唐永基，任海彬，隋炳偉，李鵬竹，晁俊凱

( 寧夏京能寧東發(fā)電有限責(zé)任公司，寧夏 銀川 751400）

1 引言

我國火力發(fā)電技術(shù)已日趨成熟，在裝機容量和自動控制技術(shù)等多方面已處于國際先進水平，但是目前火電廠的日常運行管理仍主要依賴于傳統(tǒng)DCS，采用人工巡盤的方式對數(shù)據(jù)進行分析和控制操作。由于火電廠系統(tǒng)復(fù)雜，參數(shù)眾多，不僅運行人員工作強度大，而且設(shè)備異常事故仍時有發(fā)生?！爸腔垭姀S”是未來火電行業(yè)發(fā)展的必然趨勢，智能預(yù)警和診斷是“智慧電廠”應(yīng)用的重要組成部分。國內(nèi)外開發(fā)了大量的預(yù)警和診斷系統(tǒng)，但這類系統(tǒng)一般位于生產(chǎn)三區(qū)，而且系統(tǒng)較為封閉，模型更新困難，運行效果有限，導(dǎo)致運行人員使用率 不高。

針對這一問題，本文設(shè)計并研發(fā)了一套開放式的、與DCS深度融合的火電廠智能監(jiān)盤系統(tǒng)，解決了系統(tǒng)架構(gòu)、系統(tǒng)運行安全、模型訓(xùn)練與在線更新等關(guān)鍵技術(shù)難題。通過與DCS的深度融合，運行人員可以在日常監(jiān)盤畫面中直接獲取到模型的運行結(jié)果，不會增加額外的工作量；同時通過系統(tǒng)提供的專家建模平臺，運行人員可以直接添加新的模型或?qū)σ延心Ｐ瓦M行維護更新，不斷地提升模型精度，減少誤報和漏報，提升機組運行安全性，降低運行人員的工作負荷。

2 與DCS深度融合的智能監(jiān)盤系統(tǒng)總體架構(gòu)

本文研發(fā)的智能監(jiān)盤系統(tǒng)側(cè)重于通過對全廠運行數(shù)據(jù)的實時高效分析進行故障預(yù)警，通過與DCS深度融合以及提供開放式的建模能力，克服傳統(tǒng)預(yù)警系統(tǒng)使用不方便、效果差導(dǎo)致的使用率不高的問題。本文設(shè)計的系統(tǒng)總體架構(gòu)如圖1所示，它主要由控制層、模型管理運行層和人機交互層三大部分組成。

圖1 與DCS深度融合的智能監(jiān)盤系統(tǒng)架構(gòu)圖

在控制層中，由火電廠的DCS廠商部署一臺中轉(zhuǎn)服務(wù)器，提供數(shù)據(jù)和控制指令在DCS和模型運行管理平臺直接的中轉(zhuǎn)，它負責(zé)將DCS內(nèi)的所有測點數(shù)據(jù)全部發(fā)送支撐平臺中，同時支撐平臺也會將所有的模型運算結(jié)果通過它送入DCS，供運行人員在操作員站直接查看或直接參與控制。通過中轉(zhuǎn)服務(wù)器，在保證DCS安全的同時，實現(xiàn)了智能預(yù)警等功能和DCS的深入融合，從而降低了運行人員的使用負擔(dān)。

模型管理運行平臺是整個系統(tǒng)的核心，它從控制層中的中轉(zhuǎn)服務(wù)器中獲取實時數(shù)據(jù)，并利用建立的模型對實時數(shù)據(jù)進行分析，然后將分析結(jié)果再通過中轉(zhuǎn)服務(wù)器送入DCS，同時數(shù)據(jù)也將送入實時數(shù)據(jù)庫進行存儲，用于歷史分析查詢以及模型更新訓(xùn)練等功能模塊。此外它還應(yīng)提供低門檻的專家建模功能，讓運行人員可以方便的對模型進行更新訓(xùn)練。這種開放式的建模功能可以保證模型的有效性，降低誤報漏報，從而提升系統(tǒng)的使 用率。

人機交互直接在已有的操作員站中開發(fā)實現(xiàn)，運行人員不同開啟單獨的系統(tǒng)，即可直接獲取模型管理運行平臺所有的分析結(jié)果，貼合一線人員性的操作體驗，從而提升系統(tǒng)的使用效率。

3 一種機理與數(shù)據(jù)驅(qū)動相融合的智能預(yù)警框架

智能預(yù)警是智能監(jiān)盤系統(tǒng)的最重要的功能。傳統(tǒng)的DCS報警方式主要是限值報警，而限值的取值主要來自于設(shè)計廠商對于設(shè)備的設(shè)計知識，也就是機理。大數(shù)據(jù)報警主要是利用大數(shù)據(jù)技術(shù)，智能的挖掘數(shù)據(jù)之間相關(guān)關(guān)系，當(dāng)實測數(shù)據(jù)之間的相關(guān)關(guān)系與訓(xùn)練的相關(guān)關(guān)系出現(xiàn)變化時，進行報警。單純的機理模型報警存在報警滯后的問題，而單純的大數(shù)據(jù)預(yù)警存在報警結(jié)果難以解釋的問題。預(yù)警結(jié)果的可解釋性對于運行人員的快速處置至關(guān)重要。

對此本文總結(jié)了已有的異常模式，提出了一種將機理與大數(shù)據(jù)相融合的智能預(yù)警框架。用戶可以在一個模型中，對目標(biāo)參數(shù)的多種異常模式進行統(tǒng)一的配置和訓(xùn)練，并且在配置的過程中，可以直接使用數(shù)據(jù)建模來構(gòu)建動態(tài)基準(zhǔn)值模型，也可以利用數(shù)據(jù)統(tǒng)計分析獲取更精確的閾值范圍。該方法組成如圖2所示。

圖2 智能預(yù)警框架的組成

對于給定的參數(shù)，首先設(shè)定其基準(zhǔn)值，這其中可選擇的模式包括來自于機理的固定值和經(jīng)驗公式，以及來自于數(shù)據(jù)建模模型的動態(tài)基準(zhǔn)值。基于數(shù)據(jù)建模的方法應(yīng)支持從多項式擬合、SVR、集成學(xué)習(xí)到深度學(xué)習(xí)等多種算法。對于參數(shù)與目標(biāo)值的偏差，我們可以同時設(shè)定多種異常模式，包括參數(shù)和基準(zhǔn)值的偏差過大、偏差持續(xù)單調(diào)的上升或減小、偏差突然變化、以及偏差頻繁的波動。這些異常模式由運行人員根據(jù)機理來進行選擇開啟，然后通過數(shù)據(jù)統(tǒng)計的方式，獲得預(yù)警的限值。通過這樣的組合，實現(xiàn)了機理與大數(shù)據(jù)的有機融合，各取所長，完全涵蓋了電廠運行中的各類異常模式。

預(yù)警模型建模流程如圖3所示。首先建模人員根據(jù)預(yù)警的目標(biāo)參數(shù)，準(zhǔn)備好正常數(shù)據(jù)和異常數(shù)據(jù)數(shù)據(jù)集，然后用戶需要對數(shù)據(jù)進行清理，然后用戶可以根據(jù)機理挑選輸入變量或者使用建模工具提供的敏感度分析算法進行變量的選擇，最后就可以進行模型的訓(xùn)練和模型的評估，從而得到基準(zhǔn)值模型。

圖3 預(yù)警建模流程

用戶可以開展預(yù)警模型的訓(xùn)練，預(yù)警模型訓(xùn)練可以接收基準(zhǔn)值模型，并進行異常模式的配置和參數(shù)的自動推薦。預(yù)警模型的評估需要異常數(shù)據(jù)，當(dāng)實際中的異常數(shù)據(jù)不足時，建模人員可以根據(jù)機理生成仿真的故障數(shù)據(jù)集，用于預(yù)警模型的驗證。

為了降低運行人員的使用門檻，本文研發(fā)的專家建模平臺中提供了一套低代碼的智能預(yù)警模型建模工具。

智能預(yù)警模型建模工具圍繞數(shù)據(jù)清理、特征提取、特征選擇和模型訓(xùn)練等數(shù)據(jù)建模的各個環(huán)節(jié)，提供大量算法，在提高模型質(zhì)量的同時，降低了對用戶數(shù)據(jù)建模經(jīng)驗的需求。同時提供一套圖形化的建模開發(fā)環(huán)境，所有算法均可通過拖拽的方式進行調(diào)用，通過連線的方式進行數(shù)據(jù)的傳遞，極大地降低了用戶的使用門檻。該建模工具訓(xùn)練得到的模型可以直接送入專家知識庫中進行存儲，供模型運行平臺進行使用。一個使用該工具進行的動態(tài)基準(zhǔn)值預(yù)警模型的建模流程如圖4所示。

圖4 拖拽式的預(yù)警建模界面

4 模型管理運行平臺設(shè)計與開發(fā)

模型管理運行平臺是整個智能監(jiān)盤系統(tǒng)的核心，它由專家建模平臺、模型運行平臺和歷史數(shù)據(jù)庫三大部分組成，其中專家建模平臺和模型建模平臺的主要功能如圖5所示。專家建模平臺使用專家知識庫對智能監(jiān)盤系統(tǒng)中所有設(shè)備、參數(shù)和各類模型的高效組織與管理，它提供了可視化的知識管理功能，包括設(shè)備管理、參數(shù)管理和模型管理功能，模型管理模塊使用數(shù)據(jù)建模工具，可以從歷史數(shù)據(jù)庫中直接抽取數(shù)據(jù)，進行模型訓(xùn)練和評估，并將模型存入專家知識庫中。

圖5 模型管理運行平臺功能框圖

模型運行平臺可以利用知識庫中的所有模型，對實時數(shù)據(jù)進行分析和處理，為人機交互系統(tǒng)提供數(shù)據(jù)支撐。實時數(shù)據(jù)進入模型運行平臺后，將首先進行實時計算，其關(guān)鍵技術(shù)在于海量模型的高效運行，本文通過模型的依賴關(guān)系解析和多進程并行加速實現(xiàn)。實時預(yù)警模塊將對模型實時計算的結(jié)果進行處理，提取處于預(yù)警狀態(tài)的模型，獲得預(yù)警信息。模型的計算結(jié)果通過中轉(zhuǎn)服務(wù)器送入DCS，供操作員站畫面直接組態(tài)使用。此外，模型的計算結(jié)果和實時預(yù)警信息都將存儲數(shù)據(jù)庫中。

5 預(yù)警模型的訓(xùn)練與實際應(yīng)用

依據(jù)本文提出的智能預(yù)警方法和開發(fā)的專家建模平臺，可以非常方便地建立覆蓋機組各類異常的預(yù)警模型。本節(jié)以某泵的性能預(yù)警模型和定冷水箱泄露預(yù)警模型為例進行介紹。

根據(jù)泵的運行特征機理知識，泵的流量、壓差和電流之間存在相關(guān)關(guān)系，據(jù)此本文提取了泵一段時間的正常的運行數(shù)據(jù)進行該泵的運行特性預(yù)警模型訓(xùn)練，泵在正常時間段內(nèi)的運行數(shù)據(jù)如圖6所示。

圖6 某泵的運行數(shù)據(jù)

依據(jù)建模流程搭建預(yù)警模型的訓(xùn)練流程。首先進行泵運行特性模型的訓(xùn)練，采用泵的流量和出口壓力為輸入，以泵功率的電流為輸出，由于參數(shù)間的相關(guān)關(guān)系明顯，采用2次多項次進行模型的訓(xùn)練，使用70%的數(shù)據(jù)作為訓(xùn)練，30%的數(shù)據(jù)作為測試數(shù)據(jù)。得到模型的R2=0.9994，MAE=0.302，MSE=0.164，模型的精度優(yōu)良。由模型的測試誤差隨電流的分布可以看到99%以上點的誤差都在2A以內(nèi)，所有誤差都在3A以內(nèi)。

據(jù)此，根據(jù)前文提出的預(yù)警方法，建立電流的預(yù)警模型，其中預(yù)警參數(shù)為參數(shù)，基準(zhǔn)值為訓(xùn)練得到的模型，預(yù)警模型為偏差過大，系統(tǒng)推薦預(yù)警限值為3A。

該模型成功預(yù)警了某次短路導(dǎo)致的電流異常增大故障，效果如圖7所示。從圖7a)可以發(fā)現(xiàn)，泵流量略有上升，出口壓力略有下降，電流應(yīng)總體保持不變，而圖7b)中實測的電流在后半段有異常抬升現(xiàn)象，但仍未達到DCS報警限值。由于其偏差超過動態(tài)預(yù)警限值，預(yù)警模型迅速做出響應(yīng)，通過降低健康度分值發(fā)出預(yù)警，及時幫助運行人員發(fā)現(xiàn)了該異常。

圖7 基于模型的泵電流異常預(yù)警

定冷水箱液位泄露預(yù)警建模是以機理為主的預(yù)警模型。根據(jù)機理對數(shù)據(jù)進行統(tǒng)計分析，定冷水箱液位均勻下降，約每2h補水一次，正常時的液位變化情況如圖8所示。

圖8 正常情況下定冷水箱液位變化

考慮流速變化等引起的參數(shù)波動，正常情況下，2分鐘內(nèi)，液位的平均下降速度不超過10 mm。當(dāng)水箱出現(xiàn)泄露時，液位將迅速下降，基于本文提出的預(yù)警方法，預(yù)警模式采用突然變化，設(shè)定變化限值為15，完成了預(yù)警模型的建立。基于該模型捕獲到某次液位突然下降事件如圖9所示，在液位正常補水、液位下降等正常工況下，模型評分正常，當(dāng)液位突然下降時，模型及時響應(yīng)，成功發(fā)現(xiàn)該異常。

圖9 基于模型的水箱泄露異常預(yù)警

本文研發(fā)的DCS深度融合的智能監(jiān)盤系統(tǒng)在國內(nèi)某火電廠完成了上線實施。電廠團隊利用專家建模平臺，單臺機組建立了數(shù)百個預(yù)警模型，實現(xiàn)了對監(jiān)盤人員常見設(shè)備異常的全覆蓋。所有模型運行結(jié)果直接送入DCS，融合在操作員站中，效果如圖10所示。

圖10 與DCS深度融合的智能監(jiān)盤系統(tǒng)

系統(tǒng)在運行的前三個月中，成功發(fā)現(xiàn)了泵電流異常故障，磨煤機、一次風(fēng)機、送風(fēng)機的油溫異常，引風(fēng)機振動波動異常等問題。該系統(tǒng)切實發(fā)現(xiàn)一些平時發(fā)現(xiàn)不了的問題，極大地降低了運行人員的工作負荷，證明了本文相關(guān)研究成果的可行性和先進性。

6 結(jié)論

傳統(tǒng)電廠主要依賴DCS管理，但是由于傳統(tǒng)DCS參數(shù)眾多、變化頻率與幅度大，存在報警不及時、誤報率高等問題。與DCS深度融合的智能監(jiān)盤系統(tǒng)，將大數(shù)據(jù)技術(shù)應(yīng)用到DCS控制系統(tǒng)中，讓電廠生產(chǎn)管理更加智能，是該問題的有效解決方法。

本文針對智能監(jiān)盤系統(tǒng)的各項關(guān)鍵技術(shù)進行研究，提出了與DCS深入融合的智能監(jiān)盤系統(tǒng)的總體架構(gòu)，提出了一種智能預(yù)警框架方法，實現(xiàn)了機理和大數(shù)據(jù)技術(shù)在該框架下的融合，并據(jù)此開發(fā)了一套低門檻的模型管理與運行平臺，電廠團隊可以利用該平臺完成所有預(yù)警模型的訓(xùn)練與上線工作，后續(xù)還可以自行進行模型的維護和擴展工作。本文研發(fā)的系統(tǒng)在某電廠的實際應(yīng)用效果表明，智能監(jiān)盤系統(tǒng)可以切實發(fā)現(xiàn)一些人員平時發(fā)現(xiàn)不了的問題，降低人員的工作負荷。本文的研究成果在行業(yè)內(nèi)有很好的推廣性和借鑒意義。

智能預(yù)警是智能監(jiān)盤的重要組成部分，下一步，作者將進一步聚焦于智能控制，提供開放式的控制模型建模功能，實現(xiàn)大數(shù)據(jù)、人工智能技術(shù)在運行控制中的應(yīng)用，進一步降低人員工作負荷，擴展智能監(jiān)盤系統(tǒng)的應(yīng)用場景，走向少人監(jiān)盤直至無人監(jiān)盤。