江興家，楊 陽，向 濤，阮龍飛，魯 冬，劉永才

（1.新疆油田分公司重油開發(fā)公司，新疆 克拉瑪依 834000；2.深圳市佳運通電子有限公司，廣東 深圳 518000）

0 前言

注汽站中鍋爐運行天然氣占能耗成本的絕大部分，柱塞泵巡檢維護、鍋爐爐況優(yōu)化調整占工人工作耗時的絕大部分；基于石油行業(yè)“無人值守、減員增效”的發(fā)展政策以及本次項目需達到分析優(yōu)化技術規(guī)格要求，結合當前工業(yè)物聯(lián)網中普及應用的自動化管控技術以及計算機軟件大數據、機器學習等新技術，通過對鍋爐運行管理中影響能效的各類問題深度分析，以便對問題精準定位、排查優(yōu)化，從而實現(xiàn)在降低人工耗時的基礎上提升爐效、降低生產單耗。

綜合現(xiàn)狀問題的分析，首先需要針對能源管控在計量監(jiān)測級層面完善；目前計量監(jiān)測的點位不足以支撐對水處理系統(tǒng)、鍋爐產汽系統(tǒng)中各類能耗的統(tǒng)計，以及對能效指標的計算分析；系統(tǒng)需對整個試點單元中各類設備運行數據的計算、分析、預測，從而協(xié)助用戶對設備更有效、精準地操控、維護保養(yǎng)，提升能效；為實現(xiàn)能源管控閉環(huán)管理，需對整個生產單元中各類能耗的總量、單耗進行報表統(tǒng)計、成本核算，并與上級單元能源管控的系統(tǒng)對接，做到能耗管控的計劃與實績實時監(jiān)控、跟蹤。

1 能源管控系統(tǒng)功能設計

1.1 能源管控系統(tǒng)組成，如圖1 所示。

圖1 能源管控系統(tǒng)架構與數據流

1.1.1 自建數據庫

①同步鍋爐分鐘實時數據。

②同步半小時干度數據。

③同步鼓風機、柱塞泵電量數據。

④同步鍋爐設備信息。

⑤系統(tǒng)主要計算功能以數據庫存儲過程的方式實現(xiàn)。

⑥執(zhí)行定時任務。

⑦調用Python 飽和蒸汽、水的焓值計算。

⑧調用外部http 接口。

1.1.2 后臺服務WebAPI

①系統(tǒng)統(tǒng)計、分析功能計算。

②調用Python 氧含量學習、預測。

1.1.3 Python 服務

①提供飽和蒸汽、水的焓值計算服務。

②提供氧含量學習、預測。

1.1.4 客戶網頁前端

①頁面展示。

②用戶操作。

1.2 能源管控系統(tǒng)主要功能描述

1.2.1 能源總體管控

能源總體管控頁面如圖2 所示。

圖2 能源總體管控頁面展示

能源總體管控頁面，主要是將整個聯(lián)合站內設備的運行情況從宏觀的角度進行展示，幫助用戶快速了解整個站的各項運行和能耗指標，為用戶的節(jié)能決策提供可量化的數據支撐。

1.2.2 計劃與調度

計劃與調度頁面如圖3 所示。

圖3 計劃與調度頁面展示

（1）計劃管理

計劃管理頁面，是將聯(lián)合站的三種主要的能耗方式進行計劃統(tǒng)計，結合產能配置功能，幫助用戶在年底制訂下一年的產能、能耗預算，并在來年的時候能實時觀察當年的產能、能耗情況，是否滿足預定的指標。

（2）產能配置

產能配置頁面，用來幫助用戶制訂下一年的計劃產能、能耗，通過智能預測的方式，系統(tǒng)會結合往年的數據，幫助用戶制訂一個初步的產能、能耗計劃，用戶可以在這個基礎上進行微調，最終形成下一年的產能、能耗計劃。

（3）調度管理

調度管理頁面，是系統(tǒng)通過過去一段時間各個鍋爐的運行情況，計算得出各鍋爐的平均爐效和累計運行時長，按爐效進行排名，幫助用戶選擇工況良好的鍋爐。

1.2.3 監(jiān)測與預警

（1）實時監(jiān)測

實時監(jiān)測頁面，是將各個鍋爐當前的運行情況進行展示，通過概覽圖、工藝流程圖、列表數據的方式，從多個維度展現(xiàn)各個鍋爐的運行數據，幫助用戶觀察鍋爐當前運行的各項數據。

（2）異常報警

異常報警頁面，是作為能源總體管控的報警欄的詳細頁面，用戶可以在這里查看各個鍋爐的運行報警情況和歷史報警，幫助用戶排查問題。

（3）巡檢管理

巡檢管理，用戶可以根據點爐列表，看到當前正在運行的鍋爐，還可以添加一些巡檢任務。

（4）績效預警設置

績效預警設置，是后臺配置中設備能效指標的前臺展示頁面，用戶也可以對單個設備進行編輯，其他操作需要有權限的用戶在設備能效指標中進行。該功能通過配置各個鍋爐的指標，為統(tǒng)計分析計算提供判斷依據。

1.2.4 能源績效考核

能源績效考核頁面如圖4 所示。

圖4 能源績效考核頁面展示

（1）績效核算

績效核算頁面，是每日對全站的各個鍋爐進行統(tǒng)計，顯示用戶關注的各項能耗數據，方便用戶進行考核核算。通過點擊紅色背景的鍋爐還能查看該鍋爐的能效歸因分析報告，幫助用戶進行能耗分析。

（2）實績分析

實績分析頁面，是通過計算各站全年的累計數據，并與上一年進行對比，形成排行榜，為用戶從宏觀角度查看各站的年度績效情況。

1.2.5 綜合統(tǒng)計分析

（1）能效歸因分析

能效歸因分析頁面，系統(tǒng)會對能耗不達標的鍋爐進行分析計算，并提供分析報告，用戶通過報告查看鍋爐能耗不達標的原因。報告會提供鍋爐的關鍵指標，并給出工況優(yōu)化建議，對照數據，幫助用戶對鍋爐的工況進行調整。

（2）爐效分析

爐效分析頁面，是針對各個鍋爐進行多項關鍵數據的查詢，在一個緯度上進行數據展示。用戶通過查看各項數據的波動情況，分析出爐效變化的原因。

（3）燃燒曲線分析

燃燒曲線分析，是通過計算鍋爐在不同火量的情況下，氧含量在不同范圍的占比，提供燃燒工況的數據支持，方便用戶對燃燒曲線進行分析，同時也為燃燒器廠家提供數據支持。

（4）結垢積灰分析

結垢積灰分析，是通過計算各個鍋爐的各項關聯(lián)的指標數據，進行排序，并通過曲線展示排煙溫度，方便用戶對數據不達標的鍋爐進行結垢積灰的分析。

（5）泵效分析

泵效分析頁面，通過計算選定時間內的平均泵效，并提供關聯(lián)數據的運行曲線，幫助用戶對各個鍋爐的泵的運行情況進行分析。

（6）能耗統(tǒng)計報表

能耗統(tǒng)計報表，是通過計算選定時間內的各站能耗數據，并結合設定的單價進行成本計算，并以圖標的方式展現(xiàn)，也可以查看單個設備的能耗數據情況。

1.2.6 模擬與優(yōu)化

模擬與優(yōu)化頁面如圖5 所示。

圖5 模擬與優(yōu)化頁面展示

（1）水火配比模擬

水火配比模擬頁面，系統(tǒng)會對各個鍋爐的歷史運行數據進行模擬，并在不同的蒸汽壓力的情況下，找出對應良好工況下的數據，幫助用戶進行工況調節(jié)，達到鍋爐運行的最佳狀態(tài)。

（2）鍋爐工況優(yōu)化建議

鍋爐工況優(yōu)化建議頁面，在鍋爐能耗不達標并異常報警的時候，系統(tǒng)會依據良好工況的數據，為當前鍋爐提供優(yōu)化建議，幫助用戶進行運行指標調節(jié)。

（3）煙氣氧含量模擬

煙氣氧含量模擬，系統(tǒng)會通過機器學習的方式，對歷史煙氣氧含量的關聯(lián)數據進行學習，形成經驗模型，再通過傳入數據進行模擬，得出預測的煙氣氧含量，并與傳感器的煙氣氧含量進行對比，在數據相近的時候，可以替代系統(tǒng)采集的煙氣氧含量，節(jié)省使用氧化鋯的成本。

2 能源管控系統(tǒng)算法介紹

下面將介紹能源管控系統(tǒng)使用的主要算法。

2.1 反平衡爐效

通過對各種能量損失的值進行測算，計算出對應當量下，能量在鍋爐中的消耗情況，從而得出鍋爐的反平衡效率。

2.1.1 反平衡爐效計算公式如下

其中：

①過剩空氣系數：

②排煙熱損失：

③散熱熱損失：

④各個參數的取得方式見表1。

表1 反平衡爐效參數取得方式

2.1.2 用戶單位實際監(jiān)測數據與公式計算結果對比

（1）測算條件

環(huán)境溫度：取2020 年4 月22 日當天最高溫度27℃。

（2）結果比對1

監(jiān)測結果：91.7%

反平衡公式測算結果：91.56%

偏差0.14%

（3）結果比對2

監(jiān)測結果：90.6%

反平衡公式測算結果：90.66%

偏差0.06%

（4）結論：反平衡公式測算結果與實際測量值的偏差在可接受范圍內，系統(tǒng)使用反平衡的方式計算鍋爐熱效率。

2.2 泵效計算

通過獲取鍋爐柱塞泵在單位時間內的有效功與耗電量，計算出鍋爐柱塞泵的泵效。泵效計算公式如下：

式中，P為泵的輸出功，P=揚程×質量流量×重力加速度；P 為泵的耗電量，通過點位采集獲得。

2.3 基于歷史環(huán)境溫度的預測算法

由于用戶無法采集環(huán)境溫度的數據，本系統(tǒng)通過兩種方式獲取環(huán)境溫度：

①在能夠訪問外網環(huán)境的情況下，通過http 調用外網接口獲取當地當前時間的環(huán)境溫度。

②若在不能訪問外網的環(huán)境，則提前下載過去6年間的環(huán)境溫度，通過計算歷史平均溫度預測當地當前時間的環(huán)境溫度。

2.4 四分位數與正態(tài)分布過濾異常點位算法

本系統(tǒng)采用四分位數（如圖6 所示）和正態(tài)分布的方式過濾異常點位，先對大量的分鐘數據進行四分位法，掐去頭尾兩端出現(xiàn)異常概率較高的數據，再對得到的數據集進行正態(tài)分布，取出出現(xiàn)概率較大的數據進行平均，得到高準確性的數據寫入半小時數據表中。通過這種方式可以將一定量的異常數據排除，保證算法的準確性。

圖6 四分位數

2.5 定水定火配比算法

定水定火配比算法又稱水火配比模擬，原理是通過大數據得出在良好工況（平穩(wěn)運行、熱效率達標）下，比較具有代表性的一些數據（數據準確、長期穩(wěn)定）。再通過輸入蒸汽壓力，獲取對應的蒸汽壓力下最優(yōu)工況的水火配比數據，方便用戶比對當前工況與良好工況的區(qū)別，及時將鍋爐調整到良好工況下。

2.6 基于深度學習的煙氣氧含量預測算法

煙氣氧含量機器學習算法是將大數據通過Python機器學習的方式，以經驗的形式形成算法模型，通過定期的學習，將模型逐漸豐富，再通過調用算法模型，傳入關聯(lián)點位數據，預測的煙氣氧含量數據。當學習樣本數據到一定程度后，用戶可以比對預測的數據和實際的數據，如果偏差在可接受的范圍，可以使用預測氧含量數據替代使用氧化鋯測量得出的氧含量數據，達到節(jié)省成本的目的。

3 深度學習在能源管控系統(tǒng)中的應用

能源管控系統(tǒng)主要將深度學習應用在風氣配比和煙氣氧含量（如表2 所示）這兩個計算上。

表2 風氣配比和煙氣氧含量

配比風量最終是調整風門開度，影響風量的因素很多，均需要考慮到，但是各影響因素雖然有數據，卻沒有恒定的計算系數，可通過機器學習海量數據，使用深度學習算法，計算配比風量所需的風門開度值。

煙氣分析儀（氧化鋯）使用的壽命為一年，在燃燒器不換的前提下，通過對關聯(lián)影響煙氣氧含量參數數據進行機器學習，在完成一年四季工況數據學習的基礎上，使用深度學習算法，對煙氣氧含量預測，可在煙氣分析儀使用壽命到期后繼續(xù)提供對煙氣氧含量的監(jiān)測，維持工況的優(yōu)化。

我們將清洗后的大量數據，通過離線學習、在線學習等方式進行深度學習并構建神經網絡，得到結果模型，再通過其他關聯(lián)參數的傳入，預測出目標參數的數值，最終錄入到系統(tǒng)當中。

4 結語

能源管控系統(tǒng)結合大數據、深度學習等技術，幫助用戶將系統(tǒng)節(jié)能落地應用，從多個維度對日常生產中的能源消耗進行有效管理、控制，高效地將能源轉化成生產力，達成“降本增效”的目標，也為石油行業(yè)在未來更多的數字化、智能化應用實踐打下基礎。