崔修強,喬龍
(華電國際電力股份有限公司技術服務中心,濟南 250014)
煤炭是火電企業最大的成本,約占發電總成本的70%左右,直接影響著企業的效益水平和競爭力。各火電集團公司采取了很多舉措著力加強燃料監管工作,但傳統的燃料監管方式耗時耗力,發現處理問題也往往滯后,而且各基層電廠在燃料監管與業務技術方面的水平也參差不齊,因此燃料監管亟須從宏觀層面進行規范[1]。
為解決上述問題,華電國際技術服務中心研發了燃料全過程監管與診療平臺,構建燃料全過程監管新模式,實現燃料設備、設施的自動化診斷、提示、預警,在燃料全過程在線監管中發現問題,督促整改,“用平臺說話”,通過智能化手段使燃料專業技術模塊化,建立燃料在線技術診斷指標體系,指導開展“燃料技術診斷”工作,從而實現企業燃料管理格局的統一布置、全面覆蓋。
“燃料全過程在線監管與診療平臺”利用工業4.0、互聯網+、大數據分析等技術,并結合現場實際需求以及工作經驗進行研發,平臺接入涵蓋采、制、化、計量以及采購統計各個環節的全過程數據,搭建了開放式、可擴展、自優化的診療平臺[2],通過對火電企業燃料全過程信息流進行實時的診斷分析,挖掘各項指標變化趨勢的產生原因,并提供問題的解決方法,實現對燃料過程數據與設備設施實時在線監管。平臺主要包括在線監管、遠程診斷、閉環管控、綜合評價4個主要功能。
通過對汽車衡、軌道衡、采樣機、制樣機、化驗等設備的各項參數進行實時在線提取,集中展現設備運行參數、設備狀態、設備故障等信息,并以生產工藝流程圖的形式進行展現,具有靈活的圖元繪制、邏輯定義和圖形編輯功能,為實時掌控驗收全過程和在線診斷提供基礎數據支撐。
依據參數的使用類別和關鍵性將現場參數分為基礎參數、核心參數和指標參數3大類。核心參數是評判設備性能的重要參考,與整體的運行狀況直接相關,是影響驗收質量的關鍵部分。如采樣頭的采集重量、子樣數目、采集子樣的方法正確與否直接反映了采樣機設備的性能狀況,從而判斷采取子樣的代表性[3]。
遠程診斷主要是對現場采集的數據進行分類匯總,針對驗收的不同過程建立汽車衡、軌道衡、采樣機、制樣機、化驗設備診斷模型,對異常參數和關鍵環節進行在線診斷。
根據設備參數和歷史數據,平臺挖掘數據各指標間的邏輯關系,對數據的準確性和可靠性進行初步判斷,可以在線對設備的精密度、偏倚等進行分析。系統利用自身的故障診斷知識庫,對計量、采制化設備狀態數據進行分析診斷,得出設備故障類型、發生部位、因素分析等結論。
平臺具備異常診斷處理結果的診療跟蹤功能。針對整改完畢的異常情況,可實時查看異常情況的實時處理狀態。對已完成的異常處理,形成案例分析庫,可為其他電廠提供參考,并可溯源異常處理的流程、方法及結論。針對診斷模型存在的漏洞及不足,可利用案例庫進行自我學習和修正,實現平臺的自我升級。
采用遠程醫學理念,引入三級診療手段。在三個層面同時為“患者”會診,提高診斷治療效率。將醫學遠程診斷、遠程會診及護理、現場診療的三級診療理念引入平臺,對現場數據進行采集,通過平臺審查異常參數,利用“專家模型”進行診斷。同時對診斷效果進行“健康評估”,針對治療無效的“病癥”組織現場專家會診,并修正“專家模型”。
通過數據分析、在線診斷、精準治療,平臺形成一套完善的評價機制,對燃料計量、采樣、制樣、化驗等各環節進行分環節、分要素評價,并權衡各環節比重,建立完善的評價體系。平臺開發同型設備的對標功能,在線評估不同廠家設備性能及不同單位的操作水平,在線評價各基層電廠燃煤驗收水平。
燃料全過程技術診斷依托全過程在線監管與診療平臺,以燃料全過程數據流為基礎,以遠程在線分析與診斷為方法,以三級精準治療為手段,以綜合分析對比為抓手,實現燃料全過程的在線“診斷和治療”,將專業技術模塊化,將整體軟件組態化,重視過程監管,及時發現問題,結合專家現場診斷,在平臺層面提供解決問題的方法和途徑。
依據“二八”法則與質量管理理論,影響燃料驗收質量好壞的6個因素是人、機、料、法、環、測。人,指進行燃料全過程工作的人員;機,指燃料全過程中所有設備;料,指煤樣、藥品等;法,指計量、采樣、制樣、化驗環節使用的方法;環,指各個驗收環節所處的環境; 測,指檢測過程。基于上述六要素,運用KPI關鍵績效指標思想,通過繪制魚骨圖等方法,對各個要素進行分解,配置績效標準,確定權重,建立一套完整的燃料技術診斷指標體系,形成科學嚴謹的燃料全過程評價機制。將宏觀的燃料全過程評價與實際工作的細節行為結果聯系起來,制定了《燃料全過程在線技術診斷標準》,為開展燃料集中遠程在線監管工作起到了規范性的標尺作用,指導電廠依據評價標準自檢查自提升。
燃料全過程數據流分為直接數據、計算數據、指標數據對應3個層級,各層數據都有各自的范圍值,當監測數據超出范圍值,發出警示。使區域公司、技術中心、基層單位能夠依托平臺,實現燃料管理各環節的在線監管,實時查看流程,對設備工作狀態、人員情況等監管要素實時掌握。
平臺研發過程中,創建了100余項燃料“專家診斷模型”與數理統計分析模型,利用大數據挖掘技術,通過全過程參數的在線診斷與深度分析,實現對異常情況的遠程在線監管與診療。專家診斷模型能實現再優化功能,把現場的實際情況和專家、技術人員的經驗不斷總結、豐富、完善,跟蹤治療效果,提升平臺在線診斷水平,達到開放式、可擴展、自優化的目的。
依據平臺的專家診斷報告,引入遠程醫學診療的理念,按輕重緩急實現三級精準治療。
一級治療是平臺在線反饋,針對計量、采制化等環節出現的比較直觀、容易處理的問題,平臺對異常情況提出現場解決方案和措施,基層人員進行現場處理,處理結束,異常值恢復正常水平,平臺解除警示。
二級治療是平臺根據出現的異常,生成“診斷治療單”,基層人員據此“處方”及時進行整改,并在平臺相關模塊反饋“治療”效果。平臺根據反饋情況,優化已有的專家診斷模型,評估“治療”方案,確保消除異常。
三級治療是針對現場出現的疑難雜癥,技術中心組織專家、技術人員組成“燃料技術診斷專家團隊”,開展現場技術診斷,解決問題,形成詳細的“燃料技術診斷”報告,建立技術診斷案例庫,優化完善專家診斷模型。
通過數據分析、在線診斷、精準治療,融合CNAS標準化核心思想,緊抓質量管控六要素,借鑒KPI績效管理思維,對各電廠燃料全過程分因素、分環節分析對比,形成電廠、區域及總部的月度、季度、年度燃料在線技術監督報表,并根據《燃料管理查評細則》,對各廠在燃料管理工作中出現的各類問題指導整改,為各級燃料監管工作提供技術手段。
建立燃料各項指標的基線數據,通過燃料監測歷史數據挖掘分析,結合國標和專家經驗的關聯分析,建立了燃料在線技術診斷標準,實現對各企業燃料過程分因素、分環節進行分析診斷,為基層企業、區域公司、總部提供技術診斷數據支持,指導燃料全過程監管工作。
創新燃料技術監管模式,建立專家支撐體系,開展燃料現場技術診斷工作,實現對燃料全過程各關鍵環節的診斷與評估,促進燃料管理效能的全面提升。依據燃料技術診斷工作要求,結合基層企業現場實際情況,在滕州公司開展了燃料技術診斷工作,診斷挖掘出燃料全過程質量管控方面的典型問題24項,獲得了9項對在線監督平臺運行有效的基本規律,得到對日常管理工作4個方面的指導規律,實現了對燃料設備運行狀態和設備性能的診斷與評估。
傳統的抽檢方法主要判斷抽檢合格率是否達標,而未涉及對于抽檢合格率的變化趨勢對比。利用診療平臺,可以集中生成各企業抽檢合格率變化趨勢圖,通過對比分析發現深層次管理規律。
案例:A,B電廠的抽檢合格率變化趨勢診斷如圖1所示。平臺診斷發現B電廠的抽檢合格率在2015年逐月下降。發現有明顯的趨勢之后,立即利用燃料全過程監管與診療平臺,對B電廠分環節進行原因分析,針對發現的問題下發整改通知單,并跟蹤B電廠的抽檢合格率何時回升;同時分析總結A電廠的抽檢合格率進步原因,找出其管理亮點,予以推廣。

圖1 抽檢合格率變化趨勢診斷
診療平臺建立了煤質數據關聯分析與數據挖掘模型,從多個維度對火廠來煤各礦點的煤質進行發熱量、密度相關性分析,建立對應的熱值-密度相關性公式,依據來煤預報發熱量預測來煤密度,與現場通過體積掃描與重量計算獲得的密度對比,偏差較大的車輛發出預警。
案例:診療平臺監視某日來煤熱值—密度相關性,某礦點對應的熱值—密度相關性公式為y=-27.03x+47.49,該礦點該批次來煤預報發熱量為22.63 MJ/kg,其中某一車來煤通過相關性公式預測發熱量為20.61 MJ/kg,平臺預警。質檢人員對異常車輛煤質進行重點核查,對該批次來煤分別取煤樣化驗,化學實測異常煤車輛發熱量為20.95 MJ/kg,與來煤預報發熱量偏差1.68 MJ/kg。利用監管平臺發現滕州公司入廠煤接卸過程中有來煤異常情況7次,挽回經濟損失30余萬元,有效地打擊了作弊行為,維護了交易的公平公正。

圖2 發熱量密度相關性診斷
燃料全過程技術診斷依托全過程在線監管與診療平臺,融合燃料管理先進理念和技術經驗,建立了燃料在線技術診斷標準與指標體系,為解決燃料管理疑難問題提供技術支撐。使燃料技術監管更加理順,增強管理效能,具有較強的推廣應用價值。
對于基層電廠,平臺可以提升燃料監督工作效率,彌補設備性能監控的不足,便于管理人員實時掌握管控要素;對于區域公司,平臺可以提供分項及綜合的分析報表,指導區域下一步工作;對于技術中心,平臺可以開展技術監管工作,針對疑難雜癥開展專家會診與專項診斷,定期下發技術診斷報告與評估報告;對于集團總部,平臺可以從宏觀把控燃料整體工作,及時發現管理短板,為整體決策部署提供數據支撐,提升公司整體燃料管理水平。
參考文獻:
[1]付融冰,張慧明.中國能源的現狀[J].能源環境保護,2005,19(1):8-12.
[2]黃立新.燃料智能化管控系統在火電廠的應用前景[J].華電技術,2016,38(9):56-58.
[3]馬小云.火電廠的燃料采制化管理及其優化[J].安徽電力,2017,34(4):52-55.