O智能發電運行控制技術

崔青汝，朱子凡

O智能發電運行控制技術

崔青汝1，朱子凡2

（1.國家能源投資集團有限責任公司，北京 100034；2.北京國電智深控制技術有限公司，北京 102200）

目前國內的各個發電廠已在不同程度上完成了數字化和信息化改造，但現在的數字化和信息化發電廠和智能電廠相比還存在一定差距。本文從智能發電對于火力發電機組的必要性出發，闡明智能發電廠的建設是發電廠發展的必然趨勢，并且結合發電廠現狀，總結了智能發電控制技術的3個特點，提出一種智能發電運行控制技術應用架構，并列舉其在發電廠的實際功能應用，有效保障機組高效、靈活、環保地運行。

發電廠；智能發電；智能控制；技術架構：智能管控：能效分析：能效閉環

我國的能源消費總量連續多年位居世界前列，據國家統計局初步核算，2017年能源消費總量為標準煤44.9億t，比2016年增長2.9%[1]。其中傳統煤炭的消費比重為60.4%，在國民經濟中仍占據重要地位[1]。針對我國逐年上漲的能源需求，以及提高能源利用率和減輕環境污染的發展戰略，2015年國家戰略《中國制造2025》發布，與發電行業密切相關的制造業明確提出要“以加快新一代信息技術與制造業深度融合為主線，以推進智能制造為主攻方向”[2-3]，基于信息物理系統的智能裝備、智能工廠等智能制造正在引領制造方式變革，并通過“三步走”實現制造強國的戰略目標[2-3]。2016年我國在《關于推進“互聯網+”智慧能源發展的指導意見》中明確提出促進能源和信息深度融合以及“智慧建設”“智能發電”的概念[4-6]。

通過近些年信息技術、通信技術、計算機技術和控制技術的不斷發展，國內的各個發電廠在不同程度上完成了數字化和信息化改造，但也必須清醒地認識到現在的數字化和信息化發電廠離真正的智能化電廠還存在一些差距，主要反映在以下5個方面[7-9]。

1）安全生產要求日趨嚴格，現有電廠安全管理手段不能滿足安全生產要求。現階段，主要依靠管理制度和人員監督進行安全生產管理，對人員的主觀意識依賴性較強。隨著工業信息化逐漸 深入，工控系統信息安全要求越來越高，系統自身信息安全防護能力需要全面提升，才能避免出現安全生產問題。

2）生產控制環節僅停留在數字化和信息化階段，現代智能技術應用不多。當前外部負荷需求多變，要求火電機組大量參與深度負荷調節，復雜工況下鍋爐燃燒、風煙、汽水、環保等分系統的運行適應性不能滿足要求。關鍵參數控制品質差已成為制約當前機組靈活調峰能力的重要因素，而靈活性正是火電機組智能化的重要組成部分。生產控制環節的智能化直接關系火電機組的運行效能[10-12]。

3）基礎設備和機組控制設備的數字化、智能化程度不夠，無法滿足數據分析與數據挖掘需求。智能傳感器和智能調節機構數量的不足，導致對重要設備的檢測控制過于粗放。發電廠內仍然存在大量自動化、信息化孤島，各系統的運行數據和信息難以在廠區范圍內順暢流動。數據資源分散，缺乏連貫性，管理與運行人員很難從冗雜的數據中得到有用的信息并做出正確決策[7]。

4）燃料管理方面，現代智能技術應用較少，控制水平與管理水平尚有較大提升空間。火電廠燃料主要以煤炭為主，燃料成本占火電廠總成本的70%~80%[13]，火電廠燃料管理在燃料入廠斗輪機無人控制堆取物料、運煤信息自動采集、汽車運煤實時檢測煤質、精準配煤等方面均需要進一步實現智能化管理。隨著高科技、智能化的發展，使用智能監控輔助人工生產，智能化管控企業生產中的相關細節，跟蹤實時數據，可以有效減少危險發生，優化生產過程，提高工作效率[14-15]。

5）企業經營管理方面，全局數據分析與最優資源配置能力尚待完善。發電企業的經濟效益是企業運營的核心內容。隨著電力體制改革的不斷深入，國家去產能政策等影響，發電企業經營管理也面臨嚴峻形勢，急需建設智能化利潤分析及決策系統，提升管理水平，降本增效，提高企業競爭力。

因此，建設更加清潔、高效、可靠的智能火電廠是傳統燃煤電廠在電力行業新形勢下發展的必然趨勢，也是新時代智能火電廠建設的必然要求。充分運用大數據、云計算、物聯網、移動應用、人工智能等技術，將電力工業技術與電子信息技術、企業管理技術高度融合，使發電生產實現自學習、自適應、自趨優、自恢復、自組織，促進電力生產更安全、更高效、更清潔、更低碳、更靈活，進一步提升質量效益，增強核心競爭力。

1 智能發電運行控制技術特點

現階段大數據、云計算、物聯網、移動應用、人工智能等技術的應用正處于蓬勃發展階段，然而發電廠運行控制仍處于最基本的數字化和信息化階段，并沒有有效地利用當今不斷發展的新技術，發電廠智能化還處于較低的水平。結合當前我國火電機組的現狀和當前智能化發展，所謂智能發電運行控制技術應具備以下特點[16]：

1）應整合全廠的生產過程數據，提供全廠一體化監控的基礎平臺。廣泛收集過程數據并進行集中高效地存儲、梳理和通用計算，為生產過程深度分析及指導全廠運行控制提供統一的數據基礎；

2）應在全廠統一的數據平臺上，提供豐富的智能算法及其應用環境供運行控制調用，能完成包含機器學習、能效計算、運行優化、智能控制等各種生產環節的計算，并且能夠提供數據分析訓練；

3）應在底層控制器和上層應用軟件層面均提供高度開放的接口供第三方調用。這樣可使其更加專注于專業技術核心功能的研究，并充分保護其知識產權，推動先進技術研究的良性發展。

2 智能發電運行控制技術架構

智能發電運行控制技術架構如圖1所示，可以用“1、2、3”來概括。

“1”是指一套統一的底層生產數據匯聚和計算中心。由一套高性能實時歷史站為核心，搭配多臺計算服務器形成集群計算架構，對全廠生產實時數據、環境數據、工業物聯數據、設備資料信息等感知信息進行統一高效地梳理、存儲和發布，為智能分析和控制打好堅實基礎。

“2”是指兩大技術序列，分別是“先進控制技術序列”和“數據分析技術序列”。前者采用經典和現代控制理論和技術，完成生產過程的機理分析、建模和先進控制；后者采用智能數據分析算法，如數據挖掘、機器學習、深度學習算法等，從數據分析角度對機組運行工況進行建模和深層信息提取，給出基于數據驅動的優化建議。

“3”是指三大功能群組，分別是“智能診斷與預警功能群”“智能運行與控制優化功能群”“智能安全管控功能群”。“智能診斷與預警功能群”主要提供機組運行中系統或設備的狀態監測、故障診斷、故障根源分析與預警的一套智能化功能群組，保障機組運行的高可靠性；“智能運行與控制優化功能群”主要提供對機組運行過程的智能分析、智能優化指導和先進控制，研究如何“讓更少的煤發更多的電”；“智能安全管控功能群”主要采用現代智能技術手段有效識別存在的危險因素，防止操作失誤，規避潛在風險，讓技術保障成為安全管控的有力工具，進一步提升安全管理水平。

圖1 智能發電運行控制技術架構

3 智能發電運行控制技術應用

3.1 智能診斷與預警

當前，機組大型化和復雜化，加之報警系統設計隨意性較大，產生的報警數據中存在大量的冗余和虛假信息[17]，成為無效的滋擾報警，而真正有效的報警信息淹沒其中，異常情況發生時運行人員無法第一時間發現報警和定位報警源頭，或者報警信號產生時留給運行人員應急處理時間太短，造成非停事故。

為了提高火電機組報警的可靠性、智能性、易用性，北京國電智深控制技術有限公司設計并研發了一套適于現有火電機組的智能報警系統（圖2）。其主要通過自動或者運行人員手動抑制一些無效的冗余滋擾報警（圖3），將真正有效的報警體現出來。并通過數據訓練得到重要參數的標準值，對參數進行預警，使運行人員能夠提前發現異常。高效智能化的報警系統能確保報警的展現方式和負荷不超過運行員的處理能力，有助于操作人員快速識別關鍵報警，及時采取積極的措施。

圖2 智能報警系統界面

圖3 冗余滋擾抑制界面

智能報警系統還可以利用機器學習算法進行分類、回歸、聚類等數據模式識別，利用因果圖、知識圖譜技術實現故障診斷與異常狀況的根源自動分析，依靠服務器的超強計算能力覆蓋大范圍數據，為運行員提供全面解讀特征信息的可能性，實現基于數據的智能報警和預警。

應用智能報警系統，電廠關鍵設備的運行狀態、關鍵參數的實時值、變量趨勢由智能算法實時監控，在無需提高運行員經驗值和反應速度的前提下大幅提升對故障工況的預測、識別、定位、處理能力，顯著提高機組的監控品質。智能報警系統投運后，以330 MW機組為例，預計能為機組每年減少1~2次非停損失，為電廠減少約200萬元/年的停機損失。

3.2 機組能效實時分析和智能操作指導

在生產實時控制層面，配置機組在線能效實時分析和性能診斷、智能操作指導功能。采用基于機組汽水分布方程、系統功率方程、系統吸熱方程等系統工程計算方法，以及熱力學機理建模仿真配合數據驅動校正的混合建模方法，建立全面、精確、直觀地反映廠級、機組級、分系統級、設備級的多層次立體式能效分析體系，直觀展示從機組到設備的性能指標和能損分布狀況（圖4），明確給出不同工況下的節能降耗潛力和最佳控制目標。

圖4 機組性能指標界面

以能效計算結果為基礎，系統應用數據挖掘、機器學習和自尋優算法，實時給出當前工況下的最優操作目標值和最優運行方式，推薦給一線運行人員，同時還可應用智能語音運行助手的方式，提高人機交互的智能化水平[18-19]。

智能操作指導可提供制粉、燃燒、蒸汽溫度、吹灰、噴氨、冷端系統、最佳氧量以及滑壓指令偏置等一系列閉環優化指導建議，運行人員可根據建議自動或手動改變控制回路設定值和運行方式，使機組能效逐步趨優。控制回路輔以系統辨識、先進控制（預測控制、自抗擾、自適應等）算法進行控制性能優化。二者結合，形成發電生產過程的“能效大閉環”過程控制，既實現控制性能優化，又減小或消除機組、設備的運行能耗偏差，使機組運行效率時刻保持最優。

3.3 協調與控制優化

采用先進控制算法，優化機爐協調控制策略及控制參數，提升機組主/再熱蒸汽溫度、主蒸汽壓力控制品質和負荷響應速度，滿足AGC、一次調頻、靈活性調峰的要求。采用復雜過程建模方法、軟測量、廣義預測、內模、系統辨識、PID自整定等先進控制技術，結合精準能量平衡控制，自動適應不同工況、煤質及工藝系統特性的變化，增強機組寬范圍的負荷調節能力和AGC控制的品質[20-22]。

同時，對鍋爐送風、制粉系統、主/再熱蒸汽溫度、吹灰、冷端系統等設計控制優化策略（圖5），全面有效提升機組運行和控制品質。

圖5 控制優化界面

3.4 智能安全管控

火電企業日益大型化和復雜化，為保證生產中人員和設備的安全，已在運行規程、生產管理、安全教育等環節進行了大量的歸納總結、優化完善工作，但多是依靠制度、教育和人的自覺自律。智能安全管控研究采用現代智能技術手段有效識別存在的危險因素，防止操作失誤，規避潛在風險，讓技術保障成為安全管控的有力工具，提升安全管理水平。

信息安全管控具備網絡管控、設備加固、安全審計等功能，可以提高控制系統的穩定性，杜絕控制系統因病毒、非法入侵、第三方系統故障等原因導致的故障發生，降低因控制系統問題導致的停機、降負荷等事故的發生。

信息安全管控具備生產大區網絡內部入侵檢測、主機加固、網絡結構監管、安全審計和惡意代碼防護等功能，使發電廠的生產系統安全防護措施達到國家監管部門對發電企業的硬性要求。其采用主動網絡信息探測和網絡節點設備安全強化相結合的安防技術和方法，通過層層主動監管、整體協作，組成一個完整的多層次的網絡安全系統，為智能發電平臺提供安全可靠的網絡運行環境，保證業務的連續性和數據安全性。通過DCS主機操作系統安全防護、網絡邊界的安全防護、DCS網絡內部的主動安全防護，構建第二代DCS網絡安全管控平臺。主要包括DCS專用網絡安全監控平臺、DCS關鍵設備和節點操作系統安全加固相關產品、研發DCS安全審計平臺。實現從操作系統到DCS控制器的全自主安全可控，確保DCS內部通信數據經過合法審核，成為具有最高等級的信息安全強化型DCS。

4 結 語

智能發電運行控制技術目的是在安全運行的前提下，保障機組高效、靈活、環保運行。其通過能效實時計算得到煤耗、熱耗率、耗差、鍋爐效率等性能實時指標，經過多目標尋優等算法得到最優控制目標值，為運行人員提供最優的運行指導建議，使用預測控制、系統辨識等智能控制算法及策略，對機組進行高品質的控制，保持過程全局的最優狀態，由信息安全管控提供全系統的信息安全保障，最終實現生產過程的“能效大閉環”。

［1］ 百家號. 中國能源消費現狀可再生能源“十三五”時期將大力發展[EB/OL]. (2018-09-06)[2018-12-20]. https://baijiahao.baidu.com/s?id=1611573475763286154&wfr=spider&for=pc.html. BAIJIAHAO. China’s energy consumption status quo renewable energy will develop vigorously in the 13th Five-Year Plan period[EB/OL]. (2018-09-06) [2018-12-20]. https://baijiahao.baidu.com/s?id=1611573475763286154 &wfr=spider&for=pc.html.

［2］ 國務院辦公廳. 能源發展戰略行動計劃(2014—2020年) [EB/OL]. [2014-11-19]. http://www.gov.cn/zhengce/content/ 2014-11/19/content_9222. htm.General Office of the State Council. Energy development strategy action plan (2014—2020)[EB/OL]. [2014-11-19]. ttp://www.gov.cn/zhengce/content/2014-11 /19/ content_ 9222.htm.

［3］ 國務院辦公廳. 中國制造2025[EB/OL]. [2015-05-19]. http://www.gov.cn/zhengce/content/2015-05/19/content_ 9784.htm. General Office of the State Council. China manufacture [EB/OL]. [2015-05-19]. http://www.gov.cn/ zhengce/content/ 2015-05/19/content_9784.htm.

［4］ 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]. http://www.nea.gov.cn/ 2016-02/29/c_135141026.htm. National Energy Administration. Guiding opinions on promoting the development of smart energy with internet plus[EB/OL]. [2016-02-29]. http://www.nea.gov.cn/ 2016-02/29/c_135141026.htm.

［5］ 劉吉臻. 智能發電: 第四次工業革命的大趨勢[N]. 中國能源報, 2016-07-25. LIU Jizhen. Smart generation: the general trend of the fourth industrial revolution[N]. China Energy News, 2016-07-25.

［6］ 張東霞, 姚良忠, 馬文媛. 中外智能電網發展戰略[J]. 中國電機工程學報, 2013, 33(31): 1-14. ZHANG Dongxia, YAO Liangzhong, MA Wenyuan. Development strategies of smart grid in China and abroad[J]. Proceedings of the CSEE, 2013, 33(31): 1-14.

［7］ 葛志偉, 劉戰禮, 周保中, 等. 火力發電廠數字化發展現狀以及向智能化電廠轉型分析[J]. 發電與空調, 2015, 36(5): 45-47. GE Zhiwei, LIU Zhanli, ZHOU Baozhong, et al. Current situation of digitized coal-fired power plants and analysis of its transformation to the intelligent power plant[J]. Power Generation & Air Condition, 2015, 36(5): 45-47.

［8］ 李誠. 基于PDCA的火電廠發電生產管理信息化研究[D]. 廣州: 廣東工業大學, 2013: 1-10.LI Cheng. Research on power plant production management informatization based on PDCA[D]. Guangzhou: Guangdong University of Technology, 2013: 1-10.

［9］ 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.

［10］ 蔣慶其. 電力企業安全文化建設[M]. 北京: 中國電力出版社, 2005: 107-120. JIANG Qingqi. Construction of safety culture in electric power enterprises[M]. Beijing: China Power Press, 2005: 107-120.

［11］ 侯永麗. 火電廠熱工自動控制可靠性分析[J]. 城市建設理論研究, 2013, 45(34): 1-5. HOU Yongli. Reliability analysis of thermal automatic control in thermal power plant[J]. Theoretical Research in Urban Construction, 2013, 45(34): 1-5.

［12］ 傅金洲, 孫鳴. 基于氣候條件的光伏儲能一體發電系統的能量管理策略[J]. 電力系統保護與控制, 2018, 46(24): 142-149.

FU Jinzhou, SUN Ming. Energy management strategy based on weather condition for photovoltaic-energy storage integrated power system[J]. Power System Protection and Control, 2018, 46(24): 142-149.

［13］ 黃鶴. 火力發電廠煤場管理工作要點論述[J]. 中國高新技術企業, 2016, 14(14): 141-142. HUANG He. Main points of coal yard management in thermal power plant[J]. China High-Tech Enterprises, 2016, 14(14): 141-142.

［14］ 沈大中, 任偉, 周勇. 火力發電企業面臨的挑戰與對策[J]. 集團經濟研究, 2007, 24(19): 174-175.SHEN Dazhong, REN Wei, ZHONG Yong. Challenges and countermeasures faced by thermal power enterprises[J]. Research on Group Economy, 2007, 24(19): 174-175.

［15］ 李響, 范建業, 曹麗璐, 等. 大型光伏電站并網適應性分析[J]. 電力系統保護與控制, 2018, 46(8): 164-169.

LI Xiang, FAN Jianye, CAO Lilu, et al. Analysis on the adaptability of large-scale grid-connected PV station[J]. Power System Protection and Control, 2018, 46(8): 164-169.

［16］ 劉吉臻, 胡勇, 曾德良, 等. 智能發電廠的架構及特征[J]. 中國電機工程學報, 2017, 37(22): 6463-6470. LIU Jizhen, HU Yong, ZENG Deliang, et al. Architecture and feature of smart power generation[J]. Proceedings of the CSEE, 2017, 37(22): 6463-6470.

［17］ 楊帆, 蕭德云. 智能報警管理若干研究問題[J]. 計算機與應用化學, 2011, 22(12): 1485-1491.

YANG Fan, XIAO Deyun. Some research problems of intelligent alarm management[J]. Computers and Applied Chemistry, 2011, 22(12): 1485-1491.

［18］ 周陽. 廠級監控信息系統數據分析與應用[D]. 南京: 東南大學, 2008: 14-15. ZHOU Yang. Data analysis and application of plant monitoring information system[D]. Nanjing: Southeast University, 2008: 14-15.

［19］ 楊秋霞, 劉同心, 高辰, 等. 計及光伏電站功率預測的電力系統優化分析[J]. 電力系統保護與控制, 2018, 46(2): 117-123.

YANG Qiuxia, LIU Tongxin, GAO Chen, et al. Power system optimization analysis considering power prediction of PV power station[J]. Power System Protection and Control, 2018, 46(2): 117-123.

［20］ 陳彥橋, 劉吉臻, 譚文, 等. 模糊多模型控制及其對500 MW單元機組協調控制系統的仿真研究[J]. 中國電機工程學報, 2003, 23(10): 199-203. CHEN Yanqiao, LIU Jizhen, TAN Wen, et al. A fuzzy multi-model control and simulation of coordinated control system for 500 MW boiler-turbine unit[J]. Proceedings of the CSEE, 2003, 23(10): 199-203.

［21］ 程亮. 基于內模自適應的單元機組協調控制系統分析及研究[D]. 保定: 華北電力大學, 2011: 29-47. CHENG Liang. Analysis and research on coordinated control system of boiler-turbine unit based on internal model adaptive control algorithm[D]. Baoding: North China Electric Power University, 2011: 29-47.

［22］GUO X J, CHEN L, SHEN C Q. Hierarchical adaptive deep convolution neural network and its application to bearing fault diagnosis[J]. Measurement, 2016, 93: 490-502.

Operation control technology for intelligent power generation

CUI Qingru1, ZHU Zifan2

(1. CHN Energy Investment Group Co., Ltd., Beijing 100034, China; 2. Beijing GuoDianZhiShen Control Technology Co., Ltd., Beijing 102200, China)

Recently, although various power plants all over the country have completed the reform in digitalizing and promotion of information technology in different levels, neither of them is real intelligence-oriented. This paper starts from the necessity of smart power generation upon thermal power plants and makes a clarification of the fact that construction of smart generation power plants is an evitable trend combining with the current situation of power plants. Then, it summarizes the required features of smart generation technology and puts forward one kind of practical frame of smart generation technology by illustrating its functional application in power plants. Through the application of smart generation technologies, the whole production process forms a closed loop, which ensures the units be operated in highly efficiency, flexibly and environmentally in force.

power plant, intelligent power generation, intelligent control, technical architecture, intelligent management and control, energy efficiency analysis, energy efficiency closed-loop

TM611

A

10.19666/j.rlfd.201812225

2018-12-28

崔青汝(1970—)，男，碩士，高級工程師，主要研究方向為自動控制技術，12000142@chnenergy.com.cn。

崔青汝, 朱子凡. 智能發電運行控制技術[J]. 熱力發電, 2019, 48(9): 28-33. CUI Qingru, ZHU Zifan. Operation control technology for intelligent power generation[J]. Thermal Power Generation, 2019, 48(9): 28-33.

（責任編輯 杜亞勤）