構建流域設備管理云服務平臺，支撐流域科學開發高效運營
——新技術在雅礱江流域的應用思路

羅戎

構建流域設備管理云服務平臺，支撐流域科學開發高效運營
——新技術在雅礱江流域的應用思路

羅戎

（雅礱江流域水電開發有限公司信息管理部，四川 成都 610021）

雅礱江流域水電開發有限公司從建立之初就制定了流域水電“四階段”發展戰略，隨著下游梯級電站逐步投產，將有更多的發電機組進入商業運營，急需通過信息化手段來輔助實現對流域設備進行精細化管理。2011年公司開始流域的信息系統建設，實現了對流域電力生產的統一管理、集中控制、經驗共享、持續優化的系統建設目標，目前公司正在新的信息化規劃的指導下利用互聯網+等領域的新技術構建流域設備管理云平臺，組織流域各專業人才、設備廠商的專家、第三方的專家一起通過建立在云平臺上的狀態分析模型庫進行設備狀態分析和預測，更好地支撐流域科學開發高效運營服務。

設備管理；云平臺；流域

1　前言

雅礱江流域水電開發有限公司立足雅礱江流域水能資源開發，以“放眼世界、爭創一流”為目標，制定了“流域滾動，梯級開發，整體運營，綜合調度”的四階段發展戰略，明確了企業的戰略發展目標和戰略達成路徑。

目前，公司發展正處于戰略發展第二階段的關鍵時期，下游電站中：二灘電站、官地電站、錦屏一級電站、錦屏二級電站已投產發電，桐子林電站也將于2015年投產發電，中上游電站的前期準備工作也已經陸續開始，為此，現階段公司工作的重點由單一電站運行向多電站群聯合調度轉變、由單一的電力生產向生產、工程并重轉變。

隨著下游電站逐步投產，更多的發電機組投入商業化運營，設備精細化管理的要求也會越來越高；同時伴隨著西南片區大型水電站投運越來越多，電力市場的競爭逐漸白熱化，為此，公司于2014年底提出了2015年為“流域設備管理年”，要求各個電廠不斷開創新的設備管理新模式，更好地為流域科學化發展提供有力的支撐。

從2011年官地電站投運以來，公司一共有20多臺大型水力發電機組投運，在短短4年時間裝機容量達到1470萬kW，而目前公司各電站設備管理的主力大多是2008、2009屆畢業的學生，大家面對的是新的機組及新的調控系統，設備運行管理經驗積累有限，急需要有一個信息化的管理平臺，充分把流域各專業的技術人才的積極性調動起來，為流域各電站的設備技術診斷服務，從而提高設備的可靠性，為流域的科學發展打下基礎。

建設流域設備管理云服務平臺的優勢就是：通過建立設備云數據中心，把設備制造廠商的前期數據、電廠設備實時監測數據、管理數據等設備相關數據接入到流域數據中心，在建立設備狀態分析模型時，利用設備制造廠商的前期設計數據作為模型的初始量輸入，能夠更好地優化模型，更準確地預測設備運行狀態。同時，設備廠商也可以通過數據中心采集的設備運行數據，驗證設計的成果，優化設計。

2　平臺建設構想

2014年公司在總結信息化總體規劃第3版的基礎上開始了信息化總體規劃第4版建設工作，第4版規劃建設的基礎部分是流域企業級數據中心建設項目，公司圍繞這一建設目標前期做了大量的基礎性工作，2015年初，流域大數據中心建設項目進入實質性的建設期，隨著數據中心建設的深入，構建流域設備管理云平臺深化設備管理的思路越來越清晰，該平臺由兩個核心部分組成。

2.1構建流域全口徑數據中心

建立公司統一的企業級數據中心（數據倉庫），實現公司管理數據、生產實時數據、現場采集數據、流域空間數據的收集、轉換、存儲，同時，作為企業主數據管理平臺和數據資源歸集平臺，為公司未來數據深化應用奠定基礎。數據中心實現對公司結構化數據、非結構化數據、實時數據、流域空間地理數據、工程三維模型數據等5類數據的采集、傳輸、存儲、整合以及共享。

企業級數據中心模型應該首先建立在全公司、全流域、各業務統一的企業數據模型和數據標準上，并按照電站從設計、施工、采購、調試、運行、維護的全生命周期信息互通為目標構建流域數據模型，從而能夠支撐未來公司從電站全生命周期業務視角進行全流域統一管理。企業級數據中心基礎是公司企業數據模型、流域數據模型、企業數據標準、企業關鍵指標體系，以及公司主數據、企業數據編碼體系。

企業級數據中心演進是以管理信息、空間信息、實時信息為主，采用流計算引擎平臺，實現更深入的實時信息分析；采用HADOOP大數據技術，實現基于大量歷史的結構化數據、非結構化數據、文檔、視頻等的管理、分析和利用，圍繞設計管理、檢修管理、應急管理、施工管理開展文本分析和圖像識別，輔助設計、檢修技術、施工技術等關鍵知識和技術能力獲取，切實提升員工能力水平和公司水電核心能力。

企業級數據中心的總體框架如圖1所示。

圖1　企業級數據中心的總體框架

數據中心實現的核心功能如下：

企業級數據中心應該包含數據采集與獲取、數據填報、數據存儲、數據管理、數據質量管理、系統集成、主數據與編碼體系管理等功能。現有的系統中結構化數據仍然存儲于關系型數據庫中；對于大量的電廠實時的設備監測數據，通過流計算引擎進行數據處理后存儲于HADOOP技術框架下建立的大數據平臺；非結構化的數據如：圖紙、視頻資料等經過處理也存儲于大數據管理平臺。

數據中心存儲主要分為運營數據層或操作數據層（ODS層）、基礎數據層和匯總數據層（企業數據倉庫）、及應用數據層（數據集市）3層，針對各個層級的功能需求描述如下：

（1）ODS層：保留來源業務系統抽取出的業務數據，即業務系統的鏡像數據，并保留和源系統同樣的物理表結構，且保存周期不要求太長，其包含的是尚未轉換或經過初步轉換后的原始數據，可供數據統計或即席查詢，是基礎數據層的數據來源。

（2）數據倉庫：涵蓋基礎數據和匯總數據。其中，基礎數據層要求支持綜合分析系統所有主題域的數據存儲，支持主題域、實體和數據模型的擴展，要求具備良好的開放性、可擴展性、易操作性；匯總數據層將在基礎數據層基礎上進行不同粒度的輕量級匯總或者高度匯總，允許適度冗余。

（3）數據集市：存放特定的、針對某個主題域、某個業務部門或者某些特殊用戶而進行分類的專項數據集合，旨在快速響應對數據進行訪問和對報表進行展示，同時在數據結構內部對數據進行必要的匯總和優化，作為OLAP和應用服務的數據輸入。

企業級數據中心以數據模型為基礎，通過信息交互平臺，實現對現有的企業應用系統和其他相關專業系統的數據采集、轉換、清洗和存儲，數據中心建設基于統一信息模型，同時將各種軟件技術、產品和標準進行有機地結合，實現系統間的數據集成和應用集成。對于設備管理部分采用目前生產管理系統中建立的KKS編碼體系為核心，建立全流域設備數據的數學模型，并對流域設備數據進行統一管理。

2.2建立流域設備狀態分析與共享中心

在已建好的企業級數據中心云平臺之上，建立設備診斷分析中心，根據不同的分析場景采用不同的分析方法，利用大數據相關技術對分析預測模型庫進行整合，建立企業級的分析模型庫，調用數字中心的各類數據進行數據挖掘和分析，同時，建立流域設備故障診斷分析專家庫，利用設備管理云平臺所預測分析的數據進行故障分析判斷，幫助電廠掌握設備的健康狀況并優化調度檢修計劃，其總體技術框架如圖2所示。

圖2　基于云平臺、大數據的流域綜合設備管理平臺總體框架

核心內容包括3部分：

（1）預測分析功能

基于已建成的企業流域企業級數據中心，采用相關的預測模型建立流域數據模型庫，首先，根據不同的分析場景采用不同的數據分析方法進行建模，并利用大量的歷史數據進行模型訓練，使得最終的預測結果逐步逼近歷史實際趨勢，并把最終訓練好的模型以模型文件的方式導入到模型運行引擎中，供數據計算分析模塊調研。目前分析模型庫的建立還處于試驗階段，還需要一定時間進行模擬才能夠建立準確的計算模型。

流域設備狀態典型的分析模型介紹：

K-means算法是聚類分析方法中最典型也最常用的一種算法模型，該算法在聚類前聚類類別的個數是給定的。K-means聚類算法是基于原型的，并且用質心定義原型。給定的類別數為k，對樣本集合進行聚類，聚類的最終結果一般由k個類的聚類中心來表達，該算法采用的是迭代更新的方法，每一次的迭代都是為了使目標函數值變小，而當目標函數值取得最小值時，算法結束，得到最終聚類結果。

在進行設備狀態分析計算中，對于設備實時數據采用流計算方法進行計算、大量的歷史數據采用離線計算的方式調用模型數據庫中的相關分析模型進行計算，并最終把計算的結果發布到數據分析服務器，進行結果展示。可實現設備狀態的統計分析、預測預警分析等。功能框圖如圖3所示。

圖3預測分析功能框架圖

圖4為設備狀態分析示例，該例為試驗案例，采用大數據及流計算相關計算技術，采用聚類K-means模型對電氣類設備進行狀態預測分析，主要進行同類設備的家族缺陷分析和關聯分析，找出同類設備的固有故障，為同類電氣設備檢修計劃制定提供參考。

圖4　預測分析示例

（2）分析專家庫

分析專家庫主要由3類人組成：

流域內部專家：2015年為流域設備管理年，公司于年初根據不同的專業首先建立了專家庫，該專家庫主要是依托流域現有檢修、運行各專業人員組成，主要在流域各電站在重大缺陷出現后，通過設備管理云平臺遠程提供設備狀態分析。

主要設備制造廠商的技術專家：在有條件后，可以逐步與主要設備制造廠家的技術專家達成服務協議，利用這些廠商專家提供設備狀態分析指導，同時，可以利用制造廠商設計時使用的數學分析模型作為狀態分析的初始模型，有效地縮短模型的訓練時間，提高預測分析精度。

外部科研機構的專家：可以與相關科研機構達成共同研究的機制，邀請一些某一領域的專家利用我們建設的分析平臺進行一些科研，共同推進設備故障機理的研究，為提高分析預測的準確性提供幫助。

（3）預測結果應用

對內的應用：在流域各電站的建設期，可以利用設備管理平臺把制造廠商提供的規劃設計階段的設計成果納入到公司的管理范疇，逐步建立起公司的設備管理知識庫。同時，在電力生產期通過設備管理云平臺建立起流域設備管理的共享平臺，根據設備管理云平臺計算的預測分析結果，優化設備檢修計劃、優化電力生產調度，為實現公司利潤最大化提供基礎支撐。

對外的應用：由于水電企業的發電機設備是根據不同企業的水頭、庫容、運行調節方式等不同因素進行定制生產的，很多參數僅僅根據設計模型進行計算機模擬后進行設計的，無法進行實物的運行試驗對相關參數進行校驗，設備設計參數的持續優化所需要的運行參數很難得到，因此，通過建立流域設備管理云平臺，可以實現設備制造廠商對運行數據的分析利用，為設備廠商優化設備參數服務。

3　挑戰

3.1設備廠商參與的積極性

目前大部分設備廠商的關注重點仍然是設備制造方面，還沒有很高的后續服務的積極性，也即，在設備交付完后還能為使用方提供什么樣的服務心中沒底，也沒有推動的積極性。記得有一位前輩曾說過，水電設備的缺陷很多是從娘胎里帶出來的，后期既很難診斷，也很難優化。其實從中可以看出，水電設備制造廠商和使用方的兩難的尷尬：使用方很難了解設備設計階段的各種模型參數，也無法利用這些設計成果來進行設備狀態分析和預測；而設備廠商又缺乏后期的設備運行參數來驗證前期設計成果的正確性，缺乏有效的數據支撐來進行設計的優化工作。

因此，本方案的最大的挑戰就在于設備制造廠商是否愿意提供后期的服務，并與使用方一起來進行設備狀態分析、驗證設計的成果、優化后續的設計是十分關鍵的一環。如果能夠得到設備制造廠商的積極參與，這個平臺的商業價值才能夠充分得到體現。

3.2數學模型的優化

目前對于設備劣化趨勢分析的數學模型比較多，而且現在的數學模型中預測模型部分一般都會采用大量的前期數據進行模型的訓練，而目前公司前期的歷史數據有限，很難訓練出很符合實際趨勢的數學模型，因此，需要長周期地采集相關檢測實時數據，不斷訓練在平臺上建立的各種模型庫，使得對設備趨勢的預測準確度不斷提高，更好地為企業服務。

4　總結

信息化建設是一個持續改進的過程，目前公司正在構建基于云平臺的企業級數據中心，未來3～5年，雅礱江公司要著力實現在數據中心之上構建各方參與的流域設備管理云平臺，借助各方專家的智慧，實現設備狀態信息分析的準確、及時、完整和高效，有效的優化流域電力生產調度、電力設備檢修，目前數據分析模型部分我們正在開展一些試點工作，希望通過這些摸索和研究工作，能夠找出一些類別設備的故障分析規律，逐步為實現狀態檢修打下基礎，以支撐公司順利完成雅礱江流域開發“四階段”戰略，助力公司打造國際一流獨立發電企業。

TV736

B

1672-5387（2016）08-0023-04

10.13599/j.cnki.11-5130.2016.08.007

2016-06-29

羅戎（1968-），男，工程師，研究方向：大型電力集團信息化建設。