智能電廠實施過程中的大數據應用探析

劉洋

摘要：隨著現代科技迅猛發展，火電廠的智慧化與數字化標簽越發濃重，不斷向安全高效與環保生產標準靠攏。智能電廠融入了云平臺與大數據技術，是數字化電廠的進一步升級，通過智能電廠的大數據應用優化，數據采集也更加科學，電廠運行管理水平得以有效提升，使得火電廠的人性化與安全性特征更加明顯。

關鍵詞：智能電廠;大數據;應用

在信息時代，大數據與物聯網等技術的涌現推動了電力工業行業發展，基于信息網絡技術的智能電廠概念應運而生。智能電廠以數字化電廠為前提，借助智能控制與處理分析技術，使火電廠在任何電網要求以及氣象與排放等環境的條件下都能提供環保穩定的電能，逐步向一體化電廠轉型。智能電廠在故障診斷與生產管理等方面，尤其從控制層面入手實施智能管理方式，對電廠管理水平完善有著積極的促進作用。

一、大數據應用在智能電廠的理論研究

大數據是指快速發現并分析復雜而繁瑣的龐大數據，利用技術方式提取有價值的技術框架，既包括龐大數據，也包括數據處理方法、理論。火電廠大數據涉及生產運行數據與企業管理數據，因為數據之前并不是獨立，相互之間耦合關系比較繁瑣，故利用虛擬仿真驗證平臺，讓各業務等類別數據集實現深入交聯以及虛擬現實人機互動，最終實現集約化管理。電廠大數據特征主要體現在以下幾方面;一是各種設備與系統均產生數據;二是數據量龐大，種類維數多;三是大數據提高了火電廠運行效益與安全可靠性;四是為滿足實時性要求，需要進一步挖掘數據關系。[1]

數據處理、數據分析、知識與規則解釋是大數據應用必不可少的步驟。火力發電廠大數據具有多樣性、不精確性、不完整性等特點，這種復雜的數據環境下，要求必須對數據源中的數據進行處理，必須采用統計學方法剔除由于精度等原因產生的異常數據和冗余數據;采用聚類分析的方法對數據源中的數據進行抽取和集成，為后續數據分析的合理性提供有效的支持。數據分析是發揮大數據研究核心價值的重要流程，常用的數據分析技術主要有：統計分析、數據挖掘、神經網絡、機器學習、模糊理論等，分析的結論可用于專家系統、推薦系統、決策支持系統、運行指導等方面。數據分析結果的核心內容是數據知識規則等具體表述方法，表述方法不合適會對使用者起到誤導作用。一般的表述方法是文本、圖表等電腦終端的直觀顯示，隨著云技術的不斷發展，人機交互技術、標簽云等可視化技術的解釋方法被逐步應用，數據分析得到的規則、知識等信息的解釋，逐步向最佳的數據解釋效果方向發展。

二、大數據應用優化分析

（一）報警優化

火電廠DCS系統的發展日益完善，功能與監控點數逐步提高，也逐步具備熒光字報警等功能。但機組調試過程中，受設計施工等因素影響，DCS系統運行常出現報警泛濫的情況，導致報警信息數據量龐大，限制了報警系統作用的發揮。理想的報警組態設計要求每天的報警數量不可超過300個，每個小時的報警數量不可超過12個，每10分鐘的報警數量不可超過2個。故需根據運行人員可接受的報警數，科學布置報警系統組態計劃。

除此之外，還需要根據重要程度設置多級別的報警類型。為減少無效報警信息，確保信息精確度，可以采用主元分析法。首先了解各報警極限參數，以此作為后級警報項。以某機組功率信號為例，從報警分析入手研究，確定采樣周期后，在DCS數據庫中選擇多項運行數據展開主元分析。同時采用分類的方式將歷史數據分為驗證集與校正集兩部分，通過Matlab分析了解主元分析結果的真實性，根據各主元數相對的殘差平方根曲線將最小殘差平方根，將其對應的主元個數作為機組功率報警異常優化中綜合考慮的重點。同時將主元個數的報警信息當作二級報警信號，從而提高機組功率報警信息的針對性、準確性。

（二）閥門流量特性偏差調整

汽輪機調節汽門作為DEH系統的主要執行機構，出現流量特性偏差時會引起節流大量損失、調頻響應負荷不當等問題，會直接降低機組安全運行的可靠性。該問題可從汽輪發電機組入手分析，由于影響閥門流量曲線異常的因素較多，故加強曲線校正，確保機組處于正常工作狀態。改善閥門流量曲線的步驟如下，一是選擇數據源，選擇多組相關參數，包括機組主蒸汽壓力、機組負荷、主蒸汽溫度、各閥門指令等。二是結合所選取的歷史運行數據，采用模糊神經網絡對歷史數據進行建模，得出閥門開度同主蒸汽流量的神經網絡模型，為下一步閥門流量特性曲線優化做好準備。在其基礎上，另選擇多組數據通過弗留格爾公式得出流量數值，并對比模型數值，以此驗證模型計算數據的準確度。三是從單閥條件入手分析，圍繞實際運行數據，利用模糊神經網絡，擬合該情況下的流量曲線。校正后的曲線開度增大，優化了負荷響應成效。

在實踐中設置重疊度時，通常是在開閥后壓力與主氣壓力間比值超過0.85時再開啟下一個閥門，以此優化各閥門重疊度。根據單閥、順閥方式下矯正前后的流量曲線，發現矯正前后曲線差異較大，且在相同綜合流量指令下，其不同的高壓調節法開度變化也存在不同。具體表現為拐點更加光滑，拐點前的流量曲線，對負荷響應成效相對提高，且閥門重疊度降低，機組性能隨之得到優化[23]。

（三）控制系統性能

火電廠由于工藝繁瑣，控制系統運行離不開PID設備的控制，但在實踐中，大部分的熱控技術人員對系統控制的有效性無法及時評判。此類問題可從電廠熱工控制入手，采用大數據方法對當前控制系統性能進行評定。

評定控制系統性能的方法多種多樣，但系統性能計算、控制系統參數識別、思想控制系統設計與控制系統診斷決策是每種方法都必不可少的內容。實施步驟一般先是計算當前系統性能，收集處理控制器輸出信息。然后根據系統特性，合理選擇系統評定準則。圍繞準則評定系統性能，了解控制性能是否達標或是需要維護等操作。最后根據性能評估結果，分析系統性能滯后的影響因素，為系統性能維護提供價值依據。

近年來，對以閉環回路運行數據為基礎的控制系統建模研究越發深入，相比傳統或現代控制理論的建模，現在可供選擇的方法更加多樣，效果也更加顯著。除此之外，基于支持向量機，神經網絡等計算理論的建模方法也有了長足的進步。但合理選取控制系統性能評估準則仍是一件難度較高的工作，目前應用最為廣泛的仍然是基于最小方差準則，或者改進最小方差準則的控制系統性能評估準則。

三、總結

智能電廠工程在實踐中需對在線監控系統、設備缺陷系統、檢修系統、仿真系統、DEH系統等系統進行深入研究，同時要加強與云計算、大數據等先進技術的整合，為我國電力工業現代化發展助力。本文主要從控制系統方面應用大數據的可行性與成效展開分析，優化報警系統與系統運行曲線，同時加強系統性能評估，希望對智能火電廠建設起到積極的促進作用。

參考文獻：

[1]劉艷英.基于大數據的水電廠狀態檢修方案探討[J].數字技術與應用，2017（10）：230231.

[2]高學偉，付忠廣，張連升，劉炳含.大數據技術在燃煤電站發展中的應用研究[J].沈陽工程學院學報（自然科學版），2018，（01）：1622.

[3]尹峰，陳波，蘇燁，李泉，張鵬.智慧電廠與智能發電典型研究方向及關鍵技術綜述[J].浙江電力，2017，（10）：16+26.