基于SIS数据火电厂厂用电能耗评估分析系统的研究及应用

李 哲

(中国大唐集团科学技术研究院有限公司华北电力试验研究院，北京 100040)

目前，大部分电厂都设有厂级实时信息监控系统(SIS)，是集过程实时监测、优化控制及生产过程管理为一体的厂级自动化信息系统[1]，对发电厂的实时数据有效地进行了存储与监控，从电厂现有的SIS中可以获取较为完整的厂用电信息，提高了对于电能量的统计效率[2-3]，但是在获取和存储电能量数据之后，对这些数据的分析和管理上存在缺失。且由于各设备时标、单位脉冲电量值不统一，各电量数据的同时性无法保证，个别电能表超差、互感器超差或相关二次回路原因造成数据异常等，这些都给电量平衡分析、厂用能耗分析带来困难[4-5]。

因此，通过开发一套基于电站SIS的厂用电能耗评估系统软件来完成电厂电平衡分析，实现短期内对计量系统健康状况的评估；绘制全面详细的动态厂用电构成，分析长期以来厂用设备能耗变化情况，并进行设备、机组、电厂间横向比较。最终用以指导厂用电节能改造工作，降低厂用电率。

1 厂用电能耗评估系统模型建立

厂用电能耗评估系统是基于电量平衡原理监测和判断电量计量系统的有效性、完整性和准确性，掌握厂用电率的动态变化及原因分析，最终给出具体的降低能耗的措施。该系统计算分析思路如下。

1.1 原始数据整理

从电厂取来SIS中的发电机端、主变高压侧、高厂变高压侧和厂用主要高压电动机等计量点的电量数据，根据已确定的需要对厂用能耗分析的时间段进行分析整理，形成计算所需的“数据库”。

1.2 综合厂用能耗分析

一般厂用电能耗上升即综合厂用电率上升的原因有以下几种：厂用负荷没有进行优化调整；主变压器(以下简称主变)的负载率偏低；发电负荷波动大；机组深度进相运行；机组频繁启机；关口表计量问题等。综合上述原因,将厂用能耗分析系统分为以下几个部分。

a. 根据所选时间段、所选电厂机组的综合厂用电情况，可输出机组的发电量、主变上送电量、下网电量、生产用厂用电量、综合损失电量、综合线损和变损电量、不平衡电量和综合厂用电率；同时，系统可同步输出往年同期的电量情况，形成电量纵向对比。

b. 根据所选时间段、所选电厂统计输出每台机组的启停机情况，计算每次启停机过程中相应时段下网电量与启机消耗电量，最终输出所选时间段所选电厂机组启停机次数、机组每次启机消耗电量，形成新的数据库，在发生启停机耗电量异常情况及时查找异常原因。

c. 根据所选时间段、电厂、所选机组、所选机组的主变平均功率因数分析，通过流过主变的正向和反向有功功率计算出选定时间段内主变平均功率因数。针对某些有进相运行需求的机组，主变的平均功率因数可反馈出该机组的进相深度，进相深度的改变将会对综合厂用电率造成影响。

d. 针对不同工况，对主要高压用电设备(电厂重要辅机)的电量进行统计分析。辅机电动机的耗电量对厂用电率起着决定性作用，合理调整运行方式、优化节能改造同样影响着厂用电率[6]，所以，掌握主要辅机用电量的动态变化对调整辅机运行方式、主要辅机工频改造等有着重要意义。

2 软件结构与功能应用

基于厂用电能耗评估系统模型，搭建基于SIS数据远程采集的厂用电率计算分析系统软件，通过软件将SIS中所需数据进行手动触发或定时自动远程采集、存储、分类。根据目标任务对所需数据进行标准化、结构化信息入库，完成对目标任务的全过程管理，最终通过厂用电率计算的自助分析模块输出分析结果，形成分析报告。

2.1 数据远程采集

数据远程采集连接内网的SIS，需兼容不同电厂的SIS。根据用户提供的数据点表中目标任务所需数据，进行数据的手动触发和定时抽取。预留一定数量的采集点，便于平台功能扩充。自动数据采集通过内网访问各电厂IP，实现数据的自动采集。手动采集数据，需导出系统模板，将所需导入的数据内容填写至模板中，再导入至软件数据库中。采集的具体功能包括：结构化数据接入，根据不同电厂的数据点表，自动对应采集所需数据，支持手动触发和定时抽取；采集测量数据接入，具备至少采集3 000个测点的能力，并支持后期对采集测点的扩充；非结构化数据的采集；按时间为索引抽取数据等。

2.2 数据库

数据库采用云端存储，主要包括数据存储和数据计算功能。数据存储可实现海量采集数据的高效存储、非结构化数据的存储、数据缓冲区、数据导出、可视化管理。数据计算可支持分布计算、批量数据处理等基础功能，实现任务的定义、提交、调度、监控等合理计算调配；同时还具备流计算和内存计算等功能。通过配置厂名、机组和点名，最终形成树状可视化数据库。可视化数据结构可根据用户需求进行删减和编辑。

2.3 数据存储

实现海量采集数据的高效存储，采用云端的方式，本地配置Windows服务器。具体功能应包括：列式存储；内存存储；支持将数据加载至内存中，可直接进行数据读取操作；在线快速读取；监控管理；节点状态管理和监测；非结构化数据的存储。

对面向企业的数据进行结构化整理并高效存储。具体包括：对象管理，提供常用数据对象的创建和删除操作，支持数据库用户的创建、删除操作以及用户权限的分配和回收；存储过程和自定义函数，支持基于存储过程和自定义函数的编程语言；数据导出，可以根据查询条件并具备可按需展示、输出等功能。数据缓冲区，对面向应用的结构化数据高效存储：根据数据归仓、数据分析等业务要求；应用程序需完成与数据库的连接；支持数据生命周期管理，对逾期数据进行定期归仓或清除。可视化管理，各类界面工具需提供人性化设计，方便用户管理。

2.4 数据计算

支持适用于非实时、无交互的数据应用场景中的分布式计算、批量计算等基础功能。支持对内存实时计算，适用于对动态产生的数据进行实时计算并及时反馈结果。支持结构化数据的内存计算，适用于高响应的计算场景。具体功能包括：任务定义，满足目标任务根据业务需求进行各类型统计分析任务的定义；任务提交，支持将已定义的任务提交至大数据存储计算组件计算集群中，实现任务在集群中的快速安装部署；任务调度，支持配置任务的执行时间、间隔、次数，并根据平台计算资源的使用情况进行任务的合理调配；任务监控，支持任务整个周期的监控。

2.5 数据分析与应用

主要实现对采集数据的应用。具体实现数据的可视化展示窗口；自助式的目标任务分析工具；对目标任务结果以表格、柱状图等方式展示；预留接口备用。以厂用电率分析计算为目标任务，形成自助式分析工具。个人定制想要分析的时间、电厂和机组，计算结果自动与往年同期对标比较，纵向掌握数据的变化情况，实现对任务整个生命周期的统计计算，并通过可视化组件实现对最终计算分析数据的多元化展示，可支持未来对功能模块的扩充。

2.6 数据安全控制和权限管理

数据采集网络环境为内网，数据存储采用云端，需保证数据平台的安全。提供接入安全、存储安全、隐私保护、身份验证等安全控制手段，为用户提供对系统中的组织机构、用户、角色、权限等控制配置的功能。

3 算例应用

某燃气电厂共3台机组，其中1、2号机为燃气轮机组，3号机为汽轮机组，3台发电机额定容量均为320 MW，通过3台额定容量400 MVA的主变压器接在同一段220 kV母线上，送往对侧变电站。

首先，通过软件功能中手动取数方式，从SIS中调取该厂2016年、2017年两年的全部电量数据，通过手动方式导入SIS数据分析系统。在自助分析软件系统中逐月对该厂2017年1～3月综合厂用电能耗情况进行分析，形成分析表格，将两年同期电量情况进行对标分析。

其次，通过分析软件“自助式数据分析工具-机组综合厂用情况”得知，该厂2017年1月份2、3号机组的发电量与2016年同期基本持平(多发电量4.897×106kW·h)，主变上送电量多5.606×106kW·h，综合损失电量减少约7.000×105kW·h；1号机的发电量同比减少5.943×107kW·h，主变上送电量减少5.982×107kW·h，综合损失电量反而增加3.900×105kW·h。可见主要是1号机组引起的综合损失电量增加较多。2017年1月份1号机组生产用电量为5.683×106kW·h，比2016年1月份的5.158×106kW·h多5.250×105kW·h，而此时1号发电机的发电量却减少很多，说明2017年1月份在发电机出力减少的情况下，厂用电没有随之进行优化调整，降低了出力。

从分析数据中还可得出：2号主变损失电量同比增加较多，但导出数据后发现2号高厂变在2016年3月前月用电量一般在5.000×106kW·h左右，但从2016年4月以后就减少为3.000×106kW·h左右，主要辅机耗电量正常，且与高厂变用电量普遍相差2.000×106kW·h左右。没有改动厂用设备的接线，经后期查找，原因为高厂变计量表计出现问题导致计量数据出现错误。

最终，通过“自助式数据分析工具-机组启停机情况”得知，2017年2月份该厂燃机共启停机8次，启停机期间，倒送电量1.210×106kW·h；而2016年2月无启停机，所以可以得出结论为机组启停是造成该厂厂用电率升高的主要原因。

4 结论

通过开发基于SIS的厂用电能耗评估系统，充分利用了SIS中的大量实时/历史数据，实现了基于全厂SIS数据的实时动态电平衡分析，时效性高，可全面掌握厂用电量的构成，进行了设备、机组、电厂间电量的横向比较，掌握了厂用电率的动态变化及原因分析。能够评价电量统计系统情况、排除由于正常电网调度、燃料供应和表计非正常误差等非故障性因素，给出降低厂用电的指导意见以及实现对计量系统健康性的检测。实现了对SIS中数据的深度挖掘和利用，为电厂安全稳定运行提供了有利的数据保障和技术支持，收获了显著的实际效果。