王宇庭

（中國長江三峽集團有限公司中國三峽武漢科創(chuàng)園，湖北 武漢 430015）

0 引言

中國擁有的大量水能資源為實現(xiàn)“雙碳目標”提供了有力支撐。當(dāng)前，風(fēng)電、水電、光伏發(fā)電互補已成為新能源的發(fā)展趨勢。水風(fēng)光一體化發(fā)電的新模式對水電站設(shè)備管理提出了挑戰(zhàn)。水電站需要更加頻繁的啟停機組，增加或減少負荷以滿足電網(wǎng)調(diào)頻的需求。水電站運管能力，尤其是在線狀態(tài)監(jiān)測和故障診斷能力是保證設(shè)備安全可控運行，實現(xiàn)水風(fēng)光一體化發(fā)電的重要條件。目前，我國的中大型水電站已經(jīng)基本實現(xiàn)了設(shè)備狀態(tài)監(jiān)測、故障診斷功能。

進一步提升水電站的運管能力，有效提升水電站設(shè)備在線監(jiān)測和故障診斷的能力，是當(dāng)前重要的研究內(nèi)容。陳輝 等[1]采用大數(shù)據(jù)和神經(jīng)網(wǎng)絡(luò)算法構(gòu)建了流域梯級水電站集中診斷平臺，提升了機組故障診斷的效率。張俊嶺[2]采用運籌學(xué)和動態(tài)規(guī)劃技術(shù)構(gòu)建水電站信息系統(tǒng)，擴展了水電站監(jiān)測系統(tǒng)的功能。蔣致樂[3]從硬件和軟件兩個維度研究了靜態(tài)和動態(tài)檢驗的方法，提升了現(xiàn)場檢測技術(shù)的覆蓋度。孫小江 等[4]從感知層、網(wǎng)絡(luò)層、應(yīng)用層3個層面設(shè)計了基于物聯(lián)網(wǎng)技術(shù)的水電站在線監(jiān)測平臺。姜小艷[5]設(shè)計了針對壓縮機的監(jiān)測與故障診斷系統(tǒng)。

對已有研究成果分析可知，國內(nèi)在水電站設(shè)備狀態(tài)監(jiān)測和檢修管理系統(tǒng)研究和應(yīng)用方向上已經(jīng)具備了廠站級設(shè)備在線監(jiān)測與故障診斷系統(tǒng)、大規(guī)模設(shè)備狀態(tài)分析系統(tǒng)建設(shè)與運維的能力。但是當(dāng)前大型流域水電集團下轄的水電站分布范圍比較廣，設(shè)備類型和設(shè)備數(shù)量比較多，大量實時設(shè)備狀態(tài)分析數(shù)據(jù)擠占網(wǎng)絡(luò)帶寬，數(shù)據(jù)的集中存儲和實時分析占用大量的服務(wù)器資源，導(dǎo)致已有的集中式在線監(jiān)測和故障診斷系統(tǒng)性能較低。為解決此問題，提出了一種分布式水電站在線監(jiān)測與故障診斷平臺建設(shè)思路，在該平臺基礎(chǔ)上提出了基于區(qū)塊鏈的分布式監(jiān)測機制和基于聯(lián)邦學(xué)習(xí)的故障診斷機制。

1 體系結(jié)構(gòu)

本文提出的分布式水電站在線監(jiān)測與故障診斷平臺的體系結(jié)構(gòu)如圖1 所示，該平臺包括前端智能采集層、數(shù)據(jù)邊緣存儲與計算層、智能控制中心層。

圖1 分布式水電站在線監(jiān)測與故障診斷平臺的體系結(jié)構(gòu)

前端智能采集層由多個獨立的水電站數(shù)據(jù)采集節(jié)點構(gòu)成。每個水電站數(shù)據(jù)采集節(jié)點包括設(shè)備狀態(tài)數(shù)據(jù)采集節(jié)點、環(huán)境參數(shù)采集節(jié)點、網(wǎng)絡(luò)參數(shù)采集節(jié)點。通過這3 種類型節(jié)點的數(shù)據(jù)采集，每個水電站可以對水電站設(shè)備、環(huán)境以及通信網(wǎng)絡(luò)進行實時的數(shù)據(jù)采集，為水電站在線監(jiān)測和故障診斷提供詳細、實時的運行數(shù)據(jù)。

數(shù)據(jù)邊緣存儲與計算層主要包括邊緣存儲節(jié)點和邊緣計算節(jié)點。邊緣存儲節(jié)點可以實現(xiàn)設(shè)備與環(huán)境基礎(chǔ)數(shù)據(jù)存儲、水電站運營結(jié)構(gòu)化數(shù)據(jù)存儲、水電站運營非結(jié)構(gòu)化數(shù)據(jù)存儲。設(shè)備與環(huán)境基礎(chǔ)數(shù)據(jù)包含水電廠的位置、規(guī)模、設(shè)備類型、環(huán)境等基礎(chǔ)數(shù)據(jù)。邊緣計算節(jié)點主要包括權(quán)限管理服務(wù)、數(shù)據(jù)管理服務(wù)、實時計算服務(wù)、在線監(jiān)測服務(wù)、故障診斷服務(wù)、優(yōu)化與檢修服務(wù)。權(quán)限管理服務(wù)模塊主要功能是對邊緣計算和數(shù)據(jù)的訪問進行權(quán)限管理，保證數(shù)據(jù)和節(jié)點的安全。數(shù)據(jù)管理服務(wù)主要是對前端采集層的數(shù)據(jù)進行管理，并為在線監(jiān)測、實時計算和故障診斷模塊提供數(shù)據(jù)支撐。實時計算服務(wù)模塊主要功能是快速完成水電廠管理中心下發(fā)的臨時計算任務(wù)。在線監(jiān)測模塊主要功能是對水電廠的設(shè)備、環(huán)境、網(wǎng)絡(luò)等狀態(tài)數(shù)據(jù)進行實時獲取和分析，并將異常信息以告警的形式上報給水電站的故障診斷服務(wù)模塊。故障診斷服務(wù)模塊主要功能是根據(jù)在線檢測提供的告警數(shù)據(jù)以及數(shù)據(jù)管理服務(wù)模塊提供的基礎(chǔ)數(shù)據(jù)，采用基于規(guī)則、人工智能等算法快速實現(xiàn)故障定位。優(yōu)化與檢修模塊主要功能是根據(jù)故障處理結(jié)果、或者是一線運維人員的指令，對水電廠的設(shè)備環(huán)境以及網(wǎng)絡(luò)狀態(tài)進行優(yōu)化調(diào)節(jié)，提升水電站運營的可靠性和穩(wěn)定性。

智能控制中心層包括云計算節(jié)點和區(qū)塊鏈節(jié)點。云計算節(jié)點主要包括計算權(quán)限管理、在線監(jiān)測管理、故障診斷管理、優(yōu)化與檢修管理、誠信管理、實時計算服務(wù)模塊。云計算節(jié)點的部分功能模塊與邊緣計算節(jié)點的功能模塊類似，主要區(qū)別是云計算節(jié)點的功能是從全局多個水電站的視角進行全方位的全局管理。與邊緣計算節(jié)點不同，在云計算節(jié)點增加了誠信管理模塊，該模塊主要是為了防止部分水電站在分布式水電站監(jiān)測與故障診斷協(xié)作過程中，出現(xiàn)上報數(shù)據(jù)延遲、數(shù)據(jù)不準確、檢修拖沓等問題。誠信管理服務(wù)模塊的目標是調(diào)動各個水電站的積極性和責(zé)任心，從而提升智能控制中心的決策與運維效率。

區(qū)塊鏈節(jié)點主要包括數(shù)據(jù)權(quán)限管理、數(shù)據(jù)服務(wù)管理、共識機制、智能合約4 個模塊。數(shù)據(jù)權(quán)限管理模塊主要是對全局數(shù)據(jù)訪問的權(quán)限進行認證和管理，從而保證數(shù)據(jù)的安全性。數(shù)據(jù)管理服務(wù)模塊主要功能是與邊緣計算節(jié)點進行協(xié)作，獲取云計算節(jié)點中需要使用的數(shù)據(jù)，并對數(shù)據(jù)進行臨時存儲。共識機制是在多個分布式的水電站之間建立一種公平公正的選舉制度，從而保證參與到分布式水電站平臺的水電站具有公平的競爭機制。智能合約是將分布式水電站的數(shù)據(jù)管理、權(quán)限管理等功能模塊，實現(xiàn)程序化運營，從而提升分布式水電站在線監(jiān)測與故障管理平臺的運營效率。

2 運行機制

2.1 基于區(qū)塊鏈的分布式監(jiān)測機制

由于區(qū)塊鏈技術(shù)在數(shù)據(jù)溯源、防篡改方面具有較好的應(yīng)用價值[6，7]，本文將區(qū)塊鏈技術(shù)應(yīng)用到分布式監(jiān)測機制中，提出基于區(qū)塊鏈的分布式監(jiān)測機制。該機制包括數(shù)據(jù)采集、數(shù)據(jù)清洗和存儲、數(shù)據(jù)使用、數(shù)據(jù)上鏈4 個步驟。

①在數(shù)據(jù)采集階段，由數(shù)據(jù)采集節(jié)點對設(shè)備、環(huán)境數(shù)據(jù)進行采集。包括主動數(shù)據(jù)采集和被動數(shù)據(jù)采集兩種方式。被動數(shù)據(jù)采集是采集節(jié)點向設(shè)備、環(huán)境等物聯(lián)網(wǎng)傳感器和監(jiān)測設(shè)備發(fā)送數(shù)據(jù)采集請求，由被采集設(shè)備向數(shù)據(jù)采集節(jié)點回傳相關(guān)的數(shù)據(jù)。主動數(shù)據(jù)采集是指物聯(lián)網(wǎng)傳感器和監(jiān)測節(jié)點將突發(fā)事件或數(shù)據(jù)指標超過閾值的數(shù)據(jù)主動上報給數(shù)據(jù)采集節(jié)點。②在數(shù)據(jù)清洗和存儲階段，由邊緣存儲節(jié)點對本區(qū)域內(nèi)采集進來的數(shù)據(jù)進行清洗和存儲。數(shù)據(jù)清洗之后可以包含結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)兩類。在數(shù)據(jù)存儲階段，為了提升數(shù)據(jù)的可靠性和可用性，將數(shù)據(jù)存儲到本區(qū)域的邊緣存儲節(jié)點，可以有效解決數(shù)據(jù)丟失的問題。③在數(shù)據(jù)使用階段，主要是邊緣計算節(jié)點對本區(qū)域內(nèi)的數(shù)據(jù)進行使用。邊緣計算節(jié)點在使用本區(qū)域數(shù)據(jù)時包括下面兩個維度。首先，對于一些緊急的事件或者通過專家系統(tǒng)規(guī)則可以識別出的異常數(shù)據(jù)，通過本地的邊緣計算節(jié)點能夠快速的進行響應(yīng)，提升數(shù)據(jù)的使用效率。另一個維度，邊緣計算節(jié)點與智能控制中心的設(shè)備進行協(xié)作，采用基于聯(lián)邦學(xué)習(xí)的故障定位機制對故障進行管理。④在基于區(qū)塊鏈的數(shù)據(jù)上鏈過程中，由于每個水電站都可能受到病毒攻擊或者出于惡意競爭的原因而做出錯誤的決策。所以，在基于區(qū)塊鏈的分布式監(jiān)測機制中，將下面兩類數(shù)據(jù)上傳到區(qū)塊鏈進行存儲。第一類數(shù)據(jù)是沒有或者是很少涉及隱私的數(shù)據(jù)，以及關(guān)鍵指標數(shù)據(jù)。另一方面的數(shù)據(jù)是聯(lián)邦學(xué)習(xí)中訓(xùn)練模型中得到的模型數(shù)據(jù)。關(guān)鍵指標數(shù)據(jù)可用于分布式監(jiān)測系統(tǒng)判斷各個區(qū)域內(nèi)水電站是否遭受病毒攻擊，以及被監(jiān)測重要節(jié)點的數(shù)據(jù)。

2.2 基于聯(lián)邦學(xué)習(xí)的分布式故障定位機制

由于聯(lián)邦學(xué)習(xí)在分布式場景中具有模型訓(xùn)練效率較高的特點[8]，本文設(shè)計了一種基于聯(lián)邦學(xué)習(xí)的分布式故障定位機制。該機制包括啟動故障定位模型訓(xùn)練任務(wù)、邊緣計算節(jié)點執(zhí)行本地訓(xùn)練、云計算節(jié)點對模型進行評價、模型應(yīng)用4 個過程。

①在啟動故障定位模型訓(xùn)練任務(wù)步驟中，云計算節(jié)點根據(jù)各個邊緣計算節(jié)點的計算請求，啟動故障定位模型訓(xùn)練任務(wù)。由于邊緣計算節(jié)點的覆蓋范圍小、設(shè)備故障處理經(jīng)驗不足，當(dāng)邊緣計算節(jié)點不能有效解決故障定位問題時，需要由云計算節(jié)點進行決策。②在邊緣計算節(jié)點執(zhí)行本地訓(xùn)練步驟中，云計算節(jié)點將模型訓(xùn)練任務(wù)下發(fā)給各個邊緣計算節(jié)點時，邊緣計算節(jié)點需要從本區(qū)域內(nèi)的邊緣存儲節(jié)點獲取模型訓(xùn)練數(shù)據(jù)并在本地進行訓(xùn)練。根據(jù)訓(xùn)練的要求，各個邊緣計算節(jié)點可以對模型的參數(shù)進行優(yōu)化，并將優(yōu)化的結(jié)果返回給云計算節(jié)點。③在云計算節(jié)點對模型進行評價步驟中，云計算節(jié)點在得到各個邊緣計算節(jié)點的訓(xùn)練模型參數(shù)后，將這些參數(shù)和關(guān)鍵的數(shù)據(jù)進行聚合，并根據(jù)模型的應(yīng)用效果要求邊緣計算節(jié)點再次訓(xùn)練。關(guān)于模型聚合的方式，可以使用函數(shù)獲取，也可以使用簡單的均值計算方法獲取。④在模型應(yīng)用步驟中，當(dāng)模型訓(xùn)練的結(jié)果收斂到一定閾值內(nèi)時，模型訓(xùn)練結(jié)束。云計算節(jié)點將訓(xùn)練好的模型下發(fā)給任務(wù)請求節(jié)點，由任務(wù)請求節(jié)點對模型進行實施和優(yōu)化。可以采用的優(yōu)化方法包括設(shè)定目標函數(shù)值來判斷或者設(shè)定訓(xùn)練次數(shù)值來判斷。最后，相關(guān)邊緣計算節(jié)點將模型執(zhí)行結(jié)果返回給云計算節(jié)點，由云計算節(jié)點對模型及應(yīng)用效果進行保存。

3 性能分析

在性能分析方面，從平臺的可用性、安全性、可靠性3 個維度，驗證了本文提出的在線監(jiān)測與故障診斷平臺和機制具有較好的應(yīng)用價值。

（1）在平臺的可用性分析方面，從平臺的3 個層次分別分析該平臺的可用性。在前端智能采集層，該平臺的體系架構(gòu)通過在各個水電站采用物聯(lián)網(wǎng)技術(shù)去采集設(shè)備、環(huán)境和網(wǎng)絡(luò)狀態(tài)的參數(shù)。當(dāng)前物聯(lián)網(wǎng)技術(shù)已經(jīng)比較成熟，所以前端采集具有可用性。在數(shù)據(jù)邊緣存儲和計算層，本文將各個水電站的數(shù)據(jù)存儲到邊緣存儲節(jié)點，在網(wǎng)絡(luò)帶寬保留和數(shù)據(jù)存儲效率方面都具有較好的可用性。對于一些常見的故障或者采用本地計算節(jié)點可以快速處理的緊急事件，采用邊緣計算節(jié)點進行執(zhí)行。在智能控制中心，平臺采用云計算節(jié)點對各個邊緣存儲和計算節(jié)點不能解決的疑難問題，或者是需要多個水電站相互協(xié)作才能解決的問題進行處理，可以從全局的視角提升處理問題的準確率和性能。

（2）在平臺的安全性分析方面，從數(shù)據(jù)的安全性、計算節(jié)點的安全性兩個維度進行分析。在數(shù)據(jù)的安全性方面，從下面兩個維度對數(shù)據(jù)進行管理。第一個維度是水電站自身范圍內(nèi)的邊緣存儲節(jié)點對數(shù)據(jù)進行管理。另一個維度是全局的區(qū)塊鏈節(jié)點的數(shù)據(jù)管理。采用邊緣存儲節(jié)點對數(shù)據(jù)管理可以提升數(shù)據(jù)的使用效率，而且可以避免因為數(shù)據(jù)傳輸導(dǎo)致的數(shù)據(jù)丟失或者數(shù)據(jù)被篡改、數(shù)據(jù)泄密的問題。采用區(qū)塊鏈節(jié)點對數(shù)據(jù)進行管理，可以將關(guān)鍵數(shù)據(jù)或者是模型數(shù)據(jù)保留在一個更加安全的區(qū)塊鏈節(jié)點存儲平臺中，避免部分水電站因為安全配置能力弱而遭受黑客攻擊，導(dǎo)致整個或者是多個水電站受到攻擊。所以本文的平臺可以從數(shù)據(jù)的存儲安全和使用安全兩個維度，保證平臺的安全性。

（3）在平臺的可靠性分析方面，從節(jié)點的可靠性和模型可靠性兩個維度進行分析。本文采用分布式的水電站數(shù)據(jù)監(jiān)測、分布式的故障診斷技術(shù)，可以有效避免單個節(jié)點故障導(dǎo)致系統(tǒng)不可用現(xiàn)象的發(fā)生。尤其是本文對需要傳輸?shù)娜謹?shù)據(jù)，采用區(qū)塊鏈節(jié)點進行存儲，有效提升數(shù)據(jù)的可靠性，為訓(xùn)練模型提供重要支撐。在訓(xùn)練模型的可靠性方面，采用聯(lián)邦學(xué)習(xí)的機制，充分調(diào)動各個水電站訓(xùn)練模型的積極性。所以本文的平臺具有較高的可靠性。

4 結(jié)語

水電作為一種重要的清潔能源，得到越來越多國家的高度重視。隨著水電站數(shù)量的增加，以及水電站對風(fēng)電、光電的接入，水電站的穩(wěn)定性和可靠性越來越重要。為了提升水電站的穩(wěn)定性和可靠性，本文設(shè)計了一種分布式的水電站在線監(jiān)測和故障定位平臺和運行機制。為了進一步提升本文在線監(jiān)測和故障診斷平臺的應(yīng)用價值，下一步工作中將基于本文的研究成果，對具體的故障監(jiān)測和故障診斷模塊進行優(yōu)化，提升本文成果的應(yīng)用價值。