探析設備智能診斷技術系統在智慧電廠的應用

孟周

摘要：本文通過對設備智能診斷技術在智慧電廠當中應用的實際價值入手，從三個層面系統地闡述了該技術在智慧電廠中的應用現狀和未來發展趨勢。即現狀、可行性以及實現框架三個層面，希望能夠為智慧電廠的未來發展以及智能診斷技術的應用和推廣提供合理參考。

關鍵詞：智能診斷;設備系統;智慧電廠

引言：近年來，我國電力行業的發展可以使用突飛猛進來形容，我國各大電廠已經實現了不同程度的數字化和智能化，總之數字化電廠不僅僅是一個信息化的操作平臺，更是未來電廠設備運行和發展的最終目標。

一、設備智能診斷技術在智慧電廠中應用的價值

我國電廠發展的實際要求是“安全、經濟、環保”，在眾多發展指標當中，安全是第一要義。電廠中設備的運行狀態分析與診斷是發電廠進行生產的核心環節，電力企業普遍對于此項工作都投入了大量精力和高度重視。但相關工作需要專業的技術人員參與數據監測和診斷，因此，對于技術的要求較高，一方面，需要技術人員具有深入的專業能力，另一方面，也需要工作人員具有強烈的責任心和工作經驗。

對于現代社會的發電廠而言，智慧電廠的診斷技術能夠保障設備診斷工作有效實現，設備機組對于工作過程中產生的海量數據完成采集、整理以及分析，屬于順應時代發展趨勢的電力行業革命第一步[1]。

二、設備智能診斷技術在智慧電廠當中的應用

（一）應用現狀

自20世紀90年代人工智能技術開始發展和推廣以來，我國許多相關技術的研究機構和實驗室都在當時同步開展了設備智能診斷技術的相關研究，并逐漸將該技術投入電力行業、冶金行業等工廠中使用。此類研究火熱了一段時間之后，研究人員根據該技術當時的發展情況判斷此項技術的發展前景一般，無法按照研究預期發揮其價值。對于發電廠而言，設備故障診斷工作需要嚴格符合要求，不僅要準確找出故障所在，還要對于故障準確度進行進一步的提升。由此可見，故障診斷是智能診斷技術的核心，此過程專業的工作人員需要準確掌握可能導致設備產生故障的具體原因和特征，以便在后續的設備故障診斷過程中再次發揮價值。但實際上雖然近年來我國始終有研究人員從事相關的技術研究，但實際上該技術在近幾年的電力行業發展過程中并沒有取得明顯進展。

相關研究作為發展智慧電廠智能診斷技術的前提條件，需要不斷進行深入研究，上文提到該技術近幾年在電力行業并沒有明顯發展，主要表現在于以下四點：

第一是大量的相關研究集中在設備故障診斷的算法方向，如：相關技術研究過程中將遺傳算法、神經網絡等復雜算法被應用到故障診斷的領域，又叫做先進診斷技術，雖然能夠查詢到的資料和論文不少，但實際上進行相關研究的實驗室并不多，最終產生的研究結果更是鳳毛麟角。

第二是脫開設備對象的特征研究診斷方法以及技術。故障診斷工作是智能診斷技術的核心，需要熟悉各種設備故障特點和零部件結構功能，總之是需要從系統層面開展設計工作。但是近幾年展開的故障診斷工作大多數僅針對單個設備零件，簡單講就是技術較基礎，對于設備故障中的疑難問題研究不足。

第三是實驗研究與實際工程之間的差異，電力行業的智能設備診斷工作具有“接地氣”的典型特點，導致許多實驗項目的研究與實際的工程還存在較大差異。以國內的學術研究對于設備故障的研究為例，實際關于設備摩擦等故障的研究內容與工程中設備產生的故常類型存在差異甚至可以用“南轅北轍”來形容，因此部分研究成果在智能診斷技術當中投入使用會對智慧電廠計劃的落實起到反效果。

第四是我國針對設備故障的研究和診斷系統大多數是針對振動信號展開的，即對于設備負荷、電流量、溫度等因素的重視程度存在嚴重不足之處，不能再實際應用過程中振動數據和工程落實過程聯系起來，導致實驗得出的振動數據不夠準確。實際上，振動數據與實驗過程之間的關系包含許多設備特征，運轉正常的電力設備，理論上產生的振動數據智慧與轉速有關，與實驗過程中產生的其他參數沒有關聯。研究人員按照實驗產生的振動數據以及過程參數之間的關系，能夠在后續智能診斷過程中將許多較為相似的設備故障區分開來。由此可見，設備診斷過程中對于過程參數利用的深入程度實際上是技術人員故障診斷水平高低的判斷。

（二）發展可行性

眾所周知，在進行智能診斷工作之前需要完成幾個前提條件，即完備的設備狀態數據文件、豐富的工作經驗以及先進的數據提取技術等。本小節主要根據上述幾點智能診斷技術的可行性展開分析，希望能夠達到以小見大的效果。

首先是完備的設備狀態數據，智能化電廠需要數字化電廠提供工作平臺，與20世紀90年代的情況相比，當前我國的發電廠數據獲取方面已經有了明顯的進步。主要原因在于我國發電廠目前基本都配備了SIS系統以及TDM系統，上述系統能夠將振動數據和過程參數有效結合起來，在專家到達電廠后，可以根據技術人員提供的數據迅速開展設備的故障診斷工作。在我國電力行業目前的技術水平下，已經完全能夠實現，即便專家不到電廠，也能夠自行利用上述系統提供的數據進行設備故障診斷工作。

其次是豐富的工作經驗，與當前發展速度越來越快的人工智能技術相比而言，專家系統已經能夠完全模擬專家團隊對故障設備的判斷和最終決策，十分適合在電廠設備故障智能診斷系統當中使用。實際上該系統研發成功后，首先在醫療診斷系統中投入使用，主要是由于電廠設備故障診斷與醫療故診斷相似度較高，因此能夠達到通用的目的。此外，智能故障診斷系統在進一步研究時，需要充分重視系統的學習能力，因此系統需要具備較強的兼容性和模塊性，能夠保障在科學技術不斷發展的過程中能夠進行自主升級。

最后是先進的數據提取技術，提取數據是專家到達電廠開展設備故障診斷前需要進行的工作。專家能否從大量的設備故障數據當中準確發現有價值的內容，很大程度的決定了其自身對于設備故障判斷的準確性，若能夠在海量數據中發現不穩定振動和真空之間的關系，設備故障也就可以得到妥善解決。

我國設備智能診斷系統的現實技術當中發展較好的技術已經有較多種類，如：智能Build-in Test技術，就是設備內提供自動檢測技術，也是聯機測試新的發展方向。該技術是從美國航空電子業界的研究發展而來，近年來在我國迅速發展已經隱隱有超越發達國家的勢頭。

（三）實現框架

設備智能診斷系統的實現框架可以從兩個方面展開分析，一方面是該系統的功能和運行特點，在數據的采集過程中，一是需要收集過程參數，二是要收集振動數據，其中前者的數據來源是DCS系統，而后者的來源則受TDM系統。在信號處理階段，工作人員需要利用信號處理模塊，通過小波分析等手段將獲得的原始信號進行預處理。在特征表示階段，特征表示的模塊中含有許多多樣性功能，例如頻域特征等。頻域特征指的是包括均值、標準差等多項數據的時域特征統計結果。在特征提取階段，工作人員會使用多種提取方式結合的方法，從數據中提煉過程參數，并與單場實際的設備故障信息相結合，最終確認故障類型。

另一方面是故障特征提取工作，即振動信號特征提取法、故障波形匹配和相關分析，需要強調的是在對振動數據和過程參數進行分析時，需要保障對于相關系數的考慮，還要探究智能設備故障分析系統的時間延遲。

結束語：綜上所述，將設備智能診斷技術應用到智慧電廠當中，是我國乃至世界未來電力行業發展的主要趨勢，其中電廠數字化系統--SIS，和用于狀態監測的TDM系統都能夠為設備智能診斷系統提供良好的發展和運行平臺，由此可見，此項研究具有良好的發展前景。

參考文獻：

[1]陳孔和.設備智能診斷技術系統在智慧電廠的應用研究[J].電子世界，2019（24）：164-165.