馬亮

摘 要：火電廠智能化的核心主要包括三個(gè)層級(jí)，即智能設(shè)備層、智能控制層和智能管理層。本文應(yīng)用大數(shù)據(jù)技術(shù)對(duì)火力發(fā)電廠的數(shù)據(jù)進(jìn)行收集和存取，利用大數(shù)據(jù)分析方式中的統(tǒng)計(jì)學(xué)和機(jī)器學(xué)習(xí)對(duì)數(shù)據(jù)進(jìn)行處理。研究表明，統(tǒng)計(jì)學(xué)分析可以應(yīng)用到報(bào)警優(yōu)化、保護(hù)定值優(yōu)化、設(shè)備定修管理等智能控制層中;機(jī)器學(xué)習(xí)可以應(yīng)用到廠級(jí)負(fù)荷優(yōu)化分配、機(jī)組能耗分析等智能管理層中。上述分析方法的分類應(yīng)用在電廠中得到了有效的實(shí)施。

關(guān)鍵詞：大數(shù)據(jù)技術(shù);統(tǒng)計(jì)學(xué)分析;機(jī)器學(xué)習(xí)

中圖分類號(hào)：TM621文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1003-5168（2020）32-0018-04

Abstract： The core of the intelligentization of thermal power plants mainly includes three levels， namely the intelligent equipment layer， the intelligent control layer and the intelligent management layer. This paper used big data technology to collect and access data from thermal power plants， and used statistics and machine learning in big data analysis to process the data. Research shows that statistical analysis can be applied to intelligent control layers such as alarm optimization， protection setting optimization， and equipment maintenance management; machine learning can be applied to intelligent management layers such as plant-level load optimization and unit energy consumption analysis. The classification and application of the above analysis methods have been effectively implemented in power plants.

Keywords： big data technology; statistical analysis; machine learning

2014年，我國(guó)提出了打造制造強(qiáng)國(guó)的發(fā)展計(jì)劃——《中國(guó)制造2025》。其內(nèi)涵是在信息化與工業(yè)化深度融合的背景下，積極應(yīng)對(duì)互聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算等信息領(lǐng)域新技術(shù)的發(fā)展，提高資源利用效率，推進(jìn)重點(diǎn)行業(yè)智能轉(zhuǎn)型升級(jí)，其中就包括電力行業(yè)。2016年2月，國(guó)家發(fā)展和改革委員會(huì)發(fā)布了《關(guān)于推進(jìn)“互聯(lián)網(wǎng)+”智慧能源發(fā)展的指導(dǎo)意見》，明確指出促進(jìn)能源產(chǎn)業(yè)和信息技術(shù)深度融合，以更好地提升能源轉(zhuǎn)換效率、減輕環(huán)境污染，推進(jìn)能源供給側(cè)的改革。2017年，中國(guó)自動(dòng)化學(xué)會(huì)、電力企業(yè)、行業(yè)專家等聯(lián)合組織了多次對(duì)智能電廠最新發(fā)展技術(shù)和發(fā)展方向的研討，并制定了《智能電廠技術(shù)發(fā)展綱要》。黨的十九大報(bào)告強(qiáng)調(diào)，要推動(dòng)互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能和實(shí)體經(jīng)濟(jì)的深度融合。同年，國(guó)務(wù)院出臺(tái)了《關(guān)于深化“互聯(lián)網(wǎng)+先進(jìn)制造業(yè)”發(fā)展工業(yè)互聯(lián)網(wǎng)的指導(dǎo)意見》。2018年，工業(yè)和信息化部發(fā)布了《工業(yè)互聯(lián)網(wǎng)發(fā)展行動(dòng)計(jì)劃（2018—2020年）》。

目前，我國(guó)電力行業(yè)產(chǎn)能過(guò)剩嚴(yán)重，發(fā)電企業(yè)的火電利用小時(shí)大幅度減少，電價(jià)下調(diào)，節(jié)能減排任務(wù)較過(guò)去任何時(shí)候更為艱巨，排放要求十分苛刻。因此，當(dāng)前形勢(shì)下，電力行業(yè)非常有必要推進(jìn)智慧企業(yè)建設(shè)，這是提質(zhì)增效、節(jié)能減排、改革創(chuàng)新的主要方法。國(guó)內(nèi)各個(gè)發(fā)電集團(tuán)都在積極探索智慧電廠建設(shè)模式，樹立樣板工程，某電廠在大數(shù)據(jù)技術(shù)應(yīng)用領(lǐng)域率先邁出了第一步并取得了一定成效。

1 大數(shù)據(jù)平臺(tái)搭建的必要性

搭建大數(shù)據(jù)平臺(tái)，可以響應(yīng)國(guó)家產(chǎn)、學(xué)、研協(xié)同發(fā)展的號(hào)召，更好地分配和利用資源。如圖1所示，大數(shù)據(jù)平臺(tái)可以對(duì)歷史數(shù)據(jù)進(jìn)行學(xué)習(xí)訓(xùn)練，針對(duì)當(dāng)前的生產(chǎn)數(shù)據(jù)、運(yùn)行數(shù)據(jù)、設(shè)備參數(shù)等給出參考建議和可視化圖表[1-2]。Jupyter是一個(gè)開源的Web應(yīng)用程序，旨在方便開發(fā)者創(chuàng)建和共享代碼文檔。該系統(tǒng)主要基于Jupyterhub進(jìn)行二次開發(fā)，支持多用戶的Notebook服務(wù)器，用于創(chuàng)建、管理、代理多個(gè)Jupyter Notebook實(shí)例。其提供了一個(gè)環(huán)境，無(wú)須離開這個(gè)環(huán)境，人們就可以在其中編寫運(yùn)行代碼、查看輸出結(jié)果。其可以進(jìn)行數(shù)據(jù)清理、統(tǒng)計(jì)建模構(gòu)建、訓(xùn)練機(jī)器學(xué)習(xí)模型等。

2 大數(shù)據(jù)技術(shù)中統(tǒng)計(jì)學(xué)分析方式的應(yīng)用

2.1 設(shè)備參數(shù)關(guān)聯(lián)性報(bào)警優(yōu)化

目前，在運(yùn)行過(guò)程中，高壓加熱器是否發(fā)生泄漏需要人工根據(jù)運(yùn)行經(jīng)驗(yàn)自行判斷。泄漏初期，高壓加熱器的泄流量較小，各種參數(shù)變化不明顯，短時(shí)間內(nèi)難以判斷高壓加熱器是否已經(jīng)出現(xiàn)泄漏。所以，有必要建立高壓加熱器泄漏的特征參數(shù)模型，幫助運(yùn)行人員及早判斷高壓加熱器泄漏并發(fā)出報(bào)警，以便提前安排時(shí)間進(jìn)行檢查和處理，如圖2所示。

采集實(shí)際運(yùn)行中高壓加熱器正常疏水調(diào)門開度值，與數(shù)據(jù)模型中經(jīng)過(guò)函數(shù)計(jì)算得到的高壓加熱器疏水調(diào)門開度值進(jìn)行比對(duì)，當(dāng)實(shí)際調(diào)門開度與函數(shù)計(jì)算得到的調(diào)門開度差值大于10%且持續(xù)時(shí)間超過(guò)5 min時(shí)，將會(huì)發(fā)出高壓加熱器調(diào)門開度異常報(bào)警。

另外，采集實(shí)際運(yùn)行中高壓加熱器出入口給水流量差值，與數(shù)據(jù)模型中經(jīng)過(guò)函數(shù)計(jì)算得到的高壓加熱器出入口給水流量差值進(jìn)行比對(duì)，若實(shí)際高壓加熱器出入口給水流量差值與函數(shù)計(jì)算得到的高壓加熱器出入口給水流量差值大于50 t/h，將會(huì)發(fā)出給水流量異常報(bào)警。以上兩個(gè)報(bào)警做出“與”的邏輯關(guān)系，可以作為高壓加熱器發(fā)生泄漏的判斷依據(jù)。