智慧電廠信息化頂層設計

吳曉珊，廖愛明

（中海石油氣電集團有限責任公司，北京 100028）

0 引言

隨著“碳達峰、碳中和”目標的提出，國家油氣體制改革深入，國內外電力市場形勢日益嚴峻，發展天然氣發電是中國海油天然氣終端戰略布局的必然選擇[1]。大力發展天然氣發電，推進智慧電廠建設，加快構建電力生態圈，提升科技支撐作用，既體現氣電集團積極應對氣候變化、推動構建人類命運共同體的責任擔當，也是貫徹新發展理念、推動高質量發展的必然要求[2-3]。

1 業務現狀及戰略分析

1.1 行業發展新形勢

新一輪電力體制改革不斷深入，天然氣發電雖然以其相對靈活的調峰性能和啟停速度為企業獲得了一定的利潤保障，但高于煤電價格的燃機電廠盈利能力仍面臨較大壓力[4]。

面對電力市場業務發展的新形勢，天然氣電廠降低成本和提質增效需求的重要性日益凸顯。當前，電廠應在現有基礎上采用各類舉措降低運行維護成本、提升天然氣利用率、提升電廠利潤空間[5-6]。

因此氣電集團未來提升盈利能力的途徑主要可以總結為：爭取更多熱用戶，增加以熱定電的電量，提升天然氣利用率，爭取更多電量，并攤薄折舊成本，降低運行維護成本，通過產業鏈協同運營制定動態市場交易策略，實現營收及利潤目標。

1.2 技術創新新環境

企業的生產數據分析對經營決策起著至關重要的決定性作用。針對生產經營中產生的大量質量參差不齊的數據，運用采集、傳輸、存儲、融合和利用等技術處理，實現高效管理、智能生產及產業創新[7]；通過數據清洗和數據挖掘，為業務分析創造更高的應用價值；根據機理模型和AI模型，通過機器學習，實現機組故障預警預測和模型仿真[8-9]。

云邊結合計算技術實現電力大數據的快速可靠處理。電廠大數據有數量大、數據種類多、維度多、數據來源分散、管理分散等特征，而電廠數據之間隱含著復雜關系需要挖掘，且大多數情況又需要對這些數據能夠實時處理分析并指導生產運行，恰好云計算作為一種集中式服務，具有高效的運算能力，能有解決處理電力大數據的算力問題[10-14]。而邊緣計算則是提供近端服務的集成技術開放平臺，在邊緣側提供服務。

人工智能技術實現智能分析與運營大幅提升生產效率。經預測，到2055年人類將有超過50%的工作實現自動化。在發電領域，傳統的人工分析手段已經無法及時、有效、深入挖掘數以萬計的生產數據價值。在電力大數據的基礎上，與人工智能技術深入融合，實現電力生產的智能分析與運營[15]。

2 智慧電廠藍圖設計

通過云計算、人工智能、區塊鏈等技術手段，以設備泛在感知、系統協同融合、數據驅動決策為目標，將工業技術、信息技術與電廠生產、經營管理深度融合，重構人員、物資、管理等要素，打造智慧電廠五大能力，全面提升安全、生產、管理、決策水平。智慧電廠藍圖設計如圖1所示。

圖1 智慧電廠藍圖

3 智慧電廠應用架構設計

基于“集團決策分析層、事業部集中運營管理層、電廠車間化管理層”管理方式，圍繞“管理端、銷售端、生產端、安全端”，遵循業務應用服務于“三層四端”的理念，建設“安全生產管理、設備預測性維護、性能分析優化、機群監管、戰略分析與決策”五大應用，構建智慧電廠整體應用架構，如圖2所示。

圖2 智慧電廠應用架構

3.1 安全生產

安全生產模塊共包含視頻智能分析、現場安全融合管理和安全環保管理三部分內容，各部分功能設計如圖3所示。

圖3 安全生產模塊

（1）視頻智能分析。在廠區加裝監控攝像頭以及邊緣端數據采集服務器，提高視頻數據傳輸質量，基于算法進行視頻識別分析，對安全隱患問題進行預測和報警。該部分主要功能有：智慧巡檢、智能分析、紅外熱成像測溫、設備操作及報警、重點區域人員統計和相關算法。

（2）現場安全管理融合。對電廠現有的周界報警、閘機、視頻監控、防碰撞、消防等安全管理系統融合形成廠級安全信息的相互貫通及整體管理，在此基礎上搭建相關的應用。

（3）安全環保管理。安全環保管理是通過技術優化加強廢氣和廢水的處理能力，不斷減少廢氣和廢水中有害物質的濃度達到更高的環保標準。

3.2 設備預測性維護

設備預測性維護模塊共包含設備設施完整性、設備可用性分析、設備智能管控、故障預警與診斷四部分內容，各部分功能設計如圖4所示。

圖4 設備預測性維護模塊

（1）設備設施完整性。設備設施完整性重點功能包括設備日常維修、設備大檢修、設備預測性維修、設備狀態監測等，具體功能共分為四個一級菜單模塊，分別是管理完整性、技術完整性、經濟完整性、全生命周期管理。

（2）設備可用性分析。設備可用性分析包括基于故障模式、故障概率等因素的維修策略開發，對維修管理系統進行定性與定量分析，以及故障模式影響和危害性分析等。

（3）設備智能管控。設備智能管控包括設備定期智能切換、油在線監測、電氣絕緣值在線監測、一鍵啟停、輔機自動加油、設備設施狀態三維可視等。

（4）故障預警及診斷。故障預警與診斷包括故障診斷、專項預警及診斷、故障預警模型、模型管理與規則管理、故障實時監測與綜合展示檢修閉環管理、告警管理等。

3.3 性能分析優化

性能分析優化模塊共包含智能運行維護決策、熱力學性能分析計算兩部分內容，各部分功能設計如圖5所示。

圖5 性能分析優化模塊

（1）智能運行維護決策。通過使用新一代信息化技術對機組設備性能下降場景進行影響因素分析與探究：

利用進行過濾相關測點進行進氣濾網的性能監測，利用性能計算評估濾網壓差增加或減小對整體運行效率的影響，結合電廠實際運行條件和外部因素，以濾網全生命周期內單位發電量成本最低為原則，進行濾網更換策略的更新和優化，給出最佳更換時間間隔和更換建議。

結合壓氣機出廠特性以及其未結垢時間段的運行數據建立壓氣機性能的判斷基準，根據實時性能計算結果評估壓氣機運行狀態指標，通過數據分析，提供當前時刻壓氣機是否需要水洗的建議。利用數據挖掘和深度學習算法，通過建模以及歷史工況中相關測點數據的使用，完成壓氣機水洗預測功能的實現，可根據燃機的運行狀態預測最佳的水洗時間。

（2）熱力學性能分析計算。借助模型和算法，進行熱力學仿真建模、在線熱力計算、歷史仿真計算、運行偏差分析等。針對電廠主要系統和設備，如燃氣壓氣機、燃燒室、燃機透平、給水泵、凝結水泵等，利用熱力學知識其熱力邊界進行參數化建模，實現熱力特性、幾何結構等物理模型建，采用機器學習、數據挖掘等方法實現設備特性的歷史數據學習和標定；根據電廠熱平衡計算的方法，利用熱力仿真模型及實時測點數據完成電廠運行性能的在線熱力計算，分析電廠運行系統和設備的關鍵性能指標；通過耗差分析、仿真模型計算等方法建立數字化的機組運行偏差分析模型，以列表和曲線的形式對主要運行參數進行偏差分析，衡量對機組運行效率和熱耗的影響排序，為機組運行提供指導，使機組運行在最佳狀態。包括：主汽溫度、汽輪機高、中缸效率等指標對汽輪機熱耗率的影響程度。

3.4 機群監管

機群監管模塊共包含機群經營綜合管理、機群技術綜合管理、機群調度綜合管理三部分內容，各部分功能設計如圖6所示。

圖6 機群監管模塊

（1）機群經營綜合管理。機群經營綜合管理包括倉儲管理、報價管理、市場結算管理、電力市場分析預測等。實現相關經營數據的收集、管理、分析以及構建模型和進行模型分析預測，以便為客戶提供決策分析需求。

（2）機群技術綜合管理。機群技術綜合管理主要包括計劃管理、問題管理以及日常監督三部分內容。梳理專業技術監督的指標形成監督標準工作庫，通過監督標準工作庫訂制定期計劃，也可靈活訂制臨時性工作計劃來滿足電廠本身的技術監督管理需求。

（3）機群調度綜合管理。調度綜合管理主要實現智能駕駛艙、生產狀態監測、生產成本實時分析、輔助決策等功能。通過對機群運行信息實時處理分析，使采集的數據形象化、直觀化、具體化；通過與現有生產管理系統的對接，獲取相關板塊生產經營數據，構建輔助分析模型，通過輸入參與交易的各種數據，形成不同的分析預案，并計算相應的收益，以完成輔助決策。

3.5 戰略分析與決策

戰略分析與決策模塊共包含智慧監督、戰略決策管控兩部分內容，各部分功能設計如圖7所示。

圖7 戰略分析與決策模塊

（1）智慧監督。通過成本管理和考核管理，實現動態成本和靜態成本精細化分析，以及考核指標、考核模板、體系統一發布、管理，以輔助監督。

（2）戰略決策管控。依照數據→分析→洞察→決策支撐的路線，通過數據分析以支持戰略決策，基于企業現狀，預測未來走向，決定最優行動方案，建立清晰的信息鏈條和決策程序，實現決策的理性化、程序化、模式化和系統化。

4 智慧電廠數據架構設計

大數據分析是業務的重要支持，對業務和IT的運營模式帶來巨大的變革。盡管大數據分析在業務領域的應用仍在探索期，但他們是真正的核武器，是電廠保持領先的關鍵所在。

電廠生產過程中產生的大量的數據缺乏統一的質量標準，并不能用于深入分析和挖掘，更不能實現監督決策。通過數據架構體系，對數據進行清洗、處理，并深入挖掘其價值。

通過智慧電廠數據架構的搭建，實現全量數據存儲；結合機器學習、認知分析等新技術領域，進行高級分析；通過數據治理，追溯數據來源、轉化邏輯以及分析結果。提供一個邏輯清晰的數據環境，以避免數據湖成為數據沼澤。基于集團公司數據治理理念，設計集數據采集、數據處理、數據治理和技術平臺于一體的數據架構，如圖8所示。

圖8 智慧電廠數據架構

5 智慧電廠技術架構設計

以公司現有云平臺架構為基礎，構建“云、邊、端”三體協同的智慧電廠綜合運營技術平臺。

圖9 智慧電廠技術平臺

智慧電廠技術平臺的數據來源主要為各電廠數據采集平臺。智慧電廠綜合運營技術平臺以已有生產云環境為基礎，通過統一數據采集平臺完成對生產業務數據、物聯網數據和安全信息監控數據的采集。智慧電廠綜合運營技術平臺的核心PaaS層主要利用工具對數據進行分析，通過各類專業應用服務，最終支撐智慧電廠五大應用的構建。

智慧電廠主要是為促進電廠在現有數據基礎上挖掘實用價值，并實現機群集中管控，因此原則上不對電廠工藝系統進行改造。智慧電廠綜合運營技術平臺的關鍵組件主要包括計算機視覺（CV）、知識圖譜（KG）和數字孿生（Digital Twin）[16]。

6 結語

綜上所述，通過智慧電廠信息化頂層設計，指導智慧電廠建設，賦能智慧經營實現聯動，全面提升電廠運營水平，提高電廠各方面價值；智慧電廠通過設計機理模型和AI模型，用于設備故障預警與診斷，實現機器學習和數字孿生在電廠運營中的進一步融合應用；強化氣電集團電力板塊發展的戰略指導，綜合評估電廠投資建設模式；推動低碳發展，主動適應國家能源結構調整，助力實現“雙碳”目標。