基于人工智能的電廠現場作業預警技術研究

國能寧夏鴛鴦湖第一發電有限公司 王敬啟 張 揚 馮蓓蓓 國能寧夏鴛鴦湖第二發電有限公司 裴險峰 李 偉

1 人工智能優勢及研究背景

傳統的火力發電廠發電機組數目較多，結構冗雜，作業現場缺乏有效的監測手段，未能及時對異常現象進行預警，加之資源未能有效配置，最終導致火力發電廠電能資源緊缺、工作人員效率低下、電力不能滿足供應等問題產生。據調查，某地區發電廠2021年發電作業中故障頻發，見表1，電廠設備本體因素在電網強停情況中占比較大，不容忽視，為降低后期電廠運行過程中故障發生率，應科學引入人工智能技術，提前對電廠作業過程中的異常情況進行預警，最大限度避免后期故障的發生，降低故障停時，有效提高電廠的作業質量[1]。

表1 某地區發電廠2021年度故障匯總

人工智能技術的應用，能夠提前對作業中的異常狀態進行預警，有助于電廠精細化管理和自動化控制，避免一系列故障的發生，克服電廠傳統管理模式的缺點。該技術基于計算機+通信技術，采用硬件與軟件相結合的設計模式，實現對電廠各個發電機組的管理及控制。與傳統的技術相比，人工智能控制主要具有以下優點[2]。

第一，擁有自動化的程序設置，可以保證作業結果或產品性能與模擬仿真效果一致，不會出現差錯，嚴格按照程序設置好的標準生產，源頭上保障電廠各項生產作業的規范性。

第二，誤差相對較小，AI 技術在運行中，一般由計算機內部程序設定好，一旦設置完畢便不會改變，后續的算法肯定能夠得到保障，減少了工作人員參與，避免了人為誤差，整個計算過程通常不會有明顯的誤差。

第三，節省人力成本。在傳統的電廠生產模式中，生產作業涉及較多電氣部件，像發電機組、變壓器等，這些電器通過電纜七零八碎地連接在一起，每臺設備都需要值班人員的操作和監督才能充分發揮其作用，這樣一來，造成了大量的人力資源浪費，而AI 技術利用其強大的數據分析能力，在程序設定好的情況下可以自動運行，釋放了人力，節省經濟成本的同時也提高了工作效率。

2 電廠現場作業存在的問題

隨著社會的發展，我國在人工智能方面的研究水平在不斷提高，電廠設備的工作數據無論在采集、還是在傳輸方面，其效率均得到了明顯改善。但也存在一些問題。

2.1 數據質量問題

電廠設備作業過程中，數據質量涉及采集、傳輸、儲存等多個環節，隱患較多，因此可能會造成測量中出現數據異常、缺失、重復或是數據儲存格式有誤等，致使數據采集的樣本量偏少。

2.2 數據收集不均衡問題

目前，我國所有的電廠設備中，現存的故障數據偏少，對比于監控數據中的常規項點來說，其故障數據類型呈現出較大的不均衡性，只借助人工智能算法把控全局樣本較為困難。

2.3 數據融合存在問題

主要表現為兩方面，首先，早期各個系統比較分散，獨立開發并組成了不同的工作系統，很難進行融合銜接；其次，各設備部件或作業數據通常來自不同設備廠家和作業人員等，且區別較大。因此，有效識別、融合互通的難度大。通過人工智能技術應用在電廠設備的智能運維中，一方面需要完善修復數據、豐富數據，確保數據樣本集的均衡性與全面性，另一方面還需要充分考慮目標數據的類型及計算精度，以便選取最優的算法模型。

2.4 缺乏有效監測手段

為節省成本，實際工作中，大多電廠作業過程中，并未考慮引入智能化在線監測裝備，也未對該部分內容進行設計，未預留安裝空間及數據接口，導致后期電廠工作過程中，各項運行數據未能及時被查看，異常數據未能及時進行跟蹤記錄，電廠作業狀態未能得到有效的監控，且一旦電廠設備發生故障，沒有相關的數據及有效信息作為參考資料，既延長了檢修時間，又耽誤了生產進度，一定程度上加大了作業人員工作的難度。

3 電廠現場作業預警運用人工智能的技術要點

3.1 遙測系統技術

就遙測系統來講，其主要是對發電廠內安裝的變壓器等電氣設備的作業狀態實施監測，并進行相關特征值分析，包括電壓、電流、電阻值等。伴隨對遙測系統的深度探討，不難發現，其能為發電廠的運行及發展提供精準、及時、詳細的數據，但如何從雜亂的數據中獲取有價值的資料，是未來需要著重鉆研的問題[3]。

3.2 缺陷預警與故障診斷

電廠發電作業過程中，容易發生故障，嚴重時甚至導致整個供電系統癱瘓，因此應該引入基于人工智能的動態監測設備，實時監控電廠的作業狀態，利用傳感器采集數據，然后上傳到通信網絡，經過計算機處理，迅速診斷出電廠作業系統存在的隱患，為設備檢修提供有力支撐，為可靠性檢修奠定基礎。在線監測可以實現二十四小時不間斷監測，快速識別出異常數據，確定出電廠故障點并進行報警，通知工作人員快速到達現場進行處理，有效保證后期電廠的供電質量。此外，還應建立故障處理系統，為后期電廠的安全運行做好鋪墊，如圖1所示，故障處理系統將發生的故障依據類別一一分類，并建立專用故障臺賬，以便再次發生相似故障時，通過該系統能夠快速鎖定故障原因，及時解決相應故障。故障處理系統應主要包含信息收集模塊、流程管理模塊、遠方操作模塊、記錄生成模塊、歷史事項模塊、檢索窗口、導出模塊、數據庫等。

圖1 故障處理系統圖

其中，數據庫的建設是重中之重，需要保證數據收集及錄入的準確性和完整性，可將電廠作業過程中及后期使用中的故障按照故障時間、事件序列號、事件處理過程、故障造成影響、事件總結等項點進行登記，逐一錄入，慢慢積累，逐步完善電廠作業預警的維護信息，實現電廠預警數據的隨時生成、一鍵導出等。

3.3 檢修策略智能推薦

隨著電力行業的飛速發展，電廠規模逐漸擴大、復雜性日趨增大，維護要求也越來越高，因此電廠的生產和作業面臨著更苛刻的要求。而電廠生產與檢修計劃較為寬泛，傳統的檢修策略已不能滿足目前電力網絡的要求，因此，基于人工智能提出了智能修的最佳檢修策略[4]，涵蓋檢修時間、流程及模式等。檢修計劃優化是從電廠作業入手，對檢修模式進行多維度、多目標的調整，目的是增強電廠運行的可靠性，提高經濟效益。通常采用的方法是啟發式智能算法、數學規劃方法等。當前，基于人工智能開發電廠設備維護檢修方面的圖譜成為電網運維檢修策略的后起之秀。圖2所示為基于AI 技術構建的電廠作業設備運維知識流程圖。

圖2 電廠設備運維知識流程圖

3.4 三維全景可視化預警

發電廠的三維坐標是后期對作業設備及作業人員進行精確定位的基礎，也是發電廠工作狀態可視化實現的關鍵載體，可通過宏觀與微觀相結合的建模途徑來實現。

實際操作時應遵循以下步驟：第一，利用無人機拍攝結合施工設計圖紙建模來搭建宏觀模型；第二，從微觀角度對關鍵電廠設備的3D 模型實施建模，并形成模型庫以便后續通用模塊的調用；第三，依據電廠建設圖對各個設備所規定位置進行最終劃定。

3.5 運動物體的精準識別和軌跡跟蹤技術

對于發電廠而言，作業時不可避免地會有運動的物體出現，通常指作業人員和車輛。基于人工智能依靠深度學習的實時視頻進行一一分析，達成對作業人員及車輛目標的精準識別，同時進行行為趨勢預測，并對運動物體全程軌跡實施跟蹤，一旦有異常情況時，立即預警處理。當前，在人工智能技術中依靠人臉進行的身份識別方法已較為成熟，而以體態、步態等特點進行的人員身份識別還有很大的發展空間。

3.6 人工智能技術融入電廠綜合控制

基于人工智能技術的綜合控制系統通過把計算機和其他控制系統有機結合來達到工作數據高速傳送的目的。該系統是基于電廠各模塊單獨控制系統而進行技術改造的升級控制系統，可以實現對電廠各機組進行高效管控，同時兼顧對故障的預警及快速處理。傳統的電廠通常管理模式刻板單一，會導致較多的生產問題產生[5]。比如，各機械部分數據封閉，不能進行數據融合交流，也不能實現數據實時監控，任何一方數據參數異常，都會造成整個管理系統故障，耽誤生產進度。將人工智能技術融合入綜合控制系統后，能將電廠相關設備進行有效銜接，數據實時進行更新，實現有效監控，還可以進行精準的故障報警，大大提高工作效率。

4 結語

文章首先介紹了人工智能的優勢及研究背景，其次對電廠現場作業存在的問題進行了分析，最后研究了遙測系統技術、缺陷預警與故障診斷、三維全景可視化預警、運動物體的精準識別和軌跡跟蹤技術以及檢修策略智能推薦等運用人工智能技術進行電廠作業預警的技術要點，提高電廠工作質量的同時也推動了電力行業健康發展。