“电力生产大数据平台”建设思路研究

余金龙

（国能神皖合肥发电有限责任公司，安徽合肥 230000）

在移动互联网、物联网等信息技术的推动下，企业数据规模、范围产生了爆炸式的增长[1]。设备运行过程中产生的大量工业数据通过智能传感器进行采集和存储起来，并整合成“大数据”，为常规火力发电行业大数据研究创造了数据基础。企业大数据具有规模大、类型多、产生速率高、复杂度高、价值密度低和动态性强等特征[2]。相比互联网大数据，企业大数据分析的强度及精度要求较高。构建发电大数据平台，进一步强化和拓展数据利用范围与方式，深度挖掘发电大数据的价值，让数据赋予电站新的生产运营能力，创造新的价值。

1.作用与意义

大数据的关键主要体现在两个方面：（1）形成数据资产（将数据视作人、财、物、设备一样的企业核心资产）管理与服务平台；（2）通过复杂的关联分析，让数据创造新的价值，提升精细化管理水平，促进管理方式和商业模式创新[3]。

作为“电力生产大数据平台”，尤其要对海量实时信息进行高效的存储和有效的管理，为发电生产提供了运行信息、能耗信息、电量信息、设备状态信息等实时数据服务与管理，有效挖掘设备潜能，提高设备的可靠性。同时，为实时数据提供统一透明的数据通道，满足各类业务应用对实时数据的需求，尤其在今后电力市场开放后，竞价上网需要大量的实时数据测算成本，实现在线利润分析。

2.建设应用模式

常规IT系统建设是实现与管理思想、规章制度一致的业务过程的电子化、流程化，以及数据的录入、维护、查询、统计[4]；其建设方式往往是通过部署或开发相应功能模块，培训用户使用即可。而大数据则注重信息的互通互联，并利用大数据处理技术、人工智能技术等构建智能分析、学习、模拟、预测、预警和决策的能力。因此，“电力生产大数据平台”需要考虑大数据团队与服务模式的建设，不能仅是简单地将此平台交付给业务部门，而是还需要一个专业的、专门的数据服务团队，来为业务部门持续提供数据服务。

3.总体建设思路

大数据平台建设应采用“平台一体化、数据标准化、功能组件化”的策略。从平台底层架构、数据接口、数据库、软件和硬件性能等方面形成统一标准，对网络和安全规范及部署实施作出统一规划和方案，并完善大数据平台功能的模块化、组件化、灵活性及定制化设计，彼此连接，数据互通，经验共享，决策普及。大数据应用平台总体架构如图1所示。

图1 大数据应用平台总体架构

大数据应用平台将充分利用云计算技术与模式，构建与发电企业相适应的业务模式，形成所需计算资源、数字资源的共享服务模式与机制，实现基础设施的虚拟、动态服务能力。在云模式的架构下，基础设施与业务应用的对应是逻辑层面的，物理层面的资源在不同业务应用间是共享的，从而提高资源利用率，降低总体拥有成本。

4.数据整合层

数据整合层通过收集公司已有系统（SIS、ERP（含月度、年度计划数据）、操作寻优、燃料寻优）、EAM等中的结构性与非结构性数据（包含文本型数据）构建数据资源池，数据资源池包括设备数据，过程数据，业务数据以及决策数据。数据资源池建立统一的数据资源池编码体系数据库（包括电厂标识系统编码、文档编码、物资编码等）及标准项目，定制通用的标准数据库和知识库模板，对电厂各类设施对象数据内容和形式作出的统一的编码规范和数据交换标准。

同时制定企业级设备数据资源池的数据访问技术规范，提供统一的数据调用及数据更新服务，实现构建在全寿命周期设备数据资源池上的应用对于数据的共享与更新，严格确保企业内设备数据的有效性、一致性与实时性。

5.数据分析层

数据分析层的核心是根据各种科学原理和数学方法建立数字模型，这些数字模型不但可以展现真实物理电厂的外观、特性，而且可以预测电力企业未来的运行情况，这些数字模型可称为数字孪生。

在数据整合层构建的数字资源池之上，应用数字镜像技术，根据上层应用建立设备、文档、性能、诊断等模型，构建电厂在数字世界的全镜像。基于数字世界的模型进行各种仿真、分析、数据挖掘、人工智能应用（包括基于热力计算的设备性能分析、设备早期预警、智能故障诊断等），成为电厂运营模拟仿真的载体，并确保其与现实物理世界的完全适用性。利用电厂的实时数据和历史数据，以及外部的一些相关数据来对模型进行不断的修正和完善，使“数字镜像”与真实电厂越来越像。基于数字镜像的数据和模型，开发各个专业领域的应用，如基于三维模型的点巡检系统，基于热力学模型的经济性预测系统，基于力学模型的寿命损耗预测系统，以及上述这些系统融合在一起的智能决策系统。

6.数据应用层

数据分析应用使得企业管理层能够及时了解全公司经营全貌，能更加快速、准确地诊断出企业经营状况及识别其主要影响因素，简洁、高效和有的放矢地管理企业。数据应用层设计如图2所示。

图2 数据应用层

目前，大数据应用设计主要包括以下几个方面：（1）规划。提升负荷预测能力。通过对大数据的分析，利用数据挖掘技术，更准确地掌握用电负荷的分布和变化规律，提高中长期负荷的预测准确度。（2）建设。提升现场安全管理能力。对现场照片进行批量比对分析，利用分布式存储、并行计算、模式识别等技术，掌握施工现场的安全隐患、核查安全整改措施的落实情况。（3）运行。提升能源调度管理能力。利用机器学习、模式识别等多维分析预测技术，对能源的发电能力进行预测和管理。（4）检修。提升状态检修管理能力。研究消缺、检修、运行工况等因素对设备状态的影响，以及设备运行的风险水平，利用并行计算等技术实现检修策略优化，指导状态检修的深入开展。（5）营销。提升对用电行为的分析能力。扩展用电采集的范围和频次，利用聚类模型等挖掘手段，开展对用电行为特征的深入分析，并实施区别化的用户管理策略。（6）运监。提升业务关联分析能力。利用流式计算、可视化和并行处理等技术，实现全方位在线监测、分析、计算。

7.数据标准体系

为充分发挥数据的价值，创建新型信息化应用，需对数据治理架构的组成要素、管理机制、管理手段等进行研究，规划出数据、技术、流程、组织四要素循环的运行模式。通过对发电企业系统建设与应用现状、数据应用现状等进行全面地调查与分析，建设数据标准体系。

数据标准体系建设如图3所示，主要包括3部分内容。

图3 数据标准体系建设

7.1 数据业务标准

从业务实际出发，描述数据分类、命名、属性等基本信息的规范与标准，业务规范与标准制定应满足业务现状并考虑未来需求。

7.2 数据治理标准

从数据的全生命周期出发，描述数据在不同阶段的管理规范及流程，以及不同角色的组织职责与分工。

7.3 数据技术标准

从架构和工具出发，描述数据在技术架构交换、存储以及访问应遵循何种原则，以及开发、建设相关应用时应遵循何种标准。

8.应用效果

对于大数据应用平台建设有着先进的方法论体系支撑并有丰富的实践。大数据应用平台为某电力集团下属十个不同规模的电厂提供了全厂级生产营运智能指挥和决策支持解决方案，解决了各个电厂信息系统缺乏关联的信息孤岛问题，为各级治理和操作人员提供了基于生产流程整体连贯的业务视图，极大地提高电厂的营运和治理水平，保证电厂始终运行在最佳的状态。该平台将多源系统数据进行了有效整合，并以可视化的图表方式进行呈现，帮助用户实时监测、直观掌握当前系统、设备、部件的运行情况及性能指标。

9.结语

电力生产大数据平台的建设是循序渐进的过程，未来企业在搭建大数据平台的时候，需要思考以下问题：

（1）管理变革。大数据应用并不是给某个电厂的应用，而是给区域公司和研究院的使用，这就意味着未来的电厂有可能走向装置化或者车间化。区域公司和研究院成为大数据应用的主体，为一线电厂提供专业性的指导意见，解决一线人才不足的问题。

（2）数据整理。大数据应用一定要对DCS的数据进行必要整理与编织，把过去一些不合理或者不规范的数据，重新定义和规范，以便分析过程中更加准确的，减少误判造成的损失。

（3）人才建设。大数据平台搭建核心是人才队伍建设：1）信息技术人才建设；2）大数据应用人才建设，二缺一不可。应用人才为信息人才提供专业知识和专业要求，信息人才是实现应用的必要条件，未来发电企业借助大数据广泛应用，必将带来发电企业组织变革。