智慧電廠一體化大數據平臺關鍵技術及其應用

舒長清

（國網湖南省電力有限公司鳳灘水力發電廠，湖南 沅陵 419600）

0 引 言

智慧電廠之所以稱作“智慧”，主要是體現在電廠的自動化上，如自動管理、自主學習、自我判斷等[1]。近年來，各式各樣的新型數字化系統被電力企業運用于工作之中。這些系統的運用導致數據資源變成電力公司經營過程中的關鍵要素。同時，快速增多的數據也給系統數據的存儲與處理帶來困難。

1 一體化大數據平臺

1.1 智慧電廠一體化大數據來源分析

當前電力管控信息化水平日益增高，管理模式也在不斷改變，電廠需要進行如下步驟管理數據。

（1）生產數據。該數據的重要組成部分是智慧大數據，具有極高的價值。生產數據包括各個設備的信息、消耗數據以及設備故障信息等，工作人員可從中總結出新經驗，用以保護維護系統。

（2）運營管理數據。電廠需要多種數據維護支持，其中的數據往往跨越了多個行業。對此數據進行進一步處理，可總結并提取有效信息，幫助企業做出最優化的決定[1]。

智慧電廠大數據可分成結構化的數據類型和非結構化的數據類型。其中，前者包含即時與非即時數據，后者則主要包含一些音頻資料。

1.2 一體化大數據平臺構架

智慧電廠的數據繁雜且數量龐大，為滿足數據處理要求，需要構建一體化大數據平臺構架。在平臺中，電廠原始數據經處理后歸納至數據庫，并以數據庫的數據為依據執行監視，實施深層次剖析，用戶也可登陸平臺查閱。系統采取分層架構形式可以幫助系統擴展業務，避免進行二次開發，減少運營的成本，縮短開發的周期，有助于適應需求變化。

（1）采集數據層。該層主要負責收集現場數據，也支持在數據庫中實時進行數據采集。

企業在合并重組的過程中，應對財務管理體系進行優化。首先其應當統一財務管理目標與制度，從而使各部門的工作得以凝聚。其次財務部門應當利用大數據以及信息技術，構建更為高效的管理體系。最后財務部門應增設管理會計職能，以提升資金的使用效率。

（2）數據傳輸、處理層。該層主要負責從數據的采集到數據的傳輸到數據的輸入一系列過程。處理數據時一般采用多種數據核算模型，可對數據的完備性、可靠性加以檢驗，篩選錯誤采集的數據，且修正之后再次檢查，確保數據的準確性[2]。

（3）存儲數據層。該模板是平臺的數據保存與管控中心，能夠為搜集并經核算數據的儲存帶來便利，且在進行統一管理的同時，還采取了備份處理。

（4）業務處理層。該層依據各模塊的處理準則，處理各模塊的數據，并將處理結果存入數據存儲的中心。

1.3 一體化大數據平臺的功能分析

一體化大數據平臺具備處理問題的一系列機制，可通過實時的監控發現問題，并最終來解決問題。

（1）基礎數據。基礎數據主要包括實時信息、實驗得來的信息以及文檔提取的信息。

（2）數據甄別。即是對將處理的數據實施甄別，剔除不滿足要求的數據并發出警示。

（3）實時分析。運用具體的程序系統實現實時分析，如實時計算和實時警告計算。

（4）分析統計。出于系統功能的要求，參照結果展開分析，并且按照對應的業務規定執行統計分析。

（5）大數據分析。具體實施時，利用大數據技術分析并處理一系列工作，并展示處理信息[2]。

2 關鍵技術分析

2.1 多源異構數據處理與儲存的實現

通過構造智慧電廠一體化大數據平臺，得到有效處理的數據量已經遠遠高于傳統數據量。鑒于數據本身具有復雜和多樣性的特點，列出如下幾點數據平臺應滿足的標準。

（1）可同時高效率運用實時和過往的數據，作為決定與決策的參考，甚至可以幫助企業得到不同系統之間的數據，并發現存在其中的信息。

（2）利用時間序列的友好數據結構，使其結構性能遠優于傳統系統，查詢時可利用大數據技術提高效率，加快系統的讀寫。

（3）采取直接獲取數據的方式，可直接融合一個企業的全部數據進行打包處理，減少因明確再生時間信號所需要的數據量。

2.2 基于大數據的智能預警模式

出于電廠安全運行和經濟運行的高要求考慮，一體化大數據平臺需要引入人工智能，以此實行全面自動化監視各部件的運行情況，做到預先報警。與以前的數據剖析不同，智能預警技術是在事故產生前，發現異常問題并舉報，同時提供出異常的趨勢和異常的相關參數，幫助處理異常問題。智能預警技術不僅可以監視轉動設備，還可以對所有系統和設備組執行監視模式，監控各種工作流程。

2.3 時間序列數據中噪聲點和缺失點修正模型的建立

智慧電廠一體化大數據平臺利用時間序列模型識別各部件運行狀態，判斷設備是否處于異常和是不是能夠提取相關可用信息。當因設備異常導致數據采集不正常時，該模型可自行分析故障，并提供出有效的參考信息。在進行數據處理時，可根據數據異常的種類選擇不同的修正公式。不同于傳統的刪除噪聲點處理模式，時間序列數據可幫助檢查數據中是否帶有噪聲點和缺失點等相關信息，避免有用信息被丟棄，有助于體現時間序列的動態變化[3]。

提前預警和分析異常現象，可為相關人員提供異常參數信息、范圍和發生時間，便于人員確定故障設備。同時，在發生故障后，工作人員可以查看分析數據，準確快速找出故障發生的原因，有助于機組盡快恢復可靠運行，保證電廠安全工作，提高電廠收益。

3 實際應用

在實際應用中，智慧電廠一體化大數據平臺可以幫助采集、處理、存儲、分析相關的使用數據，發現正確數據和結果，具有極高的可信任性和安全性[4]。

3.1 智能預警實例

智慧電廠一體化大數據平臺通過分析觀測點數據的歷史運行區間和監控系統報警值，建立了相關的監測的模型，可進行全天候的觀察預測。同時，在發生異常時，系統會自動報警，并顯示趨勢圖，詳細展示報警具體信息。通過一系列數據的呈現，工作人員對觀測情況有了清醒的認識，便于制定檢查順序。

3.2 小指標智能管理

指標管理體系是電廠管理體系的重要組成部分。若采取人工作業形式，不僅耗費大量的時間，也增大了出錯的可能性。而該平臺引入了智能管理系統，能夠自主分析指標是否超標[5]。

4 結 論

智慧電廠一體化大數據平臺的結構與電力領域的各個特征均契合，具有可信任性和安全性。同時，它以大數據技術為基礎，通過發掘與剖析數據，歸納出有實用價值的信息，從而輔助電力公司進行設備運維與管控。該系統滿足構建智慧電廠的需求，為電力企業自動化與機械化的實現奠定基礎，并顯著提升企業工作效率。