大数据与物联网技术在核电设备健康分析的研究与实践

2020-11-28田禾翁黎明俞建明

中国军转民 2020年9期

田禾翁黎明俞建明

摘要：随着信息化技术的快速发展，大数据与物联网技术已经日渐成熟，在国家“两化融合”和“智能制造”战略的指引下，其已经逐渐从互联网走向各行各业，包括核电在内的传统工业如何应用大数据与物联网等新技术来降低运行成本、提升整体安全性成为行业接下来的重点研究方向。三门核电依托AP1000首堆的先进设计，利用物联网和边缘计算技术将现场设备数据传输到行政办公网，通过大数据技术分析，实现了对主泵等关键设备的在线实时健康监控与分析。本文对三门核电的设备健康分析的需求与技术方案进行了简要分析，总结了大数据与物联网技术在核电设备健康分析应用的一些经验，为核电设备健康智能化发展与落地提供参考。

关键词：核电；大数据；物联网；设备健康；信息化；边缘计算

一、引言

安全性、可靠性及经济性是核电设备运行的三大基本要素，加强对核电设备的性能监测和状态评估，提高核电设备的智能化运维程度，对提高机组的安全性和可靠性，减少非计划停堆和维修工作，降低运维成本具有重要意义。

大数据、物联网技术的快速发展，为解决设备过维修和欠维修提供了技术手段。国外核电行业已经在相关领域开展相关探索，并稳步向状态检修发展。ABB、施耐德等国外著名厂家，以及DOE-NE、Supelec Centrale等机构，已利用物联网传感器技术、大数据融合技术对状态检修（设备状态诊断）给出了相应解决方案。但受限于状态检修目前发展的程度和进度，一方面还无法实现对核电核心设备的全方位监测和诊断，只能少部分地替代预防性维护；另一方面可用案例较少，技术的有效性和成熟性还有待进一步检验。

虽然国内核电机组运行过程中积累了大量的数据，但这些数据在国内核电行业的利用还十分有限，当前机组运维仍以基于固定周期的预防性维护为主，过维修和欠维修情况始终存在。拟结合三门核电AP1000三代技术机组的实际情况，通过大数据分析、物联网等先进技术开展设备健康管理的课题研究，实现对机组安全与可靠性管理的突破。

二、课题分析

（一）研究对象

本课题所选取的研究对象主要包括转动机械类的泵、风机及变压器。转动机械类设备是电厂运行过程中最容易出现故障，日常维护任务较重的设备类型之一。通过对转动机械类设备增加新的非介入式传感手段，如振动、温度等可以有效降低人工预测性维修数据采集的成本，提高分析效率。变压器是电厂SPV设备之一，其故障对电厂影响巨大。

（二）可行性分析

AP1000机组DCS工控系统自动化、数字化程度高，DCS采集点位达到了17万点每台机组，为核电大数据、智能化发展提供了先天有利条件；

AP1000工控系统更加先进，数据更加丰富、可靠。广泛采用数字化技术，系统稳定性、冗余性高，大量使用现场总线技术（Modbus、Profibus）与就地仪表、电气设备、阀门等设备接口，能够传递更多设备健康状态信息；

AP1000厂房WIFI全覆盖，具备良好的网络基础，具备深入推进物联网、大数据应用的基础，为非介入式传感器应用提供条件；

国内外核电在设备健康领域进行了大量管理探索，积累了相关经验，具备深入进行设备健康大数据分析的实践基础。

物联网、大数据分析已经在大量行业得到深入应用，市场上已经涌现不少具有大数据分析专业经验的公司。

总之，依托三门核电AP1000机组开展基于大数据和物联网技术的核电设备健康管理研究的时机已经成熟。

（三）研究目标

拟通过项目实践，初步实现以下目标：

降低设备管理工作负担。具备数据分析、趋势分析、异常报警、故障诊断、性能预测和自动报告等功能，在线实时监测设备，并对设备做出异常判断和故障诊断，为人员做出决策提供参考依据。

通过连续在线智能监测，利用机器学习算法和旋转设备故障机理模型，准确判定设备微弱降级，主动预测设备未来状态，发现“不可见”的隐患。

通过大数据监测和趋势分析，提前发现问题并解决。减少过维修和欠维修次数，降低设备运行成本。

三、系统功能与关键技术

（一）系统功能

通过建设，系统要具有如下主要功能：

对所监测的系统的健康状态、报警信息等给予总体概览，并允许方便地在机组、系统、设备间导航。

根据设备性质不同，实时展示设备的健康状态、运行参数、报警信息、运行统计信息、关键测点数据、性能预测等信息。

对测点信息进行历史数据的查询，可以关联多个测点在同一画面进行展示，方便设备工程师对不同参数的进行关联性分析。

实现同一相关参数在多个机组之间的横向比对与分析，帮助快速发现异常参数。

建立结构化的故障案例库和故障规则库，便于案例的积累和推理；基于案例和基于规则融合的故障推理机制，增强推理准确性；辅助现场人员缩小监测范围，快速定位故障位置，确定故障原因，推荐维修及处理措施，减小排故时间。

实现各类报告的自动生成。

（二）系统关键技术

1.主泵等多变量设备状态监测与早期异常预警技术

主泵作为核安全一级设备，是核电站核反应堆的核心设备，为了对主泵的运行状态进行全方位在线监测，在主泵的各关键部位布置了多种精密传感器。目前对主泵的状态监测方法主要是由生产设计厂家根据先验理论所设置的安全阈值，一旦超出阈值则会启动报警机制并由现场工程师进行分析处理。但這种监测方法一旦出现报警，就会危及机组的正常运行。因此对主泵等多变量设备采用一种多维设备状态监测算法（MEPMAN），通过建立主泵的多维状态变量的正常状态基准库，通过计算当前状态与正常状态基准库的相似性，计算当前状态的估计值，通过估计值与实际值之间的残差分布情况判断主泵当前状态。这种方法具有自比较、工况脱敏、算法稳定性好的优点，能够提前先验阈值发现设备异常，为设备管理人员提供足够时间去排查异常原因并作出相应维护措施。

同时，考虑到系统应用场景与PI系统（生产实时数据系统）的高度相似性，可与生产实时数据系统共用同一套防火墙及交换机。

（四）系统边缘数据采集与数据高可用架构

通过部署边缘计算服务器，实现对数据的采取、预处理和高可用性：

边缘服务器部署有PI数据库采集程序和边缘采集程序。边缘服务器和下游服务器网络正常连接的情况下PI数据和传感器的测点数据通过边缘服务器都往RabbitMQ集群（下游端）推送；

集成在后端服务集群的数据采集服务负责采集发送到RabbitMQ集群的测点数据（同时监听边缘服务器上也是由RabbitMQ实现的缓冲队列），存储到本地HBase数据仓库；

当边缘采集程序和PI数据库采集程序诊断到边缘服务器到下游服务器（RabbitMQ集群，后端测点采集服务）的网络断开时，程序就转发采集到的测点数据至本地缓存服务器而不再发送到RabbitMQ集群；

边缘服务器的采集程序通过定时心跳服务诊断边缘数据服务器和下游服务器的网络状态，如果网络恢复的话，继续发送测点数据消息到RabbitMQ集群，以实现整个系统的数据高可用；

测点采集服务也会监听边缘服务器的缓存数据，在网络恢复的时候，自动会消费断网期间边缘缓存服务缓存的的数据，增量补存到HBase数据仓库。

五、实践与小结

本课题以三门核电AP1000机组设备为研究基础，根据三门核电现有设备管理现状，结合先进的工业大数据分析技术、设备故障预测与健康管理技术（PHM）及人工智能技术，利用设备实时监测系统运行数据，初步建立了一套科学的、标准的核电设备健康管理评价体系，可对关键、重要设备建立基于多元异构数据的高精度性能评判模型，实现设备关键参数的自动趋势分析與故障预警。

特别是在国内核电领域首次应用“基于相似度”的多维设备性能监测算法（MEPMAN），提出主泵等复杂设备的性能监督方案，同时通过振动测量探头、边缘数据采集系统的安装部署以及无线网络的实时数据传输，实现对包括对厂用水泵等转机设备的可视化的持续监测和分析。真正实现基于设备实际运行状态的维护，减少非计划停堆，提高机组运行稳定性，降低运维成本。