的運維管理中存在的一些問題，提出了一些具體的解決建議，從而有效降低水電站的運營成本，降低事故的發生率甚至消除事故的發生。

關鍵詞：大數據；水電站；運營管理

1 大數據技術的產生與發展現狀

何為大數據呢？從某種程度上說，大數據是數據分析的前沿技術。簡言之，從各種類型的數據中，快速獲得有價值信息的能力，就是大數據技術。早在1980年，著名未來學家阿爾文·托夫勒便在《第三次浪潮》一書中，將大數據熱情地贊頌為“第三次浪潮的華彩樂章”。不過，大約從2009年開始，“大數據”才成為互聯網信息技術行業的流行詞匯，全世界的工業設備、汽車、電表上有著無數的數碼傳感器，隨時測量和傳遞有關位置、運動、震動、溫度、濕度乃至空氣中化學物質的變化，也產生了海量的數據信息。大數據技術的戰略意義不在于掌握龐大的數據信息，而在于對這些含有意義的數據進行專業化處理。換言之，如果把大數據比作一種產業，那么這種產業實現盈利的關鍵，在于提高對數據的“加工能力”，通過“加工”實現數據的“增值”。明白這一點至關重要，也正是這一點促使該技術具備走向眾多企業的潛力。

近年來，大數據技術已成功運用到了各行各業，成功的案例包括：洛杉磯警察局和加利福尼亞大學合作利用大數據預測犯罪的發生，google流感趨勢（Google Flu Trends）利用搜索關鍵詞預測禽流感的散布，統計學家內特銀（Nate Silver）利用大數據預測2012美國選舉結果，麻省理工學院利用手機定位數據和交通數據建立城市規劃……由此可見，隨著大數據技術的發展，以前一些覺得不可能的事情變成了可能。

2 大數據技術在水電站的運營與管理中的應用

大數據技術目前還處于嬰幼兒時期，雖然展現出了強大的生命力和能力，由于發展的年限較短，還未能成功應用到各行各業之中，特別是專業性強的行業大數據技術的應用顯得更加困難。那么怎樣才能讓大數據技術服務于水電站的運營與管理呢？

2.1 建立大數據數據庫，將我們的日常信息全部記錄在數據庫中，這些應當至少包括河道的常年降雨量、常年河道流量、日發電量、天氣情況、自然災害發生情況，設備運行情況，設備維護保養周期及保養情況、備品備件的規格尺寸及生產廠家、備品備件的購買和使用情況等等，均應一一記錄在庫，以備日后分析與應用，數據庫是一個長年累月積累的過程，數據越豐富、越詳細，則數據分析的準確性越高。

2.2 大數據技術在水電站運行工作中的應用

有了大數據作為依托，就可以根據常年來水量，制訂切實可行的發電目標與計劃，并利用豐水期與枯期電價系數的不同以及每日峰平谷電價的不同獲取最大效益，也可以根據對不同負荷下機組的效率的統計分析，讓相同的水量發更多的電，同時也可以根據對機組運行數據及耗材數據統計分析，以達到降低消耗，節約成本的目的……如此這些，都能為水力發電企業進行成本核算、計劃統計和預決算及創造更好的經濟效益等提供可靠的保障。

2.3 大數據技術在設備維護工作中的應用

有這么一個成功案例：一個醫院六千多臺設備，在他們利用大數據及物聯網技術以后，僅需要十三個人運行維護與檢修，可見，大數據在設備維護和保養方面具有相當大的潛力可挖。現在，廣大具有一定規模電廠都在對設備進行KKS編碼（KKS編碼被廣泛用于電廠的規劃設計、工程建設和經營管理過程之中；它擁有足夠的容量且可擴充，能夠標識不同類型電廠所有的設備；KKS編碼的邏輯結構和組成體系層次分明，代碼簡單明了，能夠不依賴于計算機程序語言而獨立存在）工作，依托KKS編碼，完全可以在KKS編碼后面再加上設備的維修保養情況及維修更換周期等等詳情，有了這些數據做保障，完全可以在這個設備還沒有出現故障（問題）的時候就能知道什么時候，什么部件，需要更換或者保養，就可以將基于固定周期的維護計劃變為基于需求的維護計劃，將機械（電氣）故障降低甚至為零。

2.4 大數據技術在備品備件的購買及倉儲管理工作中的應用

當前，備品備件的采購也是困擾水力發電企業的一個癥結，有些備品備件買回來了，很長時間用不上，不僅占用庫藏和資金，也加大了倉儲管理的難度，有些備品備件需要用的時候才發現庫房理根本沒有，臨時才去采購，不僅影響設備的正常運行，也造成采購成本高企。那么可有解決之道呢？作者認為，應當依托KKS編碼，當知道設備什么時候需要更換了，就可以提前一段時間購買備品備件，這樣既保證在需要用的時候有備品備件，在不需要用的時候又不占用倉儲空間，同時也減少了倉儲管理的工作量和難度，減少對倉庫空間的需求，減少庫存積壓資金，最大限度盤活資金。由于是有計劃地采購，也可以降低采購成本，而且可以貨比三家提高備品備件的質量。

2.5 大數據技術在水電站安全工作中的應用

由于水電站一般建于自然條件較差的山區，自然災害發生的可能性高，有些災害破壞力大甚至具有毀滅性的特點，譬如泥石流、滑坡等，然而這些災害又往往是具有一定規律性的。根據對大數據的分析，可以對自然災害進行較為準確的預報。在災害發生之前，就可以有針對性采取相應的措施，比如對河道的梳理，對防護工程的修繕；在災害發生時，也可以及時對相關人員人員進行疏散，并能對災害進行更好的應對。

同時，由于設備在發生故障之前就得到了很好的維護和保養，設備運行工況更加良好，發生設備事故的幾率也就大大減小了。

3 結束語

大數據是一個持續不斷產生的過程，所以對數據的分析也應該是一個持續不斷的過程。當前，水電站的運維正逐步走向集中控制及區域化管理，這也為我們的大數據技術提供了更廣闊的施展空間。當然，并不是有了大數據作為保證就可以高枕無憂，應該不斷提高大數據庫內數據的可靠性、真實性，并不斷提高對大數據的分析能力。

參考文獻

[1]阿爾文·托夫勒.第三次浪潮[M].中信出版社，2006.

[2]展錦程.電廠標識系統KKS編碼工程實施指南[M].中國水利水電出版社，2009.