基于大數據技術在水電廠自動化設備預防性檢修中的應用

李華貴 王勇國 楊金華 張保華

[摘? ? 要 ]水電廠作為電力系統重要的電源，保障其安全經濟運行有利于電力系統的運行穩定，而電廠自動化設備的可靠運行是保障其實現安全經濟運行的基礎。本文通過對大數據的概念、水電廠自動化元件依托大數據進行預防性檢修的必要性進行敘述，并結合水電廠的電力安全生產的特點對其實現的方法進行描述，希望在此基礎上能夠實現水電廠的大數據應用，推進水電廠的安全經濟運行，為系統的穩定運行提供有效保障。

[關鍵詞]水電廠;大數據;自動化設備;預防性檢修

[中圖分類號]TM76 [文獻標志碼]A [文章編號]2095–6487（2020）11–00–03

[Abstract]As an important power supply for power system， ensuring its safe and economic operation is beneficial to the stability of power system， and the reliable operation of power plant automation equipment is the basis to ensure its safe and economic operation. This paper describes the concept of big data， the necessity of preventive maintenance of automatic components of hydropower plant relying on big data， and describes the method of realizing it according to the characteristics of electric power safety production in hydropower plant.

[Keywords]hydropower plant; big data; automation equipment; preventive maintenance

1 大數據應用背景

大數據（BigData）是指在數據分析處理時，不進行數據抽樣分析，而是對所有數據進行專業化分析處理的一種技術。其核心技術是基于數據采集、數據分析后進行數據呈現，將專業分析的結果以人們能直觀理解的方式呈現出來，為決策者提供實際的理論指導。

水電廠大數據主要來源于電力生產，其主要包括發電業務、檢修業務以及安全防護3個方面，大數據的分析主要基于對電力生產的歷史運行數據進行專業化分析，為電力生產和檢修提供指導。

2 水電廠自動化設備預防性檢修的必要性

所謂的自動控制，是指在沒有人直接參與的情況下，利用控制裝置對機組各設備或生產過程進行控制，使之達到預期的狀態或性能要求。水電廠亦不例外，電力生產過程主要通過自動控制方式完成。

作為一個完整的自動控制系統，主要由控制器、執行機構、被控對象以及反饋環節組成，如圖1所示。為了完成一個必要的控制過程，其各自動化元器件是必須且必要的，自動化元件的運行可靠性將直接決定整個控制的成敗。

針對某水電廠某年度機組非計劃停運情況進行統計分析，發現其因自動化設備故障導致機組非計劃停運次數占到全年度所有停運次數的60%～70%，大大影響了機組的運行經濟性。

3 水電廠電力大數據的采集

水電廠所采集的大數據主要表現為各生產設備運行參數、發電量、電能質量以及電壓參數等。其大數據主要采集渠道主要是依靠站內的計算機監控系統來完成，典型的計算機監控系統由監控下位機和監控上位機組成，監控下位機主要由各現地LCU、各終端數據采集裝置以及必要通信設備組成，監控上位機主要由各主機、操作員站、通訊服務器、歷史數據服務器、GPS時鐘等組成，上下位機之間通過廠內星型以太網連接通訊，詳見圖2。

在系統正常運行時，經過各測點自動化設備（或裝置）采集各設備參數進行控制，并將所采集的各設備參數自動存入歷史數據服務器，進而得到大批量的數據。

4 水電廠電力大數據處理

水電廠大數據處理主要是針對在系統運行過程中產生的實時數據和非實時數據進行處理，其數據通過站內星型以太網絡將數據存儲于歷史數據服務器工作組內，一般存儲時間長度應充分考慮完整的一次水電廠檢修周期的時間長度。數據的處理主要是針對元數據進行統一的分類管理，在有效保障數據穩定的情況下對全部數據進行處理分析，尤其是針對在比對過程中發現的同一設備前后參數不一致時應自動記錄異常，并增加對其分析的頻率，比如自動化設備經常出現的數據刷新變慢、數據突變等情況，數據分析工具應自動對其進行分析和記錄，并將結果上送至檢修決策平臺;同時，增加必要的人機接口、數據共享平臺、日志審計、應急備份、用戶接入控制等，并進行必要的接口維護、模型維護、服務維護，以增強電力大數據的可靠性，并實現數據共享，其具體分析處理架構詳見圖3。

5 水電廠電力大數據在自動化設備檢修中的應用

經過大數據處理分析工具對水電廠生產運行所形成的實時數據和非實時數據進行分析處理，并在發現水電廠內同一自動化設備發現參數與原有采集數據采樣發生變化時，將該異常進行準確記錄并上送至檢修決策平臺，例如在水電廠中振動擺度數據對水輪發電機組的安全運行至關重要，它直接反映機組實時運行的情況，其普通監控系統中采樣的數據相對分散、資源整合度不夠、參考意義不強，無法形成定性的結果。但是若依托大數據分析處理平臺，可以將每一次測量的異常均進行記錄，并前后比對分析，可以很好地整合分散的資源，得出可靠并且合理的結果，為每年的機組檢修和自動化元件維護提供有力的依據。

因此，在水電廠內進行大數據技術的分析應用，將很好地為水電廠自動化設備預防性檢修提供有力的參考，提前對自動化設備進行維護，降低每年因自動化設備（或元件）異常導致的機組非計劃停運次數，增強水電廠機組的安全經濟運行。

6 水電廠電力大數據智能化趨勢分析報警的應用

系統利用與計算機監控系統的信息交互接口，獲取生產過程數據，實現設備運行狀態的實時監視、數據匯總及存儲、數據分析、智能報警及智能報表等功能。系統結構如圖4所示：

數據分析功能：本功能實現對采集來的各種不同類型的數據依據要求進行自動加工處理，其結果供報表或再加工，提供如下功能。

（1）對采集的數據進行有效性和正確性檢查，更新實時數據庫。

（2）從采集的實時數據（含模擬量、累積量等）到時段、小時、日、旬、月、年數據計算。其中時段數據的最小間隔為5 min（可以為10、15、30 min），小時、日、旬、月、年數據（包括開始點、平均值、最大值、最小值及其發生時間等特征量）。

（3）根據某些需要權重計算的指標進行計算。其中時段數據的最小間隔為5 min（可以為10、15、30 min），小時、日、旬、月年數據。

（4）自動實現對遲到數據的處理。

（5）常規數據處理的計算方法、計算周期長度、參與計算的測點等可以按照需要進行配置組態。

經過對大數據的綜合分析，生成智能報表并自動保存記錄，根據數據分析進行趨勢化智能報警，提升電廠自動化運行水平。

7 結束語

水電廠作為電力系統重要的電源生產地，在現代化大數據技術的沖擊下，水電廠應進行必要的改革，學習并利用新的設備和技術，提高水力發電廠運行效率和穩定性，建立科學化的電力大數據系統預防性檢修管理平臺，必要時應有針對性的進行電力大數據模型計算、仿真計算，進一步增加數據利用準確性，最終建立起大數據時代下智能化電力系統，彰顯新技術應用帶來的顯著的經濟效益。

參考文獻

[1] 吳亞敏.大數據時代電力運營監控數據處理技術[J].電力訊息，2016（5）：122-123.

[2] 趙云山，劉煥煥.大數據技術在電力行業的應用研究[J].電信科學，2014（1）：29-30.