雅砻江流域水电开发有限公司 郭玉恒 王 刚 席红兵 刘 峰

引言

国内大部分水电厂运行过程中的监盘分析靠运行人员手工浏览画面、抄表、巡捡、趋势分析及控制系统的固定界限报警来提示。人工观察数据的工作量大、没有统一规范，主要靠人的经验。控制系统报警的界限值不能轻易改动，不论何种工况采用固定的界限值报警往往容易误报、漏报，或报警时已来不及采取措施。人工分析参数的变化趋势，参数异常的早期识别难度大[1-2]。

在火电领域有部分电厂已开展智能监盘方面的探索和实践：神华国华北京燃气热电厂将多变量模式识别技术应用于智能监盘，该厂基于历史数据挖掘，建立监盘参数的多变量自关联模型，进行了燃机电厂智能监控研发，画面实时传送至集控室大屏。该成果获得了众多的奖项，具有丰富的应用案例；利港电厂也开启了智能监盘研究应用，其智能监盘系统基本架构思想主要是系统自动监视，通过将相关联的参数导入到参数预测模型机器学习算法中，对海量历史数据的训练挖掘得到每个监视参数的预测值，将得到的预测值与运行标准、运行经验、当前的实测值放入到健康度评价模型中，判断该算法得到的预测值是否相对准确，形成一个健康度评价打分体系[3]。

国外GE、西门子等公司都提出了各自的数字化智能化解决方案，将多种数据分析技术结合应用到电厂具体业务中，很多集团通过集中监视和诊断中心进行监视，电厂的生产更像一个车间。加拿大TransAlta 集团将控制系统的传统报警和事件记录传送到集中监视和诊断中心，再通过实时数据、智能预警、性能计算分析等系统集成在一起，将各个系统产生的报警进行统一监视和分析，对机组从经济性和可靠性两个方面进行分析和把控。在关键参数的早期异常方面芝加哥大学开展研究和应用较早，其多变量模式识别技术在国外的众多发电集团得到了普遍应用[4-5]。

目前基于大数据技术的智能监盘系统为运行值班员提供了强有力的工具：该系统大大降低人工进行运行监视和分析的工作负担，提高运行人员工作效率，甚至可减少运行人员的投入人力；提高运行值班员的操作水平，提高对机组、系统、设备运行异常的识别能力、分析能力和预知预判能力，降低运行中的设备故障率，减少非停和紧急抢修，从而提高机组的安全性和可靠性；通过监盘参数的变化及时发现设备部件的异常和故障，大大降低设备检修维护成本，提高设备可靠性；该系统可对设备、系统、机组实现整体的科学、量化的健康评估，有效服务于运行管理和生产管理。

1 智能监盘实现的功能

1.1 数据处理

从生产控制大区获取实时数据并存储于数据服务器上，数据延时小于0.5s，具备生产控制大区各系统历史数据的导入功能。对采集的数据进行有效性和正确性检查，过滤无效数据；根据设备模型自动学习历史数据，记录设备不同工况下多维度的运行数据，实现智能阈值计算，得到设备不同工况下的报警阈值并不断进行修正，实时进行状态趋势曲线数据对比监测。

1.2 趋势分析

智能分析设备参量突变原因及趋势功能。基于相同工况运行条件下的历史数据分析设备参量突变的原因及趋势，适用于参量变化过快等类似设备保护预警；智能分析设备长期运行趋势功能。提取设备长期运行特征参量值，结合设备的当前运行工况分析设备长期运行趋势，根据故障征兆对可能发生故障的时间、位置和程度进行预测，适用于设备运行效率分析或隐患提前预测；纵向趋势分析功能。对同一设备相同工况下进行数据纵向环比及数据趋势预测，当设备运行参量大幅度偏离或趋势预测偏离历史运行平均值时进行报警；横向趋势分析功能。对同类设备相同工况下进行横向数据趋势分析，对运行参量大幅度偏离或趋势预测偏离同类设备运行平均值的设备进行报警。

1.3 辅助预警

辅助故障定位功能。根据故障特征和报警信息，结合设备运行工况及历史报警信息对已发生故障进行定位，提出若干条故障报警原因，辅助运行人员快速、准确定位设备故障部位，查明事故原因；辅助故障处置功能。根据运行人员判断出的故障原因，结合历史故障处理方法，提出若干条处理措施或联动应急预案并附加安全措施范围及风险评估值，供运行人员根据实际情况进行选择；紧急故障状态推送。当机电设备发生紧急故障时，第一时间推送故障信息，监视画面自动跳转至故障设备界面并推送相关故障处理建议及措施，紧急情况下推送相关的故障应急预案，辅助运行人员快速、正确地处理紧急异常事件。

1.4 智能统计

实现每两小时智能巡屏，自动记录相应数据，对全站机电设备运行参数情况进行分析对比，并可将上述数据导出生成指定格式的文档，支持Excel和word 文档；每日零点自动生成生产日报、电量报表，每月定点自动生成生产月报，代替人工制表，确保制表的精确性和及时性，并可将上述数据导出生成指定格式的文档；可对所有设备的任意时间段自动生成运行状态分析报告，运行人员可根据设定的日期查询各设备的运行时间、运行次数；定期自动生成各系统设备运行分析报告，如油、水、气系统运行周报、月报、年度报告，对设备的运行情况进行全面评估，并可将上述数据导出生成指定格式的文档。

实现巡检数据统计的自动生成，运行人员可根据每日巡检或周巡检需要统计的数据设定统计内容，并可将上述数据导出生成指定格式的文档；实现泄洪闸门操作数据的记录及统计。运行人员可根据设定的时间段查询每个泄洪闸门操作记录详情、启门次数、闭门次数，并可将上述数据导出生成指定格式的文档；实现机组开停机时间及开停机次数的记录及统计。运行人员可根据设定的月份查询各机组一个月内所有的开机时刻、停机时刻、开停机次数及开停机失败时刻，并可将上述数据导出生成指定格式的文档；实现每日最高及最低库水位的统计。运行人员可根据设定的时间段查询电站每日最高库水位、最高库水位到达时间、每日最低库水位、最低库水位到达时间，并可将上述数据导出生成指定格式的文档。

2 智能监盘系统设计原则及其设计

2.1 智能监盘系统设计原则

安全原则。智能监盘系统应部署在安全III 区，系统通过安全隔离装置从控制区(安全Ⅰ区)实时获取监控系统数据，并将数据存储于安全III 区。智能监盘系统不得影响电站计算机监控系统监视、操作、数据存储等功能。智能监盘系统需满足《电力监控系统安全防护规定》和《电力行业信息安全等级防护管理办法》的要求，同时做好数据安全防护工作，应满足国家、电力行业对于数据安全管理的相关规定。

适应原则。数据获取、处理的过程中不影响现有系统的运行和性能，同时支持将来其它应用系统的数据共享、查询和二次开发。智能监盘系统的设计与开发应采用标准化、开放式的接口技术，便于后期的功能扩展。软件模块可根据功能发展逐步配置，新增加的设备和软件不得影响原有系统的可靠高效运行，应满足系统不断发展和完善的要求。

高效原则。通过智能监控及辅助决策系统整合全站机电设备信息，实现对机电设备运行状态的实时评估，对可能发生的故障进行预测，对已发生故障提供处置方案，同时辅助人工实现自动巡盘，定期完成各系统设备分析报告。通过该系统切实提升运行监盘工作效率，降低运行人员监盘工作强度，提高电站的安全运行水平。

2.2 硬件系统设计

智能监盘系统部署在安全III 区，其硬件系统由数据服务器、报警工作站、交换机、防火墙、隔离装置、入侵检测系统、光纤磁盘阵列、显示器、人机交互系统等组成。数据的传输速率、数据的完整性应满足要求。智能监盘通过正向安全隔离装置从生产控制大区获取数据，采用防火墙进行隔离。系统采用分级授权管理，具有安全审计功能。

2.3 软件系统设计

数据流向：数据从电厂的综合信息平台进入监盘模型计算，模型实时计算动态基准值，动态基准值送入监盘服务经模式识别判断后送到监盘网站，展示给监盘人员。

部署方式：单机方式。实时数据从CCS 经接口采集进入电厂数据综合平台，综合平台数据经接口送到智能监盘服务器进行计算和展示。除实时测量数据外监盘系统还可读取实时数据库中的存档数据、运行人员的手工输入数据、关系数据库数据、计算指标数据等。单机方式部署简单，硬件成本低，但可靠性比双机冗余低；冗余方式。与单机部署不同的地方在于，所有的监盘软件都在另外一台服务器上部署一套，两套软件互为备份，万一有一台服务器硬件损坏或软件出故障，智能监盘会自动切换到另外一台服务器上运行。保证系统的可靠性。冗余部署的方式在可靠性上有显著提高，成本上需增加一台服务器和操作系统。

图1 基于综合信息管理平台的数据流向图

3 智能监盘系统技术原理

3.1 应用的技术

智能监盘系统主要基于建模技术与机器学习技术、模式识别技术、整体状态评估技术，这三大技术也是智能监盘系统高效、精准预测必不可缺少的：建模技术与机器学习技术。多变量自关联的监盘模型采用基于相似性原理的建模技术，对生产现场机组大量运行参数的海量历史数据进行深入挖掘分析，基于机理的分析和数学方法相结合研究建模，建立机组重要系统及关键设备的正常运行过程的高保真历史经验模型；模式识别技术。基于监盘模型对于监盘对象（机组下各个系统及设备）当前是否处于正常运行模式进行准确识别。如没有处于正常的运行工况模式，不仅要指出异常特征还要指出可能的异常原因诊断，预警异常的部件、设备和系统以及当前的紧急严重程度；整体状态评估技术。研发、使用严重度算法，对部件、设备、系统、机组的劣化严重度进行逐层计算，进而给出设备、系统、机组的整体健康状态的科学、量化评估。

3.2 建模原理

建模工具对历史数据（通常为最近1年的时间间隔为1h 的历史数据，以保证数据能够覆盖不同环境温度、不同运行工况）进行学习训练，最终生成状态矩阵来描述设备或工艺过程的应有状态，状态矩阵中应覆盖各种可能的运行工况和环境工况。在计算引擎运行时，实时运行状态用多个传感器的实时数据组成的实时向量表示，实时向量与状态矩阵进行计算得出每一个传感器的健康估计值，实时值与估计值之差记为偏差，并产生动态报警带，依据动态报警带进行报警；健康估计值作为监盘、分析的基准。监盘系统将异常清楚明白地用趋势图表现出来并持续进行跟踪和监视。将同一设备相关传感器的趋势放在一起进行综合分析，还可把同一类型对象正常运行的相应传感器趋势与存在异常征兆的异常传感器趋势放在一起进行对比分析。

3.3 模型算法应用

3.3.1 相似性理论

基于相似性理论的建模技术是通过模式重构来完成的，不会试图将一个变量明确地同另一个变量联系起来，而是纯碎基于选定的训练数据（样本）产生估计。通过基于样本的数据进行插值重构、确切符合训练数据、线性组合产生估计，最终达到清除正常变量，从而显示出异常运行状态。

大型水利发电厂发电工艺流程相对复杂，机理模型建模难以准确实现，其中变量多，水电厂数据较多、工况复杂，需要调较多的经验公式、参数设值调整复杂。因此一般采用非参数化建模中的SBM基于相似理论建模，也就是基于大数据训练模型的一种手段。具体实施将一组相关的变量放在一起，将模拟量分组分系统。例如运行人员监盘监视某个系统，在某个工况下，一个参数在一定范围内、另一个参数也在相应的范围或将影响另一个参数的范围。这样一组互相关联的变量可反应系统设备的运行情况。将一年的历史数据，例如水头、工况、温度等模拟量选取其中健康的数据作为输入，输出一个状态矩阵，掌握机组在健康状态下的各种参数显示。该状态矩阵将掌握机组机组健康下的各种参数显示。

机组实际运行过程中，该参数的选取即为机组当前状态下的实时数据，通过计算所有组合的相似度产生插值矩阵，然后权重模式加到一块组成估计模式。通过把输入模式减去估计模式从而产生一个剩余值，把剩余值较低的变量作为正常变量移除，较高的即为需要显示出来的异常数据。

3.3.2 严重度

严重度算法为监盘模型中的每一个测点实时计算严重度，计算该测点健康估计值与实时值偏差的严重程度。实时严重度是监盘、监视的第二个基准。

3.3.3 动态基准值计算

依据系统的函数、建模和组态配置系统实时地判断当前工况，根据当前的运行工况不同，实时地计算出所有监视参数的基准值，大量参数实时计算不卡顿。结合电厂实际情况，可利用计算指标实时计算出运行人员所关注的数据，其也是从实时数据库中读取。具体配置哪些参数和配置多少参数根据运行的实际需要来确定。

4 结语

智能监盘系统可实时计算主要运行参数的基准值和正常的变动区间，通过动态监视带和智能化设置提高预知预判能力，并将运行人员的经验知识通过专家系统进行系统化来实现智能化的监盘。智能监盘系统可提高监盘效率和降低监盘的劳动强度，提高运行监盘的智能性和全面性。