电力大数据在传统发电企业的应用探析

电力大数据作为连接能源消费、能源供给和能源技术的桥梁,将为电力系统能源体制改革提供强力的支撑。基于大数据、云计算等技术的快速发展和应用,各个电力集团也根据企业自身情况制定了自己的数据应用战略、治理方针和数据标准。

1)火电厂大数据的发展趋势

传统的火力发电厂正在向数字化电厂阔步迈进,各种数字化仪表和设备已取代原有的机械式仪表和设备,DCS、SIS乃至ERP等系统也已在各个电厂普及。各类传感设备、移动终端、数据采集设备等产生的大量数据被保存、分析,用于指导火力发电厂的生产运营。这些智能系统设备在提升企业管理和运营的同时,也产生了大量的电厂运行的专业化数据。如何对数据进行分析应用和数据价值的深度挖掘,成了摆在各个发电企业面前的挑战。

火力发电厂的数据可以分为以下三类:①结构化数据,是生产一线直接生产的数据,数据价值密度高,有严格的数据分类和标准的查询语言,易于挖掘出更高的数据价值;②非结构化数据,这些数据来自非生产一线,但与企业管理契合度很高,数据价值密度中等,数据价值挖掘难度较大;③多媒体数据,这部分数据量大,对企业事故视频回放分析有很高的价值,但是数据价值密度低,数据价值挖掘难度大。

电力大数据的价值,极少数能够直接表现出来,大部分则是隐藏在枯燥的数字背后。比如,在火力发电厂,厂用电率指标的高低可以直接从指标信息中获得,但是导致其升高或者降低的原因却隐藏在看似杂乱无章且规模庞大的数据流中。对数据分析得越深入,就越能挖掘出更多的数据价值,分析后所取得的数据价值密度要远远高于原始数据的价值密度。

电厂数据的相关性分析也是获得隐含数据价值的高效方式。数据可能存储在不同的数据库等空间中,但是物理上的分离不代表数据逻辑也是隔离的,甚至有些时候这些数据恰恰是高度关联的,所以对数据价值的分析必须将相关数据看成一个整体,通过对数据的相关性进行分级,建立数据模型。例如电厂厂用电率指标与各个主要辅机耗电量相关,各辅机设备耗电量又与单台辅机的各项运行指标有关,任何一个指标的变动都会导致厂用电率的改变。相关性分析就如同将厂用电率当作一个生命体,而辅机指标等相关数据集作为这个生命体的体征指标,用来衡量这个生命体的健康程度。

电力大数据具有很强的交互性,发电企业大数据也不例外,如果将发电厂的各种数据与整个社会大数据进行交互融合,将会产生不一样的效果。比如,将火电厂设备运行大数据与设备制造厂大数据进行数据对接。电厂的设备缺陷信息、生命期参数信息等数据,与设备制造厂的设备部件材质、质检情况、流水线信息等数据整合到一起,以前割裂的信息孤岛就成了一个整体,可以进行进一步的信息挖掘。设备制造厂可以针对电厂大数据所体现出来的设备缺陷信息、生产周期参数信息等数据调整产品设计方案、制造工艺以及生产安排,制定更加精准的市场定位。而火力发电厂可以根据设备制造厂大数据的设备材质、质检情况、流水线信息等数据更加深入了解所用设备的使用参数、运行方式以及维修调试方法。通过信息汇总后的数据挖掘,可以使发电厂和电力设备生产企业都得到对自己有价值的数据,而这些价值是不可能单独从一方的数据中挖掘得到的。

“大数据”时代,电力生产企业的数据会持续快速地增长,如何从海量的数据深度挖掘出有价值的信息,从而提高电力生产相关企业的生产效率和服务价值,节约更多的成本和创造更高的价值,是摆在电力生产企业面前的一大挑战。努力提高电厂的信息化水平,培养专业人才,深度挖掘数据价值,必然是火力电厂管理模式发展的大趋势。

2)某发电有限责任公司大数据应用案例

某发电有限责任公司2×600MW机组性能监测与节能诊断系统是在保留原机组运行优化管理系统相关功能特点的基础上进行设计和拓展的系统。该系统一方面建立了一套基础数据平台(包括原始数据、计算数据),增强了数据接口对原始测点数据的读取功能,使其具有更为完整的历史数据存储、更为便捷的趋势曲线查询方式、更为高效的节能指标分析指导功能以及更符合电厂实际使用人员需求的功能设计;另一方面该系统通过拓展相关性能计算模型,再结合专家系统(知识库、推理机),实时分析每个指标偏离标杆值(基准值)的原因及发生的概率,实现实时对标;并通过月度统计结合离线指标推理,实现月度对标,触发生成月度节能对标报告。节能对标这项工作对改善运行、完善设备、提高机组运行经济性起到了积极的推动作用,但这项工作需要每个电厂配备多个业务能力强、专业面宽的专家型技术人员,同时需要投入大量的工作时间进行数据收集、数据分析,而机组性能监测及节能诊断系统通过计算机实时统计最终生成相关报告的方式很好地解决了这一问题,进一步减轻节能管理人员工作量,提高工作效率。(www.xing528.com)

该系统具有以下特点:

(1)采用Visual Studio 2008(C＃)工具对原机组性能优化管理应用平台进行改造,实现数据统一管理、兼具性能计算及故障诊断功能的高级应用基础平台,以满足节能诊断分析需要。

(2)开发了具有用户自定义功能的历史趋势查询控件是本开发项目的亮点之一,该控件能为不同用户所面临的不同问题制定各自的解决方案,不同曲线组的自定义功能其实也是人们在日常工作的经验积累,该功能可帮助电厂相关运行管理人员对机组性能相关数据进行数据挖掘,及时发现和解决机组运行中出现的问题,进一步提高机组经济性和安全性。

(3)通过Plant Connect底层API函数对实时数据库中的相关测点进行读取,同时补历史数据程序的运行时间与实时数据库日常操作时间进行分离,解决系统试运行阶段由于补历史数据的运行而导致实时系统查询速度慢、趋势无法显示等异常情况的出现,大大提高了系统稳定性。

(4)对性能优化模型进行拓展,以满足节能对标诊断需要。

(5)知识库由故障表、规则表、原因表、措施表组成,表与表之间通过故障TAG、故障ID、原因TAG、原因ID、规则TAG、规则ID进行关联。

(6)根据《600MW火电机组节能对标指导手册》,结合公司多年从事火电机组运行、检修及性能诊断分析经验,整理出节能诊断系统所需的知识库。

(7)通过对模糊数学理论及基于规则的故障诊断方法进行深入研究,开发了一套可组态的逻辑推理机。

机组性能监测及节能诊断系统为电厂日常管理和节能指标分析等工作的开展创造了理想的平台,节能对标工作的成功与否很大程度上取决于知识(规则)库的完整性、准确性。在实际应用过程中,需要电厂相关专业人员认真斟酌及在实践中检验规则的完整性、准确性,如发现不合理、不完整、不完善的地方,及时反馈给项目组,及时更新知识库,希望在电厂、公司的共同努力下,把机组性能及节能诊断系统变成一套真正能指导生产的专家平台。