流域梯级水电站运行管理智能化建设探索与实践

张 星 燎，关 杰 林，李 香 华，丁 伦 军

(中国长江电力股份有限公司，湖北 武汉 430014)

0 引 言

随着中国网络安全与信息化战略以及《“十四五”能源领域科技创新规划》的发布与落实，聚焦新一代信息技术与水电能源融合发展，开展水电信息化、数字化、智能化技术攻关和示范，持续推动水电站运行管理智能化建设已成为水电行业的重点工作。

在探索研究方面，目前针对智能水电建设的研究工作大多聚焦于设备自动化控制，致力于推动水电站业务信息化向数字化转变[1]。如大渡河公司在中国较早开展了“国电大渡河智慧企业”建设工作，利用云计算、物联网、工业自动化融合、移动互联等先进信息技术，将生产、建设、经营、管理等业务信息化、数字化，为电站运行管理的风险控制和决策制定提供科学技术支撑[2-3]。尽管如此，在基于大数据驱动和人工智能的业务整体智能化建设研究方面成果仍然较少，亟待进一步开展深入研究。

在建设实践方面，国内外企业尝试推动单一电站运行管理的智能化建设工作，但也多处于由传统信息化向数字化转型升级阶段。如丰满水电厂以《智能水电厂技术导则》为建设依据，重点关注控制一体化和整体信息化建设，为单个电站的信息化建设提供了参考[4]。加拿大魁北克水电公司历经十余年的研究和探索，在机组状态智能评估和转轮裂纹、空蚀智能检测方面已初具成效[5]。然而，在大规模梯级电站调度、大型水电站运行、巨型机组检修等流域梯级电站生产管理业务智能化建设方面的成果尚不多见。此外，在以往实践过程中，还存在行业实践缺乏战略性规划和思维，对数据标准及数据治理不够规范，对基础平台的重视程度亟待加强，数据驱动的业务应用实践较少等重要问题[6]。

当前，中国已形成以长江干流三峡-葛洲坝梯级为核心，以金沙江下游乌东德、白鹤滩、溪洛渡、向家坝为主干，金沙江中游梯级、雅砻江梯级、大渡河梯级、嘉陵江梯级和乌江梯级等五基地混联的水电格局，其规模举世瞩目[7]。梯级水电站的调度运行相较于单一水电站，约束条件多、涉及面广，水力运用、电力运行边界复杂，如何运行管理好流域梯级水电站，推进流域梯级调度运行管理智能化建设，充分发挥梯级水库防洪、发电、航运、水资源利用等综合效益，对于保障人民生命财产安全、提升水资源利用效率具有重要意义。

针对已有研究仍然存在若干局限(偏重于设备自动化智能化、通信架构改造、单一电站为主等)，结合国内大规模梯级水电站已初具规模，亟需进一步提高运营管理水平的现实需求。本文从战略层面考虑，重点针对流域梯级水电站核心业务需求，深度融合新一代信息技术与水电业务，提出了智能水电概念及其内涵，明确了水电站运行管理智能化建设的主要目标，设计了智能水电建设的总体架构，初步构建了智能水电建设蓝图，并以长江干流巨型梯级水电站为例，对梯级电站运行管理智能化探索实践进行了分析总结。

1 智能水电

1.1 智能水电概念及其内涵

立足水电行业智能化建设的迫切需求，在分析国内外水电行业智能化建设现状及发展趋势的基础上，提出了智能水电概念，其内涵主要包括两个方面：智能水电的基本定义和智能水电的基本特征。

1.1.1智能水电的基本定义

智能水电作为数字水电的一部分，是水电行业数字化转型的实践，是智能制造在水电行业的落地，是面向流域梯级多个电站在智能电站基础上的升级。图1展示了数字水电、智能水电和智能电站之间的包含关系。

图1 数字水电、智能水电和智能电站等概念之间的关系

具体而言，智能水电是指水力发电生产业务的智能化建设，即围绕水力发电的调度、运行、检修、安全等业务，以自动化、信息化、数字化为基础，通过云计算、大数据、物联网、移动通信、人工智能等新一代信息技术的应用，实现生产业务的智能化管控，进而实现水电站本质安全、运行可靠、效益最优。

为更清晰地说明智能水电的涵义，图2展示了智能水电系统的一种实现框架，即面向流域梯级水电站，通过对水电站物理实体及其运行过程的数字化，以工业互联网为核心构建虚实映射的数字孪生体系，基于大数据和水电相关的多学科机理实现智能模型的构建和优化迭代，从而实现梯级水电站安全、可靠、经济、高效运行。

图2 智能水电系统架构

1.1.2智能水电的基本特征

智能水电系统应具备自学习、自优化、自协同、自稳定等多种智能特征。

(1) 自学习，指智能水电系统能够通过学习算法和水电数据进行自我训练，具备发现新的规则和知识的能力。

(2) 自优化，指智能水电系统在实际运行过程中，能够基于系统运行的参数分析决策结果制定满足系统性能更优的策略并通过系统进行控制调优。

(3) 自协同，指不需要上级的统一协同指令，智能水电系统动态获取现场变化数据，各应用之间主动协调处理需要一致行动解决的问题。

(4) 自稳定，指智能水电系统能够在内外部工况的各种变化中，具备应对偏离平衡状态的扰动自我处理，主动恢复平衡状态的能力。

1.2 智能水电建设目标

基于智能水电的定义和特征，结合梯级水电站实际业务需求，智能水电建设目标应包括以下几点。

(1) 全面感知。通过数据采集平台的建设，全面采集坝体、设备、水文、环境、经营以及人员行为等数据，实现对电站生产要素的全面采集。建立完善的数据存储、处理、分析平台，提供有效的数据分析方法，实现各类数据的有序存储、有效集成、高效处理和智能分析，为电站安全运行、科学调度、精益生产、卓越经营提供数据支撑。

(2) 安全运行。通过建设全面的安全风险管控体系、安全风险管理平台及相应应急安全管理措施，实现生产现场设备(设施)安全、生产安全、网络安全等水电站本质安全要求。

(3) 精益生产。通过建设高效的生产运行管理体系和相应的支撑平台，有效开展设备巡检监控，设备趋势分析与缺陷诊断，实现设备预防性维护，建立有效的设备运行优化体系，提升设备安全可靠性和机组的可用率。

(4) 卓越运营。通过建设智能高效的经营管理体系和相应的支撑平台，创造价值最大化和关键经营指标最优，同时实现对水电运行、安全监控、设备检修等领域的全面管理。在数据分析平台支撑下实现对组织架构、管控方式、运行模式的不断改革。

(5) 综合效益最优。在全面状态感知、有效数据分析的基础上，综合考虑流域水雨情及水库调度、水文预报、电力生产计划等要素，实现调度期内防洪、发电、航运、水资源利用等综合效益的最优化。

1.3 智能水电建设总体架构设计

基于智能水电的定义特征以及建设目标，搭建了智能水电建设总体架构，其以统一的工业互联网平台为支撑，围绕智能运行、智能调度、智能检修、智能安全等业务，建设全领域、跨时空、多学科交叉的数字孪生智能水电体系，深入应用新一代信息技术，实现流域梯级大型水电站的更高设备可靠度、更多发电量、更强外部条件适应性、更少人力需求和更好经济效益。智能水电建设总体架构如图3所示。由总体架构图可知，智能水电建设主要包括前端感知、网络设施、虚拟电站、大数据中心、水电工业互联网平台、智能应用等内容。

图3 智能水电建设的总体架构

1.3.1前端感知和网络设施

水电站前端感知系统建设除传统的监控(监测)系统利用网络采集数据外，还应包括新型工业传感器、巡检机器人、视频摄像头、移动终端采集装置、物联网关、智能终端设备等新设备、新技术的应用，实现设备状态全息感知。网络设施建设的主要目标是建立全面覆盖生产控制大区、管理信息大区、大数据中心的网络基础设施，全面支撑梯级水电站运行管理的智能化建设。

1.3.2虚拟电站

通过工业互联网平台将水电站物理系统中的实体对象及业务转化为虚拟电站的机理模型、信息模型，建立水电站真实资产与模拟环境之间低延时、高保真的虚拟镜像。基于数字孪生的仿真能力，模拟水电业务从需求到生产发电的全过程综合仿真，形成发现、评估、诊断、优化的仿真处理结果，指导物理资产的运营和决策，同时真实资产的实时运行数据和状态为虚拟电站的模型提供准确的修正，进一步优化仿真环境，实现更趋近、趋优真实资产的运行。虚拟电站包含了物理场仿真、水电综合仿真、设备仿真、关键部件仿真等建设内容。

(1) 物理场仿真。建立基于温度场、应力场、声场、电场、电磁场、流体场等物理场的全息化机组“数字模型”，通过仿真、数据反演等计算数据，结合运维实际对水轮发电机组关键部件开展评估，实现运行工况与设计工况的实时比对，形成数字机组与实体机组的动态镜像关系，指导设备始终处于最优工况。基于多场耦合分析，为实现设备寿命预测提供数据支撑。

(2) 水电综合仿真。水电综合仿真是针对流域的梯级水电站，构建全流域、全领域、全要素的水电综合仿真模型，实现对整体流域的水情、气象、梯级调度等业务的综合仿真分析。

(3) 设备仿真。设备仿真是针对水电站的核心设备，基于设备结构、运行机理、控制原理等设计数据，构建多维度的仿真分析模型，实现对设备的运行工况、综合状态、故障现象的仿真分析，为设备应用及业务应用提供数据支撑。

(4) 关键部件仿真。关键部件仿真是针对核心设备的关键部组件，对部件的潜在故障、使用寿命进行仿真分析，为智能预警、故障诊断、寿命预测等高级应用提供数据支撑。

1.3.3大数据中心

大数据中心主要对水电站电力生产全业务流程数据(包含生产数据、管理数据和计算数据等)的标识体系、数据格式、数据类型、数据集成、数据存储、数据处理、数据接口等进行规范管理，打破信息孤岛，构建数据资产，实现水电生产业务数据资产价值最大化。

根据水电生产业务及组织结构特点，可在主站侧和厂站侧分别建设大数据中心，完善各厂站以及主站的数据汇聚。厂站侧大数据中心实现本单位全部生产数据汇集和存储。厂站侧和主站侧大数据中心建设均包括硬件建设、软件建设、数据整合、应用部署等工作。主站侧大数据中心与厂站侧数据中心是集中与分布的关系，每个厂站侧大数据中心是主站侧大数据中心的一个分布式数据库，两者之间通过数据库同步功能自动实时完成数据传输，实现对厂站侧数据的汇聚备份功能。

1.3.4水电工业互联网平台

水电工业互联网平台需要具备海量数据与各类水电行业模型管理、建模分析与智能决策、高级应用敏捷开发与创新、水电资源集聚与优化配置等一系列关键能力。这些传统数字化应用所无法提供的功能正是工业互联网平台的核心。按照工业互联网产业联盟发布的《工业互联网平台参考架构》的功能层级划分，水电工业互联网平台应包括边缘层、PaaS层和SaaS层3个关键层级，以及IaaS层作为计算资源和存储资源的支撑。

1.3.5数据驱动的智能应用

智能应用构建的具体步骤包括数据获取、学习算法选择、模型训练、业务算法构建、智能应用开发等内容，如图4所示。

图4 智能应用构建的技术路线

(1) 海量数据获取。数据获取是智能化建设的源头，针对调度、运行、检修等业务需要解决的问题，以及所涉及的资产设备，需要利用新型传感器、专用感知设备，以及信息系统集成等技术手段，不断提升数据获取能力。

(2) 数据统一管理。构建面向数据的全生命周期的统一数据管理体系，利用数据架构、数据平台、数据治理工具等数据管理相关技术，提高数据治理的整体效率。通过主数据管理、元数据管理、数据质量管理、数据模型管理和数据开放共享机制等数据管理能力的建设，体现数据服务、数据流通、数据洞察等多方面的数据价值。

(3) 学习算法选择。在统一数据管理的基础上，利用生产过程中产生的海量数据，选择相应的机器学习算法构建智能模型。在机器学习算法选择的过程中，有两种技术路线：① 以大数据分析为核心的技术路线。选择分类算法、聚类算法等学习算法，对历史数据进行大数据分析，挖掘数据中存在的响应知识和规则，从而构建智能模型。② 以机理模型分析为核心的技术路线。选择回归算法等学习算法，针对已存在的机理公式或者规则，利用历史数据进行回归分析，构建与真实情况相匹配的机理模型。

(4) 智能模型训练。智能模型是指以资产设备或业务对象为核心，面向不同业务范围的一组模型的集合，例如：气象模型、水文模型、地貌模型、水轮发电机模型、需求模型等。针对不同的问题可以选择不同的技术路线来不断完善某个对象的智能模型。

针对大部分对象，特别是无法明确机理的对象，可通过大数据分析的技术路线构建相应的智能模型，例如预警模型、评估模型、诊断模型等。这些模型都是基于历史数据，针对已发生过的现象进行分析和构建。

针对机理明确的对象，特别是非常关键的对象，在大数据分析技术路线的基础上，可通过机理分析的技术路线，构建更加全面、精准的智能模型，例如综合预警模型、健康状态评估模型、诊断模型、预测模型等。这些模型以机理为依据，经算法训练后，与真实情况高度一致，能够通过仿真分析实现状态预测，从而解决从未发生过的未知问题。

(5) 业务算法构建。业务算法是针对业务问题应用智能模型来构建相应智能算法。智能化建设中的业务算法主要是指面向业务的智能应用在解决业务问题时所采用的算法。面向业务的智能化本质上就是决策和优化，相应地，业务算法主要包括决策算法和优化算法两类。

(6) 智能应用开发。面向调度、检修、运行等核心业务，面向不同的业务问题，应用对应的业务算法构建相应的智能应用。针对不同业务方向，智能应用所关注的核心主要包括效率、可靠性、安全性等维度，其中调度业务关注效率，检修业务关注效率，运行生产关注效率、可靠性、安全性。针对效率、可靠性、安全性3个维度，分别应用决策和优化两种业务算法解决各个业务方向的核心问题。

2 长江干流智能水电建设实践

长江干流乌东德、白鹤滩、溪洛渡、向家坝、三峡和葛洲坝水电站(也称为金沙江下游-三峡梯级水电站)，构成了世界最大清洁能源走廊，同时也是长江流域联合防洪体系的最重要组成部分。待白鹤滩电站16台百万千瓦机组全部投运(当前已投运15台)，6座梯级水电站的总装机容量将达7169.5万kW，约占全国水电装机总量的19%，其中单机容量70万kW及以上级巨型机组数量占世界同容量级别水电机组68%，具有电总量大、调峰能力强特点，可有效缓解华中、华东地区及川、滇、粤等省的用电紧张局面，有力促进电网安全稳定运行。

金沙江下游-三峡梯级水电站规模巨大，其运行管理面临约束条件多、涉及面广、保电保安全责任重大，以及水力运用、电力运行条件复杂等难题。为实现梯级水电站本质安全、提质增效、科学决策，笔者团队一直致力于梯级水电站运行管理智能建设工作，积极开展新技术、新设备、新应用的探索研究、标准制定、试点应用等工作，目前已在网络基础设施建设、关键部件物理场仿真、多级数据汇聚、工业互联网部署、智能业务应用构建等方面取得了一定的实践成果。

2.1 网络基础设施建设

金沙江下游-三峡梯级水电站的网络设施主要由生产控制大区网络、管理信息大区网络、商密网专网、通信专网、硬视频会议专网等5大类网络组成。通过网络基础设施的建设打通了覆盖生产和管理信息系统信息流、业务流和网络通道。在安全可控前提下，实现了对生产控制大区和管理信息大区全企业生产、管理和网络安全信息的收集采集，为梯级水电站运行管理智能化建设提供了数据采集、传输和汇聚的基础。

2.2 关键部件物理场仿真

针对三峡电站安装运行的ALSTOM/HEC机组的关键部件，构建了材料、应力场、电磁场和温度场仿真模型。通过仿真、数据反演等计算数据，填补了关键部件无“监测数据”的空白，结合运维实际对水轮发电机组关键部件开展评估，实现了运行工况与设计工况的实时比对，指导设备始终处于最优工况。

2.3 多级数据汇聚节点

金沙江下游-三峡梯级水电站的数据汇聚节点分为三级：各生产单位安全Ⅱ区设置数据汇集中心，作为全部生产控制大区生产业务数据的临时汇集数据存储中心；各生产单位管理信息大区设置Ⅲ区数据中心，用于存储本生产单位全生产业务数据和部署单位级生产管理类信息系统；公司统一设置集中云计算大数据中心和统一备份数据中心，用于集中部署公司级应用系统。图5展示了梯级水电站的多级数据汇聚架构。多级数据中心通过数据集成及处理、数据访问、数据远传等功能，实现对梯级水电站生产业务流程数据管理和应用，支撑了基于人工智能和大数据分析的智能化应用开发。

图5 梯级水电站的多级数据架构

2.4 两级部署工业互联网平台

按照“一体化、组件化、智能化”原则，建设了公司(主站)及厂站一体化工业互联网平台。平台提供开放的、统一的开发与运行环境，实现业务应用快速开发、“插拔式”部署和统一运行管理。平台分为主站侧平台和厂站侧平台，在主站侧和厂站侧进行两级部署，主站侧及厂站侧工业互联网平台采用同源架构、分布部署。

(1) 主站侧平台。侧重模型训练、知识发现，实现全公司生产业务数据资产的统一存储和管理，在全公司范围统一提供工业服务能力支撑，向用户提供便捷的应用开发工具，帮助实现定制化应用开发。同时，基于主站侧全量数据，实现算法模型统一训练并向各厂侧平台下发。

(2) 厂站侧平台。侧重数据采集、模型应用，负责采集数据，实现厂侧设备、人员、环境、业务管理等数据的统一接入、本地缓存、边缘计算和智能联动等，并与主站侧平台实现数据交换。厂站侧平台与主站侧平台采用同构设计，可按需实现模块化部署。

2.5 智能水电建设初步实施效果

2.5.1长江上游水雨情遥测系统

创建了中国水电企业中规模最大、功能最全和技术最先进的水雨情遥测系统，自建及共享站点共1 450余个，接受气象部门20 000多条气象站信息，覆盖长江上游流域，10 min内可完成长江上游水雨情采集、传输、汇聚与处理，实现了流域水雨情全要素信息实时监测、自动采集、高效传输、快速处理。整个遥测系统畅通率、可用度均超99%，实时性和准确性在国内外同类遥测系统中处于领先地位。

2.5.2机组运行状态在线监测与趋势分析平台

建立了种类多、测点广、特征量全的机组运行状态监测与机组健康趋势分析平台，实现了电站机组群关键参量全方位实时监测，为机组安全运行“事前预控”提供数据支撑。10 s内可完成机组群百万个开关量、模拟量点位数据的采集、传输和处理。通过在线监测与智能趋势分析，结合实际运行经验，综合分析设备运行参数，可及时准确判断设备运行状态，适时调整设备运行工况或尽早发现设备故障征兆并及时处理，变“事后处理”为“事前预控”。

2.5.3梯级水电站运行管理决策支持系统

围绕金沙江下游-三峡梯级水电站实际生产业务，构建了整个长江上游综合水文、水资源、水能的精准模拟体系，提出了流域多尺度梯级水库联合优化调度模型、集成耦合技术和求解算法，发展和优化了联合优化调度方案，提出了预报及调度运行评价、上下游利益分配的关键技术，形成了一整套功能完善、技术先进的梯级水库群智能化水资源调度决策系统，实现了大范围、多变量、多目标的巨型电站群一体化智能预报、发电控制、协同调度和优化决策的落地应用，将梯级发电计划准确率提高至99.5%。

3 结 语

在大水电运行管理时代，科学合理地实施水电站精细化调度，深层次挖掘在运水电潜力对实现水能资源高效开发利用、减少电力系统化石能源消耗、推动能源结构转型升级、促进“双碳”目标最终实现具有重要作用。

为推动实现大水电本质安全、提质增效、科学调度，本文开展了梯级水电站运行管理智能化建设研究，从战略层面考虑，重点围绕流域梯级水电站核心业务需求，深度融合新一代信息技术与水电业务，提出了智能水电概念及其内涵，明确了水电站运行管理智能化建设的主要目标，设计了智能水电建设的总体架构，初步构建了智能水电建设蓝图。长江干流智能水电的建设实践表明，通过提升梯级水电站运行管理的智能化程度，10 min内可完成长江上游水雨情采集、传输、汇聚与处理，10 s内可完成机组群百万个开关量、模拟量点位数据的采集、传输和处理，梯级发电计划的准确率也提升至99.5%，显著提升了梯级水电站运行管理水平。实例研究结果验证了智能化建设的必要性和所提出的智能水电系统架构的合理性。

本文仅从宏观、战略层面提出了一套较为完整的梯级水电站运行管理智能化建设体系框架，而尚未勾勒出理论、方法、技术实现细节。大数据中心建设已实现1主站侧和4厂站侧的数据互通，截至本文撰写之时已存储数据22 101.5亿条，数据容量达到454.03 TB。水电工业互联网平台已实现主站侧与部分厂站侧研发部署，初步实现了数据标准化、模型统一化、算法共享化、界面友好化等。在后续研究中，研究团队将在大数据与工业互联网平台建设、软硬件基础夯实、前沿技术探索、业务智能应用等方面开展深入研究，进一步细化梯级水电站运行管理智能化建设的具体实现。