三峡电站智能平台架构及关键技术

张晓宇，卞庆华，张坤峰

（中国长江电力股份有限公司三峡水力发电厂，湖北 宜昌 443133）

1 引言

根据上述建设目标和基本要求，本文构建覆盖电站全寿命周期，以智能数据为基础、智能管控一体化平台为核心、智能发电运行管控模式为目标的三峡电站智能平台架构[1]，在此平台上进行了应用扩展和资源优化调度整合。通过该平台的信息集成，实现了智能数据层、智能算法层、智能应用层之间的融合，提升了设备诊断效率和安全管理维护水平。

2 三峡电站智能平台架构

智能发电以发电过程的数字化、自动化、信息化、标准化为基础，以管控一体化、大数据、云计算、物联网为平台，集成智能传感与执行、智能控制与优化、智能管理与决策等技术，形成一种具备自学习、自适应、自趋优、自恢复、自组织的智能发电运行控制管理模式，实现更加安全、高效、清洁、低碳、灵活的生产目标[2]。基于此，运用自适应控制、模糊控制、多目标优化等现代控制理论，采用大数据、深度学习、工业平台等信息技术，构建覆盖电站全寿命周期，以智能数据为基础、智能管控一体化平台为核心、智能发电运行管控模式为目标的三峡电站智能平台架构，如图1 所示。平台软件由具有不同功能的微组件以“搭积木”的方式组成，组件可移植、可复用，能以图形化模式供电站运行人员根据经验和设备特性自行配置，组成不同系统和设备的智慧运行平台。微组件可以是在设备运行、维护、状态评估、故障诊断的技术、知识、经验等基础上建立的物理机理模型，如泵运行状态组件；或是结合大数据统计、人工智能算法、异常检测、归一化处理、数据聚类、关联和预测等数据处理方法标准化后的数据分析模块，如逻辑运算组件、FFT 组件等，实现趋势统计、大数据分析及智能告警功能。

图1 三峡电站智能平台架构

2.1 智能数据层

智能数据层对各分散的状态监测系统海量异构数据进行预处理，打通生产经营多个环节的数据孤岛，是智慧电站数据治理的重要工作内容，也是智能管控的基础和驱动力。

（1）智能数据层由数据源、数据接口模块、数据清洗模块等组成，负责从II 区数据整合平台读取数据，进行清洗，去除重复、冗余及无效数据，并对数据进行转换、归约、集成和统一编码，为智能算法层中的优化控制、状态评估及诊断系统提供重要数据保证。

（2）系统采用Ⅱ区数据整合平台提供的专用数据服务接口获取数据，支持WebService、FTP 等通用协议。数据接口将各种通用通信协议做成独立模块，可以根据需要进行组合，满足数据读取要求。智能数据层如图2 所示。

图2 数据层结构

（3）智能数据层嵌入智能测量设备，如红外热成像、高清摄像头、智能机器人、声音监测装置、无人机等，全天候对设备状态进行全方位监测，实时对巡检结果进行识别和诊断，弥补了传统人工巡检的缺陷和不足，提高了设备运行可靠性[3]。

2.2 智能算法层

智能算法层通过智能应用层指令与智能数据层数据信息实现，融合先进控制算法及智能控制策略、多目标优化、数据分析等技术手段，精细控制发电过程中的各项重要参数。智能算法层主要包括以下几种技术：

（1）智能算法层嵌入智能数据分析技术，融合大数据分析、边缘计算等先进技术，对电力生产过程中的海量数据进行统计、挖掘，归纳数据特征和规律，从而实现多源数据的深度融合，为设备智能控制提供优化建议。

（2）智能算法层中嵌入设备实时评价规则库，结合智能数据层提供的高可靠、高精度数据，融合相关行业标准、设备现场实际运行特性及专家经验，应用数据挖掘、机器学习和自寻优算法，全面、精确、实时反映当前电厂设备及系统性能，推荐当前工况下最优运行方式，运行人员可根据建议调整设定值和运行方式，提高机组运行效率。

语文教育家叶圣陶先生说：“就接受和发表而言，口头的表现形式为听人说和自己说。听和读，之于接受同样重要；说和写，之于发表同样重要。”中学生学习文本语言，就是为了实现表达的迁移。我们要为中学生创设民主自由的表达空间，引导学生漫溯文本，于深度解读处抓住语言表达的章法，以适时运用提升其口语。

（3）智能算法层嵌入机组工况和试验工况识别算法，记录工况原始数据、计算性能指标，根据不同工况对数据采用不同的分析策略，并自动评估性能品质及变化趋势，显著增加机组控制系统自动化水平，大幅减少操作强度。基于机组工况的设备性能分析平台如图3 所示。

图3 基于机组工况的设备性能分析平台

（4）智能算法层中嵌入故障诊断知识库，如图4所示。建立大型发电机组健康状态多维动态智能诊断模型、机组稳定性故障诊断模型、机组导叶间隙诊断模型、推力瓦受力分布诊断模型、液压系统内漏诊断模型等，实现对机组运行状态及故障的超前预警与故障诊断，方便运行人员及时掌控设备健康状况，识别潜在风险，为智能管理提供决策支持[4]。

图4 故障诊断种类

（5）智能算法层中嵌入智能软测量技术，使用机理和数据双驱动精确建模[5]，如机组稳定性及效率数字模型、三部轴承温度预测模型、调速器控制行为寻优模型、液压系统工况劣化预测模型等，实现电站设备不可测关键状态在线监测。以调速器控制行为寻优模型为例，采用T-S 模糊模型对调速器这个复杂非线性动态系统进行建模，将既能有效进行自学习又能利用模糊规则推理来描述系统的模糊神经网络控制技术应用于调节系统控制中[6]。其系统结构如图5 所示。

图5 自适应模糊广义预测控制系统

传统调速器控制规律大多采用PID 控制，在机组确定工况下，通过整定一组恰当的参数可以获得较好的控制性能[7]。但当工况发生变化偏离设定工况时，PID 控制很难取得满意的控制效果。针对线性模型不能准确描述系统动态特性，从而导致基于线性模型所设计的控制器无法取得理想控制效果的缺点[8]，将T-S 模糊模型与广测控制（GPC）[9]相结合，采样被控对象的输入输出数据，离线辨识得到T-S模糊模型，在线对模型进行自适应调整，在每个采样时刻得到被控对象的线性化模型，采用GPC 算法对机组进行控制；同时，针对系统辨识输入变量难以选择的问题，采用决策树搜索法来挑选输入变量，建立系统的最优模糊模型。通过对模型输出结论部分在线辨识，既避免了全局模型在线实时辨识造成的算法复杂耗时，又能保证系统具有较高的动态性能和鲁棒性。实践表明，基于T-S 模糊模型的水轮机调节系统自适应广义预测控制器具有很好的控制效果，控制性能指标明显优于传统PID 控制方法和基于线性模型的GPC 控制方法。

2.3 智能应用层

智能应用层是平台的核心，其根据智能算法层提供的设备实时评价方案、故障诊断结果，以各类分析算法与模型为支撑，实现水电站设备状态的全方位实时自动巡检、自动报表定制等。智能应用包括智能巡检、智能报表、智能检修等应用软件，提供设备状态实时监测、智能巡检、预警报警、趋势预测、状态检修等功能，为运行人员提供决策支持。

（1）智能应用层中嵌入设备状态实时自动巡检系统。包括以各类分析算法与模型为支撑的设备状态实时自动巡检系统、基于判断监测数据是否异常的监测状态巡检系统、与设备特征值比较的设备性能巡检系统等。以上导状态巡检策略为例，系统从3 方面对设备状态进行巡检：①关键参数越限巡检：实时分析上导关键参数的状态，判断是否有越限报警。②关键参数离群巡检：将实时监测数值和历史分布区间进行对比，分析参数是否偏离正常区间。③常见故障巡检：根据当前上导摆度、上机架振动数据，结合上导摆度峰峰值、间隙值长期变化趋势，分析轴瓦松动情况；计算上导瓦温偏差数值，结合上导轴心轨迹形状，分析判断上导瓦隙是否存在不均匀；分析瓦温是否超标或有增大趋势，结合润滑油温、油位，分析上导润滑油系统是否异常。

实时自动巡检不仅能够根据当前状态数据发出报警信息，还能根据数据的变化趋势发出预警提示，以预防重大故障的发生；所有报警阈值可根据设备不同运行工况计算，也可根据运行人员经验设定，具有很强的自适应性。

（2）智能应用层中嵌入智能运行分析报表。以智能数据层数据为基础，结合各种分析算法模型及运行分析经验，自动生成运行分析报表，包括实时状态分析报表、定期状态分析报表、专项检查分析报表、定期巡检报表等。在此基础上，提供各种分析功能，如频域分析、阈值分析、趋势分析、对比分析等，智能分析评价机组健康状态，实时给出当前工况下最优操作目标值和最优运行方式，指导机组智慧运行。智能分析报表结合了诊断和评价技术，可自动根据设定的状态报告分析模板选取相关的数据，自动进行相应的计算并提取相应的特征数据，根据特征数据提出相应的处理意见，具有分析报表定制化、分析手段多样化、分析结论精准化等特点。

以摆度特性定期状态分析报表为例，利用系统长期积累的不同水头和负荷下的摆度数据，通过多维相关趋势分析工具分析导轴承摆度在不同水头下随负荷的变化趋势，掌握水头对导轴承摆度随负荷变化特性的影响，为优化运行提供数据基础；此外，通过分析导轴承摆度幅值、相位和摆度测点平均间隙在相同工况下随时间的变化趋势，分析导轴承摆度是否存在突变，辅助及时发现机组异常情况。

（3）智能应用层中嵌入智能检修系统。长期以来，三峡电站有一套成熟的基于人工打分系统的设备检修决策方法，通过长期的实践已证明了此决策方法有其合理性，但是根据经验的人工设备检修决策受限于经验和知识水平，有其局限性。融合计算机智能化辅助检修决策和人工检修决策信息，将状态检修、智能预警、专家诊断[10]、远程诊断等技术应用于状态检修策略的制定、检修过程实施的智能状态检修系统，构建基于设备性能特征值的等级评估模型、基于故障诊断的劣化预测模型、基于健康预测及健康评估的健康管理模型、基于自学习训练样本的可靠性检修模型、基于大数据统计的寿命评判模型等，能够实现对重要系统和设备的自学习、自分析、自诊断，从而实现科学优化检修项目、检修周期、检修费用，最终实现检修管理水平提升和检修成本优化。

以变压器状态评估方法为例，传统的三比值法评价指标固化、无法综合参照设备各个参量的不足，采用“在线数据＋实验机理数据”或“智能算法＋故障机理模型”这类数据驱动与传统评价指标相结合的方式[11]，能够有效地判断变压器的运行状态。选取油色谱数据、电气试验数据、油品质试验数据、绝缘油特性数据为定量指标，变压器运行情况及检修记录为定性指标，构建变压器绝缘状态评估指标体系如图6 所示。基于指标劣化度确定等级划分标准{H1，H2，H3，H4}，构建变压器状态评估的物元层次模型，引入最优权重和D-S 证据理论，对评估中的模糊性和随机性等不确定性整体考虑，从而得出最终状态评估结果。

图6 变压器绝缘状态评估体系

（4）智能应用层中嵌入预警报警系统。根据设备运行特性及模型，结合积累的历史数据，利用聚类分析算法等智能趋势分析算法对设备变化趋势、变化率异常自动识别并及时告警，报警策略包括动态阈值报警、参数离群报警、参数变化异常报警、设备故障报警等。预警报警系统可解决机组漏水、漏油、轴承温度缓慢异常变化等问题，实现故障超前预警、超限报警和趋势预测。

3 结语

本文分析了三峡电站智能化现状，探讨了三峡电站智能平台架构、关键技术及业务模块功能。三峡电站智能平台整合了全厂的生产数据，为生产过程深度分析及指导全厂运行控制提供了统一的数据基础；此外，在此数据平台上提供了丰富的智能算法及其应用环境供运行控制调用，能完成包含机器学习、能效计算、运行优化、智能控制等各种生产环节的计算,提高了电站的智能化水平[8]。