“電力生產大數據平臺”建設思路研究

余金龍

（國能神皖合肥發電有限責任公司，安徽合肥 230000）

在移動互聯網、物聯網等信息技術的推動下，企業數據規模、范圍產生了爆炸式的增長[1]。設備運行過程中產生的大量工業數據通過智能傳感器進行采集和存儲起來，并整合成“大數據”，為常規火力發電行業大數據研究創造了數據基礎。企業大數據具有規模大、類型多、產生速率高、復雜度高、價值密度低和動態性強等特征[2]。相比互聯網大數據，企業大數據分析的強度及精度要求較高。構建發電大數據平臺，進一步強化和拓展數據利用范圍與方式，深度挖掘發電大數據的價值，讓數據賦予電站新的生產運營能力，創造新的價值。

1.作用與意義

大數據的關鍵主要體現在兩個方面：（1）形成數據資產（將數據視作人、財、物、設備一樣的企業核心資產）管理與服務平臺；（2）通過復雜的關聯分析，讓數據創造新的價值，提升精細化管理水平，促進管理方式和商業模式創新[3]。

作為“電力生產大數據平臺”，尤其要對海量實時信息進行高效的存儲和有效的管理，為發電生產提供了運行信息、能耗信息、電量信息、設備狀態信息等實時數據服務與管理，有效挖掘設備潛能，提高設備的可靠性。同時，為實時數據提供統一透明的數據通道，滿足各類業務應用對實時數據的需求，尤其在今后電力市場開放后，競價上網需要大量的實時數據測算成本，實現在線利潤分析。

2.建設應用模式

常規IT系統建設是實現與管理思想、規章制度一致的業務過程的電子化、流程化，以及數據的錄入、維護、查詢、統計[4]；其建設方式往往是通過部署或開發相應功能模塊，培訓用戶使用即可。而大數據則注重信息的互通互聯，并利用大數據處理技術、人工智能技術等構建智能分析、學習、模擬、預測、預警和決策的能力。因此，“電力生產大數據平臺”需要考慮大數據團隊與服務模式的建設，不能僅是簡單地將此平臺交付給業務部門，而是還需要一個專業的、專門的數據服務團隊，來為業務部門持續提供數據服務。

3.總體建設思路

大數據平臺建設應采用“平臺一體化、數據標準化、功能組件化”的策略。從平臺底層架構、數據接口、數據庫、軟件和硬件性能等方面形成統一標準，對網絡和安全規范及部署實施作出統一規劃和方案，并完善大數據平臺功能的模塊化、組件化、靈活性及定制化設計，彼此連接，數據互通，經驗共享，決策普及。大數據應用平臺總體架構如圖1所示。

圖1 大數據應用平臺總體架構

大數據應用平臺將充分利用云計算技術與模式，構建與發電企業相適應的業務模式，形成所需計算資源、數字資源的共享服務模式與機制，實現基礎設施的虛擬、動態服務能力。在云模式的架構下，基礎設施與業務應用的對應是邏輯層面的，物理層面的資源在不同業務應用間是共享的，從而提高資源利用率，降低總體擁有成本。

4.數據整合層

數據整合層通過收集公司已有系統（SIS、ERP（含月度、年度計劃數據）、操作尋優、燃料尋優）、EAM等中的結構性與非結構性數據（包含文本型數據）構建數據資源池，數據資源池包括設備數據，過程數據，業務數據以及決策數據。數據資源池建立統一的數據資源池編碼體系數據庫（包括電廠標識系統編碼、文檔編碼、物資編碼等）及標準項目，定制通用的標準數據庫和知識庫模板，對電廠各類設施對象數據內容和形式作出的統一的編碼規范和數據交換標準。

同時制定企業級設備數據資源池的數據訪問技術規范，提供統一的數據調用及數據更新服務，實現構建在全壽命周期設備數據資源池上的應用對于數據的共享與更新，嚴格確保企業內設備數據的有效性、一致性與實時性。

5.數據分析層

數據分析層的核心是根據各種科學原理和數學方法建立數字模型，這些數字模型不但可以展現真實物理電廠的外觀、特性，而且可以預測電力企業未來的運行情況，這些數字模型可稱為數字孿生。

在數據整合層構建的數字資源池之上，應用數字鏡像技術，根據上層應用建立設備、文檔、性能、診斷等模型，構建電廠在數字世界的全鏡像。基于數字世界的模型進行各種仿真、分析、數據挖掘、人工智能應用（包括基于熱力計算的設備性能分析、設備早期預警、智能故障診斷等），成為電廠運營模擬仿真的載體，并確保其與現實物理世界的完全適用性。利用電廠的實時數據和歷史數據，以及外部的一些相關數據來對模型進行不斷的修正和完善，使“數字鏡像”與真實電廠越來越像。基于數字鏡像的數據和模型，開發各個專業領域的應用，如基于三維模型的點巡檢系統，基于熱力學模型的經濟性預測系統，基于力學模型的壽命損耗預測系統，以及上述這些系統融合在一起的智能決策系統。

6.數據應用層

數據分析應用使得企業管理層能夠及時了解全公司經營全貌，能更加快速、準確地診斷出企業經營狀況及識別其主要影響因素，簡潔、高效和有的放矢地管理企業。數據應用層設計如圖2所示。

圖2 數據應用層

目前，大數據應用設計主要包括以下幾個方面：（1）規劃。提升負荷預測能力。通過對大數據的分析，利用數據挖掘技術，更準確地掌握用電負荷的分布和變化規律，提高中長期負荷的預測準確度。（2）建設。提升現場安全管理能力。對現場照片進行批量比對分析，利用分布式存儲、并行計算、模式識別等技術，掌握施工現場的安全隱患、核查安全整改措施的落實情況。（3）運行。提升能源調度管理能力。利用機器學習、模式識別等多維分析預測技術，對能源的發電能力進行預測和管理。（4）檢修。提升狀態檢修管理能力。研究消缺、檢修、運行工況等因素對設備狀態的影響，以及設備運行的風險水平，利用并行計算等技術實現檢修策略優化，指導狀態檢修的深入開展。（5）營銷。提升對用電行為的分析能力。擴展用電采集的范圍和頻次，利用聚類模型等挖掘手段，開展對用電行為特征的深入分析，并實施區別化的用戶管理策略。（6）運監。提升業務關聯分析能力。利用流式計算、可視化和并行處理等技術，實現全方位在線監測、分析、計算。

7.數據標準體系

為充分發揮數據的價值，創建新型信息化應用，需對數據治理架構的組成要素、管理機制、管理手段等進行研究，規劃出數據、技術、流程、組織四要素循環的運行模式。通過對發電企業系統建設與應用現狀、數據應用現狀等進行全面地調查與分析，建設數據標準體系。

數據標準體系建設如圖3所示，主要包括3部分內容。

圖3 數據標準體系建設

7.1 數據業務標準

從業務實際出發，描述數據分類、命名、屬性等基本信息的規范與標準，業務規范與標準制定應滿足業務現狀并考慮未來需求。

7.2 數據治理標準

從數據的全生命周期出發，描述數據在不同階段的管理規范及流程，以及不同角色的組織職責與分工。

7.3 數據技術標準

從架構和工具出發，描述數據在技術架構交換、存儲以及訪問應遵循何種原則，以及開發、建設相關應用時應遵循何種標準。

8.應用效果

對于大數據應用平臺建設有著先進的方法論體系支撐并有豐富的實踐。大數據應用平臺為某電力集團下屬十個不同規模的電廠提供了全廠級生產營運智能指揮和決策支持解決方案，解決了各個電廠信息系統缺乏關聯的信息孤島問題，為各級治理和操作人員提供了基于生產流程整體連貫的業務視圖，極大地提高電廠的營運和治理水平，保證電廠始終運行在最佳的狀態。該平臺將多源系統數據進行了有效整合，并以可視化的圖表方式進行呈現，幫助用戶實時監測、直觀掌握當前系統、設備、部件的運行情況及性能指標。

9.結語

電力生產大數據平臺的建設是循序漸進的過程，未來企業在搭建大數據平臺的時候，需要思考以下問題：

（1）管理變革。大數據應用并不是給某個電廠的應用，而是給區域公司和研究院的使用，這就意味著未來的電廠有可能走向裝置化或者車間化。區域公司和研究院成為大數據應用的主體，為一線電廠提供專業性的指導意見，解決一線人才不足的問題。

（2）數據整理。大數據應用一定要對DCS的數據進行必要整理與編織，把過去一些不合理或者不規范的數據，重新定義和規范，以便分析過程中更加準確的，減少誤判造成的損失。

（3）人才建設。大數據平臺搭建核心是人才隊伍建設：1）信息技術人才建設；2）大數據應用人才建設，二缺一不可。應用人才為信息人才提供專業知識和專業要求，信息人才是實現應用的必要條件，未來發電企業借助大數據廣泛應用，必將帶來發電企業組織變革。