基于人工智能的电厂现场作业预警技术研究

2024-03-08国能宁夏鸳鸯湖第一发电有限公司王敬启冯蓓蓓国能宁夏鸳鸯湖第二发电有限公司裴险峰

电力设备管理 2024年2期

国能宁夏鸳鸯湖第一发电有限公司王敬启张扬冯蓓蓓国能宁夏鸳鸯湖第二发电有限公司裴险峰李伟

1 人工智能优势及研究背景

传统的火力发电厂发电机组数目较多，结构冗杂，作业现场缺乏有效的监测手段，未能及时对异常现象进行预警，加之资源未能有效配置，最终导致火力发电厂电能资源紧缺、工作人员效率低下、电力不能满足供应等问题产生。据调查，某地区发电厂2021年发电作业中故障频发，见表1，电厂设备本体因素在电网强停情况中占比较大，不容忽视，为降低后期电厂运行过程中故障发生率，应科学引入人工智能技术，提前对电厂作业过程中的异常情况进行预警，最大限度避免后期故障的发生，降低故障停时，有效提高电厂的作业质量[1]。

表1 某地区发电厂2021年度故障汇总

人工智能技术的应用，能够提前对作业中的异常状态进行预警，有助于电厂精细化管理和自动化控制，避免一系列故障的发生，克服电厂传统管理模式的缺点。该技术基于计算机+通信技术，采用硬件与软件相结合的设计模式，实现对电厂各个发电机组的管理及控制。与传统的技术相比，人工智能控制主要具有以下优点[2]。

第一，拥有自动化的程序设置，可以保证作业结果或产品性能与模拟仿真效果一致，不会出现差错，严格按照程序设置好的标准生产，源头上保障电厂各项生产作业的规范性。

第二，误差相对较小，AI 技术在运行中，一般由计算机内部程序设定好，一旦设置完毕便不会改变，后续的算法肯定能够得到保障，减少了工作人员参与，避免了人为误差，整个计算过程通常不会有明显的误差。

第三，节省人力成本。在传统的电厂生产模式中，生产作业涉及较多电气部件，像发电机组、变压器等，这些电器通过电缆七零八碎地连接在一起，每台设备都需要值班人员的操作和监督才能充分发挥其作用，这样一来，造成了大量的人力资源浪费，而AI 技术利用其强大的数据分析能力，在程序设定好的情况下可以自动运行，释放了人力，节省经济成本的同时也提高了工作效率。

2 电厂现场作业存在的问题

随着社会的发展，我国在人工智能方面的研究水平在不断提高，电厂设备的工作数据无论在采集、还是在传输方面，其效率均得到了明显改善。但也存在一些问题。

2.1 数据质量问题

电厂设备作业过程中，数据质量涉及采集、传输、储存等多个环节，隐患较多，因此可能会造成测量中出现数据异常、缺失、重复或是数据储存格式有误等，致使数据采集的样本量偏少。

2.2 数据收集不均衡问题

目前，我国所有的电厂设备中，现存的故障数据偏少，对比于监控数据中的常规项点来说，其故障数据类型呈现出较大的不均衡性，只借助人工智能算法把控全局样本较为困难。

2.3 数据融合存在问题

主要表现为两方面，首先，早期各个系统比较分散，独立开发并组成了不同的工作系统，很难进行融合衔接；其次，各设备部件或作业数据通常来自不同设备厂家和作业人员等，且区别较大。因此，有效识别、融合互通的难度大。通过人工智能技术应用在电厂设备的智能运维中，一方面需要完善修复数据、丰富数据，确保数据样本集的均衡性与全面性，另一方面还需要充分考虑目标数据的类型及计算精度，以便选取最优的算法模型。

2.4 缺乏有效监测手段

为节省成本，实际工作中，大多电厂作业过程中，并未考虑引入智能化在线监测装备，也未对该部分内容进行设计，未预留安装空间及数据接口，导致后期电厂工作过程中，各项运行数据未能及时被查看，异常数据未能及时进行跟踪记录，电厂作业状态未能得到有效的监控，且一旦电厂设备发生故障，没有相关的数据及有效信息作为参考资料，既延长了检修时间，又耽误了生产进度，一定程度上加大了作业人员工作的难度。

3 电厂现场作业预警运用人工智能的技术要点

3.1 遥测系统技术

就遥测系统来讲，其主要是对发电厂内安装的变压器等电气设备的作业状态实施监测，并进行相关特征值分析，包括电压、电流、电阻值等。伴随对遥测系统的深度探讨，不难发现，其能为发电厂的运行及发展提供精准、及时、详细的数据，但如何从杂乱的数据中获取有价值的资料，是未来需要着重钻研的问题[3]。

3.2 缺陷预警与故障诊断

电厂发电作业过程中，容易发生故障，严重时甚至导致整个供电系统瘫痪，因此应该引入基于人工智能的动态监测设备，实时监控电厂的作业状态，利用传感器采集数据，然后上传到通信网络，经过计算机处理，迅速诊断出电厂作业系统存在的隐患，为设备检修提供有力支撑，为可靠性检修奠定基础。在线监测可以实现二十四小时不间断监测，快速识别出异常数据，确定出电厂故障点并进行报警，通知工作人员快速到达现场进行处理，有效保证后期电厂的供电质量。此外，还应建立故障处理系统，为后期电厂的安全运行做好铺垫，如图1所示，故障处理系统将发生的故障依据类别一一分类，并建立专用故障台账，以便再次发生相似故障时，通过该系统能够快速锁定故障原因，及时解决相应故障。故障处理系统应主要包含信息收集模块、流程管理模块、远方操作模块、记录生成模块、历史事项模块、检索窗口、导出模块、数据库等。

图1 故障处理系统图

其中，数据库的建设是重中之重，需要保证数据收集及录入的准确性和完整性，可将电厂作业过程中及后期使用中的故障按照故障时间、事件序列号、事件处理过程、故障造成影响、事件总结等项点进行登记，逐一录入，慢慢积累，逐步完善电厂作业预警的维护信息，实现电厂预警数据的随时生成、一键导出等。

3.3 检修策略智能推荐

随着电力行业的飞速发展，电厂规模逐渐扩大、复杂性日趋增大，维护要求也越来越高，因此电厂的生产和作业面临着更苛刻的要求。而电厂生产与检修计划较为宽泛，传统的检修策略已不能满足目前电力网络的要求，因此，基于人工智能提出了智能修的最佳检修策略[4]，涵盖检修时间、流程及模式等。检修计划优化是从电厂作业入手，对检修模式进行多维度、多目标的调整，目的是增强电厂运行的可靠性，提高经济效益。通常采用的方法是启发式智能算法、数学规划方法等。当前，基于人工智能开发电厂设备维护检修方面的图谱成为电网运维检修策略的后起之秀。图2所示为基于AI 技术构建的电厂作业设备运维知识流程图。

图2 电厂设备运维知识流程图

3.4 三维全景可视化预警

发电厂的三维坐标是后期对作业设备及作业人员进行精确定位的基础，也是发电厂工作状态可视化实现的关键载体，可通过宏观与微观相结合的建模途径来实现。

实际操作时应遵循以下步骤：第一，利用无人机拍摄结合施工设计图纸建模来搭建宏观模型；第二，从微观角度对关键电厂设备的3D 模型实施建模，并形成模型库以便后续通用模块的调用；第三，依据电厂建设图对各个设备所规定位置进行最终划定。

3.5 运动物体的精准识别和轨迹跟踪技术

对于发电厂而言，作业时不可避免地会有运动的物体出现，通常指作业人员和车辆。基于人工智能依靠深度学习的实时视频进行一一分析，达成对作业人员及车辆目标的精准识别，同时进行行为趋势预测，并对运动物体全程轨迹实施跟踪，一旦有异常情况时，立即预警处理。当前，在人工智能技术中依靠人脸进行的身份识别方法已较为成熟，而以体态、步态等特点进行的人员身份识别还有很大的发展空间。

3.6 人工智能技术融入电厂综合控制

基于人工智能技术的综合控制系统通过把计算机和其他控制系统有机结合来达到工作数据高速传送的目的。该系统是基于电厂各模块单独控制系统而进行技术改造的升级控制系统，可以实现对电厂各机组进行高效管控，同时兼顾对故障的预警及快速处理。传统的电厂通常管理模式刻板单一，会导致较多的生产问题产生[5]。比如，各机械部分数据封闭，不能进行数据融合交流，也不能实现数据实时监控，任何一方数据参数异常，都会造成整个管理系统故障，耽误生产进度。将人工智能技术融合入综合控制系统后，能将电厂相关设备进行有效衔接，数据实时进行更新，实现有效监控，还可以进行精准的故障报警，大大提高工作效率。