基于大数据的排涝泵站主机组异常温升研究

杨玉泉，谢 琪

(1.浙江同济科技职业学院， 浙江 杭州 311231；2.杭州市河道与农村水利管理服务中心，浙江 杭州 310000)

水泵站是将电能转化为水能的综合性工程。随着我国城市化进程的加速，水泵站在解决洪涝灾害、改善水环境等领域中起着其它水利工程不可替代的作用，已经成为重要的城市基础设施。排涝泵站主要以最快时间排除区域降水为首要考虑因素[1]。泵站运行工况复杂，常伴随出现主机组异常温升故障；不仅限制了主机组开机运行削弱了排涝能力，并易加速部件老化影响水泵运行性能，不及时消除隐患易造成泵站安全事故。水泵站安全运行涉及电气、机械、水力和管理等多方面因素，准确识别异常温升故障较为困难。因此及时发现设备缺陷，对设备进行维护和检测，分析诊断和评估故障避免造成严重危害具有十分重要的意义。泵站系统的故障往往因果关系错综复杂，传统的诊断方法以专家鉴定人工经验为主，但面对庞大数据存在无法确定的人为因素，较难实现理想效果。解决该问题的关键是如何准确识别异常温升原因，建立大数据多因素关联信息，提出针对性对策降低异常温升故障发生频率。为此，相关学者利用大数据技术做出了一定研究。朱法君[2]认为水利是大数据应用的传统领域。陈飞军等[3]界定水利大数据的概念。蒋云钟[4]提出大数据理论技术与水利行业特点相结合开展研究。李宝等[5]建立了多沙水流泵站的故障监测与诊断系统。侯德国[6]基于大数据记录分析应用于黄水东调工程泵站运行管理。张凤涛等[7]利用大数据分析技术优化泵站节能降耗。水利部《关于推进水利大数据的指导意见》也已明确提出引导水利开放应用。本文基于实用需求，构建排涝泵站主机组分析云数据库系统，筛选出各机组警报大数据及试验数据，分析产生异常温升原因并提出建议，为解决主机组异常温升问题提供参考。

1 基于大数据技术的仓储数据处理

在泵站运行过程中，为了及时了解各机组、设备的工作情况，需要对泵站的一些参数进行监测。这些参数包括主机组的工作电压、工作电流、机组功率、功率因数、流量、扬程、温度、压力、水位及辅助设备的运行情况等。泵站数据采集系统包括模拟量、开关量和电能量的采集[8]。目前我国的大中型泵站实际运行中采用计算机监控技术，其历史数据库一般采用商业数据库，如MICRsOFT SQLSERVER或ORACLE等。在泵站计算机监控系统监控过程中，将不断地采集新的实际运行数据，如间隔一定时间采集记录一组数据，并进行存储并定期更新。所记录的数据一般包括各机组的状态数据、电量数据、非电量数据、报警数据、水位、流量乃至视频监控数据等，结合各类报告、台账、观测数据，形成大数据记录库。海量的数据需要寻找一种切合实际的出来方法。本研究提出一种“指数衰减法”进行大数据处理，需要将历史数据库云端化，并与云端运行管理数据合并为统一数据仓，建立泵站云数据仓。可采用ADMA(Hardware of the Data Acquisition System and the MODBUS Protocol)开发模块，它由母板和模拟信号输入模块、模拟信号输出模块、数字信号输入模块和数字信号输出模块组成。在利用该模块的开发过程中，应用了内嵌和隔离技术、多模式传输技术、设备驱动技术等。

大数据的核心就是挖掘出庞大数据库独有的价值[9]。大数据技术有别于应用传统统计学分析数据之间因果关系的分析方法，基于大量数据信息，分析数据之间的相关性，能够根据实际运行数据分析出最优化的运行策略。在大型水利工程的运行过程中，需要对工艺参数和统计信息等一些大数据进行监视和存储，作为系统运行维护的记录及总结运行经验的依据。大数据技术是云仓运营的核心技术，也是其与传统方法最大的区别。面对每日的碎片化海量信息，大数据技术为科学决策提供了强有力的技术支撑。掌握泵站工程布置情况，了解泵站基本参数情况，运行管理情况。泵站主机组分析数据仓库，总体框架如图1所示。

图1 水泵站大数据框架图

其中数据存在中心也称为大数据仓库，它包含数据收集与整理、数据沉积、数据集成、数据分析、数据管理等方面。

1.1 数据收集与整理

数据收集与整理是大数据仓库建设的基础工作之一。包括数据的收集、整理、校对、入库、更新等工作。

1.2 数据沉积

将上述数据依据分类进行录入，不断充实数据仓库的数据记录，为后续的数据分析和研究奠定基础。这些数据包括基础数据、检测数据、试验数据、实时数据、历史数据、专家数据、经验数据等，如图2所示。

图2 数据沉积类别图

1.3 数据集成

对泵站的各已建自动化系统、监测系统、实时数据、视频数据等按照一定规则对数据进行同步、抽取，对各系统数据进行集成。基于ADAM的数据集成模块的研发，综合集成现有和新建系统数据，打通信息孤岛，实现不同权限用户的数据访问和业务应用，达到信息资源共享和业务协同的目标。

1.4 数据分析

采用模糊数学的处理、信息化手段、模型算法等进行数据分析，包括傅立叶数据分析、函数窗数据分析、指数衰减分析、数值拟合分析等，实现数据资源的充分挖掘，分析结果再保存到数据仓库中。

1.5 数据管理

建立统一的数据资源管理和数据服务平台，提供对实时数据库、关系数据库、文件数据库等标准接口，从而实现工程监控、安全监测、视频等各类信息的存储、管理及与应用系统、信息采集平台的交互。系统设计思想：数据检测与分析软件可以从总体上分为两大部分：数据检测(采集)部分、数据分析处理部分。软件总体设计目标：软件必须集成数据检测、数据分析处理两大部分。软件具有可扩展性，可以随时加入新的算法，并能根据具体应用环境做出适应性开发。

2 案例分析

杭州市Q排涝泵站位于江干区河道钱塘江出口，泵站共布置7台潜水轴流泵，总设计排涝流量为60m3/s，总装机功率为3520KW，属大(Ⅱ)型泵站。泵站始建于2009年，泵站以市区河道的流域内防洪排涝、环境景观配水为主，正常情况下，内河道水位变幅不大，外江水位受潮汐影响变幅较大，因此水泵运行扬程变幅大，每次都经历从高扬程到最低扬程的运行过程。泵站常年承担河道配水任务，处于基荷运行状态，年运行时间长。当外江水位低于内河水位时，停止机排，并开启Q水闸采用自流方式排水。

该泵站原为河道配水为主，设备运行时间长，在夏季河道水位快速上涨过程中，机组长期处于开机运行状态，常出现温度异常升温现象，系统报警后不得不停机。泵站由杭州H电力控制工程有限公司制作计算机监控系统，从主机系统数据库通过编辑软件获取泵站运行基础数据。这些数据源描述见表1。

表1 数据来源表

在构架大数据仓库的基础上，需要建设一款管理大数据仓库的系统，用来管理七堡泵站主机组分析云数据库。

主界面如图3所示。

图3 泵站主机组分析云数据库图

将该方法编译为计算机动态链接库(DLL)，开发了“Q泵站大数据仓库管理信息系统V1.0”(国家软件著作权登记号：2018R11L1440166)，为下一步开展泵站的主机组异常温升原因分析、机组优化调度奠定基础。根据系统设置，电机温度记录有效时间范围为2017年12月2日0时起，至2019年6月22日 20：54止，间隔30s时间自动记录数据，共抓取到1545669条有效数据，数据存储空间近80G。根据泵站计算机监控设计，1～7号泵每个泵分别由A、B、C三项定子温度数据组成，一项轴承温度(D)数据组成。4号、5号、6号泵运行时间较其他泵时间长，5号泵运行时间最长，7号泵运行时间最短。详见表2。

表2 1～7号泵采集数据数量表

1号泵温度表显示出在运行过程中，测温点A、B、C和D项100℃以下比例达99%，显示出正常运行次数较高。其中，测温点A显示出1次处于超出临界值126℃，测温点B未显示出异常升温，测温点C显示出188次处于超出临界值126℃，测温点D为2次处于超临界值。温度最大值为200℃，记录时间为2018年12月4日1：17至1：32，以及10：47。详见表3。

表3 1号泵定子温度和轴承温度表

以此类推，2号泵温度数据显示出正常运行次数较高。未出现异常升温记录，温度最大值为101℃。3号、4号泵温度表显示出泵在运行过程中，温度100℃以下比例达99%，显示出正常运行次数较高。5号泵温度表显示出泵在运行过程中，测温点A、B和D项均在100℃以下，测温点C温度100℃以下比例达99%，显示出正常运行次数较

高。其中，只有测温点C显示出超出126℃以上温度，为215.4℃，记录时间2018年7月30日19：55。6号泵测温点A和B温度显示出超出126℃以上温度比例高。7号泵测温点B、C和D项100℃以下比例达100%，只有测温点A显示出超出126℃以上温度，为153.7℃，记录时间2018年9月17日13：02。

上述数据既有静态的历史数据中获取信息，也有动态变化数据库信息，具体导入方法本文不在赘述。经系统运行对比，异常温升主要原因分析：

(1)机组焊接头质量方面。根据泵站电气预防性试验报告数据显示，涉及到1～4号电机直流电阻数据波动较大等问题。电机绕组直流电阻增大的原因是焊接头质量下降，因为绕组的电阻基本保持恒定不变，由于运行时间较长后，焊点接触面等质量会产生不同程度受损。焊接头质量下降后接触异常进而造成电机温度明显升高。

(2)泵站管理操作方面。根据大数据库大量温升记录中，存在短时间内启闭次数频繁现象。汛期(4月15日—10月15日)由于城市内河水位上涨迅速排水压力骤增，异常温升后数据记录显示关机。为保证降低内河水位，需要短时间内启动泵机组，这就导致泵机组启动次数时间间隔不合理，造成恶性循环。启动功率过大，会造成电机过载而损坏。在短时间内起动次数不宜过频繁，由于该泵标准化管理验收后操作应更加规范。泵站操作手册需进一步完善，如：需要明确启闭间隔时间。

(3)外部影响方面。泵站坐落于市区河道下游，出口杂质多。拦污栅清理记录数据看，每日需清理漂浮物等垃圾，且体量较大。流道中液体的流态的稳定性受到影响，严重者电机机组运行受损。巡查数据记录发现金属拍门锈蚀破损记录，存在安全隐患，影响进泵流体平顺出水，影响电机正常负荷。

(4)机械制造装配方面。泵站在运行记录显示，存在轴承温升异常加快现象，尤其在1～4号泵机组均出现过该类型情况。也存在短时瞬间温度过高，温升过快持续时间不长现象。如机组装配不合理当、泵轴向推力增大、轴承产生弯曲或联轴器不同心等，未能及时调直泵轴或校正同心度，极易产生发热现象。由于该潜水泵型在日常未能提出水面观察，仅作为可能存在的排除选项，需在今后年度维修中进一步研究验证。

3 结语

本文针对排涝泵站运行过程中异常温升问题，提出通过构建云数据库分析异常温升方法，将该方法编译为计算机动态链接库(DLL)，开发了“泵站大数据仓库管理信息系统V1.0”，并以杭州某排涝泵站为例实现了有效数据分析。应用效果表明：基于大数据库寻求解决排涝泵站异常温升问题的方法切实可行，可为排涝泵站科学决策提供依据，具有一定的实际应用价值。