火電廠智能自檢系統方案設計與實現

王宏偉，焦鵬程，曹 奇，王沛沛

(1.國能駐馬店熱電有限公司，河南 駐馬店 463000；2.國能智深控制技術有限公司，北京 102200)

0 引言

國電駐馬店熱電有限公司2×330 MW機組DCS系統均采用北京國電智深控制技術有限公司的EDPF-NT+產品，主機單元側配有DPU(Data Processing Unit)47對，主機公用5對，脫硫8對，其余輔控DPU共計34對。輔網方面主要包括化學水處理、精處理、除灰、輸煤、中水、脫硫脫硝氨區等，全廠幾乎沒有PLC(Programmable Logic Controller)，全部納入DCS(Distributed Control System)控制，實現了全廠主輔一體化DCS控制。DCS系統的復雜性和安全性給日常熱控人員巡檢造成了很大的壓力，主要體現在：①由于全廠主機和輔網子控制系統較多，每套子系統都有與之對應的一套系統自檢參數，并且大部分此類參數沒有進入報警系統，導致熱控巡檢人員在巡檢過程中很容易忽略對DCS系統自身的檢查，當DCS系統出現異常時，無法及時準確地發現，從而使整個機組的運行存在著一定的安全隱患；②現有DCS系統對于機組各類自動的投入、退出情況，只是簡單的手自動狀態顯示，沒有全面的分析診斷功能；③現有DCS系統缺少主輔機保護投入、退出的統計分析功能。針對火電廠現有自檢系統存在的缺乏全面分析診斷、智能自檢的問題，開發一套火電廠智能自檢系統對于提高火電廠熱工技術監督水平和效率具有重要的意義。

1 神經網絡基本原理

圖1 RBF神經網絡結構

2 火電廠智能自檢系統設計

火電廠智能自檢系統方案設計如圖2所示，以計算機為核心設備，設計穩定、智能、實用的基于信息融合的智能自檢系統。在火電廠生產現場布置n路傳感器，計算機周期性地采集傳感器數據并經數據預處理后作為RBF神經網絡算法模型的輸入信息，經數據分析、融合決策后輸出控制數據。當RBF神經網絡的輸出數據是模糊的，則需經決策層分析判斷并輸出精確響應指令。決策使用D-S證據理論對輸出模糊數據做進一步的分析、判斷。建立的RBF神經網絡算法模型可以進行復雜推理、再學習，可處理大量的數據信息，有較好的容錯性和自適應能力，能夠實現復雜數據的映射，滿足火電廠智能自檢復雜系統的要求。

圖2 基于信息融合的火電廠智能自檢系統方案設計

基于信息融合的火電廠智能自檢系統能夠實現火電廠輕量級的數據分析計算引擎，支撐相關功能算法的運行，支持計算引擎與DCS系統之間的數據接口，使得數據分析引擎能快速讀取所需的DCS系統實時數據及歷史數據，并能將計算結果返回至DCS參與監控；能夠建立控制系統故障庫，實現故障的實時在線診斷、報警、分析；能夠將火電廠主輔機保護投入和退出情況進行可視化展示，并對重點關注的異常動作情況進行原因診斷、統計分析，便于熱控人員對主輔機重要保護進行管理與分析，為保護定值的設定和優化提供依據。能夠自動監視預設的重要測點，當測點發生斷線、傳感器故障、越限等異常情況時，能進行診斷和報警，及時提示運行人員，降低因測點問題引起的事故安全風險。

3 系統實現

火電廠智能自檢系統模塊劃分如圖3所示，它由文件處理、參數設置、故障診斷等模塊組成。文件處理模塊主要完成火電廠傳感器數據的采集、保存，并能夠根據需要調閱歷史數據。參數設置模塊需完成火電廠設備正常參數值的標定，包括報警參數閾值、形成參數設置數據庫并與DCS系統關聯。故障診斷模塊用于對即將發生的或者已經發生的故障進行處理，包括故障類型設置、故障數據處理以及故障診斷，其中故障診斷包含了RBF神經網絡故障預測模型以及D-S證據理論算法，并輸出故障診斷結果提示用戶。報表管理模塊用于將火電廠設備的檢修數據、故障數據進行匯總并與系統數據庫相連，方便工作人員查詢和打印，報表分為檢修報表和故障報表，具體內容包括檢修時間、檢修內容、故障代碼、故障原因和故障描述等。數據監控模塊用于對火電廠設備進行實時監控并動態掌握設備運行狀態。系統幫助模塊用于指導用戶快速掌握本系統使用規則以及所使用算法的基本原理。

圖3 火電廠智能自檢系統模塊劃分

火電廠智能自檢系統能夠實現控制系統狀態一鍵自檢，并完成故障智能診斷分析以及可視化展示，滿足熱控巡檢人員快速、準確地對控制系統巡檢的要求；能夠快速判斷重要控制回路自動切除原因，并進行相關分析，解決機組重要自動調節系統異常退出、原因分析過程較長、影響系統穩定的問題；能夠可視化展示機組主輔機保護投退情況，并進行異常情況分析，解決主輔機保護異常動作后沒有正確分析動作原因、影響機組再次啟動及降負荷運行的問題；解決運行人員監視不到位、重要測點出現異常未被發現的問題。

4 應用分析

為驗證所設計的基于信息融合的火電廠智能自檢系統的正確性和適用性，在國電駐馬店熱電有限公司進行了工業試驗。對6個月的工業試驗數據進行統計分析發現：

(1) 通過智能自檢系統的應用，大大提高了檢修人員巡檢的快速性、正確性、安全性，提高運行人員對于應急事件的處理能力，增強機組運行可靠性，有效減少機組“非停”次數。預計每天熱控班值可節省3 h故障巡檢時間，全年節省1 000 h，節省的人力成本可以再投入到精密點檢中。

(2) 通過對控制系統故障的統計、分析，針對故障概率提出對應檢修方案，優化了DCS備件庫存狀態，節省了檢修成本。能快速定位相關故障，縮短了故障處理時間，變“故障檢修”為“預測檢修”。

(3) 確保了企業的安全穩定運行，有效減少了機組“非停”次數，提高了企業的盈利能力。

(4) 本項目可利用現有資源技術，提高了專業技術監督的力度，對于熱工控制系統的可用率、可靠性均有創新性的改變和提高。

(5) 該方案可填補智能DCS技術在該方向應用的空白，具有可借鑒和可復制性，在同類型機組中具有一定的應用推廣價值。

5 結束語

以火電廠自檢系統為研究對象，基于RBF神經網絡控制技術、信息融合技術實現了火電廠生產設備的智能自檢并得出以下結論：

(1) 建立了RBF神經網絡數據分析算法模型，可智能檢測火電廠設備故障，并與原DCS系統關聯參數與監控。

(2) 建立了火電廠設備故障診斷及分析系統，可監測重要測點，進行自動聲光語音報警。

(3) 可完成設備智能自檢過程，包括主輔及保護退出統計、異常動作統計等。