基于大数据分析的智慧水电站平台建设

刘小锟,冉洪伟,李 琛

(1.三峡水利枢纽梯级调度通信中心，湖北 宜昌 443002； 2.智慧长江与水电科学湖北省重点实验室，湖北 宜昌 443002)

0 引 言

互联网、云计算、大数据、人工智能的发展对传统发电行业产生了深远的影响，促使发电企业不断向新一代智慧电厂的建设转型和创新[1]。智慧电站建设已经成为各发电企业新的发展趋势，作为现阶段提升电站运维管理水平的方向，各单位开展了积极探索。

按照生产自动化程度，可将国内电厂的建设历程分为传统自动化电厂、数字化电厂、智能化电厂、智慧电厂等主要发展阶段[2-3]。王鹏[4]、陈春武等[5]、华志刚等[6]指出了智慧电厂从数字化电厂发展而来，刘吉臻等[7]、张晋宾等[8]、崔青汝等[9]描述了智能电厂的体系架构，潘玉松等[10]对智慧电厂建设方向和架构体系展开设想。

智慧水电建设从“物理电厂”的生产过程、物理对象、业务流程、环境条件的数字化处理开始，进行水电生产管理各个环节的业务量化，再通过生产数据中心与高速数据传输网络完成多源海量数据的集成集中，并在此基础上构建以“态势感知、多维分析、趋势预测、风险预警、远程控制”等为主要特征的统一平台，实现集“数据、监测、运检、调度、算法”于一体的新型“云端电厂”[11]。相比于现有电站运行模式，智慧电站具备高度智能化，充分利用大数据处理和分析技术、人工智能技术等现代科技手段，最大限度地实现电站安全、经济、高效、环保运行。

本文介绍了当前国内主流电站运行管理现状，提出通过整合现有零散监测系统，利用人工智能、大数据分析等先进技术，不断开发各种高阶应用的方式，激活各存储介质内的海量休眠数据，从而大大提高电站运行管理效率和智能化水平，可为智慧电站建设和升级提供借鉴。

1 电站运行管理基本现状

当前国内主流电站基本形成了以计算机监控系统为主体，加上机组振摆监测系统、变压器油气监测系统等电站子监测系统，实现对全电站所有主辅设备的监测、运行、维护和管理。

电站各监测系统往往是根据单一系统或单一目标搭建独立运行的，各系统的生产数据存储于各独立数据库。这样在电站实际运行管理中特别是在数据资源使用过程中就会暴露不少问题。各生产系统数据单独存储、各自定义，无法有效连接，数据分散，数据分析利用效率低下，需要人工提取分析，工作量大，对工作人员自身素质的要求也比较高。

实现对设备状态的准确评估，尽早发现设备缺陷，精准定位故障点，并给出行之有效的解决办法是电站运行管理的目标。在现有条件下，通过大数据等新技术手段的应用，将各个孤岛数据库整合起来，通过一定的逻辑、模型进行分析处理，不仅能实现设备状态的准确评估和缺陷故障的提早诊断，还能把人从繁杂的数据提取分析工作中解放出来，大大地提高运行管理水平。以自动化、数字化、信息化为基础，多方面支持电站工作人员进行设备运行信息统计、分析和故障预判断，实现安全、稳定、高效运行的智能化电站建设。

2 大数据平台建设

智慧电站建设离不开数据支撑，电站智慧平台建设首要任务是构建大数据平台。基于电站实际情况，将电站离散的状态监测系统数据进行统一规划、存储，搭建统一在线监测系统，即形成整合大数据平台。整合的子系统包括机组振摆监测及发电机气隙监测系统、变压器油气在线监测、发电机局放在线监测、电站趋势分析系统等，满足实现电站所有主辅设备近乎全覆盖监测的数据要求。

2.1 平台架构

整合大数据平台的系统集成遵循安全性、稳定性、经济性、开放性原则，由现地层、数据采集层和厂站应用层3部分组成。

(1) 现地层由各在线监测子系统组成。

(2) 数据采集层主要功能如下：① 接收现地层各子系统数据；② 执行数据源时间同步；③ 转换并统一数据格式；④ 制定数据传输方式，开发通讯接口将本层数据传送至厂站应用层。

(3) 厂站应用层为数据实际应用环节：① 设备评估及诊断服务器群接收来自数据采集层服务器的数据，并接收离线录入的数据；② 对数据进行分析计算，将原始数据及计算结果一并存储于磁盘阵列；③ WEB服务器为MIS用户提供趋势分析、静态画面显示、报表设计与查询等服务。应用层配置数据综合管理工具，整合大数据平台整体架构如图1所示。

图1 整合大数据平台架构Fig.1 Integrated big data platform architecture

2.2 平台技术特点

大数据分析平台采用模块化架构，主要表现在：① 数据采集平台至少由数据采集、数据存储、实时SQL引擎、数据计算、分布式协助服务、流程化调度器、行业算法库、监控及配置管理平台、数据可视化和探索、BI开发套件模块等模块组成；② 所有功能模块可根据需求进行增减与升级。

大数据分析平台必须拥有的模块及其功能：① 数据采集模块至少带有一个标准协议库，应集成103、104、IEC61850等电网标准协议解析程序，实现数据的快速接入；② 数据储存模块至少带有3种存储组件，可对数据分别进行文件形式、关系数据库形式、nosql形式储存；③ 数据可视化和探索模块应提供丰富的图元库，例如折线图、柱状图、散点图、K线图、饼图、雷达图，以便开发人员直接调用进行数据的可视化展现；④ 监控及配置管理平台模块应基于Web图形化界面的向导式安装、一站式的集成监控及管理工具，降低大数据平台的搭建及运维难度和成本。

3 基于大数据平台的高级应用

整合大数据平台高级应用系统研发遵循安全性、稳定性、经济性、开放性的原则。① 安全性体现在数据安全和网络安全。② 稳定性主要体现在数据信息存储、传输、读取过程中的快速反应。系统开展数据高级应用设计，在满足系统安全防护要求的基础上，应充分考虑系统的冗余度，以保证系统的稳定可靠。③ 数据高级应用开发经济性原则即充分利用现有资源，使用数据平台提供的数据接口进行数据挖掘，切实服务电力生产，逐步实现设备诊断分析工作减少人、代替人、超越人的目标。④开放性原则即高级应用模块由具有不同功能微组件以“搭积木”的方式组成，微组件是可移植、可复用的模块，电厂维护人员可根据运行经验以及不同系统和设备特性进行组合、配置。微组件既可以是在设备运行、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，也可以是将当前的大数据常用的统计、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。

3.1 可定制机组状态智慧运行平台

针对运行人员实际需求，将当前人工分析内容标准化、自动化、智能化，并自动完成机组设备的机组状态实时巡检与报警，状态分析的报表分析、阈值分析、趋势分析及异常状态关联分析，实现智慧运行，解放人力，提高效率，更好地为机组状态分析、故障诊断提供客观依据。

3.1.1 设备状态实时自动巡检及智能告警

以整合大数据平台集成的监测数据为数据源，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，巡检范围覆盖全厂水轮机、发电机、变压器、调速器、励磁调节器、顶盖排水系统、检修排水系统等各类设备和系统。

(1) 设备运行状态巡检。巡检不同在线监测系统得到的各种状态数据，结合当前的运行工况，正确判断监测数据是否异常，实现智能告警。如振摆系统报警阈值区分机组稳态工况和暂态工况等。

(2) 设备或系统性能的巡检。根据设备或系统特性，计算、提取表征其性能特性的特征值，与正常特性(经验特性值或最近一次特性数值)自动进行比较和匹配，发现异常及时进行提醒或报警。例如对调速器压油泵加载间隔时间进行巡检，机组稳定运行时，综合考虑机组有功、主用调速器、压油罐压力油位等参数，实时计算压油泵加载间隔时间值，跟运行经验值进行比较，发现不匹配即报警。

(3) 告警及预警。在自动巡检各种监测数据的基础上，根据设备运行经验数据(或系统自学习智能算法数据)，设置重要参数测点的阀值告警功能。所有报警阈值可根据设备不同运行工况计算，也可根据运维人员经验设定，具有很强的自适应性。自动巡检还能根据数据的变化趋势发出预警提示(趋势预警)，在萌芽状态及时发现设备异常，预防重大故障的发生。结合设备运行特性及模型，采用智能趋势算法(如聚类分析算法等)，对设备变化趋势(如缓变量)、变化率异常自动识别并及时产生告警，解决机组漏水、漏油、轴承温度缓慢异常变化等问题。同时，该算法支持人工定置组态，并提供组态配置界面接口。机组瓦温趋势预警如图2所示。

图2 机组瓦温趋势预警Fig.2 Warning of bearing temperature trend of unit

(4) 报警事件推送。根据用户角色不同，以分级报警弹窗、短信或邮件推送等方式向相关责任人员推送报警信息。对重要报警信息可产生语音提示，提醒相关人员进行应急处置，同时联动图像监控系统，帮助运行人员第一时间了解现场情况。

(5) 应急处置措施提醒。当发现较为严重的报警信息时，直接提醒运行人员需要进行的安全检查及正确的处置措施，避免因人为原因造成事故的进一步扩大。

3.1.2 智能报表及报告

以整合大数据平台集成的监测数据为数据源，以运行人员运行分析经验和相应的模型与算法为支撑，自动生成水电站运行分析报表。在此基础上，提供丰富的分析功能，如阈值分析、趋势分析、异常状态关联、对比分析、棒图分析等智能分析机组的健康状态。

根据可配置的计算规则，提供多种分析方法，直观、清晰、简洁地展示机组设备的当前状态、横向和纵向的变化趋势。报表分析应根据运行经验描述明确的结论，若有异常，提示运行人员需重点关注的内容及应采取的应对措施。

平台能够对机组整体、机组各子系统(励磁系统、调速系统等)、公用系统设备(排水系统、气系统等)的总体运行工况进行状态评价，自动生成评价与分析报告。

通过对机组运行经验的总结，提炼相关评价指标，结合设备的历史运行规律(开停机规律，运行趋势分析)、缺陷等级和数量、精品/优良机组的运行指标等对设备进行细化评分，建立评价模型。

平台综合各种评价模型及趋势预测结果，并结合智能分析报表中的相关报告内容，对每台机组总体运行状况进行评价，并按照预设标准模版自动生成机组整体运行情况评价报告。用户可调取每台机组评价报告，直观获取机组运行过程中重要运行指标、与精品机组相比的差异值、需要观察与处理的缺陷、重要设备的运行趋势情况、以及评价得分与扣分等信息。报告也可以提供相关建议供运行人员参考。

3.2 基于机组工况的设备性能分析平台

实时自动识别机组工况状态(包括停机等待过程、开机过程、同期过程、负载稳定过程、正常停机过程等)、记录工况数据及计算机组工况性能指标，通过运行状态异常检测及性能降低与越限检测分析，实现机组设备实时在线监测分析和机组健康状况的评估。

根据工况定义，此平台可在机组试验及日常运行过程中，自动识别机组工况，记录工况过程中关注的原始数据，并依据相应标准、规程与专家经验，自动计算工况过程的性能指标。同时对比正常的工况性能指标，自动评估性能品质及变化趋势，及时发送报警或预警信息，统一归入自动巡检。同时整个工况过程可以自动生成完整的试验报告进行存档。机组开机过程曲线如图3所示。

图3 机组开机过程曲线Fig.3 Start-up process curve of unit

3.3 基于数据整合平台的机组设备状态诊断

依托大数据整合平台，录入各种设备评估所需的离线数据，建立部分设备诊断模型，及时发现设备异常状况；自动生成机组状态评估报表，为机组的状态检修提供依据[12-14]。

在大数据整合平台上集成设备诊断评估的各类离线数据，如机组试验数据、巡检数据、生产管理信息系统中的设备缺陷数据和结构化报告等，实现机组设备全方位数据的自动调用、查询、显示和协同分析。以机组设备全方位数据为基础，结合机组实际运行状况，建立设备状态评估模型，自动生成机组设备年度评估报告，避免人为因素的影响，为机组状态检修提供可靠依据。依托整合平台数据，建立开放式故障诊断模型，运维人员可以结合电厂设备维护经验、业内标准诊断算法、最新的诊断技术等，自定义设备故障诊断模型。针对部分设备采用三维故障诊断模型仿真，及时发现和找到异常现象根源。

4 结 语

基于大数据分析的智慧平台能全面提升水电厂生产管理的智能化水平，充分解放人力资源，提高机组运行安全性、可靠性，提升企业效益。本文从当前国内水电站生产实际出发，提出了在现有条件下进行智慧电站建设的一种方式或方向。学习型、成长型是智慧电站的发展要求，在生产实际中，通过开发出更加科学有效并贴合生产的高级应用，例如机器人、图像监控、火灾报警与消防系统的联动控制等等，从而不断丰富和优化智慧平台。智慧电站建设是一个长期过程，如何优化逻辑算法使得机组状态评价无限接近真实状态，准确诊断机组状态并给出最优运行维护方案，通过整合人工智能技术实现“规律发现”和“知识发现”等，需要不断探究。