应用数字技术带动电网企业生产运营的转型升级

2020-05-14

电力设备管理 2020年4期

生产运营环节实现数字化转型，在本质上还是思考如何利用智能技术深化智慧生产的过程。如果要对整个演变过程进行解析，可以大致提炼为数字建模、信息集成、深度应用三个阶段，即通过设备数字化—＞信息规范化—＞数据深度应用的数据驱动全流程化，构建全感知、全联接、全场景、全智能的数字运营环境，达到运行状态一目了然、风险管控一线贯穿、设备操作一键可达、生产指挥一体作战的总体目标。

1 电网生产运营数字化转型路径

建立模型：完成从设备数字化到设备上云的过程。首先构建标准化共享资源池，践行信息标准化体系管理。基于平台开展设备健康性监测、设备运营优化、设备安全操作等服务，加快设备上云、用云。

信息集成：完成从数据规范化到数据互联的过程。广泛引入物联网与人工智能等先进技术，构建新一代数据中心的核心平台，将生产流程中各类控制终端应用情况(SEM、PLM、ERP、机器人等自动化系统)纳入云化管理。数据应用：完成数据分析到辅助智能决策的过程。通过生产过程中巡视、检修、故障处理等数据的采集、格式规范环节，结合大数据模型算法的预设，服务于设备监测、故障诊断抢修、现场作业管控等具体业务。

2 综合治理，下好一盘棋

具体落实三个阶段数字化转型工作时，需要分析各阶段的主要制约因素、技术及标准类举措、主要准备工作及进度等，以感知及自动控制硬件建设、工业网络建设、工业互联网平台建设、信息建模等为基石，夯实软硬件（平台）建设。以数据中心生产运营模块建设、边缘计算的物联网建设、专业软件系统数据逻辑展示为切入口，强化数据管理能力。广泛应用机器学习等技术构建数据模型，设计数据+业务辅助决策架构等，普及数据应用效果。

2.1 第一阶段：建立模型

为解决存量设备的生产厂家分布广、出厂年份跨度大、不同型号和版本的数据采集点、数据采集方式、参数定义和边界不同，自动化、数字化、网络化水平较低，改造难度大、成本高等困难，需要发挥无线传感、自动测量仪器仪表等关键技术和设备作用，突破监控系统中核心芯片、伺服电机、驱动器、现场总线、以太网等关键器件技术，覆盖可编辑逻辑控制器、分布式控制程序、数据采集与监控系统。能够通过监测并分析事故模型和实际状态快速检测异常状况，在事故条件具备前进行察觉并立即触发响应措施。另外，推进5G、软件定义网络等技术在网络基础设施的应用，落实网络、数据、软件集成的协议标准，互联网体系架构建设。

存量设备自动化、智能化基础改造方面，加装传感器、通信模块、控制器等部件，提升设备数字化水平。增量设备加装工控软件，添加数据采集点、统一内外部通信协议；多源异构的采集技术方面，具备工控信号雷电防护数据直采、哑终端浸入式或非侵入式采集等。另外，制定设备数据模型、接入方法和传输方式（应用层协议以及IOT 物联网平台接入逻辑）。建立电子化归档台帐、设备数据库、故障库等，实现设备信息管理动态化。

信息建模方面，显示相应设备设施的空间位置和外部结构，完成自动漫游、手动漫游、机器人视角漫游、隐蔽工程／设备内部漫游多种查看模式；设定移动式机器巡视点位，编制巡视任务下发到机器巡视系统；建立材料库及工器具库模型，完善设备台账信息、监测信息、检修工艺信息与模型关联等；工业互联网平台建设方面，以云计算、大数据分析平台为载体，加快战略资源整合。突破通信协议、数据接口、数据分析等技术，推动数字化装备维护知识库共享。围绕智能装备接入工业云的数据采集、网络连接、调度管理，提升云平台系统供给能力。

2.2 第二阶段：信息集成

为解决系统之间相互独立，业务应用系统采用的技术框架和技术路线存在差异，造成数据不一致和冗余、信息集成难度大等问题。需要通过数据规范化、数据互联，系统中各子系统和用户的信息采用统一的标准、规范和编码，实现全系统信息共享，进而实现相关用户软件间的交互和有序工作；技术及标准方面，完成包含通信协议标准化(如MAP/TOP，自动化协议/技术协议等)、产品数据标准化(如STEP，产品模型数据交换标准等)以及调节网络标准化、电子文档标准化、交互图形标准化等。

图1 电网生产运营数字化转型路径的推演思路图

数据规范方面，将生产运营数据接入南网数据中心，通过建设数据库、数据仓库、数据集市、数据使用、数据获取及整合等模块规划，实现多源异构的生产数据集成应用。首先完成将电网运行、设备状态监测、低压集抄数据归集到数据中心，进而实现内外部数据接入。

边缘计算的物联网建设方面，首先通过统一的物联网传输协议标准，输、变、配、用各专业重要区域、重要设备数据接入物联终端。具体体现在传感器和智能终端通过物联网网关接入，巡检机器人等通过集成物联网协议插件接入，传感器等通过物联网操作系统接入，电表等通过NB-IOT 通信芯片接入。其次完成针对物联网设备的接入、数据的收集、设备状态的监控和维护等设备管理。最后应用大数据分析技术，图像自动识别，对主设备运行状态自动诊断能力提升。

2.3 第三阶段:数据应用

为解决系统累积的数据尚未充分挖掘效用，基于人工智能的机器学习、深度学习应用程度不高等问题，需要规范静态、动态数据关联规则算法、序列规则挖掘算法以及基于预测强度的聚类方法等。通过建设数据分析模型库完善数据治理机制，构建数据相关系统，保证数据规模化落地。运用不同的分析手段，根据业务板块、主题进行多维度分析、加工处理，之后得到有价值的数据用于展现，辅助决策分析。

模型架构设计方面，生产领域主要针对设备的功能位置、资产信息、规格型号、运行环境等，设计设备监视模型、作业计划模型、设备操作模型、作业过程模型、设备缺陷模型、作业报告模型、作业标准模型、实验报告模型等，实现从数据采集到模型搭建及应用的系统功能优化。为了实现数据挖掘—＞数据分析—＞辅助智能决策功能，利用关系型数据库中的信息构建数据分析模型，实现分析预测、辅助决策的功能[1]。

基于“数据+模型=服务”的原则，数据从采集到应用的平台化建设，完成机理模型、大数据分析模型等设计，服务于设备监测、故障诊断抢修、现场作业管控等具体业务。随着人工智能等技术的深入应用，在数据—预测—决策这个模式下不断地提高工作流程的准确度以及快捷度。

3 辅助支撑，以管促优

资产全生命周期管理方面。生产运营环节主要完善数据资产管理平台和实时数据服务平台，建设非结构化数据服务平台，实现全类型数据的全生命周期管理。一方面，持续推进技术标准体系建设，促进技术及时转化为技术标准并形成体系；另一方面开展设备运行评价，推进对6+1生产系统各数据模块的使用，对于已缺失的数据采用人工收资数据导入系统进行完善。开发生产指挥监控系统运行评价模块，实现系统实时数据抽取和评价结果生成，减少人为因素影响。深化设备运行评价应用，建立科学客观的评价模型，规范数据来源，确保评价客观、真实。

制度、流程优化方面。通过对流程、制度、规范条例等的制定修编，开展数据全生命周期统一管理。主要可开展智能巡视的作业标准、机器人巡视点位设置标准、机器人技术标准、视频监控技术标准、数据采集作业标准、数据分析管理标准等。各专业可结合实际需要，单独设置相应的专用标准制度等。例如，变电站隔离开关分合闸位置姿态辨识技术规范、变电站监控系统防止电气误操作技术标准、新增远方操作的点位标准；生产领域图像识别技术标准等[2]。

岗位优化方面。人工智能、自动化和机器人行业的兴起虽然带动了对技术“硬技能”的需求，但创造力、适应能力、合作能力和时间管理能力等“软技能”也可以帮助员工适应新职位、接受再培训。以构建数字化人才培养体系，柔性敏捷、智能预判的生产管理为纲，推动精细精准的人力配置动态平衡数字化管理。拉开简单劳动岗位与较高技术含量岗位、普通岗位与特殊岗位、通用岗位与专业岗位的分配差异，通过职业发展优先、薪酬待遇倾斜等措施推动非核心专业、通用岗位向智能运维、融合处理等核心专业、评价诊断等新兴岗位转型。

体系支撑方面。结合平台基础共性、关键技术和应用服务等，发布平台标准体系建设指南，研发数字化标准实施知识库。首先，基于区块链技术建立跨行业跨领域的平台联盟。建立区块服务体系，推进平台间数据安全流动、可信服务增值；其次，建立监测分析体系，完善信息报送指南和监测指标体系，加强与主要平台的运行数据共享；最终，强化运营质量监控，基于“全景全息驾驶舱与数字运营地图”的高质量智慧运营决策体系，开展过程中价值全景展示，跟踪和评价执行情况及外部环境变化的影响，及时发现执行偏差。各业务专业领域平台实施功能绩效评价与运营质量评价，完善多维量化监测评价体系[3]。

网络安全建设方面。依据公司信息化建设与网络安全一体管控、分级分域、主动防护的策略，结合安全分区、网络专用、横向隔离、纵向认证的建设原则，落实同步规划、同步建设、同步使用的推进方法，开展网络安全技术管控，确保符合国家、行业及公司网络安全相关要求。开展软硬件防火墙建设与其他监测技术应用、网络架构安全诊断、数据安全加密技术应用优化、虚假数据攻击检测及防范研究。

4 探索无限，锐意进取

数字化转型是一个系统工程，单纯堆砌大量数字化工具是难以完成的。另外，如果单纯依赖数字技术而忽视传统业务属性，融合应用的壁垒很难真正打通。首先，确保有效数据能够精准全面的实时采集，规范统一的数据标准和质量要求，实现数据共享通路；其次，落实技术标准和协议不统一制约系统间的集成，建立以知识、工艺和数据为核心的内部服务共享体制和机制，支持企业构建能够贯通信息部门、业务部门的通用型平台，加强技术标准协议的转换和衔接，真正实现资源配置的优化；最终，实现内部集成，即实现技术、管理与生产的集成，解决现场的流程效率和生产过程的不确定性问题[4]。