基于大數據分析的智慧水電站平臺建設

劉小錕,冉洪偉,李 琛

(1.三峽水利樞紐梯級調度通信中心，湖北 宜昌 443002； 2.智慧長江與水電科學湖北省重點實驗室，湖北 宜昌 443002)

0 引 言

互聯網、云計算、大數據、人工智能的發展對傳統發電行業產生了深遠的影響，促使發電企業不斷向新一代智慧電廠的建設轉型和創新[1]。智慧電站建設已經成為各發電企業新的發展趨勢，作為現階段提升電站運維管理水平的方向，各單位開展了積極探索。

按照生產自動化程度，可將國內電廠的建設歷程分為傳統自動化電廠、數字化電廠、智能化電廠、智慧電廠等主要發展階段[2-3]。王鵬[4]、陳春武等[5]、華志剛等[6]指出了智慧電廠從數字化電廠發展而來，劉吉臻等[7]、張晉賓等[8]、崔青汝等[9]描述了智能電廠的體系架構，潘玉松等[10]對智慧電廠建設方向和架構體系展開設想。

智慧水電建設從“物理電廠”的生產過程、物理對象、業務流程、環境條件的數字化處理開始，進行水電生產管理各個環節的業務量化，再通過生產數據中心與高速數據傳輸網絡完成多源海量數據的集成集中，并在此基礎上構建以“態勢感知、多維分析、趨勢預測、風險預警、遠程控制”等為主要特征的統一平臺，實現集“數據、監測、運檢、調度、算法”于一體的新型“云端電廠”[11]。相比于現有電站運行模式，智慧電站具備高度智能化，充分利用大數據處理和分析技術、人工智能技術等現代科技手段，最大限度地實現電站安全、經濟、高效、環保運行。

本文介紹了當前國內主流電站運行管理現狀，提出通過整合現有零散監測系統，利用人工智能、大數據分析等先進技術，不斷開發各種高階應用的方式，激活各存儲介質內的海量休眠數據，從而大大提高電站運行管理效率和智能化水平，可為智慧電站建設和升級提供借鑒。

1 電站運行管理基本現狀

當前國內主流電站基本形成了以計算機監控系統為主體，加上機組振擺監測系統、變壓器油氣監測系統等電站子監測系統，實現對全電站所有主輔設備的監測、運行、維護和管理。

電站各監測系統往往是根據單一系統或單一目標搭建獨立運行的，各系統的生產數據存儲于各獨立數據庫。這樣在電站實際運行管理中特別是在數據資源使用過程中就會暴露不少問題。各生產系統數據單獨存儲、各自定義，無法有效連接，數據分散，數據分析利用效率低下，需要人工提取分析，工作量大，對工作人員自身素質的要求也比較高。

實現對設備狀態的準確評估，盡早發現設備缺陷，精準定位故障點，并給出行之有效的解決辦法是電站運行管理的目標。在現有條件下，通過大數據等新技術手段的應用，將各個孤島數據庫整合起來，通過一定的邏輯、模型進行分析處理，不僅能實現設備狀態的準確評估和缺陷故障的提早診斷，還能把人從繁雜的數據提取分析工作中解放出來，大大地提高運行管理水平。以自動化、數字化、信息化為基礎，多方面支持電站工作人員進行設備運行信息統計、分析和故障預判斷，實現安全、穩定、高效運行的智能化電站建設。

2 大數據平臺建設

智慧電站建設離不開數據支撐，電站智慧平臺建設首要任務是構建大數據平臺。基于電站實際情況，將電站離散的狀態監測系統數據進行統一規劃、存儲，搭建統一在線監測系統，即形成整合大數據平臺。整合的子系統包括機組振擺監測及發電機氣隙監測系統、變壓器油氣在線監測、發電機局放在線監測、電站趨勢分析系統等，滿足實現電站所有主輔設備近乎全覆蓋監測的數據要求。

2.1 平臺架構

整合大數據平臺的系統集成遵循安全性、穩定性、經濟性、開放性原則，由現地層、數據采集層和廠站應用層3部分組成。

(1) 現地層由各在線監測子系統組成。

(2) 數據采集層主要功能如下：① 接收現地層各子系統數據；② 執行數據源時間同步；③ 轉換并統一數據格式；④ 制定數據傳輸方式，開發通訊接口將本層數據傳送至廠站應用層。

(3) 廠站應用層為數據實際應用環節：① 設備評估及診斷服務器群接收來自數據采集層服務器的數據，并接收離線錄入的數據；② 對數據進行分析計算，將原始數據及計算結果一并存儲于磁盤陣列；③ WEB服務器為MIS用戶提供趨勢分析、靜態畫面顯示、報表設計與查詢等服務。應用層配置數據綜合管理工具，整合大數據平臺整體架構如圖1所示。

圖1 整合大數據平臺架構Fig.1 Integrated big data platform architecture

2.2 平臺技術特點

大數據分析平臺采用模塊化架構，主要表現在：① 數據采集平臺至少由數據采集、數據存儲、實時SQL引擎、數據計算、分布式協助服務、流程化調度器、行業算法庫、監控及配置管理平臺、數據可視化和探索、BI開發套件模塊等模塊組成；② 所有功能模塊可根據需求進行增減與升級。

大數據分析平臺必須擁有的模塊及其功能：① 數據采集模塊至少帶有一個標準協議庫，應集成103、104、IEC61850等電網標準協議解析程序，實現數據的快速接入；② 數據儲存模塊至少帶有3種存儲組件，可對數據分別進行文件形式、關系數據庫形式、nosql形式儲存；③ 數據可視化和探索模塊應提供豐富的圖元庫，例如折線圖、柱狀圖、散點圖、K線圖、餅圖、雷達圖，以便開發人員直接調用進行數據的可視化展現；④ 監控及配置管理平臺模塊應基于Web圖形化界面的向導式安裝、一站式的集成監控及管理工具，降低大數據平臺的搭建及運維難度和成本。

3 基于大數據平臺的高級應用

整合大數據平臺高級應用系統研發遵循安全性、穩定性、經濟性、開放性的原則。① 安全性體現在數據安全和網絡安全。② 穩定性主要體現在數據信息存儲、傳輸、讀取過程中的快速反應。系統開展數據高級應用設計，在滿足系統安全防護要求的基礎上，應充分考慮系統的冗余度，以保證系統的穩定可靠。③ 數據高級應用開發經濟性原則即充分利用現有資源，使用數據平臺提供的數據接口進行數據挖掘，切實服務電力生產，逐步實現設備診斷分析工作減少人、代替人、超越人的目標。④開放性原則即高級應用模塊由具有不同功能微組件以“搭積木”的方式組成，微組件是可移植、可復用的模塊，電廠維護人員可根據運行經驗以及不同系統和設備特性進行組合、配置。微組件既可以是在設備運行、維護、狀態評估、故障診斷的技術、知識、經驗等基礎上建立的物理機理模型，也可以是將當前的大數據常用的統計、人工智能算法、異常檢測、歸一化處理、數據聚類、關聯和預測等數據處理方法標準化后的數據分析模塊。

3.1 可定制機組狀態智慧運行平臺

針對運行人員實際需求，將當前人工分析內容標準化、自動化、智能化，并自動完成機組設備的機組狀態實時巡檢與報警，狀態分析的報表分析、閾值分析、趨勢分析及異常狀態關聯分析，實現智慧運行，解放人力，提高效率，更好地為機組狀態分析、故障診斷提供客觀依據。

3.1.1 設備狀態實時自動巡檢及智能告警

以整合大數據平臺集成的監測數據為數據源，以各類分析算法與模型為支撐，實現水電站設備狀態的全方位實時自動巡檢，巡檢范圍覆蓋全廠水輪機、發電機、變壓器、調速器、勵磁調節器、頂蓋排水系統、檢修排水系統等各類設備和系統。

(1) 設備運行狀態巡檢。巡檢不同在線監測系統得到的各種狀態數據，結合當前的運行工況，正確判斷監測數據是否異常，實現智能告警。如振擺系統報警閾值區分機組穩態工況和暫態工況等。

(2) 設備或系統性能的巡檢。根據設備或系統特性，計算、提取表征其性能特性的特征值，與正常特性(經驗特性值或最近一次特性數值)自動進行比較和匹配，發現異常及時進行提醒或報警。例如對調速器壓油泵加載間隔時間進行巡檢，機組穩定運行時，綜合考慮機組有功、主用調速器、壓油罐壓力油位等參數，實時計算壓油泵加載間隔時間值，跟運行經驗值進行比較，發現不匹配即報警。

(3) 告警及預警。在自動巡檢各種監測數據的基礎上，根據設備運行經驗數據(或系統自學習智能算法數據)，設置重要參數測點的閥值告警功能。所有報警閾值可根據設備不同運行工況計算，也可根據運維人員經驗設定，具有很強的自適應性。自動巡檢還能根據數據的變化趨勢發出預警提示(趨勢預警)，在萌芽狀態及時發現設備異常，預防重大故障的發生。結合設備運行特性及模型，采用智能趨勢算法(如聚類分析算法等)，對設備變化趨勢(如緩變量)、變化率異常自動識別并及時產生告警，解決機組漏水、漏油、軸承溫度緩慢異常變化等問題。同時，該算法支持人工定置組態，并提供組態配置界面接口。機組瓦溫趨勢預警如圖2所示。

圖2 機組瓦溫趨勢預警Fig.2 Warning of bearing temperature trend of unit

(4) 報警事件推送。根據用戶角色不同，以分級報警彈窗、短信或郵件推送等方式向相關責任人員推送報警信息。對重要報警信息可產生語音提示，提醒相關人員進行應急處置，同時聯動圖像監控系統，幫助運行人員第一時間了解現場情況。

(5) 應急處置措施提醒。當發現較為嚴重的報警信息時，直接提醒運行人員需要進行的安全檢查及正確的處置措施，避免因人為原因造成事故的進一步擴大。

3.1.2 智能報表及報告

以整合大數據平臺集成的監測數據為數據源，以運行人員運行分析經驗和相應的模型與算法為支撐，自動生成水電站運行分析報表。在此基礎上，提供豐富的分析功能，如閾值分析、趨勢分析、異常狀態關聯、對比分析、棒圖分析等智能分析機組的健康狀態。

根據可配置的計算規則，提供多種分析方法，直觀、清晰、簡潔地展示機組設備的當前狀態、橫向和縱向的變化趨勢。報表分析應根據運行經驗描述明確的結論，若有異常，提示運行人員需重點關注的內容及應采取的應對措施。

平臺能夠對機組整體、機組各子系統(勵磁系統、調速系統等)、公用系統設備(排水系統、氣系統等)的總體運行工況進行狀態評價，自動生成評價與分析報告。

通過對機組運行經驗的總結，提煉相關評價指標，結合設備的歷史運行規律(開停機規律，運行趨勢分析)、缺陷等級和數量、精品/優良機組的運行指標等對設備進行細化評分，建立評價模型。

平臺綜合各種評價模型及趨勢預測結果，并結合智能分析報表中的相關報告內容，對每臺機組總體運行狀況進行評價，并按照預設標準模版自動生成機組整體運行情況評價報告。用戶可調取每臺機組評價報告，直觀獲取機組運行過程中重要運行指標、與精品機組相比的差異值、需要觀察與處理的缺陷、重要設備的運行趨勢情況、以及評價得分與扣分等信息。報告也可以提供相關建議供運行人員參考。

3.2 基于機組工況的設備性能分析平臺

實時自動識別機組工況狀態(包括停機等待過程、開機過程、同期過程、負載穩定過程、正常停機過程等)、記錄工況數據及計算機組工況性能指標，通過運行狀態異常檢測及性能降低與越限檢測分析，實現機組設備實時在線監測分析和機組健康狀況的評估。

根據工況定義，此平臺可在機組試驗及日常運行過程中，自動識別機組工況，記錄工況過程中關注的原始數據，并依據相應標準、規程與專家經驗，自動計算工況過程的性能指標。同時對比正常的工況性能指標，自動評估性能品質及變化趨勢，及時發送報警或預警信息，統一歸入自動巡檢。同時整個工況過程可以自動生成完整的試驗報告進行存檔。機組開機過程曲線如圖3所示。

圖3 機組開機過程曲線Fig.3 Start-up process curve of unit

3.3 基于數據整合平臺的機組設備狀態診斷

依托大數據整合平臺，錄入各種設備評估所需的離線數據，建立部分設備診斷模型，及時發現設備異常狀況；自動生成機組狀態評估報表，為機組的狀態檢修提供依據[12-14]。

在大數據整合平臺上集成設備診斷評估的各類離線數據，如機組試驗數據、巡檢數據、生產管理信息系統中的設備缺陷數據和結構化報告等，實現機組設備全方位數據的自動調用、查詢、顯示和協同分析。以機組設備全方位數據為基礎，結合機組實際運行狀況，建立設備狀態評估模型，自動生成機組設備年度評估報告，避免人為因素的影響，為機組狀態檢修提供可靠依據。依托整合平臺數據，建立開放式故障診斷模型，運維人員可以結合電廠設備維護經驗、業內標準診斷算法、最新的診斷技術等，自定義設備故障診斷模型。針對部分設備采用三維故障診斷模型仿真，及時發現和找到異常現象根源。

4 結 語

基于大數據分析的智慧平臺能全面提升水電廠生產管理的智能化水平，充分解放人力資源，提高機組運行安全性、可靠性，提升企業效益。本文從當前國內水電站生產實際出發，提出了在現有條件下進行智慧電站建設的一種方式或方向。學習型、成長型是智慧電站的發展要求，在生產實際中，通過開發出更加科學有效并貼合生產的高級應用，例如機器人、圖像監控、火災報警與消防系統的聯動控制等等，從而不斷豐富和優化智慧平臺。智慧電站建設是一個長期過程，如何優化邏輯算法使得機組狀態評價無限接近真實狀態，準確診斷機組狀態并給出最優運行維護方案，通過整合人工智能技術實現“規律發現”和“知識發現”等，需要不斷探究。