趙俊杰 羅立權(quán) 史松寶 項(xiàng)鋒 楊如意

[摘? ? 要]? 本研究在燃煤火電廠ERP等已有信息系統(tǒng)的基礎(chǔ)上，分析智慧管控一體化平臺的架構(gòu)、功能和模型，通過機(jī)理算法、專家知識庫、大數(shù)據(jù)分析和挖掘、可視化等手段，提供更有價(jià)值的診斷、報(bào)警、預(yù)測和決策信息，以實(shí)現(xiàn)火電廠經(jīng)濟(jì)效益最大化。結(jié)果表明電廠側(cè)設(shè)備的五個(gè)維度評價(jià)指標(biāo)包括健康狀態(tài)、風(fēng)險(xiǎn)狀態(tài)、壽命狀態(tài)、能效指標(biāo)、排放指標(biāo)。鍋爐3D可視化量化監(jiān)測模型包括結(jié)焦可視化與分級量化評估模型、四管可視化防磨防爆模型、鍋爐四管減薄預(yù)測模型、氧化皮生成分析與預(yù)警模型、管道熱疲勞裂紋分析、四管剩余壽命評估與泄漏預(yù)警模型。基于智能狀態(tài)監(jiān)測與智慧決策，狀態(tài)檢修可取代計(jì)劃檢修。

[關(guān)鍵詞]火電廠ERP;生產(chǎn)運(yùn)營管理;大數(shù)據(jù)分析;模型算法;專家知識庫;智慧決策

[中圖分類號]TM62，TM727 [文獻(xiàn)標(biāo)志碼]A [文章編號]2095–6487（2020）03–00–03

[Abstract]Based on existing information systems such as ERP in coal-fired power plants， this research analyzes the architecture， functions and models of the integrated intelligent management and control platform， and uses mechanism algorithms， expert knowledge bases， big data analysis and mining， and visualization. Provide more valuable diagnosis， alarm， forecast and decision information to maximize the economic benefits of thermal power plants. The results show that the five-dimensional evaluation indicators of power plant-side equipment include health status， risk status， life status， energy efficiency indicators， and emission indicators. Boiler 3D visualization and quantitative monitoring models include coking visualization and hierarchical quantitative evaluation models， four-tube visualization anti-wear and explosion-proof models， boiler four-tube thinning prediction models， oxide scale generation analysis and early warning models， pipeline thermal fatigue crack analysis， and four-tube remaining life evaluation With leak warning model. Based on intelligent condition monitoring and intelligent decision-making， condition maintenance can replace planned maintenance.

[Keywords]thermal power plant ERP; production and operation management; big data analysis; model algorithm; expert knowledge base; smart decision

燃煤火力發(fā)電企業(yè)為了實(shí)現(xiàn)生產(chǎn)運(yùn)營業(yè)務(wù)流程的信息化管理，打造了一體化管控系統(tǒng)ERP（企業(yè)資源計(jì)劃，Enterprise Resource Planning）。但ERP系統(tǒng)缺少經(jīng)營策略管理以及業(yè)務(wù)流程的協(xié)調(diào)優(yōu)化，無法為火電廠的生產(chǎn)管理、經(jīng)營決策提供高效的數(shù)據(jù)支撐和智能化手段。因此，有必要采用現(xiàn)代信息技術(shù)、智能測量、控制技術(shù)，與數(shù)據(jù)倉庫、聯(lián)機(jī)處理、大數(shù)據(jù)分析、數(shù)據(jù)挖掘、機(jī)理模型庫和專家知識庫結(jié)合，形成綜合智能決策支持技術(shù)，以指導(dǎo)生產(chǎn)現(xiàn)場機(jī)組的運(yùn)行優(yōu)化、遠(yuǎn)程診斷、安全環(huán)保、高效經(jīng)濟(jì)管理。

本研究擬在燃煤火力發(fā)電廠ERP等已有信息系統(tǒng)的基礎(chǔ)上，搭建更高層級的智慧管控一體化平臺，通過機(jī)理算法、專家知識庫、大數(shù)據(jù)分析和挖掘等方法，提供更有價(jià)值的診斷、報(bào)警、預(yù)測和決策信息，以實(shí)現(xiàn)火電廠經(jīng)濟(jì)效益最大化。本文的分析有助于了解信息化與工業(yè)化融合的工業(yè)4.0建設(shè)方法和路徑，通過模型、算法的分析與深度挖掘，提取出數(shù)據(jù)集合下隱藏的事物本質(zhì)，通過直觀展示，使信息系統(tǒng)與實(shí)際生產(chǎn)經(jīng)營管理緊密結(jié)合。

1 數(shù)據(jù)分析與挖掘

集團(tuán)側(cè)的數(shù)據(jù)分析包括：發(fā)電數(shù)據(jù)分析、燃料數(shù)據(jù)分析、供熱管網(wǎng)數(shù)據(jù)分析等。在實(shí)時(shí)系統(tǒng)SIS中，開展機(jī)組性能分析（包括負(fù)荷分析、趨勢分析、發(fā)電量分析），啟停機(jī)分析，小指標(biāo)考核。對于電廠側(cè)，設(shè)備的五個(gè)維度評價(jià)包括：（1）可靠性，以設(shè)備的健康狀態(tài)為評價(jià)依據(jù)。（2）安全性，以設(shè)備的風(fēng)險(xiǎn)狀態(tài)為評價(jià)依據(jù)。（3）可用性，以設(shè)備的壽命狀態(tài)為評價(jià)依據(jù)。（4）經(jīng)濟(jì)性，以設(shè)備的能效指標(biāo)為評價(jià)依據(jù)。（5）環(huán)保性，以設(shè)備的排放指標(biāo)為評價(jià)依據(jù)。

通過實(shí)時(shí)對標(biāo)的方法，構(gòu)建全面績效考評體系，實(shí)現(xiàn)對“人”的管理優(yōu)化。績效分析方法包括：評價(jià)分析、相關(guān)性分析、動態(tài)分析。（1）評價(jià)分析包括：①簡單評價(jià)，利用跟蹤分析和排名表，實(shí)現(xiàn)指標(biāo)跟蹤、單項(xiàng)評分;②差異評價(jià)，通過同比、環(huán)比、橫向比較等，實(shí)現(xiàn)組織對比分析;③綜合評價(jià)，通過綜合比率分析、排名表，實(shí)現(xiàn)綜合比率分析和綜合評分。（2）相關(guān)性分析包括：定量相關(guān)分析、定性相關(guān)分析。（3）動態(tài)分析包括：長期趨勢分析、季節(jié)波動分析、循環(huán)波動，以實(shí)現(xiàn)趨勢分析和指標(biāo)跟蹤。

基于標(biāo)桿的對標(biāo)和績效管理過程包括：①標(biāo)桿準(zhǔn)備，明確標(biāo)桿管理目標(biāo)，建立標(biāo)桿小組，形成標(biāo)桿管理計(jì)劃。②標(biāo)桿規(guī)劃，確定標(biāo)桿管理的范圍、內(nèi)外部標(biāo)桿、標(biāo)桿資訊源。③標(biāo)桿比較，通過資訊收整，確定標(biāo)桿管理指標(biāo)和績效差距，開展績效差距成因分析。④標(biāo)桿實(shí)施，是指擬定未來的最佳實(shí)踐，構(gòu)建KPI體系，制定并實(shí)施改革計(jì)劃，評估與重新校標(biāo)。對標(biāo)管理的預(yù)估效果包括：（1）客觀評估企業(yè)在本行業(yè)競爭中所處的位置，幫助企業(yè)制定符合實(shí)際的戰(zhàn)略目標(biāo)。（2）改變以往基于本企業(yè)過去業(yè)績確定未來績效目標(biāo)的做法，以參照先進(jìn)企業(yè)的業(yè)績，來確定本企業(yè)的績效目標(biāo)。（3）持續(xù)不斷地衡量企業(yè)的投入指標(biāo)和產(chǎn)出指標(biāo)，尤其是系統(tǒng)性地與先進(jìn)企業(yè)動態(tài)比較投入產(chǎn)出比，及早發(fā)現(xiàn)管理中的薄弱環(huán)節(jié)，找到與先進(jìn)企業(yè)的關(guān)鍵差距。（4）運(yùn)用標(biāo)桿管理，從模仿到創(chuàng)新，創(chuàng)造適合自己實(shí)際的最佳實(shí)踐方案，使某一關(guān)鍵環(huán)節(jié)的業(yè)務(wù)迅速成長，促進(jìn)企業(yè)核心競爭力的形成。（5）擴(kuò)大企業(yè)指標(biāo)的比較和經(jīng)驗(yàn)交流范圍，實(shí)現(xiàn)企業(yè)系統(tǒng)的信息和管理資源共享。

2 專家知識庫

建立集團(tuán)核心知識管理和經(jīng)驗(yàn)分析體系，在全集團(tuán)層面共享安全管理、生產(chǎn)管理、環(huán)保管理、電力交易、生產(chǎn)指標(biāo)、經(jīng)營管理、下屬熱電廠處理問題的成功經(jīng)驗(yàn)等。將發(fā)電行業(yè)的基礎(chǔ)知識庫逐步嵌入ERP系統(tǒng)和基于ERP的智慧管理平臺IMS，并對新入職大學(xué)生開展專家知識的培訓(xùn)，開發(fā)知識經(jīng)驗(yàn)庫給生產(chǎn)人員參考學(xué)習(xí)。

對于電廠側(cè)的設(shè)備管理，基于大數(shù)據(jù)分析和專家經(jīng)驗(yàn)，形成各系統(tǒng)、各類設(shè)備的專家診斷知識庫?；诋惓?bào)警和閉環(huán)管理的知識庫形成流程包括：實(shí)時(shí)監(jiān)控、異常報(bào)警、下屬企業(yè)分析、集團(tuán)確認(rèn)、納入知識庫、通告學(xué)習(xí)。

基于人工智能算法的專家知識庫構(gòu)建方法包括：基于純數(shù)據(jù)分析的大數(shù)據(jù)提煉和挖掘出來的規(guī)律、物理和化學(xué)模型、專家經(jīng)驗(yàn)梳理成模型、數(shù)學(xué)模型、校驗(yàn)?zāi)Ｐ?、知識模型、故障模型數(shù)據(jù)庫、專家診斷知識庫等。

3 智慧診斷與多級報(bào)警

智慧管控一體化信息系統(tǒng)智慧診斷報(bào)警的業(yè)務(wù)范圍包括：設(shè)備維護(hù)、系統(tǒng)控制、人員安全、經(jīng)營管理等。（1）智慧維護(hù)是指給單體設(shè)備看病、治病和防病，以解決設(shè)備可靠度管理的問題。（2）智能控制是指給工藝系統(tǒng)看病、治病、防病，解決運(yùn)行優(yōu)化和靈活調(diào)峰問題。（3）智能安全是指給人員行為看病、治病和防病，解決人員傷亡，事故頻發(fā)的問題。（4）智慧經(jīng)營是指給管理流程看病、治病和防病，解決自動競價(jià)和資產(chǎn)增值的問題。

火電廠設(shè)備的就地診斷和維護(hù)管理包括：（1）巡檢，通過看、聽、摸，辨識指示儀表的狀態(tài)、外觀、噪聲、異音和跑冒滴漏。（2）點(diǎn)檢，通過點(diǎn)檢儀，開展測振、超聲、測溫等工作。（3）精密點(diǎn)檢，通過精密儀器，開展綜合診斷和辯證施治;（4）技術(shù)監(jiān)督，基于監(jiān)督體系開展數(shù)據(jù)分析和可視化展示。（5）檢修觸發(fā)與管理，以狀態(tài)驅(qū)動工作模式為主，以計(jì)劃驅(qū)動工作模式為輔，針對設(shè)備根源性問題進(jìn)行檢修與改善。

變電站的在線監(jiān)測及診斷內(nèi)容包括：電磁振蕩、電氣故障、變壓器油中氣體成分、調(diào)相系統(tǒng)狀態(tài)。通過全方位監(jiān)測變壓設(shè)備運(yùn)行狀態(tài)，診斷分析，并及時(shí)給出故障報(bào)警或風(fēng)險(xiǎn)預(yù)警。

4 智能狀態(tài)監(jiān)測與智慧決策

火電廠設(shè)備運(yùn)行狀態(tài)監(jiān)測和優(yōu)化決策管理的內(nèi)容包括：汽輪機(jī)冷端在線監(jiān)控及智能決策、智能吹灰與輔助決策、燃燒在線監(jiān)測及智能優(yōu)化、脫硝優(yōu)化運(yùn)行及安全預(yù)控、空預(yù)器優(yōu)化運(yùn)行及安全預(yù)控、電除塵智能監(jiān)控及優(yōu)化運(yùn)行、脫硫吸收塔經(jīng)濟(jì)運(yùn)行及安全監(jiān)控、閥門故障監(jiān)測及輔助決策。在設(shè)備日常管理的基礎(chǔ)上，設(shè)備“五定管理”的內(nèi)容包括：故障部位確定、故障原因確定、故障等級確定、處理方案確定、工時(shí)費(fèi)用確定。設(shè)備檢修“五優(yōu)化管理”的內(nèi)容包括：優(yōu)化檢修周期、優(yōu)化檢修項(xiàng)目、優(yōu)化檢修級別、優(yōu)化檢修策略、優(yōu)化檢修費(fèi)用。

鍋爐系統(tǒng)的3D可視化量化實(shí)時(shí)檢測方法和監(jiān)測模型包括：鍋爐激光CT（TDLAS）、聲波測溫、結(jié)焦可視化與量化、四管可視化防磨防爆、鍋爐四管減薄預(yù)測、氧化皮生成分析與預(yù)警、管道熱疲勞裂紋分析、四管剩余壽命評估與泄漏風(fēng)險(xiǎn)分析管理、基于多層圖像過濾的爐膛內(nèi)高溫火焰可視化?；谘趸し治龅乃墓軌勖u估方法基于材料老化因子的概念，對L-M參數(shù)法進(jìn)行修正，與材料的布式硬度HB、球化級別、材料組織變化參量、抗拉強(qiáng)度sb等老化特征進(jìn)行量化關(guān)聯(lián)。鍋爐四管磨損減薄智能預(yù)測基于歷史檢查的管壁測厚數(shù)據(jù)、歷史檢修數(shù)據(jù)、機(jī)組運(yùn)行數(shù)據(jù)、化水監(jiān)督數(shù)據(jù)、煤質(zhì)監(jiān)督數(shù)據(jù)、物理結(jié)構(gòu)數(shù)據(jù)、關(guān)聯(lián)因素?cái)?shù)據(jù)等，通過內(nèi)置的大數(shù)據(jù)分析模型，分析與計(jì)算指定區(qū)域的減薄情況、剩余壽命情況、減薄速率分布情況等。通過掌握鍋爐管壁減薄的劣化發(fā)展規(guī)律，預(yù)測區(qū)域減薄最值，指導(dǎo)檢修時(shí)間，合理采取防磨防爆措施，真正實(shí)現(xiàn)智慧優(yōu)化決策的功能。

在生產(chǎn)經(jīng)營決策方面，以動態(tài)煤耗曲線為基礎(chǔ)，構(gòu)建經(jīng)營分析模型，查找每變動一個(gè)百分比對成本影響最大的因素?；谟澠胶饽Ｐ?，分析保本電量、保本電價(jià)、保利電價(jià)等成本結(jié)構(gòu)，為經(jīng)營管理層提供全面、準(zhǔn)確的經(jīng)營指標(biāo)，并預(yù)測公司經(jīng)營走勢，幫助公司領(lǐng)導(dǎo)進(jìn)行管理決策。

5 結(jié)語

本文在燃煤火力發(fā)電廠ERP等已有信息系統(tǒng)的基礎(chǔ)上，分析智慧管控一體化平臺，通過機(jī)理算法、專家知識庫、大數(shù)據(jù)分析和挖掘，提供更有價(jià)值的診斷、報(bào)警、預(yù)測和決策信息，以實(shí)現(xiàn)火電廠經(jīng)濟(jì)效益最大化。結(jié)果表明：

（1）狀態(tài)驅(qū)動的科學(xué)決策來源包括：智能無人巡檢、汽輪機(jī)安全預(yù)控、遠(yuǎn)程專家診斷、輔機(jī)智能監(jiān)測、潤滑監(jiān)測智能執(zhí)行、四管磨損智能預(yù)警、高壓電氣早期預(yù)控等。

（2）對于電廠側(cè)，設(shè)備的五個(gè)維度評價(jià)包括：可靠性、安全性、可用性、經(jīng)濟(jì)性、環(huán)保性。設(shè)備“五定管理”為故障部位確定、故障原因確定、故障等級確定、處理方案確定、工時(shí)費(fèi)用確定。

（3）鍋爐爐膛實(shí)時(shí)檢測與可視化的方法包括：鍋爐激光CT（TDLAS）測溫和氣體濃度、聲波爐膛斷面測溫度場、基于多層圖像過濾的爐內(nèi)高溫火焰可視化。

（4）生產(chǎn)經(jīng)營決策以動態(tài)煤耗曲線為基礎(chǔ)，建立盈虧平衡和經(jīng)營分析模型，預(yù)測公司經(jīng)營走勢，提供管理決策合理化建議。

參考文獻(xiàn)

[1] 劉吉臻，胡勇，曾德良，等. 智能發(fā)電廠的架構(gòu)及特征[J]. 中國電機(jī)工程學(xué)報(bào)，2017，37（22）： 6463-6470.

[2] 傅曉軍，鄭正茂，嚴(yán)玉堂，等. 調(diào)峰供熱燃機(jī)電廠壓縮空氣系統(tǒng)優(yōu)化改造分析[J]. 中國電業(yè)，2019，47（11）： 367-368.

[3] 趙俊杰，陸海濤，包海斌，等. 基于鍋爐四管可視化的防磨防爆監(jiān)測和智能泄漏預(yù)警[J]. 神華科技，2019，17（8）： 47-50.

[4] 鄔馗星，張繼東，陸海濤，等. 智能吹灰閉環(huán)控制系統(tǒng)在火電DCS的集成應(yīng)用效果分析[J]. 中國電業(yè)，2019，47（17）： 506-507.

[5] 陳世和，張曦. 基于工業(yè)4.0的智能電站控制技術(shù)[J]. 自動化博覽，2015 （9）： 42-50.

[6] 趙俊杰，陸海濤，吳豪，等. 基于人工智能算法的智能視頻識別燃煤火電廠跑冒滴漏[J]. 神華科技，2019，17（9）： 40-44.

[7] 林志峰，戴成峰，葉華浩，等. 1000MW燃煤火電機(jī)組配煤摻燒和燃料全成本評價(jià)模型[J]. 電力設(shè)備，2020 （7）： 212，231.

[8] 趙俊杰，馮樹臣，馬克，等. 基于泛在電力物聯(lián)網(wǎng)技術(shù)的智慧電廠安全管控一體化應(yīng)用[J]. 能源科技，2020，18（5）： 1-6.

[9] 張帆. 智慧電廠一體化大數(shù)據(jù)平臺關(guān)鍵技術(shù)及應(yīng)用分析[J]. 華電技術(shù)，2017，39（2）：1-3，7.

[10] 馬天男，王超，彭麗霖，等. 多源異構(gòu)大數(shù)據(jù)下綜合能源系統(tǒng)用戶用能行為預(yù)測分析研究[J]. 智慧電力，2018，46（10）：86-95.