APP下载

基于ERP的智慧电厂大数据深度挖掘与预测模型分析

2020-10-09赵俊杰罗立权史松宝项锋杨如意

今日自动化 2020年3期
关键词:大数据分析

赵俊杰 罗立权 史松宝 项锋 杨如意

[摘    要]  本研究在燃煤火电厂ERP等已有信息系统的基础上,分析智慧管控一体化平台的架构、功能和模型,通过机理算法、专家知识库、大数据分析和挖掘、可视化等手段,提供更有价值的诊断、报警、预测和决策信息,以实现火电厂经济效益最大化。结果表明电厂侧设备的五个维度评价指标包括健康状态、风险状态、寿命状态、能效指标、排放指标。锅炉3D可视化量化监测模型包括结焦可视化与分级量化评估模型、四管可视化防磨防爆模型、锅炉四管减薄预测模型、氧化皮生成分析与预警模型、管道热疲劳裂纹分析、四管剩余寿命评估与泄漏预警模型。基于智能状态监测与智慧决策,状态检修可取代计划检修。

[关键词]火电厂ERP;生产运营管理;大数据分析;模型算法;专家知识库;智慧决策

[中图分类号]TM62,TM727 [文献标志码]A [文章编号]2095–6487(2020)03–00–03

[Abstract]Based on existing information systems such as ERP in coal-fired power plants, this research analyzes the architecture, functions and models of the integrated intelligent management and control platform, and uses mechanism algorithms, expert knowledge bases, big data analysis and mining, and visualization. Provide more valuable diagnosis, alarm, forecast and decision information to maximize the economic benefits of thermal power plants. The results show that the five-dimensional evaluation indicators of power plant-side equipment include health status, risk status, life status, energy efficiency indicators, and emission indicators. Boiler 3D visualization and quantitative monitoring models include coking visualization and hierarchical quantitative evaluation models, four-tube visualization anti-wear and explosion-proof models, boiler four-tube thinning prediction models, oxide scale generation analysis and early warning models, pipeline thermal fatigue crack analysis, and four-tube remaining life evaluation With leak warning model. Based on intelligent condition monitoring and intelligent decision-making, condition maintenance can replace planned maintenance.

[Keywords]thermal power plant ERP; production and operation management; big data analysis; model algorithm; expert knowledge base; smart decision

燃煤火力发电企业为了实现生产运营业务流程的信息化管理,打造了一体化管控系统ERP(企业资源计划,Enterprise Resource Planning)。但ERP系统缺少经营策略管理以及业务流程的协调优化,无法为火电厂的生产管理、经营决策提供高效的数据支撑和智能化手段。因此,有必要采用现代信息技术、智能测量、控制技术,与数据仓库、联机处理、大数据分析、数据挖掘、机理模型库和专家知识库结合,形成综合智能决策支持技术,以指导生产现场机组的运行优化、远程诊断、安全环保、高效经济管理。

本研究拟在燃煤火力发电厂ERP等已有信息系统的基础上,搭建更高层级的智慧管控一体化平台,通过机理算法、专家知识库、大数据分析和挖掘等方法,提供更有价值的诊断、报警、预测和决策信息,以实现火电厂经济效益最大化。本文的分析有助于了解信息化与工业化融合的工业4.0建设方法和路径,通过模型、算法的分析与深度挖掘,提取出数据集合下隐藏的事物本质,通过直观展示,使信息系统与实际生产经营管理紧密结合。

1 数据分析与挖掘

集团侧的数据分析包括:发电数据分析、燃料数据分析、供热管网数据分析等。在实时系统SIS中,开展机组性能分析(包括负荷分析、趋势分析、发电量分析),启停机分析,小指标考核。对于电厂侧,设备的五个维度评价包括:(1)可靠性,以设备的健康状态为评价依据。(2)安全性,以设备的风险状态为评价依据。(3)可用性,以设备的寿命状态为评价依据。(4)经济性,以设备的能效指标为评价依据。(5)环保性,以设备的排放指标为评价依据。

通过实时对标的方法,构建全面绩效考评体系,实现对“人”的管理优化。绩效分析方法包括:评价分析、相关性分析、动态分析。(1)评价分析包括:①简单评价,利用跟踪分析和排名表,实现指标跟踪、单项评分;②差异评价,通过同比、环比、横向比较等,实现组织对比分析;③综合评价,通过综合比率分析、排名表,實现综合比率分析和综合评分。(2)相关性分析包括:定量相关分析、定性相关分析。(3)动态分析包括:长期趋势分析、季节波动分析、循环波动,以实现趋势分析和指标跟踪。

基于标杆的对标和绩效管理过程包括:①标杆准备,明确标杆管理目标,建立标杆小组,形成标杆管理计划。②标杆规划,确定标杆管理的范围、内外部标杆、标杆资讯源。③标杆比较,通过资讯收整,确定标杆管理指标和绩效差距,开展绩效差距成因分析。④标杆实施,是指拟定未来的最佳实践,构建KPI体系,制定并实施改革计划,评估与重新校标。对标管理的预估效果包括:(1)客观评估企业在本行业竞争中所处的位置,帮助企业制定符合实际的战略目标。(2)改变以往基于本企业过去业绩确定未来绩效目标的做法,以参照先进企业的业绩,来确定本企业的绩效目标。(3)持续不断地衡量企业的投入指标和产出指标,尤其是系统性地与先进企业动态比较投入产出比,及早发现管理中的薄弱环节,找到与先进企业的关键差距。(4)运用标杆管理,从模仿到创新,创造适合自己实际的最佳实践方案,使某一关键环节的业务迅速成长,促进企业核心竞争力的形成。(5)扩大企业指标的比较和经验交流范围,实现企业系统的信息和管理资源共享。

2 专家知识库

建立集团核心知识管理和经验分析体系,在全集团层面共享安全管理、生产管理、环保管理、电力交易、生产指标、经营管理、下属热电厂处理问题的成功经验等。将发电行业的基础知识库逐步嵌入ERP系统和基于ERP的智慧管理平台IMS,并对新入职大学生开展专家知识的培训,开发知识经验库给生产人员参考学习。

对于电厂侧的设备管理,基于大数据分析和专家经验,形成各系统、各类设备的专家诊断知识库。基于异常报警和闭环管理的知识库形成流程包括:实时监控、异常报警、下属企业分析、集团确认、纳入知识库、通告学习。

基于人工智能算法的专家知识库构建方法包括:基于纯数据分析的大数据提炼和挖掘出来的规律、物理和化学模型、专家经验梳理成模型、数学模型、校验模型、知识模型、故障模型数据库、专家诊断知识库等。

3 智慧诊断与多级报警

智慧管控一体化信息系统智慧诊断报警的业务范围包括:设备维护、系统控制、人员安全、经营管理等。(1)智慧维护是指给单体设备看病、治病和防病,以解决设备可靠度管理的问题。(2)智能控制是指给工艺系统看病、治病、防病,解决运行优化和灵活调峰问题。(3)智能安全是指给人员行为看病、治病和防病,解决人员伤亡,事故频发的问题。(4)智慧经营是指给管理流程看病、治病和防病,解决自动竞价和资产增值的问题。

火电厂设备的就地诊断和维护管理包括:(1)巡检,通过看、听、摸,辨识指示仪表的状态、外观、噪声、异音和跑冒滴漏。(2)點检,通过点检仪,开展测振、超声、测温等工作。(3)精密点检,通过精密仪器,开展综合诊断和辩证施治;(4)技术监督,基于监督体系开展数据分析和可视化展示。(5)检修触发与管理,以状态驱动工作模式为主,以计划驱动工作模式为辅,针对设备根源性问题进行检修与改善。

变电站的在线监测及诊断内容包括:电磁振荡、电气故障、变压器油中气体成分、调相系统状态。通过全方位监测变压设备运行状态,诊断分析,并及时给出故障报警或风险预警。

4 智能状态监测与智慧决策

火电厂设备运行状态监测和优化决策管理的内容包括:汽轮机冷端在线监控及智能决策、智能吹灰与辅助决策、燃烧在线监测及智能优化、脱硝优化运行及安全预控、空预器优化运行及安全预控、电除尘智能监控及优化运行、脱硫吸收塔经济运行及安全监控、阀门故障监测及辅助决策。在设备日常管理的基础上,设备“五定管理”的内容包括:故障部位确定、故障原因确定、故障等级确定、处理方案确定、工时费用确定。设备检修“五优化管理”的内容包括:优化检修周期、优化检修项目、优化检修级别、优化检修策略、优化检修费用。

锅炉系统的3D可视化量化实时检测方法和监测模型包括:锅炉激光CT(TDLAS)、声波测温、结焦可视化与量化、四管可视化防磨防爆、锅炉四管减薄预测、氧化皮生成分析与预警、管道热疲劳裂纹分析、四管剩余寿命评估与泄漏风险分析管理、基于多层图像过滤的炉膛内高温火焰可视化。基于氧化皮分析的四管寿命评估方法基于材料老化因子的概念,对L-M参数法进行修正,与材料的布式硬度HB、球化级别、材料组织变化参量、抗拉强度sb等老化特征进行量化关联。锅炉四管磨损减薄智能预测基于历史检查的管壁测厚数据、历史检修数据、机组运行数据、化水监督数据、煤质监督数据、物理结构数据、关联因素数据等,通过内置的大数据分析模型,分析与计算指定区域的减薄情况、剩余寿命情况、减薄速率分布情况等。通过掌握锅炉管壁减薄的劣化发展规律,预测区域减薄最值,指导检修时间,合理采取防磨防爆措施,真正实现智慧优化决策的功能。

在生产经营决策方面,以动态煤耗曲线为基础,构建经营分析模型,查找每变动一个百分比对成本影响最大的因素。基于盈亏平衡模型,分析保本电量、保本电价、保利电价等成本结构,为经营管理层提供全面、准确的经营指标,并预测公司经营走势,帮助公司领导进行管理决策。

5 结语

本文在燃煤火力发电厂ERP等已有信息系统的基础上,分析智慧管控一体化平台,通过机理算法、专家知识库、大数据分析和挖掘,提供更有价值的诊断、报警、预测和决策信息,以实现火电厂经济效益最大化。结果表明:

(1)状态驱动的科学决策来源包括:智能无人巡检、汽轮机安全预控、远程专家诊断、辅机智能监测、润滑监测智能执行、四管磨损智能预警、高压电气早期预控等。

(2)对于电厂侧,设备的五个维度评价包括:可靠性、安全性、可用性、经济性、环保性。设备“五定管理”为故障部位确定、故障原因确定、故障等级确定、处理方案确定、工时费用确定。

(3)锅炉炉膛实时检测与可视化的方法包括:锅炉激光CT(TDLAS)测温和气体浓度、声波炉膛断面测温度场、基于多层图像过滤的炉内高温火焰可视化。

(4)生产经营决策以动态煤耗曲线为基础,建立盈亏平衡和经营分析模型,预测公司经营走势,提供管理决策合理化建议。

参考文献

[1] 刘吉臻,胡勇,曾德良,等. 智能发电厂的架构及特征[J]. 中国电机工程学报,2017,37(22): 6463-6470.

[2] 傅晓军,郑正茂,严玉堂,等. 调峰供热燃机电厂压缩空气系统优化改造分析[J]. 中国电业,2019,47(11): 367-368.

[3] 赵俊杰,陆海涛,包海斌,等. 基于锅炉四管可视化的防磨防爆监测和智能泄漏预警[J]. 神华科技,2019,17(8): 47-50.

[4] 邬馗星,张继东,陆海涛,等. 智能吹灰闭环控制系统在火电DCS的集成应用效果分析[J]. 中国电业,2019,47(17): 506-507.

[5] 陈世和,张曦. 基于工业4.0的智能电站控制技术[J]. 自动化博览,2015 (9): 42-50.

[6] 赵俊杰,陆海涛,吴豪,等. 基于人工智能算法的智能视频识别燃煤火电厂跑冒滴漏[J]. 神华科技,2019,17(9): 40-44.

[7] 林志峰,戴成峰,叶华浩,等. 1000MW燃煤火电机组配煤掺烧和燃料全成本评价模型[J]. 电力设备,2020 (7): 212,231.

[8] 赵俊杰,冯树臣,马克,等. 基于泛在电力物联网技术的智慧电厂安全管控一体化应用[J]. 能源科技,2020,18(5): 1-6.

[9] 张帆. 智慧电厂一体化大数据平台关键技术及应用分析[J]. 华电技术,2017,39(2):1-3,7.

[10] 马天男,王超,彭丽霖,等. 多源异构大数据下综合能源系统用户用能行为预测分析研究[J]. 智慧电力,2018,46(10):86-95.

猜你喜欢

大数据分析
基于大数据分析的低压台区降损系统研究及应用
大数据分析对提高教学管理质量的作用
基于大数据分析的电力通信设备检修影响业务自动分析平台研究与应用
面向大数据远程开放实验平台构建研究
面向大数据分析的信息管理实践教学体系构建
传媒变局中的人口电视栏目困境与创新