构建流域设备管理云服务平台，支撑流域科学开发高效运营——新技术在雅砻江流域的应用思路

罗戎

构建流域设备管理云服务平台，支撑流域科学开发高效运营
——新技术在雅砻江流域的应用思路

罗戎

（雅砻江流域水电开发有限公司信息管理部，四川 成都 610021）

雅砻江流域水电开发有限公司从建立之初就制定了流域水电“四阶段”发展战略，随着下游梯级电站逐步投产，将有更多的发电机组进入商业运营，急需通过信息化手段来辅助实现对流域设备进行精细化管理。2011年公司开始流域的信息系统建设，实现了对流域电力生产的统一管理、集中控制、经验共享、持续优化的系统建设目标，目前公司正在新的信息化规划的指导下利用互联网+等领域的新技术构建流域设备管理云平台，组织流域各专业人才、设备厂商的专家、第三方的专家一起通过建立在云平台上的状态分析模型库进行设备状态分析和预测，更好地支撑流域科学开发高效运营服务。

设备管理；云平台；流域

1　前言

雅砻江流域水电开发有限公司立足雅砻江流域水能资源开发，以“放眼世界、争创一流”为目标，制定了“流域滚动，梯级开发，整体运营，综合调度”的四阶段发展战略，明确了企业的战略发展目标和战略达成路径。

目前，公司发展正处于战略发展第二阶段的关键时期，下游电站中：二滩电站、官地电站、锦屏一级电站、锦屏二级电站已投产发电，桐子林电站也将于2015年投产发电，中上游电站的前期准备工作也已经陆续开始，为此，现阶段公司工作的重点由单一电站运行向多电站群联合调度转变、由单一的电力生产向生产、工程并重转变。

随着下游电站逐步投产，更多的发电机组投入商业化运营，设备精细化管理的要求也会越来越高；同时伴随着西南片区大型水电站投运越来越多，电力市场的竞争逐渐白热化，为此，公司于2014年底提出了2015年为“流域设备管理年”，要求各个电厂不断开创新的设备管理新模式，更好地为流域科学化发展提供有力的支撑。

从2011年官地电站投运以来，公司一共有20多台大型水力发电机组投运，在短短4年时间装机容量达到1470万kW，而目前公司各电站设备管理的主力大多是2008、2009届毕业的学生，大家面对的是新的机组及新的调控系统，设备运行管理经验积累有限，急需要有一个信息化的管理平台，充分把流域各专业的技术人才的积极性调动起来，为流域各电站的设备技术诊断服务，从而提高设备的可靠性，为流域的科学发展打下基础。

建设流域设备管理云服务平台的优势就是：通过建立设备云数据中心，把设备制造厂商的前期数据、电厂设备实时监测数据、管理数据等设备相关数据接入到流域数据中心，在建立设备状态分析模型时，利用设备制造厂商的前期设计数据作为模型的初始量输入，能够更好地优化模型，更准确地预测设备运行状态。同时，设备厂商也可以通过数据中心采集的设备运行数据，验证设计的成果，优化设计。

2　平台建设构想

2014年公司在总结信息化总体规划第3版的基础上开始了信息化总体规划第4版建设工作，第4版规划建设的基础部分是流域企业级数据中心建设项目，公司围绕这一建设目标前期做了大量的基础性工作，2015年初，流域大数据中心建设项目进入实质性的建设期，随着数据中心建设的深入，构建流域设备管理云平台深化设备管理的思路越来越清晰，该平台由两个核心部分组成。

2.1构建流域全口径数据中心

建立公司统一的企业级数据中心（数据仓库），实现公司管理数据、生产实时数据、现场采集数据、流域空间数据的收集、转换、存储，同时，作为企业主数据管理平台和数据资源归集平台，为公司未来数据深化应用奠定基础。数据中心实现对公司结构化数据、非结构化数据、实时数据、流域空间地理数据、工程三维模型数据等5类数据的采集、传输、存储、整合以及共享。

企业级数据中心模型应该首先建立在全公司、全流域、各业务统一的企业数据模型和数据标准上，并按照电站从设计、施工、采购、调试、运行、维护的全生命周期信息互通为目标构建流域数据模型，从而能够支撑未来公司从电站全生命周期业务视角进行全流域统一管理。企业级数据中心基础是公司企业数据模型、流域数据模型、企业数据标准、企业关键指标体系，以及公司主数据、企业数据编码体系。

企业级数据中心演进是以管理信息、空间信息、实时信息为主，采用流计算引擎平台，实现更深入的实时信息分析；采用HADOOP大数据技术，实现基于大量历史的结构化数据、非结构化数据、文档、视频等的管理、分析和利用，围绕设计管理、检修管理、应急管理、施工管理开展文本分析和图像识别，辅助设计、检修技术、施工技术等关键知识和技术能力获取，切实提升员工能力水平和公司水电核心能力。

企业级数据中心的总体框架如图1所示。

图1　企业级数据中心的总体框架

数据中心实现的核心功能如下：

企业级数据中心应该包含数据采集与获取、数据填报、数据存储、数据管理、数据质量管理、系统集成、主数据与编码体系管理等功能。现有的系统中结构化数据仍然存储于关系型数据库中；对于大量的电厂实时的设备监测数据，通过流计算引擎进行数据处理后存储于HADOOP技术框架下建立的大数据平台；非结构化的数据如：图纸、视频资料等经过处理也存储于大数据管理平台。

数据中心存储主要分为运营数据层或操作数据层（ODS层）、基础数据层和汇总数据层（企业数据仓库）、及应用数据层（数据集市）3层，针对各个层级的功能需求描述如下：

（1）ODS层：保留来源业务系统抽取出的业务数据，即业务系统的镜像数据，并保留和源系统同样的物理表结构，且保存周期不要求太长，其包含的是尚未转换或经过初步转换后的原始数据，可供数据统计或即席查询，是基础数据层的数据来源。

（2）数据仓库：涵盖基础数据和汇总数据。其中，基础数据层要求支持综合分析系统所有主题域的数据存储，支持主题域、实体和数据模型的扩展，要求具备良好的开放性、可扩展性、易操作性；汇总数据层将在基础数据层基础上进行不同粒度的轻量级汇总或者高度汇总，允许适度冗余。

（3）数据集市：存放特定的、针对某个主题域、某个业务部门或者某些特殊用户而进行分类的专项数据集合，旨在快速响应对数据进行访问和对报表进行展示，同时在数据结构内部对数据进行必要的汇总和优化，作为OLAP和应用服务的数据输入。

企业级数据中心以数据模型为基础，通过信息交互平台，实现对现有的企业应用系统和其他相关专业系统的数据采集、转换、清洗和存储，数据中心建设基于统一信息模型，同时将各种软件技术、产品和标准进行有机地结合，实现系统间的数据集成和应用集成。对于设备管理部分采用目前生产管理系统中建立的KKS编码体系为核心，建立全流域设备数据的数学模型，并对流域设备数据进行统一管理。

2.2建立流域设备状态分析与共享中心

在已建好的企业级数据中心云平台之上，建立设备诊断分析中心，根据不同的分析场景采用不同的分析方法，利用大数据相关技术对分析预测模型库进行整合，建立企业级的分析模型库，调用数字中心的各类数据进行数据挖掘和分析，同时，建立流域设备故障诊断分析专家库，利用设备管理云平台所预测分析的数据进行故障分析判断，帮助电厂掌握设备的健康状况并优化调度检修计划，其总体技术框架如图2所示。

图2　基于云平台、大数据的流域综合设备管理平台总体框架

核心内容包括3部分：

（1）预测分析功能

基于已建成的企业流域企业级数据中心，采用相关的预测模型建立流域数据模型库，首先，根据不同的分析场景采用不同的数据分析方法进行建模，并利用大量的历史数据进行模型训练，使得最终的预测结果逐步逼近历史实际趋势，并把最终训练好的模型以模型文件的方式导入到模型运行引擎中，供数据计算分析模块调研。目前分析模型库的建立还处于试验阶段，还需要一定时间进行模拟才能够建立准确的计算模型。

流域设备状态典型的分析模型介绍：

K-means算法是聚类分析方法中最典型也最常用的一种算法模型，该算法在聚类前聚类类别的个数是给定的。K-means聚类算法是基于原型的，并且用质心定义原型。给定的类别数为k，对样本集合进行聚类，聚类的最终结果一般由k个类的聚类中心来表达，该算法采用的是迭代更新的方法，每一次的迭代都是为了使目标函数值变小，而当目标函数值取得最小值时，算法结束，得到最终聚类结果。

在进行设备状态分析计算中，对于设备实时数据采用流计算方法进行计算、大量的历史数据采用离线计算的方式调用模型数据库中的相关分析模型进行计算，并最终把计算的结果发布到数据分析服务器，进行结果展示。可实现设备状态的统计分析、预测预警分析等。功能框图如图3所示。

图3预测分析功能框架图

图4为设备状态分析示例，该例为试验案例，采用大数据及流计算相关计算技术，采用聚类K-means模型对电气类设备进行状态预测分析，主要进行同类设备的家族缺陷分析和关联分析，找出同类设备的固有故障，为同类电气设备检修计划制定提供参考。

图4　预测分析示例

（2）分析专家库

分析专家库主要由3类人组成：

流域内部专家：2015年为流域设备管理年，公司于年初根据不同的专业首先建立了专家库，该专家库主要是依托流域现有检修、运行各专业人员组成，主要在流域各电站在重大缺陷出现后，通过设备管理云平台远程提供设备状态分析。

主要设备制造厂商的技术专家：在有条件后，可以逐步与主要设备制造厂家的技术专家达成服务协议，利用这些厂商专家提供设备状态分析指导，同时，可以利用制造厂商设计时使用的数学分析模型作为状态分析的初始模型，有效地缩短模型的训练时间，提高预测分析精度。

外部科研机构的专家：可以与相关科研机构达成共同研究的机制，邀请一些某一领域的专家利用我们建设的分析平台进行一些科研，共同推进设备故障机理的研究，为提高分析预测的准确性提供帮助。

（3）预测结果应用

对内的应用：在流域各电站的建设期，可以利用设备管理平台把制造厂商提供的规划设计阶段的设计成果纳入到公司的管理范畴，逐步建立起公司的设备管理知识库。同时，在电力生产期通过设备管理云平台建立起流域设备管理的共享平台，根据设备管理云平台计算的预测分析结果，优化设备检修计划、优化电力生产调度，为实现公司利润最大化提供基础支撑。

对外的应用：由于水电企业的发电机设备是根据不同企业的水头、库容、运行调节方式等不同因素进行定制生产的，很多参数仅仅根据设计模型进行计算机模拟后进行设计的，无法进行实物的运行试验对相关参数进行校验，设备设计参数的持续优化所需要的运行参数很难得到，因此，通过建立流域设备管理云平台，可以实现设备制造厂商对运行数据的分析利用，为设备厂商优化设备参数服务。

3　挑战

3.1设备厂商参与的积极性

目前大部分设备厂商的关注重点仍然是设备制造方面，还没有很高的后续服务的积极性，也即，在设备交付完后还能为使用方提供什么样的服务心中没底，也没有推动的积极性。记得有一位前辈曾说过，水电设备的缺陷很多是从娘胎里带出来的，后期既很难诊断，也很难优化。其实从中可以看出，水电设备制造厂商和使用方的两难的尴尬：使用方很难了解设备设计阶段的各种模型参数，也无法利用这些设计成果来进行设备状态分析和预测；而设备厂商又缺乏后期的设备运行参数来验证前期设计成果的正确性，缺乏有效的数据支撑来进行设计的优化工作。

因此，本方案的最大的挑战就在于设备制造厂商是否愿意提供后期的服务，并与使用方一起来进行设备状态分析、验证设计的成果、优化后续的设计是十分关键的一环。如果能够得到设备制造厂商的积极参与，这个平台的商业价值才能够充分得到体现。

3.2数学模型的优化

目前对于设备劣化趋势分析的数学模型比较多，而且现在的数学模型中预测模型部分一般都会采用大量的前期数据进行模型的训练，而目前公司前期的历史数据有限，很难训练出很符合实际趋势的数学模型，因此，需要长周期地采集相关检测实时数据，不断训练在平台上建立的各种模型库，使得对设备趋势的预测准确度不断提高，更好地为企业服务。

4　总结

信息化建设是一个持续改进的过程，目前公司正在构建基于云平台的企业级数据中心，未来3～5年，雅砻江公司要着力实现在数据中心之上构建各方参与的流域设备管理云平台，借助各方专家的智慧，实现设备状态信息分析的准确、及时、完整和高效，有效的优化流域电力生产调度、电力设备检修，目前数据分析模型部分我们正在开展一些试点工作，希望通过这些摸索和研究工作，能够找出一些类别设备的故障分析规律，逐步为实现状态检修打下基础，以支撑公司顺利完成雅砻江流域开发“四阶段”战略，助力公司打造国际一流独立发电企业。

TV736

B

1672-5387（2016）08-0023-04

10.13599/j.cnki.11-5130.2016.08.007

2016-06-29

罗戎（1968-），男，工程师，研究方向：大型电力集团信息化建设。