基于大數據平臺的水電機組狀態數據處理架構研究

陳 洪，樂 毅，吳曉翠，朱 波，胡 曉，劉 東

(1. 湖北宣恩洞坪水電有限責任公司，湖北 恩施 445500；2. 武漢大學動力與機械學院，湖北 武漢 430072)

大型水電機組安全穩定運行密切關系到與之相連電力系統安全運行，直接影響電站乃至流域人民生命財產安全[1]。然而水電機組經常因設備故障造成強迫停運和非計劃停運，搶修短則需要幾個小時長則達數十天，時而還會發生設備損毀事故，如水淹機組、發電機掃膛、發電機線棒燒毀、水輪機葉片斷裂、變壓器爆炸等。大型水電機組屬昂貴的重大設備，防止事故發生具有巨大的經濟效益。因此，為確保水電機組和電網安全、穩定運行，提高設備利用率，避免重大經濟損失和人員傷亡，必須對水電機組進行合理的風險評估、維護和檢修。

長期以來，我國水電機組檢修主要采用計劃檢修和事后檢修模式。然而，這兩種檢修模式均存在很大弊端。事后檢修無法挽回已經造成的損失，計劃檢修可能造成“檢修不足”和“檢修過?！爆F象。鑒于目前水電機組檢修模式的弊端，狀態檢修已經成為水電機組檢修模式發展的必然趨勢。狀態檢修是指根據水電機組狀態信號的監測和診斷結果，合理的制定檢修決策，并根據該檢修決策實施機組的維護和檢修工作。其優點是能夠預知機組的狀態，將故障消除在萌芽狀態，避免了計劃檢修和事后檢修的不足。

狀態檢修的實施是以先進的狀態監測、風險評估與故障診斷技術為前提的[2]。目前國內水電廠安裝有大量的機組狀態監測裝置，能夠采集大量機組運行數據，為檢修人員實時評估機組風險，掌握設備運行狀態提供技術條件，為部分機電設備的檢修提供科學依據。但這些監測裝置之間相對比較獨立，各系統之間的數據互不兼容，因而不能對機電設備提供完整的分析數據，無法全面掌握水電機組運行狀況并進行風險評估[3]。此外，各監測系統也沒能與電站計算機監控系統有機結合實現數據共享。

要準確分析機組的運行狀態往往需要多參數的融合，如機組振動與機組運行水頭、功率等有關，機組振動和擺度也可能與發電機氣隙有關，這些參數往往來源于不同的監測系統。因此，分散的狀態監測系統，不利于機組運行狀態的評估和趨勢預測，達不到為機組檢修提供全面正確指導目的。因此，如何在現有基礎上搭建一套完善并且適合水電機組的風險評估系統，實現水電站各類狀態監測系統數據的有機融合，為實現狀態檢修策略提供科學、全面、及時的技術支持和依據，具有重要的理論和實際意義[4]。隨著互聯網信息化發展速度的加快，大數據、物聯網等技術與手段紛紛被引入電力行業，給電力行業注入了新的活力[5]。本文研究水電機組狀態數據內容、狀態數據集成思想與方法，將大數據技術引入水電機組狀態數據處理中，提出了基于大數據平臺的水電機組狀態數據處理架構。

1 基于大數據平臺的水電機組狀態數據集成

1.1 數據集成思想

狀態數據集成以專項監測為基礎，在專項監測與分析中綜合相關信息，得出更準確的結論，同時為其他專項分析提供充足信息支持，實現你中有我、我中有你的綜合分析。

系統集成要達到預定的目標，必須考慮具體水電站現有系統的實際情況，而且不影響現有設備的運行，例如電站已采用上下位機結構的專項監測系統，仍然可以正常工作，不需要做任何改動，在分配IP地址時，盡量不改變已有設備的原IP地址。在充分利用現有資源、保證現有系統運行穩定的基礎上，逐步開放并融合。狀態數據硬件集成采用標準化的計算機網絡通信與數據庫技術將各個設備的專項監測裝置鏈接起來，為數據與信息的互聯互通提供平臺。

狀態數據集成必須滿足電站網絡信息安全，在線監測系統現地測量與分析裝置、數據服務器、專業分析工作站等布置在II區，與I區之間通過單向隔離實現數據的聯通，與III區通過隔離裝置實現信息的交互。狀態數據集成布置方案如圖1所示。

1.2 數據集成內容

本文基于大數據平臺架構，對不同來源、格式、類型的數據進行標準化定義，將多個應用系統的數據按照應用模型構建數據主題，形成一系列面向專業領域、穩定的數據集合，實現體系內數據的全面共享，并通過元數據管理對應用提供統一的數據服務，需要集成的數據內容主要包括：

1)主機部分在線監測數據。主機部分主要監測機架、支撐部件、軸系的振動和擺度，水輪機的效率、空蝕情況；蝸殼、尾水管、頂蓋下方等處的壓力脈動；工作水頭、導葉開度、調速器引導閥位移、接力器油壓；發電機氣隙、磁場、各部件振動等內容。具體在線監測內容如表1所示。

圖1 狀態數據集成布置方案圖

表1 水電機組狀態監測大數據平臺監測內容表

2)輔機部分在線監測數據。輔機部分主要監測內容為：各部位的溫度，集水水位，排水泵啟停狀態，油壓油位等。具體在線監測內容如表1所示。

3)變壓器、GIS、GIL在線監測數據。變壓器、GIS、GIL主要監測變壓器油中氣體和水分、局部放電、接地電流、介質損耗；GIS局放、氣體、聯動開關，GIL局放、溫度、環流等。具體在線監測內容如表1所示。

上述數據可以分為波形數據、特征數據和運行工況數據三類。其中波形數據包括振動、擺度、壓力脈動等快變量；特征數據包括氣隙、局放、過渡過程量以及監控系統傳遞過來的緩變量，運行工況數據包括機組啟停機、變負荷等和運行工況相關的數據等。

1.3 數據集成方法

實現數據集成除了測點和數據信息，還須針對電廠現狀和不同子系統的數據存儲位置，進行數據集成。某實際水電廠數據集成示意圖如圖2。

圖2 水電廠數據集成示意圖

穩定性監測數據：數據集成中數據量最大的是穩定性數據。設置1臺穩定性監測系統數據服務器，分別將水電廠所有機組的穩定性監測數據進行集成，然后發送至廠級數據服務器中。

氣隙監測數據：氣隙監測系統的數據與穩定性監測系統的數據相同，首先集成在電廠的穩定性監測系統數據服務器中，然后穩定性監測系統數據服務器再將集成后的數據發送至廠級服務器中。

發電機局放監測數據：各臺機組的發電機局放數據由發電機局放在線監測裝置采集后，在發電機局部放電監測系統PC機上進行集成，然后將集成后的數據發送至廠級數據服務器。

變壓器油色譜監測數據：與發電機局放監測數據的集成方法類似，各臺機組的變壓器油色譜監測數據首先由變壓器油色譜監測儀采集，并在變壓器油色譜監測系統PC機上進行初步集成，然后將集成后的數據發送至廠級數據服務器。

空化監測數據：各臺機組的空化監測數據首先由空化監測系統數據服務器進行集成，然后空化監測系統數據服務器再通過網絡將集成后的數據發送至廠級數據服務器。

監控系統數據：直接從水電站監控系統單向讀取電站的監控系統數據。

1.4 數據庫內容設計

廠級數據服務器用來保存水電廠長期重要數據和多個在線監測子系統發送過來的完整數據，所保存的數據主要包括三個部分；數據文件、實時數據庫和關系數據庫。廠級數據服務器所安裝的接口程序接收數據，并進行一些初步處理，將完整數據保存至緩沖文件，將處理結果保存在實時數據庫中，其內容框架設計如圖3所示。廠級數據服務器中各部分保存數據總表如表2。

圖3 廠級數據服務器數據庫內容框架設計圖

表2 廠級數據服務器中各部分保存數據內容總覽表

1)緩沖文件。機組穩態運行時，廠級數據服務器定時向各個在線監測子系統請求完整波形數據，每個子系統保存一個數據文件，設定單個文件大小進行存檔。當某個在線監測子系統下的某臺機組有報警發生或處于事件工況時，子系統服務器或PC機將該機組全部完整波形數據傳送到廠級數據服務器，廠級數據服務器對該段數據進行存檔，供機組狀態監測與評估系統分析調用。

2)實時數據庫。廠級數據服務器上安裝的實時數據庫，可以保存長期的機組趨勢數據，以及經過處理的特征數據，其主要作用是永久保存長期的機組特征數據，并為水電機組狀態監測與評估系統提供實時特征數據更新，穩定性特征數據主要保存經過處理的特征數據，如頻譜分析后幅值最大區間的譜線、最大幅值點的相位、信號有效值、平均值和峰峰值等數據；其他特征數據保存有氣隙、油色譜、空化、局放的特征數據，以及監控系統過來的緩變量數據。實時數據庫中的數據進行長期的保存。

3)關系數據庫。關系數據庫主要保存測點信息、用戶信息、事件信息、機組報表和系統信息。其主要作用是保存機組配置信息、系統配置信息、電廠報表資料等，作為廠級實時數據庫的一個子模塊在廠級服務器上運行。

測點信息：將測量數據的一些基本配置信息，如測點名稱、測點單位、報警上限、報警上上限、上次報警時間、信號類型等。

用戶信息：廠級用戶進行MIS網登陸所需的賬號信息，包括賬號名稱、賬號權限等。

事件信息：機組啟停機、變負荷、機組試驗等事件的詳細信息，如事件名稱、事件時間、事件類型等。

機組報表：包括電廠用戶在MIS網輸入的日報、周報、月報等分析報表，以及電廠點檢、巡檢的一些報告資料。

2 基于大數據平臺的數據處理應用架構

構建水電機組大數據平臺數據處理應用架構以數據共享、面向開發和水電應用為目的，遵循“廣泛集成、混搭架構、組件標準化”的原則[6]。以元數據驅動架構內各功能組件的運行，圍繞水電、電網其他專業系統和電網外部系統高頻生產數據實時采集、海量數據快速存儲及查詢、數據批量快速處理、實時在線處理、數據分析、數據共享和交互等需求，實現數據的高效存儲，通過統一的應用服務接口提供分析挖掘、數據共享和數據交互等服務。數據處理應用架構如圖4所示。

圖4 數據處理應用架構圖

2.1 數據采集

數據采集主要完成對不同來源、格式、類型的需要集成的數據進行采集、聚合和傳輸。數據采集功能包括支持modbus1、101、104、opc通信規約，可通過配置工具進行通信點表配置；支持SQLServer、MongDB、pi實時庫訪問接口，可通過配置工具設定采集數據；支持csv格式文件的讀取，可通過配置工具設定采集數據；采集模塊采用插件式封裝，獨立運行，提供管理工具，支持用戶自定義協議的擴展；提供REST_API寫入接口，支持用戶自開發數據寫入程序；提供高速塊數據寫入接口，用戶可以自行開發塊數據寫入程序，采集振動波形數據、故障錄波等塊結構數據。

2.2 數據編碼

數據編碼管理保證每一個被管理的數據點有唯一的編碼，包含以下功能：可以按照編碼規則進行編碼結構設定；支持可采集的所有類型數據的KKS編碼，包括：整形、布爾型、浮點、二進制、塊數據等；編碼規則庫以可讀文件的方式編輯，可以導入和導出。配套編碼工具完成采集數據的編碼配置工作，為每一個數據點配置唯一的編碼，具有編碼沖突解決措施；提供數據編碼的增、刪、改、查功能。

2.3 數據存儲

數據存儲功能包括支持多種類型數據存儲；支持不少于15萬點的測點個數和不少于2T的存儲容量；具備壓縮存儲功能，數據壓縮比不低于10:1；支持振動波形等的塊數據存儲；支持至少50個服務并發訪問，支持并發5萬點的同時讀寫。

2.4 數據訪問

數據平臺以服務的方式對外提供數據，并提供程序員使用的訪問接口說明，接口分類如下：提供webservice、HTTP和API三種網絡訪問服務接口；提供以編碼為索引的檢索、查詢和調用服務，供外部程序使用；所有類型的存儲數據都可以通過編碼檢索、查詢和調用。

2.5 數據預處理

大數據平臺提供數據預處理手段，預處理在抽樣數據上進行，能記錄下處理過程的每步操作，并應用到實際流式或批量分析中；支持常用處理操作，包括不僅限于：數據降噪、范圍限定、數值過濾、數值類型轉換、數值替換、列合并、列拆分等。

2.6 數據分析挖掘

引入大數據思想，實現水電站各類狀態監測數據的有機融合，利用各類算法工具對水電機組實時海量數據進一步處理和挖掘，最終得出具備各種特定功能的水電機組狀態指標數據，直觀反映設備或系統的運行狀態、故障特征、健康指標，運轉特性等，進而明確缺陷原因和檢修方法，為電站安全生產提供有力的決策依據。主要包括統計分析、數據挖掘、診斷評價方法和其他新興方法。統計分析目前集成多重回歸分析、判別分析、聚類分析、因子分析、典型相關分析、多元方差分析等；數據挖掘實現傳統挖掘算法的并行化，主要包括時域分析、頻域分析、時頻分析、分類、關聯分析、聚類算法等，并根據水電狀態檢修業務需求，擴展算法庫；診斷評價是指在水電機組運行或停機未拆卸時，了解和掌握機組運行狀態，準確確定機組整體或局部是否正常、異常或故障；分析判斷故障原因部位、程度和特征；預測機組的可靠性和使用壽命，識別和評價機組使用規律和發展趨勢；并給出檢修決策和維護管理方案[7]。診斷評價方法主要包括故障樹分析、專家系統、模糊集合、人工神經網絡、貝葉斯網絡、深度學習等。

2.7 數據應用展示

數據應用展示可以根據分析場景，快速地搭建狀態數據分析展示頁面。具體實現如下功能?？焖俚膬x表板開發過程，支持儀表板管理，支持拖拽形式組態，支持分類、分頁組合鏈接；自適應頁面布局，控件的大小，布局可調整，并自動適用分辨率；支持移動端展示；數據展示分析，支持多種模式，可設置報警閾值、顏色和文字；可設置數據刷新頻率；可自由調整時間跨度進行歷史查看，內置數據源，包括但不限于SQL關系庫、NoSQL大數據庫、文本(csv/excel)、HTTP等；內置控件庫，包含但不限于折線圖、柱圖、散點圖、餅圖、表格，以及波形分析、三維分析等；提供數據訪問接口API，提供基于HTTP的接口API；接口提供實時數據、多維統計數據結果；支持角色權限訪問，提供基于組織、用戶、角色的權限管理，權限可細分到儀表盤控件；支持定制開發儀表盤控件，定制開發數據源和數據分析模型。

3 結 語

本文以實現水電機組狀態檢修為出發點，探討現階段水電機組狀態數據處理瓶頸和業務應用面臨的問題。主要內容如下：①將大數據技術引入水電機組狀態數據處理中，研究了水電機組狀態數據集成內容、狀態數據集成思想與方法；②研究了基于大數據平臺的水電機組狀態數據處理架構，從數據采集、數據編碼、數據存儲、數據訪問、數據預處理、數據分析挖掘、數據展示可視化等方面闡述了具體的關鍵技術。

本文研究內容為水電機組狀態檢修提供了新思路，通過引入大數據思想，實現水電站各類狀態數據的有機融合，利用大數據算法工具對水電機組實時海量數據進一步處理和挖掘，從繁雜的數據中，抽取，加工，計算，最終得出具備各種特定功能的水電機組風險評價指標數據，直觀反映設備或系統的運行狀態、故障特征、健康指標，運轉特性等，進而明確缺陷原因和檢修方法，為電站安全生產提供有力的決策依據。