電廠燃料大數據中心管理平臺的建設與應用

華電淄博熱電有限公司 張澤巍 于 洋 華電國際電力股份有限公司信息管理分公司 劉 忻

青島國瑞信息技術有限公司 譚 淇

隨著發電行業供給側改革的不斷深入推進，競價上網倒逼、煤電矛盾加劇、環保投入巨大等都給電廠帶來了巨大的生產運營壓力。在火電廠的正常運營中，煤的成本占整個發電成本的70%以上。

以一臺300MW鍋爐為例，若使其可用系數提高1%，則每年可以多發電0.3588億度，若每度電的發電利潤按0.05元計算，則每年可多增發電利潤179.4萬元。因此如何實現電站鍋爐的高效低污染燃燒，提升機組安全運營水平，對電廠的可持續發展來說是一個非常重要的課題。

燃料大數據中心管理平臺是以燃料為主線，打通網絡信息、集控運行、煤質化驗、摻配煤管理之間存在的信息孤島，構建全廠以“煤”為中心的大數據中心平臺。平臺以接口統一服務、流程圖自動轉換、大數據存儲技術、數據挖掘工具和優化決策模型等，圍繞大型電站鍋爐的燃燒優化和摻配煤數據等應用場景，應用數據預測、燃料特性挖掘、大數學建模和數據準確性追蹤的方法，挖掘燃煤摻配的著火特性、燃盡特性、灰熔點特性、污染物排放特性和發電設備運行特性，為火力發電行業中燃煤摻配指導、鍋爐燃燒效率提高、污染物排放降低、設備運行優化指導等提供了數據和理論支撐，具有極大的推廣應用價值[1-2]。

1 平臺設計

1.1 平臺整體架構

燃料大數據中心管理平臺涉及大數據的采集、存儲和智能分析，包含大數據基礎數據服務平臺和智能數據分析平臺，建設接口綜合管理系統、大數據中心平臺、流程圖自動轉換工具、數據挖掘工具庫和運行成本優化以及數據展示及對外服務模塊、系統配置管理模塊等。

1.2 平臺功能架構

燃料大數據中心管理平臺根據不同的模塊采用最佳最優的技術方式，如：前端采用HTML5、CSS3技術、實現美觀且豐富的界面展示；數據分析端采用Python 和Java 提供了豐富的算法接口程序，提高模型計算性能；建立統一的對外訪問方式，滿足移動端的應用需求；實現系統秒級響應，可實現在線用戶200人以上的高并發要求，并保證數據存儲、傳輸的連續、安全、穩定；采用HTML5 BS端的架構形式，兼容ChromeIESafari 等主流瀏覽器。

2 系統功能及優點

2.1 大數據基礎數據服務平臺

大數據基礎數據服務平臺總體結構設計是在符合國家電力系統二次防護要求的前提下，通過與生產控制系統深度融合，完成了生產數據取、傳、用、管各環節的智能化升級，滿足了燃料大數據平臺對安全性、可靠性、高性能和應用管理等方面的較高要求。

2.1.1 接口綜合管理系統（iGR_IMS）

針對電力行業數據采集中長期以來存在的接口系統兼容性差、架構復雜、性能不足、業務擴展性不足、運維難度大等問題，建設大數據基礎數據服務平臺，實現生產過程數據采集、傳輸、監視、運維的綜合管理。

接口綜合管理系統結合發電企業生產數據采集、傳輸功能、性能要求、分散部署的特點，通過數據采集、穿隔離裝置、系統狀態自檢、服務器狀態檢測、實時數據庫狀態檢測、測點自動同步、異常測點報警、通道冗余熱備等功能，實現在MIS 側對實時數據系統進行統一管理、維護和狀態監視的目的，以滿足實時數據庫系統和SIS 系統運行管理人員對數據采集接口的遠程監視、集中管理、安全維護、狀態報警等日常管理和維護需要。故障診斷信息以短信、微信或郵件的方式進行推送，協助運維人員快速鎖定故障，減少排錯時間、提升部門間協助效率，確保數據通訊的穩定性、實時性[1]。相比傳統數據采集系統方案具有投資小、實施簡單、維護方便的特點。

2.1.2 大數據中心平臺

建設生產數據低延遲傳輸通道系統。為改善數據在傳輸過程的延遲，將對當前結構進行改造和優化，將使用數據快速交換技術（Data Express Forwarding,DEF）對當前使用的數據存儲轉發技術（Store and Forward）進行升級，將傳統數據傳輸延遲由秒級降低至毫秒級，有效提升數據傳輸的實時性，確保DCS 與大數據應用系統間的高速數據同步；數據定制化轉發。通過對數據傳輸系統的升級，系統能夠根據應用系統需求的數據類型進行定制化數據交付服務，實現集中化的數據收集和按需數據服務。

2.1.3 流程圖自動轉換工具

流程圖自動轉換工具自動識別DCS 畫面與SIS畫面的差異性，通過數據采集系統實現對現場流程監視圖的智能化采集、對比、分析及對外安全傳輸，實現展示系統的全自動化無人干預式數據展示和無人維護、少人維護的建設目標。

2.2 智能數據分析平臺

數據挖掘工具庫。集成主流的開源框架sklearn、TensorFlow、Pytorch 支持數據挖掘、機器學習、神經網絡等眾多的大數據分析算法。例如相關性分析，一元、多元、多項式擬合回歸；隨機森林、XGBoost 決策樹分析；KMeans 聚類算法；LSTM 時序預測分析等。針對電廠業務，可進行延遲分析、穩態分析、工況分析等。所有數據挖掘工具采取全矩陣（笛卡爾積）分區的概念，可以選擇任意測點、指標設計工況。分區范圍可涵蓋整個電廠的運行所有工況條件，例如針對熱值、硫分、環境溫度、機組負荷率等工況條件，分析脫硫系統總能耗在各個分區的擬合公式并自動建立最優擬合模型。在此模型中建立了9萬多個工況，每個工況基于總能耗最優數據建模，并可以進行無量綱化處理等。建立的模型可以保存為本地xxx.model 文件,此文件可上傳到BS 端平臺應用中進行實時的運行指導優化，給電廠提出指導優化建議。

考慮污染成本的度電成本優化。通過對電廠燃煤、用水、自用電量、耗材、檢修和薪資等固定成本和電量、污染防治成本和污染罰款的計算分析，建立綜合火電機組發電污染成本的度電成本優化模型[2]，實現度電成本的實時核算和分段優化，為電量實時交易提供報價參考。通過度電成本反向評價燃煤摻燒建議的合理性，實現燃煤摻燒的智能化和精準化。

3 結論

燃料大數據中心管理平臺利用機器學習算法和大數據挖掘等手段，為實現機組狀態監測和故障診斷、配煤摻燒、燃燒調整提供數據預測和大分析工具，通過海量燃煤數據挖掘→提出摻配建議→機組燃燒評價→大數據樣本增量學習的閉環建設，實現現代封閉煤場內數字化管理。做到科技與信息技術相應用，將準確的燃煤管理通過數字化切實服務于經營及生產，真實做到降低公司經營管理成本。能夠使生產管理與經營管理緊密結合起來，提升燃料管理水平、增加效益，實現煤炭全過程管理無縫連接。實現精細化管理，實時獲取煤場信息，為機組燃煤精準摻配提供可靠有保障數據。實現燃料系統實時數據支持和分析，及時掌控生產成本，為我國煤炭的清潔、高效利用建設示范性智慧化煤場打下基礎。