淺談大數據技術在水電廠的研究和應用

杜春新

（國網浙江省電力公司緊水灘水力發電廠，浙江 麗水 323000）

淺談大數據技術在水電廠的研究和應用

杜春新

（國網浙江省電力公司緊水灘水力發電廠，浙江 麗水 323000）

從水電廠設備運行監視狀況及現有運行監視軟件等方面，分析了目前運行監視工作中面臨的問題。設計開發了基于PI實時數據庫的水電廠附屬設備輔助運行監視軟件，詳細介紹了軟件的設計思路、主要功能。軟件的應用豐富了現有的監視手段，取得了很好的應用效果。

大數據；監控系統；無人值班少人值守；智能診斷

大數據、云終端以及“互聯網+”，已進入各行各業，改變著人們工作理念、辦公方式和管理流程。國家電網正在積極推動建設智能電網，而目前水電廠推行的“無人值班、少人值守”的管理模式對安全生產提出了更高要求。運行人員的正確判斷和快速應急反應能力對電廠安全運行是至關重要的。

縱觀傳統運維檢修模式，存在更多“人”的因素。比如：傳統手工記錄的數據的完備性和正確性不足、個人技術水平不均衡、人力成本高、工作效率較低等問題。這讓我們更加認清加快技術變革的迫切性，迫使運行人員盡快的適應新技術和運用新技術，以便快速準確的獲取設備運行狀態的第一手資料，做到對設備異常情況能先期預判，對設備故障原因迅速鎖定，以便快速響應和處理。

1 傳統運行工作存在的問題

1.1 傳統人工巡檢和監視效果不佳

傳統日常人工巡檢是每天固定時段巡檢，發現設備異常存在偶然性；由于手工抄錄的數據有限，且運行工作人員素質不均衡，所以人工抄錄的數據完備性和正確性不足，不利于開展設備運行分析；目前監控值班人員通過H9000（4.0V）監控系統實時告警窗及定時畫面巡視手段，監視水電廠機電設備及電網線路的運行狀態。但鑒于設備多、參數各異，監視的工作量非常大，很難發現運行于指標邊緣的設備，監視效果十分不理想。

1.2 監控系統缺乏綜合分析能力

目前，水電廠都實現了對全廠機電設備的自動化監視和控制。我廠也已進行了兩輪監控系統升級改造，但新監控系統仍局限于簡單的對監視點越限報警和對事故、故障信息的報警及生成整點時段的數據報表。它缺乏對設備的綜合分析能力，對異常情況的跟蹤分析只能依賴人，而生成的整點報表數據不能滿足設備運行分析的連續性。另外故障信號刷屏會嚴重影響監盤質量，不利于安全生產。

1.3 人工分析效率低

月度的專業分析相對滯后，對故障設備的專題分析也是事后分析，同時人工分析過程中收集數據和分析數據的工作量很大，效率低。對帶病運行設備缺乏先期故障預判，存在安全風險。

2 智能診斷軟件的開發

2.1 實時數據庫

PI數據庫應用PI（Plant Information）是由美國OSI Software公司開發的1套基于C/S的商品化軟件應用平臺，能以數據原形的方式在線存儲動態數據。它采集并存貯與流程相關的成千上萬點數據,采用“旋轉門”壓縮技術可以節省大量的磁盤空間，同時能保證數據的精度和密度要求。PI數據庫系統的主要應用工具PI DataLink和PI ProcessBook等模塊完全與Windows兼容，具有極好的擴展性。目前緊水灘水電廠的PI數據庫存儲了水輪發電機、各類水泵系統等大量數據，用戶可根據需要通過PI客戶端工具對庫中所需數據進行取用，利用PI數據庫獲取所需的實時及歷史數據，可實現對水電廠水輪發電機機電設備異常狀態的監視功能。系統框架如圖1。

圖1系統框架

2.2 常用辦公軟件Microsoft Excel

Excel是目前最為常用的電子表格軟件，具有表格制作方便、靈活、輸出數據美觀等優點，同時還具有強大的數據檢索、查詢、排序、篩選等功能，另外Excel還擁有數量豐富、功能強大的內置函數。

PI實時數據庫的PI-DataLink數據接口軟件為Excel提供實時數據的來源,使得Excel強大的電子表格功能與實時信息有效結合,可實現現有監控系統所不具備的功能。

2.3 智能診斷軟件設計

基于PI的實時歷史數據庫進行更廣闊的二次應用，開發幫助運行人員輔助診斷的監視應用工具。組織技術人員利用PI軟件工具對多年積累下來的海量數據進行分析，針對不同測點分別建立正常運行數據模型。開發設計各類監視畫面，通過對實時采樣運行數據與數據模型進行實時比對，當采樣數據超出數據模型的正常范圍時，依據邏輯判斷，監視畫面自動實時聲光報警。此時運行人員可點擊報警點調看綜合信息，第一時刻掌握設備故障信息，彌補人工巡檢工作中的不足和監控系統缺乏綜合分析的短板，提高運行人員設備分析水平和響應速度。

3 軟件應用

3.1 各類泵運行監視

通過監視統計各類泵的啟停時間，判斷其是否打空泵或效率降低；記錄各類泵的啟動和停止動作值，并與整定的動作值進行比對，判明各類泵是否存在動作值偏移問題，提醒檢修人員對動作值發生偏移的設備進行維修或更換，避免不安全事件發生。

3.2 油位監視

對壓油槽、集油箱和漏油箱油位跟蹤監視計算，并進行油位趨勢分析，判明壓力油系統是否存在漏油現象；篩選多個測點進行跟蹤，依據邏輯判據，對相同運行工況下的水輪機組推力油槽、下導油槽油位進行跟蹤比對，智能診斷推力油槽油冷器、下導油槽油冷器是否存在漏點或破裂，防止因機械設備故障發生機組強迫停運事故。

3.3 溫度監視

通過增加邏輯判據，篩選出同等運行工況下的推力瓦溫、下導瓦溫、定子線圈溫度和空冷器溫度進行比對分析，判明冷卻水壓力是否正常。

3.4 滲漏水監視

通過監視滲漏集水井來水和滲漏水泵運行工況來控制發生水淹廠房事故的風險。通過計算滲漏水泵啟動間隔時間T1來反推集水井靜態平均來水流量Q，利用這一流量數據與一臺滲漏水泵抽水流量Q1和2臺滲漏水泵抽水流量Q2比較，通過分析流量差與水位上升速率、及考慮運行人員反映時間之間的關系，確定邏輯判斷條件，達到對水淹廠房事件的提前預判，提早采取防控措施。

4 軟件應用效果

軟件開發的相關圖表應用，做到了對不同運行工況下重要設備油位的下降或上升趨勢的報警；能自動生成各類水機數據報表；對各類泵的輪換運行及啟停過程監視，發現異常自動報警并給出診斷結果。使運行人員對故障判斷一目了然，也為后期新人員的技術培訓提供詳細資料；作為水輪發電機及附屬設備巡視的輔助手段，適當減輕運行員工勞動強度，提高工作效率。同時通過對軟件的學習運用，提高了運行人員對設備的綜合分析能力。

通過幾年的應用，我們有效的避免了多起不安全事件的發生。正如圖2所示，2013年我們及時發現了3號機漏油泵頻繁啟動，根據軟件提示提早發現故障點，有效減少了廠用電量。

圖2緊站3號機漏油泵監視報警圖

圖3緊站3號機組主用水電磁閥故障提示報警圖

又如圖3所示，軟件對3號機組主用水電磁閥未全開動作故障第一時間做出提示報警，并給出了故障分析結果。經運行人員現場檢查驗證了其正確性，同時由于及早發現和正確處理，避免了一起機組跳閘事故的發生。

5 結論

當我們還在為流域水電站安全生產管理上的諸多困難而糾結時，大數據已悄然為我們打開了一扇通往“本質安全”的大門。作為一種新興的數據管理模式，大數據技術不僅解決了傳統數據管理方面存在的問題，而且使數據管理趨于智能化，數據間的關聯性也更加強大。基于現代水電企業“無人值班（少人值守）”、“一廠多地”等特有的生產運營模式，深入挖掘大數據技術在流域水電站安全生產管理方面的潛在價值，可以有力地推進流域水電站安全生產管理水平。

[1]史興華.供電企業實時/歷史數據庫PI典型應用案例[M].北京：中國電力出版社，2009.

[2]林卓然.VB程序設計[M].北京：清華大學出版社，2009.

TV736

A

1672-5387（2017）11-0059-03

10.13599/j.cnki.11-5130.2017.11.022

2017-08-25

杜春新（1976-），男，工程師，從事水電廠運行工作。