大數據智能控制一體化平臺及其體系架構

郭亦文，耿林霄，胡 勇，高 林，鄭 西

大數據智能控制一體化平臺及其體系架構

郭亦文1，耿林霄1，胡 勇2，高 林1，鄭 西2

（1.西安熱工研究院有限公司，陜西 西安 710054；2.國電黃金埠發電有限公司，江西 上饒 334000）

本文通過分析智能優化控制技術的發展及其實施現狀，提出大數據智能控制一體化平臺的構想，指出該平臺需要具備標準的智能控制技術實施規范、可靠的數據采集技術、多模塊協作共享、靈活的擴展能力、合理的硬件擴展設備成本、良好的升級基礎等特點。同時結合智能電廠系統架構模型，提出大數據智能控制一體化平臺的體系架構。該體系架構分為現場設備、控制系統、大數據通信鏈路、智能控制以及智能監控5個層級，并對各層級的功能進行了詳細分析。該一體化平臺對于推進發電機組智能化建設具有重要意義。

智能發電；智能控制技術；大數據；一體化平臺；體系架構

隨著數字化、信息化技術的飛速進步，大數據與人工智能等依賴大量數據與計算的新技術在工業領域得到快速發展[1]。受限于分散控制系統（DCS）的封閉性等原因，發電機組的智能化建設依然落后于工業過程控制新技術的進展[2]。由于缺乏統一、安全、規范的智能控制實施平臺，導致現有的先進控制技術不得不采用獨立外掛控制器的方式，控制器質量及實施水平較低。不同的智能控制技術實施方式不但導致各控制回路無法實現協同合作，而且造成資源浪費，同時也增加了系統的不確定風險點以及維護成本。因此，發電行業亟待推出一套完整、規范的大數據智能控制一體化平臺，使之能涵蓋未來人工智能、大數據、云平臺的應用場景，以滿足未來多元化的智能控制需求[3]。

基于此，本文通過分析智能控制技術的發展及升級需求，綜合對比當前智能控制技術的實施現狀，以智能電廠系統架構模型為框架，結合一體化平臺的特性，提出了大數據智能控制一體化平臺的體系架構。

1 大數據智能控制一體化平臺

1.1 智能優化控制技術

在煤質頻繁波動、運行負荷偏低以及需要大幅度升降負荷的工況下，為了提高發電機組運行效率，進一步挖掘機組非額定工況下的節能減排潛力，一些以模糊控制、神經網絡控制、多目標非線性預測控制、狀態觀測器等算法為核心的智能優化控制技術應運而生[4]。

以智能協調優化控制技術為代表，智能燃燒優化控制技術、智能吹灰優化控制技術、智能脫硝控制技術以及智能壁溫超溫預警技術等新型智能控制技術在近兩年得到大規模應用，其投資小、靈活性高、見效快等優點也受到發電行業的普遍好評[5]。隨著大數據、人工智能等技術在工業領域發展日漸成熟，煤質在線智能校正技術、風煤水智能協同優化技術等依賴大數據分析的前沿性技術課題的研發工作也迫在眉睫[6]。實現當前智能控制技術的多元化整合，并在整合基礎上實現數據存儲與平臺多方位擴展的需求，已成為目前發電機組智能優化控制技術應用及升級改造所面臨的問題[7]。

1.2 智能優化控制技術實施現狀

當前發電機組智能控制系統主要以DCS為控制核心，以智能執行機構、擴展智能變送器以及智能優化算法庫等資源為輔助[8]。在此智能化建設原則的基礎上，各智能優化控制技術普遍采用外掛可編程控制器（PLC）的控制方式，該控制方式承擔數據處理和智能計算功能，并將智能結果通過Modbus/OPC/總線等通信方式送入DCS直至執行器，以此實施智能控制。

在智能控制技術開展初期，由于該技術普遍不被接受，因此項目實施數量較少，主要以獨立控制器的方式開展。隨著電力行業智能化升級改造工作的逐步深入，利用智能控制技術提高發電機組的綜合效率逐漸成為行業的普遍共識[9-10]。目前，智能控制技術常以打包的方式開展，同一機組多項智能控制技術同時實施已成為常態。在智能控制技術項目全面開展的同時，一些在獨立項目應用中被隱藏的技術阻礙也逐漸顯露，譬如：重復性的硬件設備導致項目執行成本偏高；不同控制器之間難以實現數據協同共享導致項目執行效率較低；控制器的通信配置受限于機組停機時間，導致項目執行周期較長；不同項目的實施規范不同導致機組的安全風險增加[11-12]。

因此，為了能在更好地整合智能控制技術的基礎上進一步提高智能控制技術的實施效率，亟需一套涵蓋通信、計算、管理和監督的一體化平臺。該平臺應具有適合智能電站應用場合的平臺架構，為智能控制技術的應用提供成熟、穩定的實施環境。

1.3 大數據智能控制一體化平臺特點

1）標準的智能控制技術實施規范 作為發電機組智能化建設項目的實施載體，大數據智能控制一體化平臺應具備統一的智能控制技術實施規范。該規范應從技術前期實施、中期調試、后期維護以及未來擴展4個方面做統一規劃，以提高項目的施工管理效率，統一規避安全風險。

2）可靠的數據采集技術 數據采集技術作為大數據智能控制一體化平臺數據傳輸的核心技術，其可靠性將直接影響智能控制技術的研發與應用。在成熟、穩定的通信協議（Modbus/OPC/總線等）基礎上，可靠的數據采集技術不但應包含完備的安全防護措施和合理的通信指標評價體系，也應包含高效的事故預處理方案等，這將為大數據智能控制一體化平臺的實施、推廣及升級改造工作提供扎實的技術保障。

3）多模塊協作共享 為完成多元化智能控制項目的技術整合工作，大數據智能控制一體化平臺應該為各類型控制技術提供具備獨立運算能力的核心處理控制器。控制器應采用并聯的硬件結構布置方式，彼此間相互獨立互不干擾。以并聯式硬件結構作為基礎，大數據智能控制一體化平臺應在控制中間層設置共享網絡結構，該層網絡作為數據交互橋梁，不但能實現多控制器多模塊之間的信息交匯共享，也能為平臺的控制級及監控級提供一個有效的通信鏈接途徑。

4）靈活的擴展能力 為了提高大數據智能控制一體化平臺的擴展能力，其硬件結構應在并聯方式的基礎上涵蓋標準化的實施接口及項目拓展端口，并針對這些接/端口設計一套完整的接口組態軟件，使得項目的擴展不受機組運行狀況及并行項目工程進度的影響，滿足現有機組多方位的智能化建設需求。

5）合理的硬件擴展設備成本 與靈活的拓展能力相結合，大數據智能控制一體化平臺應在保障通信穩定、計算高效的基礎上盡量剝除重復的硬件設備，使智能控制技術項目的硬件搭建過程冗余較少，插件或設備的重復利用率較高，確保智能控制技術項目合理的利潤空間。

6）良好的升級基礎 由于大數據智能控制一體化平臺架構必須能夠涵蓋未來人工智能、大數據、云平臺等應用場景，因此為了保證大數據智能控制一體化平臺未來技術升級改造的可持續性，平臺在滿足現有智能控制技術整合需求的基礎上，還應配備具有可擴展能力的大數據存儲服務器。該服務器應能提供更高效的大數據處理和存儲服務，使大數據智能控制一體化平臺能夠真正發揮一體化智能控制的優勢與潛力。

綜上所述，大數據智能控制一體化平臺能夠在整合現有智能控制技術的基礎上滿足發電機組未來多元化的升級發展需求，將是提高發電機組乃至電力行業智能化升級改造進程的有效手段。

2 平臺體系架構

2.1 智能電廠系統體系架構

以“工業4.0”架構模型為基礎，參考中國智能制造系統架構《中國制造2025》總體部署規劃[13]，智能電廠系統體系架構如圖1所示。

圖1 智能電廠系統體系架構

智能電廠系統體系架構可分為生命周期、系統和智能功能3個層級[14]。生命周期層級包含電廠資產從規劃、設計、制造、安裝調試到維護、消亡等一系列過程。系統層級代表發電過程的結構層級劃分，具體包括設備及電力系統層、監控層、車間層、電廠層及互聯世界層，主要用來相對精準地描述電廠的資產以及資產的組合體，因此與實際的物理電廠層級并無一一對應關系。智能功能層級包含執行、通信、信息、功能及業務共5層智能化要求。該層級覆蓋人工智能（AI）、信息、通信、技術（ICT）、MT等先進技術，能夠使電廠的運行和管理具有自決策、自學習、自適應等智能功能，具有較高的靈活性與魯棒性。

當前，國內絕大多數發電機組都已經實現了初步的信息化，但在智能電廠的建設過程中，智能功能層級的建設進度卻較緩慢，尤其在通信、信息和功能3個領域仍然具有很大的進步空間。

1）通信層即通過有線或無線媒介，實現電廠內各資源之間全方位的集成與交互功能。由于該層級不但需要貫穿設備層、監控層、控制系統層、車間層等不同的縱向層面，也需要橫跨感知、執行、信息等多方位功能與業務，因此其連貫性、兼容性及穩定性是該層級智能化建設的關鍵[15]。從當前的智能化電廠實施現狀可以看出，現場絕大多數智能設備僅使用其常規功能，這造成了資源的浪費，也影響了通信鏈路由下至上的完整性即連貫性，底層設備信息由于通信層阻礙缺乏有效的二次開發和利用[16]。擴展設備的通信實施規范與實施方式缺乏統一規劃，導致通信層的兼容性及穩定性受到極大影響，最終造成數字化通信層的建設工作無法貫穿始末。

3）功能層包括電廠資產的全部邏輯、功能和服務，該層級從信息層獲取信息，并將決策執行信息通過信息層傳遞給執行器。智能功能層級的建設著重于功能層的智能化模塊設計與開發，并將智能化模塊進行整合，最終實現智能控制策略的應用與發展。目前大多數發電機組的功能層僅為技術實施人員提供基礎的模塊開發和組合環境，底層編程語言環境（C、C++、類C等）的缺失導致神經網絡控制、廣義預測控制（GPC）等依賴于編程語言結構的智能控制算法難以完成編譯及調試工作，這嚴重影響了智能控制模塊的設計與實施進度。

因此，未來的發電機組智能化建設工作應著力解決通信、信息和功能這三個領域的技術難點，從而進一步推進智能電廠的升級改造進程。

2.2 大數據智能控制一體化平臺體系架構

圖2為大數據智能控制一體化平臺體系架構，分為現場設備、控制系統、大數據通信鏈路、智能控制以及智能監控5個層級。

圖2 大數據智能控制一體化平臺體系架構

2.2.1現場設備層

現場設備層包括總線智能執行器、總線智能傳感器以及傳統I/O設備。該層能夠充分收集現場設備的各類診斷信息，包含但不限于設備性能信息、設備健康信息以及設備維護信息等，為智能控制層提供執行依據。

2.2.2控制系統層

控制系統層包括各大主流控制系統，是由過程控制級和過程監控級組成的以通信網絡為紐帶的多級計算機系統，它綜合了計算機、通信、顯示和控制等4C技術，能夠為大數據智能控制一體化平臺體系架構的大數據通信鏈路層提供過程數據，并將智能控制層的控制指令下達至現場設備層，完成控制的實施過程。

2.2.3大數據通信鏈路層

在核設施的輻射防護上，起初認為只要保護了人類，也就保護了其他物種。1976年，國際原子能機構(IAEA)明確提出非人類物種的保護問題，1990年國際放射防護委員會(ICRP)提出的在保護人類的同時還需要保護人類賴以生存和發展的其他生物的輻射防護觀點逐漸為人們所認可。因此，從保護環境、維持生物多樣性的角度，需要評價核設施對于生物的輻射影響。國外在該方面進行了較多的研究，并研發了專門軟件，得到了廣泛應用。

與傳統數據信息不同的是，發電機組的數據來源廣泛，其中一部分來源于現場生產設備監測數據，另一部分來源于設備管理、物資管理等經營管理數據。這些數據類型涵蓋數字、文檔和圖片，采樣頻率周期也從秒級跨越至年級。這類來源分散、數據量大、相互關系復雜的數據構成發電機組大數據結構的底層基礎，結合當前數據處理分析技術與智能電廠的特點，大數據通信鏈路層應涵蓋高速通信控制站、大數據存儲服務器以及大數據實時通信網絡三大部分。

1）高速通信控制站 高速通信控制站包括大數據采集技術、硬件通信設備/工具以及配套的防護軟件三大部分。大數據采集技術針對多元化的大數據結構特征，應分為離線數據的批量采集技術以及在線數據的實時采集技術。不同負荷段的機組配風狀況、環保出口NO含量時均值等批量離散數據可依靠Pentaho Kettle這類開源ETL軟件進行數據采集，而機組實際負荷、分離器出口壓力等在線數據則主要依靠硬件通信設備完成實時傳輸過程。這些硬件設備囊括傳統的I/O插件，也包含EtherNet、Modbus、PLC集成CPU等高速通信設備。為了保證大數據智能控制一體化平臺在大數據采集過程中的安全性及規范性，高速通信控制站的配套防護軟件應該包括完備的功能體系，即具備故障預警功能、故障診斷功能、預防通信阻塞功能以及裝置切換保護功能等。在安全防護措施完備的基礎上，智能控制站針對通信質量也應具備合理的指標評價體系，包含但不限于通信質量查驗功能、通信時間統計功能以及通信穩定性估算功能等。高速通信控制站作為大數據通信鏈路層的底層結構基礎，能夠為智能控制層提供長期有效的數據支撐。

2）大數據存儲服務器 作為大數據通信鏈路層級的中間結構層，大數據存儲服務器主要滿足大數據智能控制一體化平臺對于大數據的存儲及處理需求。與傳統的結構化數據不同，發電機組的大數據類型涉及廣泛，圖片、音/視頻以及地理信息等各類非結構化數據已成為需要存儲和處理的海量數據的重要組成部分。在傳統數據庫（面向結構化數據）的存儲容量、處理能力以及擴展能力無法滿足當前存儲要求的前提下，基于NoSQL數據庫的分布式存儲方式很好地解決這些問題。該方式采用可擴展的系統結構，充分利用多臺存儲服務器分擔存儲任務，利用位置服務器定位存儲信息，不但提高了系統的可靠性，也提高了存儲效率。存儲類型既包含以Hbase數據庫為基礎的列存儲，也包含以Dynamo系統為基礎的鍵值對存儲以及以HDFS文件系統為基礎的分布式文件存儲等，可以滿足多元化數據的存儲需求。為適應這種分布式數據存儲方式，發電機組大數據處理服務器可以選擇相對廉價的型號以降低硬件投入成本，通過構建分布式數據處理計算系統作為整體解決方案，其處理場景可以按照批處理、流處理和內存計算三類模式分別選取Map Reduce、Storm和Spark三類成熟的軟件，用以高效地完成海量大數據的處理工作，為大數據智能控制一體化平臺未來的升級改造工作提供良好的技術支撐。

3）大數據實時通信網絡 大數據實時通信網絡作為連接通信鏈路層和智能控制層的橋梁，承擔著智能數據交互的功能。作為大數據通信鏈路層的最上層結構基礎，實時通信網絡采用令牌與主從輪詢相結合的存取方式為智能控制層的設備提供數據支持。智能設備擁有均等的數據共享權，如果遇到特殊需求，實時通信網絡也可以設置優先級，以滿足工程項目的實際需求。不同類型的智能控制設備可以利用大數據實時通信網絡實現數據協作共享，如智能協調控制系統可利用智能燃燒配風系統的優化數據完成風煤的合理配比控制，智能噴氨脫硝控制也可以參考智能燃燒器擺角數據提高NO排放控制精度。擴展設備也可以充分利用該網絡避免與同級設備或控制系統級進行直接的通信連接，進而能夠大規模簡化拓展項目的實施流程，縮短實施周期。

2.2.4智能控制層

智能控制層包括但不限于智能控制器、工控服務器以及拓展控制器等設備。該層作為大數據智能控制一體化平臺的核心處理器層，承擔了大多數的智能算法處理工作。智能控制層的設計不但可以允許拓展設備隨時通過標準化的實施接口及項目拓展端口接入智能控制層，與同級設備共同利用大數據通信鏈路層的實時通信網絡進行數據共享，也可以剝除拓展設備的底層通信插件設備，使拓展項目的硬件結構簡化至具備組網接口的核心控制器，降低了項目成本。這一特性可為大數據智能控制一體化平臺的靈活性擴展能力提供有效的技術支撐，也可為平臺未來的技術升級改造提供優良的底層結構基礎。

2.2.5智能監控層

智能監控層即指智能監控系統，該系統用于監測大數據智能控制一體化平臺的執行效能，并為發電機組現場設備提供在線故障診斷以及狀態檢修指導。該層能夠充分利用控制平臺的高速通信控制站對SIS、MIS、物資管理、檢修管理等各類數據進行采集，通過關聯分析各類型設備的設計參數與性能試驗指標，結合設備實際變化趨勢，對機組環保設施和高耗能設備進行性能評估與預測。并在此基礎上計算機組的優化空間以及節能減排潛力[17]，以及一些綜合設備管理系統中的超溫報警、超壓報警、超速報警及跳閘報警等數據，也能夠對關鍵運行設備進行可靠性和安全性動態評估，從而減小機組爆管、結渣以及環保指數超標等現象的發生，為今后評估機組調峰能力以及開展相關節能技術提供有效依據。

3 結 語

為了加快電力行業的智能化升級改造進程，本文對大數據智能控制一體化平臺及其體系架構進行了解析。參考當前智能技術項目的實施方式，對大數據智能控制一體化平臺的特性進行了界定。以智能電廠系統體系架構為基礎，并充分結合大數據智能控制一體化平臺特性，對該平臺的體系架構進行了分級闡述，以推進智能控制技術在電力行業中的推廣應用，對于構建綠色、經濟、環保的能源產業結構具有重大意義。

［1］ 國家能源局. 關于推進“互聯網+”智慧能源發展的指導意見[EB/OL]. (2016-02-29) [2018-08-09]. http://www. nea.gov.cn/2016-02/29/c135141026.htm.Nati-onal.

National Energy Administration. Guidance on promoting “Internet+” smart energy development[EB/OL]. (2016-02-29) [2018-08-09]. http://www.nea.gov.cn/2016-02/ 29/c135141026.htm.Nati-onal.

［2］ 崔青汝, 李庚達, 牛玉廣. 電力企業智能發電技術規范體系架構[J]. 中國電力, 2018, 51(10): 32-36.

CUI Qingru, LI Gengda, NIU Yuguang. Architecture of the intelligent power generation technical specification for electric power enterprises[J]. Electric Power, 2018, 51(10): 32-36.

［3］ 楊新民, 高海東, 陳豐. 數字化電廠概念的解析及探討[J]. 熱力發電, 2015, 44(5): 1-4.

YANG Xinmin, GAO Haidong, CHEN Feng. Discussions on concept of digital power plant[J]. Thermal Power Generation, 2015, 44(5): 1-4.

［4］ 蔡自興, 劉麗玨, 蔡競峰, 等. 人工智能及其應用[M]. 5版. 北京: 清華大學出版社, 2016: 168-172.

CAI Zixing, LIU Liyu, CAI Jingfeng, et al. Artificial intelligence and its application[M]. 5th ed. Beijing: Tsinghua University Press, 2016: 168-172.

［5］ 高海東, 高林, 樊皓亮, 等. 火電機組實用智能優化控制技術[J]. 熱力發電, 2017, 46(12): 1-5.

GAO Haidong, GAO Lin, FAN Haoliang, et al. Discussions on practical intelligent optimization control technologies for thermal power units[J]. Thermal Power Generation, 2017, 46(12): 1-5.

［6］ 火力發電廠智能化技術導則: T/CEC 164—2018[S]. 北京: 中國電力出版社, 2018: 2.

Thermal power plant intelligent technology guide: T/CEC 164—2018[S]. Beijing: China Electric Power Press, 2018: 2.

［7］ 中國自動化學會發電自動化專業委員會, 電力行業熱工自動化技術委員會. 智能電廠技術發展綱要[M]. 北京: 中國電力出版社, 2016: 4.

China Automation Society Power Generation Automation Committee, Power Industry Thermal Engineering Automation Technical Committee. Outline of intelligent power plant technology development[M]. Beijing: China Electric Power Press, 2016: 4.

［8］ 朱曉星, 陳厚濤, 昌學年, 等. 火電機組風煙系統智能控制模塊設計與應用[J]. 中國電力, 2016, 49(6): 1-5.

ZHU Xiaoxing, CHEN Houtao, CHANG Xuenian, et al. Design and application of intelligent control module for pyrotechnic system of thermal power unit[J]. Electric Power, 2016, 49(6): 1-5.

［9］ 彭敏, 劉冬林, 謝國鴻, 等. 國產超(超)臨界火電機組智能控制系統的工程應用[J]. 中國電力, 2016, 49(10): 7-11.

PENG Min, LIU Donglin, XIE Guohong, et al. Engineering application of intelligent control system for domestic super (super) critical thermal power unit[J]. Electric Power, 2016, 49(10): 7-11.

［10］ 蘇杰, 孫金龍, 劉友寬, 等. 基于仿人智能控制的火電廠AVC系優化研究[J]. 電力系統保護與控制, 2018, 46(2): 157-162.

SU Jie, SUN Jinlong, LIU Youkuan, et al. Research on AVC system optimization of power plant based on human-simulated intelligent control[J]. Power System Protection and Control, 2018, 46(2): 157-162.

［11］ 張晉賓, 周四維, 陸星羽. 智能電廠概念、架構、功能及實施[J]. 中國儀器儀表, 2017(4): 33-39.

ZHANG Jinbin, ZHOU Siwei, LU Xingyu. Smart power plant concept, architecture, function and implementation[J]. China Instrumentation, 2017(4): 33-39.

［12］ 徐偉, 夏小琴, 趙靜波, 等. 基于電氣距離的低頻振蕩關聯區域和模式類型識別[J]. 電力系統保護與控制, 2018, 46(2): 24-30.

XU Wei, XIA Xiaoqin, ZHAO Jingbo, et al. Relevant zone and mode type identification based on electrical distance for low frequency oscillation[J]. Power System Protection and Control, 2018, 46(2): 24-30.

［13］ 國務院辦公廳. 中國制造2025[EB/OL]. (2015-05-19) [2015-28]. http://www.gov.cn/zhengce/content/2015-05/ 19/content_9784.htm.

Office of the State Council. China made 2025[EB/OL]. (2015-05-19)[2015-28]. http://www.gov.cn/zhengce/cont ent/ 2015-05/19/content_9784.htm.

［14］ 張晉賓, 周四維. 智能電廠概念及體系架構模型研 究[J]. 中國電力, 2018, 51(10): 2-7.

ZHANG Jinbin, ZHOU Siwei. Study on the concept of the smart power plant and its architecture model[J]. Electric Power, 2018, 51(10): 2-7.

［15］ 工業和信息化部, 財政部. 智能制造發展規劃（2016—2020）[R]. 北京: 工業和信息化部、財政部, 2016: 1-16.

Ministry of Industry and Information Technology, Ministry of finance. intelligent manufacturing deve- lopment plan (2016—2020)[R]. Beijing: Ministry of Industry and Information Technology, Ministry of Finance, 2016: 1-16.

［16］ 吳國潮, 滕衛明, 范海東, 等. 智能化電廠建設中的問題與功能探討[J]. 自動化博覽, 2016(8): 82-85.

WU Guochao, TENG Weiming, FAN Haidong, et al. Discussion on problems and functions in the construction of intelligent power plants[J]. Automation Panorama, 2016(8): 82-85.

［17］ 楊新民, 肖勇, 陳豐. 火電廠監控系統現狀及發展展望[J]. 熱力發電, 2014, 43(11): 15-18.

YANG Xinmin, XIAO Yong, CHEN Feng. Present situation and development prospects of monitoring and control system in coal-fired power plants[J]. Thermal Power Generation, 2014, 43(11): 15-18.

Big data intelligent control integration platform and its architecture

GUO Yiwen1, GENG Linxiao1, HU Yong2, GAO Lin1, ZHENG Xi2

(1. Xi’an Thermal Power Research Institute Co., Ltd., Xi’an 710054, China; 2. Guodian Huangjinbu Power Plant Co., Ltd., Shangrao 334000, China)

Through analyzing the development and implementation status of intelligent optimization control technology, this paper puts forward the conception of big data intelligent control integrated platform. It points out that this platform needs to have the characteristics of standard intelligent control technology implementation specification, reliable data acquisition technology, multi-module cooperative sharing, flexible expansion ability, reasonable hardware expansion equipment cost and good upgrade foundation. Moreover, combining with the architecture model of smart power plant, it proposes the architecture of intelligent integrated control platform based on big data, which is divided into five levels including field equipment, control system, big data communication link, intelligent control and intelligent monitoring. Each level's function is investigated in detail. This platform has great significance for improving the intelligent construction process of power plants.

smart power generation, intelligent optimization technology, big data, integrated control platform, system architecture

TM621

A

10.19666/j.rlfd.201907142

2019-07-05

郭亦文(1990—)，女，碩士，工程師，主要研究方向為熱工自動化技術，guoyiwen@tpri.com.cn。

郭亦文, 耿林霄, 胡勇, 等. 大數據智能控制一體化平臺及其體系架構[J]. 熱力發電, 2019, 48(9): 22-27. GUO Yiwen, GENG Linxiao, HU Yong, et al. Big data intelligent control integration platform and its architecture[J]. Thermal Power Generation, 2019, 48(9): 22-27.

（責任編輯 杜亞勤）