夏襄宸，肖志懷，劉少華，陳 佳，袁喜來

（1.武漢大學動力與機械學院，武漢 430072；2.國網(wǎng)電力科學研究院武漢南瑞有限責任公司，武漢 430074；3.湖北能源集團，武漢 430077）

0 引 言

抽水蓄能電站具有調峰填谷功能，運行方式靈活，負荷調節(jié)迅速，是電力系統(tǒng)的重要調峰調頻電站，也是我國智能電網(wǎng)的有機組成部分［1］，開展設備檢修是保證抽水蓄能電站機組安全健康運行的必要措施。抽水蓄能電站廠房內部空間結構復雜、設備種類繁多，其設計與運行維護難度大［2］，而且抽水蓄能機組設備檢修周期長、工序多、不確定因素多，需要耗費巨大的人力、物力資源。我國已投運的抽水蓄能電站雖然有了一定規(guī)模，但其檢修策略的研究尚處于初級階段，基本上采用定期檢修的檢修策略［3］，對于機組檢修項目開展及管控仍以人工管理、監(jiān)督等傳統(tǒng)方式為主，不能很好地適應構建智慧電站的發(fā)展需求。在國家要求扎實做好碳達峰、碳中和各項工作的背景下，大規(guī)模風能、太陽能等新能源電能的接入，其隨機性和間歇性對電網(wǎng)調度及實時平衡帶來了巨大壓力。抽水蓄能電站對保證電網(wǎng)安全穩(wěn)定運行、提高供電質量將發(fā)揮更加重要的作用。如何使用先進高效的檢修技術與管理體系，保證水輪發(fā)電機組設備的健康狀態(tài)以及安全穩(wěn)定運行，是抽水蓄能電站不斷探索的課題。

隨著信息技術的發(fā)展和智能電網(wǎng)建設的推進，虛擬現(xiàn)實技術、三維可視化技術和智慧數(shù)字化運維技術在水電領域迅速推廣［4］。國內外很多學者將三維建模、可視化交互仿真等技術應用于水電站運行維護，詹平等采用虛幻4 引擎構建抽水蓄能廠房VR 仿真場景［5］，王耀東利用SolidWorks 與OpenGL 技術設計了水輪機調速器虛擬檢修培訓平臺［6］，岳志偉等運用3DS MAX與Virtools等軟件開發(fā)了混流式水輪發(fā)電機組的檢修、裝配仿真培訓系統(tǒng)［7］，何新穎等采用VRP 軟件開發(fā)了基于虛擬現(xiàn)實的水輪發(fā)電機運行仿真平臺［8］，Dong Z 等基于通用電氣公司某商業(yè)軟件提出一種新的調速器檢修模型［9］，Jincheng 等通過構建虛擬電站研究梯級水電調度方法［10］。

綜上，國內外對于虛擬現(xiàn)實在水電機組的應用多集中在三維建模、仿真培訓領域，對機組數(shù)字化檢修全過程管控還處在探索階段，結合抽水蓄能電站檢修工程實際，有以下幾點問題需要解決：

（1）已有系統(tǒng)普遍是對設備拆裝進行虛擬仿真，無法實時跟蹤檢修進度，對檢修工期與資源進行管控；

（2）對行業(yè)內機組檢修案例缺乏整合、分析，未能從策略與計劃層面對檢修工作提供指導；

（3）狹窄空間內大型設備吊裝等作業(yè)項目缺乏科學合理吊裝推演與風險預警機制。

針對上述問題，本文應用實景重構、精細化建模、基于虛擬實景的機組檢修作業(yè)推演、基于神經(jīng)網(wǎng)絡的資源配置預測、機組檢修數(shù)字化管理系統(tǒng)集成等技術，研究了抽蓄機組數(shù)字化檢修管理方法，開發(fā)了抽水蓄能電站機組數(shù)字化檢修管理系統(tǒng)，實現(xiàn)電站場景漫游、檢修策劃、檢修實施和檢修評估等功能。該系統(tǒng)應用于某抽水蓄能電站檢修現(xiàn)場，實踐應用證明該系統(tǒng)可大大提升抽水蓄能電站機組檢修管理數(shù)字化水平，推動智慧型數(shù)字化電站建設，具有較好的工程應用前景。

1 系統(tǒng)分析

1.1 數(shù)字化檢修

《水電發(fā)展“十三五”規(guī)劃（2016-2020年）》提出建設“互聯(lián)網(wǎng)+”智能水電站。利用物聯(lián)網(wǎng)、云計算和大數(shù)據(jù)等技術，推動水電工程設計、建造和管理數(shù)字化、網(wǎng)絡化、智能化。在此趨勢下，將機組的技術資料、專家知識、專家經(jīng)驗、運行狀態(tài)等轉化為數(shù)字信息，供員工和智能化設備使用，進而提出融合了虛擬現(xiàn)實、智能決策、抽水蓄能電站多元信息的數(shù)字化檢修技術。

數(shù)字化檢修是指運用計算機、網(wǎng)絡、通信等數(shù)字化手段，針對檢修全過程，實現(xiàn)策劃、協(xié)調、管理、分析、交互、監(jiān)控的新型運維方式。依托數(shù)字化檢修技術搭建抽水蓄能電站機組檢修數(shù)字化管理系統(tǒng)，重構沉浸式檢修作業(yè)場景，還原機組檢修全過程，指導現(xiàn)場檢修作業(yè)開展，提升檢修管理深度與檢修作業(yè)質效。

1.2 系統(tǒng)功能與架構分析

系統(tǒng)具有沉浸式漫游交互功能，利用實景重構技術對電站進行精細化建模，1∶1 高精度沉浸式還原電站廠區(qū)和地下廠房物理場景。

整合抽水蓄能電站機組檢修案例，構建檢修知識庫，實現(xiàn)檢修策劃、進度管控與資源預測。

基于設備精細化模型，通過標準化作業(yè)與作業(yè)推演還原機組拆裝全過程，實現(xiàn)檢修危險點預警。檢修后對機組進行狀態(tài)評估，驗證檢修工作的有效性。

根據(jù)電站實際功能需求，設計系統(tǒng)架構，其主要功能、關鍵技術、數(shù)據(jù)來源等模塊的組織架構如圖1所示。

圖1 抽水蓄能電站機組數(shù)字化檢修管理系統(tǒng)架構Fig.1 Structure of digital management system for unit maintenance in pumped storage power station

抽水蓄能電站機組數(shù)字化檢修管理系統(tǒng)整體采用C/S 架構，主要功能設計包括沉浸式全景漫游、檢修知識庫查詢、檢修進度管控、資源預測、大型設備吊裝作業(yè)推演、機組檢修標準化作業(yè)、機組狀態(tài)評估等，涵蓋抽水蓄能電站機組檢修策劃、檢修實施、檢修評估全流程管理與應用。

2 關鍵技術

2.1 檢修數(shù)字化策劃

通過研究分析抽水蓄能電站行業(yè)內機組檢修案例，結合機組檢修流程與知識庫查詢思想，構建了基于知識圖譜［11］的抽蓄機組檢修知識庫。

知識圖譜是結構化的語義知識庫，用于以符號形式描述物理世界中的概念及其相互關系，其邏輯結構分為數(shù)據(jù)層與模式層。知識圖譜的構建方法可分為自頂向下、自底向上和混合方式3種［12］，自頂向下是根據(jù)數(shù)據(jù)源構造模式層，形成對應的概念模型和規(guī)則關系，再依照此模式抽取實例添加到知識庫中，構造數(shù)據(jù)層。自底向上方法從數(shù)據(jù)源提取實體、屬性和關系加入數(shù)據(jù)層，對這些要素進行歸納，將其抽象為概念規(guī)則，最終形成模式層。

本系統(tǒng)涉及的抽水蓄能機組檢修案例與檢修流程的核心數(shù)據(jù)源相對固定，因此采用自底向上的方式構建機組檢修知識庫，其結構如圖2所示。

圖2 檢修知識庫結構Fig.2 Structure of maintenance knowledge base

數(shù)據(jù)層從數(shù)據(jù)源獲取抽水蓄能機組檢修相關知識與案例，進行分析與預處理，進而抽取實體、關系與屬性，完成知識存儲與融合。模式層獲取數(shù)據(jù)層的知識集合，整合檢修案例與資源的對應關系，歸納成為檢修規(guī)則，通過檢修規(guī)則，制定機組檢修策略，實現(xiàn)檢修計劃智能生成。

檢修知識庫在實踐中不斷更新，需要知識圖譜有迭代更新的能力，不斷增加新的知識、刪除舊的知識并相應調整知識圖譜的結構［13］。在模式層和數(shù)據(jù)層提供擴展接口，當出現(xiàn)新的檢修案例時，可以進行添加或刪減。

2.2 檢修實施

通過三維激光掃描技術建立抽水蓄能電站廠房庫區(qū)與機組設備精細化模型，進一步提出抽水蓄能電站機組檢修作業(yè)推演與標準化作業(yè)技術，為檢修現(xiàn)場提供作業(yè)指導與安全保障。

圖3 知識庫更新流程Fig.3 Knowledge base update process

2.2.1 精細化模型

精細化建模技術路線包括：使用建模工具對機組設備零部件與檢修工器具進行初步建模，對照圖紙修正外形，根據(jù)機組物理結構，將零部件模型裝配成機組整體模型。對機組模型進行貼圖、光影烘焙處理，提升模型真實程度。采用三維激光掃描、空間數(shù)據(jù)配準技術建立廠房庫區(qū)模型，將機組模型與廠房庫區(qū)模型合并，組成抽水蓄能電站完整精細化模型。

2.2.2 作業(yè)推演

本文提出的基于虛擬現(xiàn)實的機組檢修作業(yè)推演技術，融合碰撞檢測算法與吊裝路徑規(guī)劃算法，可模擬真實作業(yè)環(huán)境，對現(xiàn)場作業(yè)流程、潛在風險因素進行預演，完成檢修風險的識別與預警。

圖4 精細化建模技術路線Fig.4 Technical route of fine modeling

圖5 作業(yè)推演體系結構圖Fig.5 Structure chart of operational deduction

碰撞檢測技術的應用可以很大程度提高作業(yè)推演的真實程度，增強虛擬實景的沉浸感，同時避免場景中物體相互穿透或重疊［14］。本系統(tǒng)采用的射線碰撞檢測技術說明如下。

射線碰撞檢測算法實質上是射線與一個平面是否相交的問題，因此需要準確計算射線與物體表面的交點［15］。在三維空間中，射線的方程可表示為：

式中：P、P0、α均為三維矢量；P0表示射線的起點；P表示射線上任意一點；α表示射線的方向單位向量，t ∈[0，∞)。

空間中平面可由其法向量N與平面上一點P1定義，任意一個平面方程可寫為：

式中：d表示坐標原點到該平面的距離。

若射線與平面相交，設交點為P'，則P'必同時滿足上述兩方程，解方程組有：

將上式代入射線方程即可求解射線與平面的碰撞點。系統(tǒng)可定義不同設備的碰撞距離閾值，當設備與障礙物的距離小于等于該閾值，系統(tǒng)發(fā)出風險預警信息。

吊裝作業(yè)是機組檢修的重要環(huán)節(jié)，具有一定的危險性與不確定因素。為了尋找最優(yōu)吊裝路徑，提升檢修作業(yè)的安全性，本系統(tǒng)研究了基于快速擴展隨機樹（Rapid-exploring Random Trees，RRT）算法［16］的吊裝路徑規(guī)劃方案，實現(xiàn)吊裝路徑自動尋優(yōu)。

RRT 算法以空間中起點為根節(jié)點，通過隨機采樣增加葉子節(jié)點的方式，生成一棵擴展隨機樹，當隨機樹上的葉子節(jié)點包含了目標點或進入目標區(qū)域，即可在隨機樹中找到從起點到目標點的路徑，步驟如下：

（1）在三維空間中，初始化一個起點xinit，再隨機選擇一個采樣點xrand，若點xrand不在障礙區(qū)范圍內，則連接點xinit和xrand，得到一條直線L；

（2）若直線L 沒有和障礙物發(fā)生碰撞，則沿著直線L，從xinit向xrand方向擴展一段距離λ，得到新節(jié)點xnew，如果xnew與障礙物發(fā)生碰撞，放棄此次生長，否則將xnew添加到隨機樹上；

（3）重復以上步驟，直到目標點xgoal被添加在隨機樹上或距離小于閾值，可以確定從起點到終點的最佳路徑。

圖6 起吊前推演效果圖Fig.6 Effect of deduction before hoisting

根據(jù)抽水蓄能電站吊裝作業(yè)實際，將吊裝設備的起點與終點作為參數(shù)錄入系統(tǒng)，對應路徑規(guī)劃的xinit與xgoal，設置碰撞距離閾值與安全吊裝速度，系統(tǒng)基于RRT 算法生成隨機樹，快速尋找最佳吊裝路徑。

本系統(tǒng)的作業(yè)推演技術融合上述碰撞檢測算法與吊裝路徑規(guī)劃算法，實現(xiàn)了仿真場景中碰撞檢測、風險預警、吊裝路徑自動規(guī)劃功能。

2.2.3 標準化作業(yè)

標準化作業(yè)技術路線包括檢修信息融合、多級工序編碼、模型工序匹配、檢修工藝仿真四個步驟。

檢修信息融合依托檢修知識庫，匯總檢修案例、作業(yè)文檔、精細化模型、檢修資源等標準化檢修信息，為標準化作業(yè)提供數(shù)據(jù)支撐。

將檢修工作按照嚴格的先后順序與必需關系劃分成多級檢修工序，基于設備明確、邏輯清晰、編碼唯一性的原則，對各級檢修工序實施編碼，便于檢修項目的增刪與查閱。

編碼完成后，匹配工序與機組設備、工器具精細化模型，將模型序列化編碼入庫，實現(xiàn)模型物理屬性與檢修信息一體化。

檢修工藝仿真利用虛擬裝配仿真技術［17］，結合機組標準化檢修流程與三維裝配工藝，實現(xiàn)機組拆裝全流程可視化。

系統(tǒng)按照上述技術路線構建標準化作業(yè)體系，基于空間拓撲呈現(xiàn)，確定檢修工藝拆裝順序，用戶可以瀏覽檢修工藝仿真全流程。采用動畫、文字、語音并行的方法提示當前檢修工序及注意事項，在界面上關聯(lián)檢修工單、設備與工器具的詳細信息。對檢修工藝進行仿真優(yōu)化，輸出最優(yōu)的作業(yè)方案，指導現(xiàn)場檢修工作開展。

圖7 標準化作業(yè)技術路線Fig.7 Technical route of standardized operation

圖8 標準化作業(yè)體系Fig.8 Standardized operation system

2.3 檢修管控

檢修進度與資源的科學規(guī)劃，關乎檢修計劃能否按期完成。針對傳統(tǒng)檢修仿真平臺對檢修進度與資源管理的不足，本系統(tǒng)開發(fā)了基于雙代號網(wǎng)絡圖關鍵路徑法則的進度管控與基于神經(jīng)網(wǎng)絡的資源預測技術，實現(xiàn)對檢修過程實時跟蹤和智能化管控，優(yōu)化資源配置，為檢修工作順利完成提供可視化數(shù)據(jù)支撐。

2.3.1 進度管控

雙代號網(wǎng)絡圖關鍵路徑法則常應用在工期管理中，用箭線及其兩端節(jié)點來表示某項工作，箭線指向工作的行進方向，節(jié)點表示工作的開始和結束。

網(wǎng)絡圖的線路從起始節(jié)點開始，沿著箭頭指向方向，通過中間節(jié)點，最后到達終點節(jié)點，總時間最長的線路是關鍵線路，一般用粗線表示［18］。

如圖9 所示，整個雙代號網(wǎng)絡圖存在6 條線路，分別為①②④⑤⑥⑧、①②④⑤⑦⑧、①②⑦⑧、①③④⑤⑥⑧、①③④⑤⑦⑧、①③⑥⑧。線路①③④⑤⑥⑧的總持續(xù)時間最長，由此確定其為關鍵線路。

圖9 雙代號網(wǎng)絡圖關鍵路徑Fig.9 Critical path of arrow diagram

檢修的關鍵工作是指對計劃工期有決定性影響的工作，基于雙代號網(wǎng)絡圖關鍵路徑法則的進度管控技術，核心是調整關鍵工作的工期，算法步驟如下：

（1）根據(jù)檢修進度網(wǎng)絡圖，確定關鍵路徑，計算出總工期；

（2）計算應壓縮的時間ΔT，ΔT=Tc-Tr，式中：Tc為項目網(wǎng)絡計劃的計算工期，Tr為項目要求工期；

（3）根據(jù)幾點因素，選定最先壓縮的關鍵工作：縮短工期對項目質量和安全影響較小、所需的成本較少且有足夠的備用資源；

（4）將優(yōu)先縮短的關鍵工作壓縮至最短，重新計算關鍵路徑；

（5）若計算工期仍不滿足要求，則重復上述步驟，直到滿足工期要求或工期已不能再縮短為止；

（6）當所有或部分關鍵工作已達最短工期，仍找不到滿足要求的方案時，應對原計劃進行必要的調整，或重新審定要求工期。

圖10 進度管控算法流程Fig.10 Flow chart of schedule control algorithm

2.3.2 資源預測

檢修資源主要包括檢修工器具和消耗性材料，資源預測技術可以根據(jù)檢修項目安排，預測未來某天檢修工作所需資源。本系統(tǒng)采用神經(jīng)網(wǎng)絡預測模型對機組檢修案例進行自適應學習，建立機組檢修案例資源預測規(guī)則集，實現(xiàn)基于案例推理的機組檢修資源快速智能預測。

預測模型的樣本來自于同類型機組檢修全過程信息，按檢修項目、檢修時間等對具體非結構化數(shù)據(jù)進行處理。

檢修資源預測方法包括訓練和測試兩個過程。首先將檢修知識庫中的案例分為訓練集和測試集，用訓練樣本集對網(wǎng)絡進行訓練，再將測試樣本集輸入到訓練好的網(wǎng)絡中，測試網(wǎng)絡的預測效果。

圖11 基于神經(jīng)網(wǎng)絡的資源預測算法流程Fig.11 Resource prediction algorithm flow based on neural network

通過資源預測，全面分析檢修規(guī)劃的合理性與科學性，提出檢修資源配置方案，提高檢修需求與現(xiàn)場資源的匹配程度，提升檢修效率。

3 應用效果

抽水蓄能電站機組數(shù)字化檢修管理系統(tǒng)在我國某抽水蓄能電站進行了應用，該系統(tǒng)依據(jù)前述關鍵技術，實現(xiàn)了檢修全景、檢修策劃、檢修實施、檢修評估等功能。

檢修全景模塊以虛擬全景漫游的形式，帶用戶遍歷電站場景。用戶可自主選擇電站區(qū)域，三維場景跟隨選擇的地點跳轉，使用鼠標+鍵盤操作在場景區(qū)域瀏覽。

檢修策劃模塊包括檢修知識庫、進度管控、資源預測，用戶可以在檢修知識庫界面查看檢修計劃詳情，在進度管控界面校對檢修進度，在資源預測界面查看檢修項目所需工器具與耗材。

檢修實施模塊由精細化模型、作業(yè)推演、標準化作業(yè)三個子模塊組成，精細化模型界面可展示設備的三維模型與詳細信息。作業(yè)推演包含頂蓋、上機架、轉子、下機架、水輪機軸、轉輪六大部件的吊入/吊出共12 個推演流程。標準化作業(yè)包含發(fā)電電動機、水泵水輪機主要設備的檢修作業(yè)流程。

檢修評估模塊通過系統(tǒng)建立的指標體系，評估各部件修前、修后的狀態(tài)，在界面上顯示分項評估結果，驗證檢修的有效性。

4 總 結

應用抽水蓄能電站實景重構、機組精細化建模、基于虛擬實景的機組檢修作業(yè)推演、資源配置預測、系統(tǒng)集成等技術，開發(fā)了抽水蓄能電站機組數(shù)字化檢修管理系統(tǒng)，實現(xiàn)了電站場景漫游、檢修策劃、檢修實施和檢修評估等功能，在工程實際中驗證了系統(tǒng)的應用效果，為檢修工作提供現(xiàn)場指導，對于提升抽水蓄能電站機組檢修管理數(shù)字化、智能化水平，促進數(shù)字化檢修在水電行業(yè)推廣有較好的現(xiàn)實意義。

圖12 檢修全景界面Fig.12 Interface of maintenance full view

圖13 進度管控界面Fig.13 Interface of schedule control

虛擬現(xiàn)實技術與機組檢修全過程管控的結合還處在探索階段，抽水蓄能電站數(shù)字化檢修可以在以下方面改進：

圖14 資源預測界面Fig.14 Interface of resource prediction

圖15 檢修實施界面Fig.15 Interface of maintenance implement

（1）利用數(shù)據(jù)挖掘技術，整合同類型機組的檢修案例，完善檢修知識庫，指導檢修開展；

（2）結合數(shù)字孿生技術，通過信息交互融合，進一步優(yōu)化檢修評估體系，實時動態(tài)評估檢修質量，提升抽水蓄能電站機組檢修質效。 □