大型發電機組運維安全防誤管控技術與應用

摘 ?要：由于傳統大型發電機組在運維過程中仍然會出現錯誤操作，且運維錯誤次數較多，為此文章提出大型發電機組運維安全防誤管控技術與應用。利用無線傳感器采集發電機組運維時間數據，利用深度學習算法對采集數據進行學習和訓練，識別大型發電機組運維錯誤數據;依靠PLC軟件對發電機組運維錯誤參數進行修改和調整，以此實現大型發電機組運維安全防誤管控。經實驗證明，應用設計技術發電機組運維錯誤次數少于傳統技術。

關鍵詞：大型發電機組;運維安全;防誤管控

中圖分類號：TM77;TM63 ? ? 文獻標識碼：A 文章編號：2096-4706（2020）21-0163-03

Technology and Application of Error Prevention and Control for Operation and Maintenance Safety of Large Generating Units

SHI Mingliang

（National Energy Group Science and Technology Research Institute Co.，Ltd.，Nanjing ?210046，China）

Abstract：Because of the traditional large generating units is still have incorrect operations during the operation and maintenance process，and the operation and maintenance error number is more，the article puts forward the large generating units operation and maintenance safety and error prevention and control technology and application. Using wireless sensors to collect generating units operation and maintenance time data，using deep learning algorithm to learn and train collected data，to identify the operations of large generators error data;the operation and maintenance error parameters of generating units are modified and adjusted by using PLC software，so as to realize the operation and maintenance safety and error prevention and control of large generating units. It has been proved by experiments that the operation and maintenance error frequency of generating units using design technology is less than that of traditional technology.

Keywords：large generating units;operation and maintenance safety;error prevention and control

0 ?引 ?言

發電機組內部結構比較復雜，對其運維管理具有一定的難度，由于是對大型發電機組運維管理，在實踐中經常出現操作失誤，因此大型發電機組運維安全防誤管控技術成為控制運維失誤的關鍵技術[1-3]。相關學者對運維安全防誤管控技術紛紛進行了深入研究，一些學者針對智能變電站繼電保護檢修需求及誤動原因，提出了一種智能型繼電保護防誤操作方法。該方法以主動組合防誤操作技術為基礎，結合一次設備和二次設備的運行狀態，建立覆蓋變電站所有設備操作的主動安全機制，拒絕任何不符合防誤操作規則的操作。還有一些學者為了提高電網智能防誤操作結果的準確性和全面性，提出了綜合調度控制系統運行模式下智能拓撲防誤計算的開關單元模型和回路拓撲搜索算法。該系統以拓撲模型和防誤操作規則知識庫為基礎，采用推理和拓撲防誤操作計算方法，實現了電磁合環、設備過載等功能。隨著大運行體系建設的不斷深入，調控中心的遠方遙控操作要求實現到冷備用狀態，這就對調控遠方遙控操作的安全性、可靠性提出了更高的要求。因此有學者基于智能電網調度控制系統，研究了實現調控和防誤一體化的遠方操作安全防誤技術，對其中的調控和防誤一體化建模，統一防誤采集規范，一體化防誤邏輯規則生成等關鍵技術給出了具體解決方案。該防誤技術已經成功應用于某智能電網調度控制系統，建立了調控與防誤一體化的智能操作管理系統，解決了遠方遙控到冷備用狀態的關鍵技術問題。

筆者基于國家能源集團科學技術研究院有限公司的研究項目，長期致力于研發、推廣和應用電力系統設備有關的新技術、新產品，本文研究的安全防誤管控技術可以有效改善現有安全防誤工作的效果，為大型發電機組運維安全提供有力支撐。在研究前針對目前工作中發現的現有大型發電機組運維安全防誤管控技術管控效果較差，在管控過程中仍然會出現運維錯誤操作，且運維錯誤次數較多的問題，提出大型發電機組運維安全防誤管控技術與應用研究，結合深度學習算法和PLC軟件進行設計。深度學習算法在搜索技術，數據挖掘，機器學習，機器翻譯，自然語言處理，多媒體學習，語音，推薦和個性化技術，以及其他相關領域都取得了很多成果。有關學者針對目前電力保護變更方案設計的可靠性和智能性有待提高的現狀，提出了一種基于深度學習的智能防誤操作算法，實現了電力保護變更方案的自動驗證。PLC軟件廣泛應用于各個領域，相關學者提出了基于PLC的微機防異種網絡閉鎖系統并展開了研究。結合上述兩種技術對現有系統進行改進，實際應用表明，滿足了電網運行和變電站防誤操作的要求，經后續的對比實驗證明，應用該技術的發電機組運維錯誤次數少于傳統技術。

1 ?大型發電機組運維安全防誤管控技術設計

本文設計實現了一套大型發電機組運維安全防誤管控技術，該技術主要利用深度學習算法和PLC軟件實現。首先利用深度置信網絡算法將發電機組運維數據導入MATLAB中進行學習和訓練，識別并提取到發電機組運維錯誤數據，利用PLC對數據的存儲、處理等功能，進行編程、調試后對識別到的運維錯誤數據進行實時調用，避免出現大型發電機組運維操作失誤，圖1為大型發電機組運維安全防誤管控技術設計示意圖。

由圖1可知，筆者設計的大型發電機組運維安全防誤管控技術，通過深度學習算法進行數據的學習訓練，并將訓練后的數據分類，正確數據直接進入發電機組運維程序，將采集到的發電機組運維錯誤數據輸入到PLC軟件中，最后通過PLC處理和修改后再輸送到運維程序中，下文將分兩部分對大型發電機組運維安全防誤管控技術進行詳細說明。

1.1 ?識別大型發電機組運維錯誤數據

對于大型發電機組運維安全防誤管控，首先要識別到大型發電機組運行維護過程中的錯誤數據。通常情況下，大型發電機組運維是依靠一組軟件程序實現的，每個周期下大型發電機組運維程序流程是一致的，因此每個周期大型發電機組運維參數也是相同的，如果在程序運行過程中發電機組運維時間出現過長或者過短，則說明此時大型發電機組運維邏輯出現錯誤，則可以視為大型發電機組運維失誤，此時處于不安全狀態[4]。

因此將大型發電機組運維時間參數作為識別對象，利用無線傳感器對發電機組運維時間數據進行采集，運用深度置信網絡算法對采集到的數據進行學習和訓練，識別到大型發電機組運維錯誤數據，其計算過程如圖2所示。

第一步：結合發電機組正常運維邏輯，設定數據訓練參數，其中包括期望值的最大值和最小值，最大期望值表示發電機組運維安全范圍內可以承受的最長運維時間，最小期望值表示發電機組運維安全范圍內可以承受的最短運維時間。

第二步：將每個運維周期內每一個階段運維時間數據按照運維程序順利排序，建立數據訓練集合。

第三步：將采集到的運維時間與正常發電機組運維時間進行對比，計算期望誤差，其計算公式為：

（1）

其中，W為期望誤差;i為發電機組運維程序階數;di為發電機組i階段運維正常需要使用的時間; 為當前采集到的計算集合中i階段運維時間;a為整個發電機組運維程序時間;a*為采集到的發電機組運維程序時間;wj為數據節點j的實際權值。利用上述公式計算出期望誤差[5]。

第四步：設定一個期望誤差閾值，該閾值表示凡是超過該數值，則表示該組運維數據為錯誤數據，其計算公式為：

（2）

其中，D為期望誤差閾值;s1為最大期望值;s2為最小期望值。將式（2）計算的結果式（1）的結果對比，如果超過式（1）得出的期望誤差值，則對該組發電機組運維參數進行提取，并存儲于數據庫中。

1.2 ?管理控制大型發電機組運維安全

將采集到的發電機組運維錯誤數據輸入到PLC軟件中，PLC軟件防誤操作流程如圖3所示。

利用PLC軟件對大型發電機組運維安全進行防誤管控。利用網絡通信接口將PLC軟件與存儲發電機組錯誤數據的數據庫相連接，一旦識別到的大型發電機組運維錯誤數據，立即傳輸到PLC軟件中;在PLC軟件中輸入一套安全的發電機組運維邏輯，將兩組運維邏輯進行對比分析，將有別于發電機組運維安全邏輯的運維參數，利用PLC軟件中一鍵修改功能進行及時修改，防止發電機組運維過程中出現錯誤操作，以此實現大型發電機組運維安全防誤管控。

2 ?實驗對比與結果分析

實驗選取某大型發電機組作為研究對象。正常情況下該發電機組運維周期時間為240 s，利用此次設計技術與文獻[5]基于二維碼授權的遠程防誤管控系統的傳統技術對該組發電機組運維安全防誤管控。實驗環境設計：兩種技術均以Windows XS作為操作系統，GeForce GTX 1080Ti CPU，32 GB內存硬盤。實驗中將發電機組運維周期設定為240 s，運維頻率設定為0.86 Hz，設計管控時間為5個小時，利用GJSD軟件和KDSXS軟件統計和計算，如圖4所示。

在兩種技術應用下，大型發電機組運維錯誤次數，將其作為實驗結果，對兩種技術進行對比分析，實驗結果如表1所示。

從上表可以看出，應用此次設計技術，大型發電機組運維錯誤次數較少，最高次數為1，遠遠少于文獻[5]基于二維碼授權的遠程防誤管控系統，這是由于本文方法運用深度置信網絡算法對采集到的數據進行學習和訓練，識別到大型發電機組運維錯誤數據，將采集到的發電機組運維錯誤數據輸入到PLC軟件中，利用PLC軟件中一鍵修改功能，對運維參數及時進行修改，防止發電機組運維過程中出現錯誤操作。因此說明設計技術運維安全防誤管控效果更好、精度較高，適用于大型發電機組運維安全防誤管控。

3 ?結 ?論

本文針對目前大型發電機組運維安全防誤管控需求以及存在的問題，提出一套新的防誤管控技術，有效提高了大型發電機組運維安全性，通過實驗證明，本文設計技術應用下發電機組運維錯誤次數最高為1次，基本避免大型發電機組在運維過程中出現錯誤操作，為大型發電機組運維安全防誤管控提供了參考依據，下一步可將防誤管控操作預警作為今后研究方向，以期更深入的保證發電機組運維安全。

參考文獻：

[1] 何偉，賀石中，馬紅軍，等.大型核電站應急柴油發電機在用潤滑油閾值分析 [J].機電工程技術，2020，49（10）：77-80.

[2] 黃學然，李林峰.水輪發電機組改造全過程技術監督管理 [J].設備管理與維修，2019（1）：32-33.

[3] 杜江.聲音監測在水輪發電機組狀態監測中的應用 [J].自動化應用，2020（10）：91-92+96.

[4] 黃建林，王靖暉.基于二維碼授權的遠程防誤管控系統開發 [J].中國新技術新產品，2019（8）：26-27.

[5] 李文強，譚志勇.光伏發電場運維安全防誤管控技術 [J].農村電氣化，2019（10）：55-57+63.

作者簡介：時明亮（1974—），男，漢族，山西太原人，工程師，本科，研究方向：電力安全管理。