摘要：本文針對目前發(fā)電集團集中監控系統與大數據技術(shù)應用中存在的數據孤島、分析和診斷不夠準確有效、分析和診斷的結果與發(fā)電生產(chǎn)管理脫節、不能快速適應電力市場(chǎng)的變化等問(wèn)題，提出以系統協(xié)同方法改進(jìn)集團級的集中監控與分析診斷系統，在發(fā)電集團內縱向、橫向和時(shí)間軸上融合貫通分析系統與管理功能，遵循迭代開(kāi)發(fā)原則，改進(jìn)分布于各系統中的數據完備性，確保數據的傳輸及時(shí)，對分析診斷系統中的功能進(jìn)行融合，形成分析有效、管控統一的整體解決方案。本文將先進(jìn)的大數據技術(shù)與傳統發(fā)電產(chǎn)業(yè)相結合，改善發(fā)電產(chǎn)業(yè)生產(chǎn)管理模式，減少設備故障，提高運行效率，輸出設備與系統的在線(xiàn)健康度報告，實(shí)現機組全生命周期管理，貫通燃料從采購到燃燒的全過(guò)程，快速響應電網(wǎng)與售電需求，降低生產(chǎn)成本，提高發(fā)電企業(yè)運營(yíng)管理水平。

關(guān)鍵詞：系統協(xié)同; 火電機組; 大數據分析; 診斷

Abstract: In order to solve the problem that the data isolated island, analysis and state diagnosis are not accurate and effective, the results of analysis and state diagnosis are disjointed with the power generation management and can not quickly adapt to the change of the electricity market, this paper proposes a system synergy method to improve the power group level. In the power group, it integrates the analysis system and management function in the vertical, horizontal and time axis of the power generation group. It follows the principle of iterative development, improves the data completeness in each system, ensures the timely transmission of the data, and integrates the functions in the analysis and state diagnosis system to form the analysis effective, a unified overall solution for management and control. This paper combines the advanced Big data technology with the traditional power generation industry to improve the production management mode of power generation industry, reduces equipments failure, improves operation efficiency, reports on the online prognostic and health management (PHM) of the output equipments and systems, realizes the whole life cycle management of the units, and quickly responds to the power grid and demand for electricity sales, the whole process of fuel from the purchase to the burning, reducing production cost and improving operation management level of power generation enterprises.

Key words: System synergy; Thermal power unit; Big data analysis; State diagnosis

1 引言

我國“富煤、貧油、少氣”的能源稟賦致使一次能源消費和生產(chǎn)以煤為主的格局在較長(cháng)時(shí)間內不會(huì )改變。按照國家發(fā)展規劃，到2020年使電煤占煤炭消費比重提高到60%以上，同時(shí)提出對燃煤機組全面實(shí)施超低排放和節能改造，在2020年之前使所有現役燃煤機組平均煤耗低于310g/kW·h^[1]。截止2019年7月底，全國6000千瓦及以上電廠(chǎng)裝機容量18.5億千瓦，其中火電11.6億千瓦，占比為62.8%，全國供電煤耗率為307.3g/kW·h^[2]。

我國能源發(fā)展目標是要推進(jìn)能源生產(chǎn)和消費革命，構建清潔低碳、安全高效的能源體系。我國清潔能源發(fā)展迅速，火電機組除負荷調峰外，長(cháng)期處于中低負荷下運行，2019年1~7月全國火電設備平均利用小時(shí)為2442小時(shí)（其中，燃煤發(fā)電和燃氣發(fā)電設備平均利用小時(shí)分別為2512和1485小時(shí)），比上年同期降低87小時(shí)^[2]。如何保證機組在中低負荷下安全、環(huán)保運行，供電煤耗達到最低，對能源工作者及現場(chǎng)運行人員提出挑戰。

工業(yè)大數據應用已經(jīng)提升為國家重要發(fā)展戰略。除了進(jìn)行能源設備改造，應用先進(jìn)的大數據與人工智能技 術(shù)改造、升級傳統的能源系統是重要的發(fā)展方向。

隨著(zhù)廠(chǎng)級信息監控系統（SIS，supervisory informationsystem）和分散控制系統（DCS，Distributed ConutrolSystem）在電廠(chǎng)中廣泛應用，電廠(chǎng)海量運行數據得以保存，數據挖掘技術(shù)在電力行業(yè)迅速崛起，很多學(xué)者開(kāi)始運用數據挖掘技術(shù)開(kāi)展了對燃煤電站機組優(yōu)化運行的研究^[3~5]。文獻^[6]研究大數據挖據技術(shù)在燃煤電站機組能耗分析中的應用，以某600MW燃煤電站機組為研究對象，采用新算法挖掘典型負荷工況下影響供電煤耗的可控運行參數的基準值，最后，以支持向量機技術(shù)為基礎，分析不同負荷工況下各運行參數對供電煤耗的敏感性系數。文獻^[7]研究大數據環(huán)境下的電力數據質(zhì)量評價(jià)模型與治理體系，分析了影響電力數據質(zhì)量的主要因素,按數據質(zhì)量的一致性、準確性、完整性和及時(shí)性等四個(gè)關(guān)鍵特性建立數據質(zhì)量評價(jià)指標,并建立了大數據下的數據質(zhì)量評價(jià)模型。文獻^[8]探討大數據技術(shù)在火力發(fā)電企業(yè)生產(chǎn)經(jīng)營(yíng)中的應用，提出操作管理、電力營(yíng)銷(xiāo)、燃料價(jià)值管理、指標管理、設備管理等云平臺。文獻^[9]研究基于信息物理融合的火電機組節能環(huán)保負荷優(yōu)化分配，提出基于模糊粗糙集（FRS，fuzzy rough set）大數據處理方法，得到機組煤耗和污染物排放量物理模型與信息模型的對應關(guān)系；綜合考慮經(jīng)濟和排放因素，建立基于物理信息融合（CP）的負荷分配模型。這些文獻都在大數據技術(shù)應用于發(fā)電過(guò)程進(jìn)行了局部的探索。文獻^[10]提出了較完整的基于大數據分析的電站運行優(yōu)化與三維可視化故障診斷系統，提出了智能預警系統、設備與運行優(yōu)化系統。但該系統只是在個(gè)別電廠(chǎng)應用，未推廣到發(fā)電集團。

目前各發(fā)電集團的相關(guān)信息化系統或集中監控系統均有不同方面的應用與創(chuàng )新，但仍存在以下一些主要問(wèn)題^[11]：（1）數據孤島問(wèn)題，各數據分布于不同的信息系統中，按照豎井的方式管理，形成數據孤島；（2）分析診斷方面，還存在分析、診斷不夠準確、有效的問(wèn)題；（3）運營(yíng)管理方面：分析、診斷的結果，還存在與發(fā)電生產(chǎn)與運營(yíng)管理脫節的情況，大量結果沒(méi)有有效應用到運營(yíng)管理中；（4）電力市場(chǎng)方面，目前的信息系統，還不能夠有效地適應電力市場(chǎng)的變化，如廠(chǎng)級負荷調度、競價(jià)上網(wǎng)，缺少從燃料采購、生產(chǎn)管理到競價(jià)上網(wǎng)的整體性分析與解決方案等。

因此，要以系統協(xié)同方法改進(jìn)集團級的集中監控與分析診斷系統，如圖1所示。首先保證分布于各系統中的數據更完備，同時(shí)確保數據的傳輸及時(shí)，在此基礎上，對原有分散于各孤立的信息系統中的功能進(jìn)行融合，形成分析更有效、管控更統一的整體解決方案。

圖1 集團級集控系統改進(jìn)方向

2 火電機組工業(yè)大數據分析

2.1 工業(yè)4.0技術(shù)

火電機組工業(yè)大數據分析首先要應用工業(yè)4.0技術(shù)。工業(yè)4.0是由德國政府《德國2020高技術(shù)戰略》中所提出的十大未來(lái)項目之一。該項目由德國聯(lián)邦教育局及研究部和聯(lián)邦經(jīng)濟技術(shù)部聯(lián)合資助，旨在提升制造業(yè)的智能化水平，建立具有適應性、資源效率及基因工程學(xué)的智慧工廠(chǎng)，在商業(yè)流程及價(jià)值流程中整合客戶(hù)及商業(yè)伙伴。其技術(shù)基礎是網(wǎng)絡(luò )實(shí)體系統及物聯(lián)網(wǎng)。

工業(yè)4.0技術(shù)以信息物理系統（CPS，Cyber-PhysicalSystem）為核心，整合互聯(lián)網(wǎng)、工業(yè)云計算、工業(yè)大數據、工業(yè)機器人、知識工作自動(dòng)化、工業(yè)網(wǎng)絡(luò )安全、虛擬現實(shí)及人工智能等先進(jìn)技術(shù)，應用“云（計算）、大（數據）、物（聯(lián)網(wǎng)）、聯(lián)（互聯(lián)網(wǎng)）”技術(shù)，支撐智能化控制，實(shí)現提供定制化摻配和服務(wù)、實(shí)現無(wú)憂(yōu)生產(chǎn)環(huán)境、發(fā)現用戶(hù)價(jià)值缺口、發(fā)現和管理部可見(jiàn)問(wèn)題，實(shí)現制造本身價(jià)值化、系統“自省”功能，力求實(shí)現生產(chǎn)過(guò)程的“零故障、零隱患、零意外及零污染”，最終能夠靈活、高效地滿(mǎn)足用戶(hù)需求，如圖2所示。

圖2 工業(yè)4.0技術(shù)體系與目標

2.2 工業(yè)互聯(lián)網(wǎng)技術(shù)

火電機組工業(yè)大數據分析其次要應用工業(yè)互聯(lián)網(wǎng)技術(shù)。工業(yè)互聯(lián)網(wǎng)技術(shù)是由美國GE公司發(fā)起的，是指通過(guò)智能設備、人機交換接口與先進(jìn)數據分析工具間的連接并最終將人機連接，結合大數據分析技術(shù)、互聯(lián)網(wǎng)技術(shù)、智能傳感器技術(shù)及高級分析、計算工具，重構全球工業(yè)系統，實(shí)現智能制造體系與智能服務(wù)體系的深度融合，工業(yè)系統產(chǎn)業(yè)鏈與價(jià)值鏈的整合與外延，如圖3所示。

圖3 工業(yè)互聯(lián)網(wǎng)技術(shù)體系

2.3 工業(yè)大數據定義與特征

工業(yè)大數據是指在工業(yè)領(lǐng)域中，圍繞典型智能制造模式，從客戶(hù)需求到銷(xiāo)售、訂單、計劃、研發(fā)、設計、工藝、制造、采購、供應、庫存、發(fā)貨和交付、售后服務(wù)、運維、報廢或回收再制造等整個(gè)產(chǎn)品全生命周期各個(gè)環(huán)節所產(chǎn)生的各類(lèi)數據及相關(guān)技術(shù)和應用的總稱(chēng)。工業(yè)大數據是以工業(yè)系統的數據收集、特征分析為基礎，對設備、裝備的質(zhì)量和生產(chǎn)效率以及產(chǎn)業(yè)鏈進(jìn)行更有效的優(yōu)化管理，并為未來(lái)的制造系統搭建無(wú)憂(yōu)的環(huán)境^[12]。

工業(yè)大數據涵蓋了設備物聯(lián)數據、運營(yíng)生產(chǎn)數據和外部數據。

工業(yè)大數據區別于其它商業(yè)大數據，反映出工業(yè)系統“多模態(tài)、高通量、強關(guān)聯(lián)”的特點(diǎn)。其中多模態(tài)體現為數據類(lèi)型多以及系統、設備、部件多，如汽輪機包含了35萬(wàn)各零部件數據。高通量體現為數據的規模大、頻率高，按照每臺機組2萬(wàn)個(gè)數據點(diǎn)考慮，每臺機組每秒的數據規模就達到20MB。強關(guān)聯(lián)體現在結合工業(yè)生產(chǎn)過(guò)程的協(xié)作專(zhuān)業(yè)多，如電力生產(chǎn)直接與生產(chǎn)相關(guān)的專(zhuān)業(yè)就有10余個(gè)，如果算上與管理相關(guān)的專(zhuān)業(yè)，則達到20個(gè)以上。

工業(yè)大數據還具有以下特征：（1）跨尺度，主要體現在需要將毫秒級、分鐘級小時(shí)級乃至更長(cháng)的時(shí)間尺度信息按照不同的需求進(jìn)行集成。（2）系統性，工業(yè)大數據存在“牽一發(fā)二動(dòng)全身”的特點(diǎn)。某個(gè)業(yè)務(wù)目標的需求，需要通過(guò)正規企業(yè)乃至供應鏈上多個(gè)相關(guān)方的協(xié)同才能完成，如競價(jià)上網(wǎng)的策略，既包含了機組運行狀態(tài)、效能，也包含了上游的燃料市場(chǎng)和下游的售電市場(chǎng)的變化。（3）多因素、強機理、因果性，由于工業(yè)系統時(shí)通過(guò)一系列的工藝設計相互關(guān)聯(lián)而形成，因此存在多個(gè)因素對一個(gè)或多個(gè)結果產(chǎn)生印象的情況，也造成了需要通過(guò)較高水平的分析手段來(lái)保障結果符合工業(yè)系統的確定性和準確性的追求。（4）時(shí)間序列，由于系統數據具有嚴格的時(shí)間標簽，數據先后之間存在因果性影響，因此對數據的實(shí)時(shí)性要求也比較高。

針對上述特征與特點(diǎn)，對比互聯(lián)網(wǎng)大數據與工業(yè)大數據，可以看出它們之間存在如下區別，如表1所示，兩者對分析結果準確性要求不同，互聯(lián)網(wǎng)大數據對分析結果的精確度可以稍低，而工業(yè)大數據要求的結果精確度較高。

表1 互聯(lián)網(wǎng)大數據與工業(yè)大數據對比

2.4 工業(yè)大數據分析方法與思路

工業(yè)大數據分析主要包括描述性（Descriptive）、規定性（Prescriptive）和預測性（Predictive）等三種方法。

描述性分析方法是指，基于對數據的統計分析，描述數據表現的現象與客觀(guān)規律，如火電機組大數據分析與診斷中的技術(shù)監控、以可靠性為中心的檢修（RCM, ReliabilityCenteredMaintenance）等功能。

規定性分析方法是指，利用歷史數據建立分析模型和規范化的分析流程，建立數據到信息的輸入輸出關(guān)系，實(shí)現對連續數據流的實(shí)時(shí)分析，如火電機組大數據分析與診斷中的性能分析、燃料分析與自動(dòng)調節回路評估等功能。

預測性分析方法是指，通過(guò)對數據的深層挖掘建立預測模型，實(shí)現對不可見(jiàn)因素當前和未來(lái)狀態(tài)的預測，如火電機組大數據分析與診斷中的性能優(yōu)化、故障預警與診斷、負荷優(yōu)化調度等功能。

工業(yè)大數據分析思路是基于工業(yè)4.0與工業(yè)互聯(lián)網(wǎng)技術(shù)體系，采用統計分析、關(guān)聯(lián)挖掘、模式識別、特征提取、深度學(xué)習等技術(shù)，開(kāi)展數據分析與預測，進(jìn)而實(shí)現故障診斷與健康管理（PHM，Prognostic and Health Management），包括監測與預測管理、系統性工程、衰退管理、預測性維護等，將傳統維護方式從依靠經(jīng)驗的“藝術(shù)”轉變?yōu)橐婚T(mén)精密的“科學(xué)”。

工業(yè)大數據分析可以劃分為三個(gè)階段，如表2所示。

表2 工業(yè)大數據分析的三個(gè)階段

3 火電機組大數據分析與診斷中的系統協(xié)同技術(shù)

3.1 系統協(xié)同定義

系統協(xié)同是指遠離平衡態(tài)的開(kāi)放系統在與外界有物質(zhì)、能量和信息交換的情況下，通過(guò)自己內部協(xié)同作用，自發(fā)地形成時(shí)間、空間和功能上的有序結構。

系統協(xié)同在應用層包括了五大應用平臺：外部信息、內部信息、協(xié)同應用平臺、辦公管理和移動(dòng)辦公等。系統協(xié)同有序結構如圖4所示。

圖4 系統協(xié)同有序結構

按照系統協(xié)同理論，解決火電機組集團級集中監測與分析專(zhuān)家系統存在問(wèn)題的關(guān)鍵在于實(shí)現：（1）縱向打通；（2）橫向融通；（3）時(shí)間貫通。

3.2 縱向打通

縱向打通主要體現在三個(gè)維度：工業(yè)互聯(lián)網(wǎng)、設備層級和管理層級。圖5展示了工業(yè)互聯(lián)網(wǎng)實(shí)施框架總體視圖，縱向打通就是要在邊緣層（現場(chǎng)、電廠(chǎng)）、企業(yè)層（發(fā)電集團）、產(chǎn)業(yè)層（電網(wǎng)、電科院）之間形成深度互動(dòng)，以邊緣層為先導，其它層級響應需求。圖6展示了發(fā)電集團的設備層級與管理層級，設備層級縱向打通從上至下包含電網(wǎng)（大用戶(hù)）、售電公司（云）、電廠(chǎng)（項目公司）、機組、系統、設備和部件等七個(gè)層級，設備與系統要及時(shí)、準確地響應電網(wǎng)與售電的需求，電網(wǎng)與售電需要深度了解系統與設備的狀態(tài)。管理層級縱向打通從上到下包含了集團（控股）、分公司（大區）、電廠(chǎng)（項目公司）、部門(mén)、分部、班組和專(zhuān)工等七個(gè)層級，指令與信息要能及時(shí)、準確傳遞和執行，形成有機的整體，發(fā)揮集團整體最大效益，體現工業(yè)互聯(lián)網(wǎng)泛在感知、動(dòng)態(tài)優(yōu)化、敏捷響應、全局協(xié)同、智能決策的理念與優(yōu)勢。

圖5 工業(yè)互聯(lián)網(wǎng)實(shí)施框架總體視圖（摘自《工業(yè)互聯(lián)網(wǎng)體系架構2.0 （2019）》）

圖6 發(fā)電集團設備與管理兩個(gè)維度的縱向層級

3.3 橫向融通

橫向融通主要體現在專(zhuān)業(yè)、部門(mén)、管理系統與地域四個(gè)維度，如圖7所示。專(zhuān)業(yè)橫向融通是指火力發(fā)電廠(chǎng)涉及的汽機、鍋爐、電氣、熱控、化學(xué)、環(huán)保和金屬等專(zhuān)業(yè)之間的數據與功能要互聯(lián)互通，能夠解決一些跨專(zhuān)業(yè)、綜合的疑難問(wèn)題，如鍋爐爆管、低負荷穩燃、滑壓優(yōu)化運行等。部門(mén)橫向融通是指發(fā)電企業(yè)里與生產(chǎn)過(guò)程密切相關(guān)的管理部門(mén)，如燃料、運行（發(fā)電））、檢修、策劃（技術(shù)）、人力資源部、財務(wù)部、經(jīng)營(yíng)部（售電）部等要相互配合，提高管理流程的響應速度，圍繞生產(chǎn)過(guò)程最大程度地降低成本。管理系統橫向融通是指直接為生產(chǎn)過(guò)程服務(wù)的管理系統（如燃料優(yōu)化系統（FOS，Fueloptimizationsystem）、操作尋優(yōu)系統（OOS，Operateingoptimization system）、企業(yè)資源計劃（ERP，EnterpriseResource Planning）、企業(yè)設備資產(chǎn)管理系統（EAM，Enterprise Asset Management）、燃料管理系統、售電管理系統（云）等要數據互通、功能融合，降低燃料庫存與成本。地域橫向融通是指要打通集團內部不同地域的管理界限，實(shí)現人員、物資、備件、信息和燃料等共享，實(shí)現集團整體效益的最大化。

圖7 橫向融通的四個(gè)維度

3.4 時(shí)間貫通

時(shí)間貫通是指在時(shí)間軸上貫通過(guò)去、現在和將來(lái)的聯(lián)系，如圖8所示。通過(guò)實(shí)時(shí)數據，計算火電機組當前狀態(tài)下的運行指標，通過(guò)歷史數據，采用大數據與人工智能技術(shù)，建立火電機組分析與診斷模型，預測將來(lái)時(shí)刻機組運行的主要參數與指標，提前發(fā)現性能劣化與安全隱患。在此基礎上，實(shí)現機組全生命周期管理。

圖8 時(shí)間貫通的三個(gè)維度

解決發(fā)電集團在大數據分析與診斷系統上存在的數據孤島、分析不準確有效、分析診斷結果與生產(chǎn)運營(yíng)融合不夠、與售電系統沒(méi)有有效聯(lián)動(dòng)的問(wèn)題，要推動(dòng)發(fā)電集團在縱向打通、橫向融通、時(shí)間貫通上深度融合，實(shí)現系統協(xié)同，最大程度發(fā)揮整體效益。

4 火電機組大數據分析與診斷系統

4.1 大數據分析與診斷系統

火電機組大數據分析與診斷系統按照性能分析、安全可靠性評估兩條主線(xiàn)，依照系統協(xié)同思路，可以設計性能計算、性能分析、性能優(yōu)化（可以包括燃料分析、自動(dòng)調節回路評估、負荷優(yōu)化調度等功能模塊）、設備預警、故障診斷、檢修維護與技術(shù)監控等功能模塊，從層次上劃分又可以分為發(fā)現問(wèn)題、分析問(wèn)題和解決問(wèn)題三個(gè)階段，如圖9所示。

圖9 火電機組大數據分析與診斷系統功能融合

性能計算、分析和優(yōu)化模塊是先以實(shí)時(shí)數據計算出實(shí)時(shí)的機組性能指標，以歷史尋優(yōu)和仿真模型建立多維度標桿庫，在此基礎上實(shí)現多維度、橫向、縱向對標，能耗異常時(shí)給出預警及診斷建議，優(yōu)化主機、輔機運行方式，規范運行操作等功能，在電科院現場(chǎng)試驗基礎上實(shí)現在線(xiàn)性能計算功能。主要采用的技術(shù)包括（核）主元分析、BP神經(jīng)網(wǎng)絡(luò )（誤差反向傳播算法，BP，Error BackProragation）、魯棒輸入訓練神經(jīng)網(wǎng)絡(luò )（RITNN,Robust input training neuralnetwork）、變工況分析等。

燃料分析模塊歸集平臺已有的入廠(chǎng)、入爐煤量、標煤?jiǎn)蝺r(jià)等指標，形成電廠(chǎng)（項目公司）、分公司（大區）、集團（控股）每日原煤供、耗、存日報，建立對各電廠(chǎng)存煤結構及存煤量的預警系統。橫向實(shí)現采購價(jià)格對標，并甄別鍋爐不適燒煤種。通過(guò)歷史尋優(yōu)，尋找燃料成本最低摻配方式。主要采用的技術(shù)包括聚類(lèi)數據挖掘技術(shù)等。

自動(dòng)調節回路評估模塊統計各電廠(chǎng)的測點(diǎn)完好率與自動(dòng)投入率，按照行業(yè)標準和參數控制特征來(lái)評價(jià)自動(dòng)控制品質(zhì)，結合現場(chǎng)的控制策略?xún)?yōu)化參數設置，實(shí)現機組的自動(dòng)控制策略尋優(yōu)，并評估調節閥門(mén)流量特性。主要采用的技術(shù)包括粒子群、遞歸最小二乘法、預報誤差法、支持向量回歸（SVR，Support vectorregression）等。

負荷優(yōu)化調度模塊是以實(shí)時(shí)性能計算、微增出力曲線(xiàn)、環(huán)保指標、燃料特性等為基礎，在總負荷一定的情況下給出機組負荷調度、原煤摻配的建議，實(shí)現成本、環(huán)保指標、安全性最優(yōu)。既可以實(shí)現全廠(chǎng)的負荷優(yōu)化調度，又可以實(shí)現發(fā)電集團省內（區域）的機組負荷優(yōu)化調度。主要采用的技術(shù)包括粒子群、微增出力法、神經(jīng)元網(wǎng)絡(luò )等。

預警模塊是利用標記為正常的歷史數據訓練模型，產(chǎn)生設定數據之間的相關(guān)性，通過(guò)相關(guān)性對實(shí)時(shí)數據進(jìn)行監控，當實(shí)時(shí)數據偏離預測數據達到所設定的閾值后，觸發(fā)預警，并形成相關(guān)的工作業(yè)務(wù)流。主要采用的技術(shù)包括支持向量機、高斯混合模型和自回歸高斯混合模型等。

高級診斷模塊通過(guò)建立設備及系統的故障模式，錄入以往的歷史故障及處理案例，通過(guò)自然語(yǔ)言處理（NLP, NatureLanguageProcessing）進(jìn)行訓練，當新的故障通過(guò)預警、能耗或輸入產(chǎn)生時(shí)，系統能夠尋找以往的故障案例，給出最相似的對應故障案例及處理方案，當無(wú)法獲得滿(mǎn)意的結果時(shí)，可以通過(guò)專(zhuān)家診斷來(lái)完善相關(guān)案例。主要采用的技術(shù)包括NLP模型及傳感器數據分析（SDA，Sensor dataanalysis）模型等。

RCM模塊收集、分析預警、缺陷、能耗分析、同類(lèi)型設備檢修情況等信息，對設備健康度進(jìn)行評價(jià)，給出點(diǎn)檢、檢修建議，為電廠(chǎng)、電科院、集團各專(zhuān)業(yè)委員會(huì )討論、制定檢修計劃提供支撐。主要采用的技術(shù)包括故障類(lèi)型與理象分析（FMEA，Failure Mode and EffectsAnalysis）模型等。

技術(shù)監控模塊匯集實(shí)時(shí)數據和離線(xiàn)數據（含現場(chǎng)測試數據）自動(dòng)生成技術(shù)監督月報、年報，結合系統中技術(shù)監督標準以及固化的專(zhuān)業(yè)經(jīng)驗形成技術(shù)監督預警系統，并在系統中實(shí)現技術(shù)監督任務(wù)管理。技術(shù)監控為火電機組大數據分析與診斷系統各模塊的功能匯聚焦點(diǎn)和樞紐，涵蓋問(wèn)題的發(fā)現、分析到解決的全過(guò)程，以經(jīng)濟性（性能）和安全性?xún)蓷l主線(xiàn)為機組的全壽命健康管理進(jìn)行支撐。主要采用的技術(shù)包括數據挖掘技術(shù)、BI技術(shù)等。

4.2 大數據分析與云計算平臺

火電機組大數據分析與診斷系統還要配置大數據分析模塊，建立靈活、高效的云計算平臺。

大數據分析模塊通過(guò)收集各項目公司已有系統，如SIS、ERP（含月度、年度計劃數據）、操作尋優(yōu)、燃料尋優(yōu)以及發(fā)電集團的ERP、EAM等中的結構性與非結構性數據（包含文本型數據），形成大數據平臺，并為高級應用提供數據分析工具與商業(yè)智能（BI，BusinessIntelligence）工具。主要采用的技術(shù)包括大數據儲存與分析技術(shù)。

云計算平臺比傳統的基于面向服務(wù)（SOA，Service-Oriented Architecture）架構的集中監控系統具有很多優(yōu)點(diǎn)，云計算平臺可以改進(jìn)模塊性能，降低軟硬件成本；兼容性更好，方便整合不同軟件與功能；具有海量存儲容量，提高數據可靠性；可以實(shí)現微服務(wù)，進(jìn)而實(shí)現更輕松的團隊合作。

MindSphere云平臺是西門(mén)子公司推出的基于云的開(kāi)放式物聯(lián)網(wǎng)操作系統，是云計算技術(shù)在工業(yè)領(lǐng)域的應用，如圖10所示。MindSphere云平臺包含MindApps、MindSphere、MindConnect三層，屬于平臺即服務(wù)PaaS，它向下提供數據采集應用編程接口（API，Application ProgrammingInterface），即插即用的數據接入網(wǎng)關(guān)MindConnect，支持開(kāi)放式通訊標準OPC UA，支持西門(mén)子和第三方設備的數據連接，向上提供開(kāi)發(fā)API，方便合作伙伴和用戶(hù)開(kāi)發(fā)應用程序。

圖10 MindSphere云平臺架構

5 集團級大數據分析與診斷系統應用實(shí)踐

5.1 集團級大數據分析與診斷系統建設原則

從建設組織方面，體現生產(chǎn)（運營(yíng)）管理部門(mén)、技術(shù)研究院（電科院）、信息管理部門(mén)（公司）、電廠(chǎng)（項目公司）、合作方（廠(chǎng)家）等共同參與的系統協(xié)同。運營(yíng)管理部門(mén)負責，能更好地體現生產(chǎn)的需求，推進(jìn)項目的實(shí)施，負責決策與調配資源；技術(shù)研究院具有技術(shù)與人才的優(yōu)勢，負責功能設計與技術(shù)支持；信息管理部門(mén)具有實(shí)施IT系統的優(yōu)勢，負責信息平臺建設與人機界面設計，電廠(chǎng)負責現場(chǎng)數據的提供與系統功能的應用，合作方負責系統的開(kāi)發(fā)與實(shí)施。既分工明確，充分發(fā)揮各自?xún)?yōu)勢，又密切配合。

從建設過(guò)程方面，遵循迭代開(kāi)發(fā)原則，體現設計、開(kāi)發(fā)、實(shí)施、驗收四個(gè)過(guò)程的系統協(xié)同，如圖11所示。設計要充分考慮使用（實(shí)施）的需求，開(kāi)發(fā)過(guò)程既要從設計出發(fā)，又要響應功能試用后的反饋，實(shí)施過(guò)程不斷總結、改善，暴露的問(wèn)題要作為設計、開(kāi)發(fā)完善的輸入，驗收檢查過(guò)程發(fā)現的問(wèn)題要及時(shí)反饋給設計、開(kāi)發(fā)和實(shí)施過(guò)程。在實(shí)施過(guò)程中要遵循由小到大、由簡(jiǎn)單到復雜、由試點(diǎn)到全面鋪開(kāi)的原則，全過(guò)程不斷優(yōu)化、完善，梯級推進(jìn)，實(shí)現最終目標。

圖11 集團級大數據分析與診斷系統建設的迭代開(kāi)發(fā)過(guò)程

5.2 工業(yè)大數據分析與診斷系統與常規IT系統的區別

工業(yè)大數據分析與診斷系統與常規IT系統有較大區別，如圖12所示。工業(yè)大數據分析與診斷系統側重實(shí)時(shí)數據，有些過(guò)程動(dòng)作較快，數據分辨率更高，要求在實(shí)施過(guò)程要更加注重數據源的質(zhì)量，這是分析與診斷結果有效、準確的重要基礎。

圖12 工業(yè)大數據分析與診斷系統與常規IT系統的區別

5.3 發(fā)電機組集團級大數據分析與診斷系統應用實(shí)例

發(fā)電機組集團級工業(yè)大數據分析與診斷系統符合信息時(shí)代發(fā)展方向：把信息變成知識，把知識變成決策，把決策變成利潤。對于我國現代大型燃煤電廠(chǎng)，積極采用先進(jìn)的優(yōu)化控制和管理軟件，將產(chǎn)生巨大的直接與間接效益。

本系統應用大數據技術(shù)理念，將先進(jìn)的信息技術(shù)、人工智能技術(shù)與傳統發(fā)電產(chǎn)業(yè)相結合，改變傳統產(chǎn)業(yè)經(jīng)營(yíng)管理模式，減少經(jīng)營(yíng)管理成本，提高企業(yè)管理水平；縮短維修時(shí)間、延長(cháng)檢修周期，提高電廠(chǎng)能效，降低生產(chǎn)成本；提高系統可靠性，減少設備與系統的故障次數；提高設備與系統響應的快速性，更有效滿(mǎn)足電網(wǎng)兩個(gè)細則考核，成為能源行業(yè)、發(fā)電集團的一個(gè)創(chuàng )新亮點(diǎn)。

截止2019年8月份，系統已經(jīng)接入了23家電廠(chǎng)、49臺機組、近30萬(wàn)測點(diǎn)的實(shí)時(shí)數據，實(shí)現了實(shí)時(shí)監測、對標畫(huà)面、報表定制、度電成本與環(huán)保預警功能。分析專(zhuān)家系統已基本完成功能開(kāi)發(fā)與實(shí)施，現正在開(kāi)展功能驗收、測試。設備預警模塊已搭建趨勢模型超過(guò)2200個(gè)，某電廠(chǎng)預警系統提前12小時(shí)發(fā)現高加泄漏事件，提前7小時(shí)發(fā)現一次風(fēng)機軸承故障等。技術(shù)監控模塊收錄現行常用技術(shù)監督標準約850項，經(jīng)驗約770條，為電廠(chǎng)提供快速高效資料支撐，幫助電廠(chǎng)完成線(xiàn)上問(wèn)題閉環(huán)管理超過(guò)630項，依據技術(shù)監督標準工作庫，建立技術(shù)監督計劃任務(wù)近2500項；自動(dòng)優(yōu)化模塊提供了不同機組自動(dòng)投入情況和質(zhì)量的對標平臺，還可在線(xiàn)分析機組調節性能響應電網(wǎng)要求的情況，兩個(gè)細則考核功能每年可帶來(lái)可觀(guān)的經(jīng)濟效益，模塊還提供在線(xiàn)模型辨識和參數優(yōu)化的功能，輔助電廠(chǎng)優(yōu)化回路調節品質(zhì)，提高機組自動(dòng)化水平；能耗分析模塊實(shí)現循泵、減溫水、供熱優(yōu)化功能；負荷優(yōu)化模塊具備實(shí)時(shí)、離線(xiàn)及中長(cháng)期負荷優(yōu)化調度的功能，為廠(chǎng)級和大區（區域公司）級提供電熱負荷優(yōu)化決策分析支持。

6 結論

本文針對目前發(fā)電集團集中監控系統與大數據技術(shù)應用中存在的數據孤島、分析和診斷不夠準確有效、分析和診斷的結果與發(fā)電生產(chǎn)管理脫節、不能快速適應電力市場(chǎng)的變化等問(wèn)題，提出以系統協(xié)同方法改進(jìn)集團級的集中監控與分析診斷系統。

在發(fā)電集團內縱向、橫向和時(shí)間軸上融合貫通分析系統與管理功能，遵循迭代開(kāi)發(fā)原則，改進(jìn)分布于各系統中的數據完備性，確保數據的傳輸及時(shí)，對分析診斷系統中的功能進(jìn)行融合，形成分析有效、管控統一的整體解決方案。

本文將先進(jìn)的大數據技術(shù)與傳統發(fā)電產(chǎn)業(yè)相結合，改善發(fā)電產(chǎn)業(yè)生產(chǎn)管理模式，減少設備故障，提高運行效率，輸出設備與系統的在線(xiàn)健康度報告，實(shí)現機組全生命周期管理，貫通燃料從采購到燃燒的全過(guò)程，快速響應電網(wǎng)與售電需求，降低生產(chǎn)成本，提高發(fā)電企業(yè)運營(yíng)管理水平。

發(fā)電機組集團級工業(yè)大數據分析與診斷系統以基于物聯(lián)網(wǎng)技術(shù)的云平臺為基礎，應用“縱向打通、橫向融通、時(shí)間貫通”系統化協(xié)同的方法，實(shí)現性能優(yōu)化與可靠性提高的目標，可以提高效率、提升效益，最大程度創(chuàng )造數據的價(jià)值。

參考文獻：

[1] 國家發(fā)展改革委, 環(huán)境保護部, 國家能源局. 煤電節能減排升級與改造行動(dòng)計劃（2014-2020年）[Z]. 2014.

[2] 中電聯(lián)行業(yè)發(fā)展與環(huán)境資源部. 2019年1-7月份電力工業(yè)運行簡(jiǎn)況[R]. 北京：中國電力企業(yè)聯(lián)合會(huì ), 2019.

[3] 李建強，趙凱，陳星旭，等. 600MW燃煤機組最優(yōu)氧量與配風(fēng)方式的聯(lián)合優(yōu)化[J].中國電機工程學(xué)報, 2017, 37 ( 15 ) : 4422 - 4429．

[4] 萬(wàn)祥，胡念蘇，韓鵬飛，等.大數據挖掘技術(shù)應用于汽輪機組運行性能優(yōu)化的研究[J].中國電機工程學(xué)報, 2016，36 ( 2 ) : 459 - 467．

[5] 楊瀚欽，申曉留，王默玉，喬鑫，劉瑞雪，孫楊博.基于大數據的火電廠(chǎng)能耗評估模型的研究[J].電力科學(xué)與工程, 2016，32（ 12）：1 - 4.

[6]劉炳含，付忠廣，王鵬凱，王永智，高學(xué)偉.大數據挖據技術(shù)在燃煤電站機組能耗分析中的應用研究[J].中國電機工程學(xué)報，2018，38（12）：3578 - 3587.

[7] 尹蕊，余仰淇，王滿(mǎn)意，黃文思，許元斌.大數據環(huán)境下的電力數據質(zhì)量評價(jià)模型與治理體系研究[J].自動(dòng)化技術(shù)與應用, 2017, 36( 4 ): 137 - 141.

[8] 郭建華. 大數據技術(shù)在火力發(fā)電企業(yè)生產(chǎn)經(jīng)營(yíng)中的應用[J]. 貴州電力技術(shù)，2017, 20（ 3 ）：26 - 28.

[9]付鵬，王寧玲，李曉恩，徐漢，張雨檬，楊勇平.基于信息物理融合的火電機組節能環(huán)保負荷優(yōu)化分配[J]. 中國電機工程學(xué)報，2015，35（ 14 ）：3685 - 3691.

[10] 陳亞明. 基于大數據分析的電站運行優(yōu)化與三維可視化故障診斷系統[J]. 自動(dòng)化博覽, 2018, 35 ( 3 ) : 28 - 30.

[11] 陳世和. 基于大數據分析的性能評估與狀態(tài)診斷技術(shù)[J]. 中國自動(dòng)化學(xué)會(huì )會(huì )刊通訊，2017，38（ 3 ）：33 - 41.

[12] 李杰. 工業(yè)大數據-工業(yè)4.0時(shí)代的工業(yè)轉型與價(jià)值創(chuàng )造[M]. 北京：機械工業(yè)出版社，2016.

作者簡(jiǎn)介：

陳世和（1965-），教授級高工，現就職于華潤電力技術(shù)研究院有限公司，研究方向為火電廠(chǎng)自啟停（APS）、控制優(yōu)化與大數據技術(shù)應用。

摘自《自動(dòng)化博覽》2019年9月刊