瀑布溝水電站設備運行監測分析系統建設

華 維，劉任改，蘇 巖

(國能大渡河瀑布溝水力發電總廠，四川 雅安 625304)

水電站對設備運行狀態的監視與控制都依賴于計算機監控系統，雖然計算機監控系統能對異常運行的設備進行報警，但報警邏輯僅限于實時數據，存在單一性、瞬時性、孤立性的特點，只有當設備出現異常時，監控系統才發出報警信息。故其未能建立有效指標對系統工況進行實時監測，缺乏專門的監測預警模型，未能實現從報警到預警的轉變。同時，水電站各子系統眾多，例如：發電機局部放電在線監測系統、機組振擺在線監測系統、主變油色譜系統、通風空調系統、滲漏及檢修排水系統,但是它們都是相對獨立的系統，無法完成電站高水平管理模式下的設備綜合診斷和分析功能。建設全覆蓋的設備運行監測分析系統就必須基于一體化數據平臺而進行，將電站內各個子系統的數據和功能進行整合并集成,實現了電站內各種信息的融合與共享，完成了對設備的全方位監控管理[1]。本系統主要包含四個方面的功能：智能監盤、趨勢預警、故障診斷、智能報表。

1 系統架構

瀑布溝電站各子系統數據大致包含結構化數據、非結構化數據、波形數據及其他特征數據。數據傳輸路徑是先將各子系統數據匯集到站內綜合數據平臺，通過對原始數據進行統一編碼后存入綜合數據平臺數據庫，再將數據送至成都大渡河云中心平臺集中統一存儲。通過制定綜合數據平臺系統的數據命名規范和標準，實現水電站統一的系統管理和分布式數據應用[2]。圖1是設備運行監測分析系統網絡架構。

圖1 設備運行監測分析系統網絡架構

設備運行監測分析系統服務器安裝于流域云中心虛擬服務器平臺上，直接從云中心數據庫中取出后進行相關功能開發與高級應用。同時，系統引入機器學習、孤立森林、神經網絡、時間序列預測等新技術，對海量運行數據實時監測與分析，擬定能有效表征水電站設備健康特征的指標；綜合各類設備特性、變化趨勢和后果影響等方面因素，制定科學合理的趨勢預警閾值；歸納提煉專家理論和經驗，同時結合數學模型，將水電站設備故障處理經驗轉變為自動運行算法，在系統運行中實時預警。

2 系統功能

2.1 智能監盤

監盤工作,一直以來是發電運行工作中的重中之重,特別是在目前國內流域梯級水電廠及跨流域梯級水電廠實施遠程集控運行的起步階段,監盤工作更顯重要[3]。傳統監盤耗時耗力，且容易出現因人為因素造成光字遺漏等現象，所以智能監盤應運而生。智能監盤是通過各系統數據內在關系、依照相關專家知識、運行經驗建立的多參數聯合分析數字化監盤模型，將運行人員的經驗積累沉淀，通過系列規則、邏輯關系或函數表達式把專家思路與運行邏輯固化在軟件系統中。同時，自動計算科學的動態報警閾值，實現設備在不同運行工況下的動態報警。例如：機組在不同工況下，振動擺度有很大區別，如果僅設置一個固定的報警閾值，則無法在振擺發生異常變化早期發出報警信息，同時也無法真實掌控機組運行的健康狀態。智能監盤能夠實時監視分析上萬個監測點，代替現階段主流的人工監盤，大大減輕了運行值班人員的工作量，況且人工監盤，受運行經驗、技能水平影響等問題，存在誤判、漏判的現象。而智能監盤不僅可以規避這些問題，還可以減輕人員工作量，提高監盤的準確度。

2.2 趨勢預警

趨勢預警主要對機組四部軸承油位、油溫、瓦溫，機組振動擺度等這類具有時間序列特征的模擬量數據進行預測分析。通過挖掘設備運行的海量歷史數據，引入機器學習、時間序列預測的方法，實時預測其變化趨勢狀態，當監測量將要出現異常趨勢時，發出預警信息。數據挖掘是一個循環往復的過程，常涉及數據準備、建立模型、評估和解釋模型、運用和鞏固模型等步驟[4]。目前，系統中用到的預測方法主要有多項式擬合趨勢分析、基于LSTM時間序列預測兩種。由于機組運行過程中各個指標量變化趨勢受很多因素影響，如果把有關系的點繪在坐標紙上，就能發現數據點雖然有些散亂，卻有明顯的趨勢，這種趨勢可以用恰當的數學曲線來近似擬合[5]。由此，這類數據就可以通過多項式擬合來實現預測量的趨勢分析。通過對歷史數據過濾清洗、訓練模型，使模型學習掌握數據運行狀態趨勢，利用趨勢模型實現長時間的數據預測。相對于監控系統簡單的閾值報警，趨勢預警分析同時也綜合了橫向分析、縱向分析、機器學習等方法，結合時間序列預測結果進行綜合分析，對設備指標或狀態將要有異常變化趨勢時就發出預警。使得運行人員有充分的時間采取相應的措施，將故障消除在萌芽狀態，避免事故的發生。

圖2為瀑布溝5F機組下導擺度數據的預測，通過預測的結果來看，預測準確度較高，RMSE值為7.85，準確度基本達到了92%。目前，這種預測結果在2 h內準確度幾乎達到99%以上，時間越長準確度則會相對下降。

圖2 下導擺度預測曲線與實時曲線

2.3 故障診斷

水電站作為一個重要的設施,對其進行故障分析顯得尤為重要[6]。要實現故障分析智能化就必須實現故障診斷功能。故障診斷就是對機組出現的報警信息進行診斷分析，保證機組正常運行。水電機組安全穩定運行的重要性不言而喻,一旦出現故障問題,就會給水電廠帶來巨大的經濟損失,為此要選擇適合的診斷技術,才能確保水電機組運行的穩定性[7]。運行監測分析系統監測到報警信號后，自動根據橫向比較、縱向比較以及關聯分析的原則，根據專家經驗，識別數據中的關聯關系，并建立故障診斷模型，自動調取與故障信息有關的相關數據，分析變量之間、狀態與變量、當前狀態與歷史狀態的關聯關系，自動判斷故障信號屬于信號采集問題還是被監測設備本身問題，辨別信號“真偽”，最后進行綜合診斷分析，給出診斷結論及處理意見。如圖3，當監控系統報“剪斷銷剪斷”報警后，系統根據故障診斷邏輯進行判別，最終將故障真正原因推送給運行人員，同時給出處理意見，方便運行人員在事故處理時有條不紊進行應急處置。

圖3 剪斷銷故障診斷邏輯圖

2.4 智能報表

運行報表的編制[8]，對于運行人員而言也是很重要的一項工作，據了解國內大部分電站的各類報表均處于人工抄錄、表格人工編制、運行狀態人工分析的狀態，此項工作難度簡單，但工作量極為繁重，基于這種背景下智能報表功能應運而生。系統能按照我們運行值班和設備管理要求，定期自動對站內設備運行數據進行分析，形成分析報表、結論。同時為滿足用戶需求，智能報表可以根據實際要求進行配置，這個大大減少了運行值班人員抄表、計算的工作量。從而節省了運維人員勞動強度,提高了工作效率[9]。

3 結 語

本文在國內水電機組狀態分析的基礎上，探索水電站設備運行監測分析系統，根據數據整合原則，首先建立綜合數據平臺，把電站內各孤立系統的數據按照統一標準接入電站端綜合數據平臺數據庫，再將數據送至大渡河公司云平臺數據中心。運行監測分析系統可以根據站內各子系統所有數據進行綜合分析，準確評判設備運行趨勢、診斷故障原因。同時結合目前電站運維實際需求，開發了智能報表功能，減輕運維人員工作量。本系統通過在瀑布溝電站的研究與應用，具有較好的成效，可供同類工程借鑒與參考。