智慧電廠信息化分層模型及其技術映射研究

李 文,梁 庚,崔青汝

(1.國能智深控制技術有限公司,北京 102209;2.北京市電站自動化工程技術研究中心,北京 102209;3.華北電力大學控制與計算機工程學院,北京 102206;4.國電新能源技術研究院有限公司,北京 102209)

0 引言

智慧電廠、智能發電技術體系建設是《中國制造2025》國家發展戰略的重要組成部分[1-2]。我國的智慧電廠和智能發電建設經歷了一個從敏捷啟動到穩步發展的過程。目前,智慧電廠建設正處于進一步發展和深化、完善的時期。智慧電廠建設在技術體系、理論支撐、應用成果等方面都已經走在了世界前列[3-11]。智慧電廠未來將如何建設、如何發展,必然符合一定的客觀發展規律。要理解和解決智慧電廠建設和發展中的現實問題,把握智慧電廠的發展方向,需要了解工業生產和工業信息化演進的發展規律。工業生產從最初以人力、畜力為主的生產模式逐步過渡和發展到今天以量子技術、人工智能為主要形式的工業4.0 階段,在能源的利用和傳輸、信息的表征和分析等方面都呈現出“不斷微分、逐漸細化”的發展特點,為智慧電廠在未來的建設提供了一定的指導。智慧電廠在信息采集和獲取的廣度上顯著擴大,系統各部分的智能化程度更均勻,系統中逐漸發掘出新的智能化增長點,逐步實施管控一體化。但系統各部分的“智慧度”差別仍然較大,整體的協同性需要進一步提升。智慧電廠在信息采集和傳輸、智能化、智慧化設計與實現,以及基于機器的數據深度挖掘、深度學習、知識獲取與推演等方面呈現出層次化的發展模式。傳統電廠、數字電廠和智慧電廠在信息化演進的層次化過程中呈現不同的發展特征,可以概括到同一個層次化模型中。智慧電廠建設在未來將呈現向多學科、多領域擴展的趨勢,同時與互聯網的結合也日益緊密;軟件定義技術將逐漸深入智慧電廠建設的技術體系,進一步推動智慧電廠向標準化的方向發展。

本文通過回顧工業生產和工業信息化的發展過程,探討了智慧電廠建設信息化采集、利用以及深度分析中所涉及的規律性問題;同時,給出了智慧電廠建設的信息化分層模型,探討了傳統的信息化電廠、數字化電廠和智慧電廠的分層模型映射及其特點,論述了智慧電廠現階段建設中的復雜性。在本文的最后,對智慧電廠未來發展在學科領域的擴展與交叉、標準化和開放性、軟件定義技術等幾個方面作了探討與展望。

1 工業信息化發展過程

工業發展從18 世紀50～60 年代到今天,經歷了漫長的過程。所經歷的幾個里程碑式的階段為:蒸汽時代(工業1.0)、電氣時代(工業2.0)、信息化時代(工業3.0)和當前以數字化、信息化為主要特征的智能化時代(工業4.0)。工業發展過程如圖1 所示。

圖1 工業發展過程Fig.1 Development of industry

工業生產的初期采用人力和畜力作為能源。其能源利用的主要特點是整塊化、難以分割,以及流動性和靈活性差。這一階段的主要特點凸顯了能源利用的顆粒度非常粗獷,靈活性非常差。

第二個工業生產階段是以英國工業革命為代表的蒸汽機時代。這個階段能量利用被分割成以蒸汽分子為單元的小份、以蒸汽分子作為能量傳遞的載體,顯著提高了能量利用的靈活性和流動性,同時也使能量的傳輸和使用精確度有了明顯提升。

到了19 世紀初期,穩定的直流電流的出現宣告了人類進入了電氣時代。這一時代被稱為工業2.0 時代。能量利用進一步分割成了以電子為單位的小份,并以電子作為能量傳遞的載體,使靈活性和精確度進一步得到了提高。

進入20 世紀50 年代中期以后,在能源利用上不但分割成了以電子為單元的小份、以電子作為能量傳遞的載體,而且還出現了微電子技術,實現了以電子作為信息傳遞的載體。同時,計算機技術的出現具有革命性的意義。該技術的出現將宏觀世界微分成了0 和1 這兩個最為基本的元素。數字世界只有0 和1,任何的信息和事物的表達都是由0 和1 構成的。通過重組0 和1 這兩個最基本的元素,能夠構成多種多樣的、豐富多彩的數據和信息,使信息的多樣化和靈活性得到了飛躍性的發展和提高。信息技術也因此發生了本質的變化。這個階段被稱為工業3.0 時代。工業3.0 技術以計算機和信息化為主要特點,與工業生產融合為一體。隨著科學技術的發展,能否找到比電子更小的單元作為能源和信息傳遞的載體,也就是說在能量和信息傳遞和表達的精度上能否進一步提高,已成為一個很重要的問題。

量子是現代物理的一個重要概念。它是指一個物理量如果存在最小的、不可分割的基本單元,那這個物理量就是量子化的。在未來,按照上述信息表征和傳遞的發展規律來看,量子有可能成為未來信息傳遞的載體。

除了量子技術之外,工業4.0 時代還有另外一個特征信息領域也不再局限于現有的信息轉化和采集。現有的直接采集和傳遞所獲取的一次數據的價值已經不能滿足生產發展的需要。對此,需要使用現有的一次數據來創造生產出新的數據(如二次數據和三次數據),從而創造出新的價值。這就是智能化。這也是當前智能化時代的顯著特征。工業4.0 時代的顯著標志是量子科學和智能化技術[6]。智能化的簡潔描述如圖2 所示。

圖2 智能化的簡潔描述Fig.2 Brief description of intelligence

智能化是將自然過程采集的一次信息經過智慧體(人腦或者計算機)分析、加工和處理后,形成新的數據,也稱為二次數據或者知識。這里需要強調的是,數據必須是從自然過程采集或通過傳輸獲取的一次數據。這種狀態下的數據信息并不是知識。知識含有對一次數據再分析、處理之后獲得的二次或者二次以上的數據和信息。與智能化相對應,信息化技術可以表征為:

參數1 表示直接從生產過程采集或者通過傳輸手段獲得的一次數據。這些數據基本不涉及數據微觀的分析。智能化技術則是在一次數據的基礎上生成二次數據,或者在二次數據基礎上再生成三次數據的過程。其可以表征為:

通俗地說,這就是“1+1=2”和“1+2=3”的過程。有時,智能化過程還需要作“減法”,從一次數據n中去除干擾數據m,廣義上稱為濾波,即n-m。其同樣可歸入到式(2)和式(3)。根據函數f1()、f2()的復雜程度和準確度,可以定義信息處理的智能化度。

由此可見,在工業生產和信息技術發展的智能化階段,通過智慧體對信息的進一步分析處理產生了有效的新數據(可以看作是一種新物質)。所以說,智能化是一種顯著的生產力。

控制系統隨著生產的發展而發展,呈現一個逐漸細化的基本過程。從最初的基地式儀表,歷經組合式儀表、組裝式儀表后,形成了分散控制系統(distributed control system,DCS),再進一步發展到了今天的數字化電廠、智慧電廠,呈現出信息處理和利用的顆粒度逐漸減小的過程。信息處理的本體設備的體積越來越小,而信息處理的密集度則越來越大。到了智慧電廠階段,逐漸呈現以數據本體繼續進行微分的信息細化特征。控制系統各發展階段信息處理的細化度如圖3 所示。

圖3 控制系統各發展階段信息處理的細化度Fig.3 Granularity of information processing in each stage of development of control system

由圖3 可知,工業生產和控制系統的發展總體呈現“不斷微分、逐漸細化”的過程。其具體體現在以下三個方面。①分工逐漸細化。在生成規模逐漸擴大的背景下,生產分工越來越細化。②能量和信息的傳送和表達的單元逐漸細化;能量和信息的載體越來越細小,傳送和處理的精度越來越高。③逐漸出現了數據分層。當信息表達在形式上不能再細分時,數據開始發生本質的變化,大量地生產出新數據,使信息利用的維度增加。在智慧電廠階段,這個特征尤其突出。智慧電廠產生前的生產方式,基本以一次數據為主,而智慧電廠則以二次、三次或高次數據為主。信息處理領域也呈現這樣的規律和趨勢。例如:信號處理技術中,原先是在一維空間針對時域函數的處理,后來發展到二維空間的傅里葉變換,再到三維空間的小波變換,呈現著逐漸微分、不斷細化的過程。

2 智慧電廠信息化分層模型及映射

2.1 智慧電廠信息化分層模型

根據上述的工業生產發展過程中所伴隨的工業信息化的發展過程,可將智慧電廠的信息化體系概括為一個分層模型。

智慧電廠信息化分層模型如圖4 所示。

圖4 智慧電廠信息化分層模型Fig.4 Informatization layered model for smart power plants

圖4 所示的模型體現了智慧電廠信息化體系的層次構成,以及從量變到質變的發展過程。智慧電廠信息化體系的建設過程可以模擬為樓宇建設的過程,典型特征是自底向上、逐層建設。工業信息化是一個逐層建設的過程,層次越多,可容納的信息量越大;同時,為保障智慧電廠信息化體系的穩固性,需要增強基層信息化的密集度、準確度,以支撐和保障上層的建設。在這個模型中,第一層(即基層)是從生產過程直接檢測或通過傳輸獲得的數據。這一層次的建設主要考慮數據采集和獲取的廣度和精度,也就是基層的牢固性。數據的廣度、密集度的提高可顯著減少信息采集遺漏,而較高的數據精度則保障了基層數據的可靠性和可用性。這些措施都可以顯著提高上層數據二次處理的準確度。在基層數據的感知和采集上采用泛在感知、物聯網、遍布式網絡為主要手段的大數據底層建設,以及精密化測量和檢測技術的發展和突破,旨在增加智慧化、信息化體系基層的穩固度,為上層的進一步建設提供強有力的支撐和保障。分層模型的第二層直接建立在第一層的基礎上,主要是對一次數據進行分析處理后獲得的數據。其主要途徑和手段是智能化技術。模型第三層是在第一層和第二層數據的基礎上生產的三次數據;三次數據產生時會使用第一層、第二層的數據。這一層往上屬于數據的深度挖掘和利用,包括基于機器的深度學習等功能。在這個分層模型中,層次越高標志著系統的智慧程度越高。智能化的核心是“數據,算法,模型”[5-6]。映射到該模型中,數據是“樓層”,算法和模型是“樓板”,從而構成信息化體系的一個基本層面。整個信息化體系是由若干個這樣的基本層面構成的。

2.2 基于信息化分層模型的電站映射

2.2.1 傳統電廠基于信息化分層模型的映射

傳統電廠基于信息化分層模型的映射,其基本特點如下。①基層(第一層)數據不夠豐富,且主要集中在控制區域;數據在生產過程中采集的均勻度、密集度都不夠;報警信息也主要來自一次數據。②第二層具有簡單的智能化,比如比例積分微分(proportional integral differential,PID)控制,是在現場測量的被控量基礎上通過PID 參數對一次檢測的數據進行分析處理,從而獲得控制量。可以說,其具有簡單的智能,以及一定的數據分析和組合的能力。③第三層及以上層次中所包含的深度數據挖掘和利用幾乎沒有。從智慧主體上看,雖然在第一層和部分第二層已經實現了生產過程監控等功能,并且已普遍使用計算機作為數據分析、計算的主要工具,但在第二層仍然大量采用人腦作為智慧體進行數據的分析和處理,尚不存在或較少存在由計算機作為智慧體的、基于第一層數據分析獲得的智能報警、智能預警、智能聯動等功能。第三層的智慧主體基本是人腦。

由此可知,傳統電廠基于信息化分層模型的映射如圖5 所示。

圖5 傳統電廠基于信息化分層模型的映射Fig.5 Mapping of informatization layered model for conventional power plants

2.2.2 數字化電廠基于信息化分層模型的映射

數字化電廠基于信息化分層模型的映射如圖6所示。

圖6 數字化電廠基于信息化分層模型的映射Fig.6 Mapping of informatization layered model for digital power plants

數字化電廠基于信息化分層模型的映射,其基本特點如下。①基層數據正逐漸豐富,逐步引入和普遍使用更先進的測量和檢測手段,廣泛采用了二維流程圖、精細化建模、三維可視化、無人機圖像采集等手段,使數據在生產過程中采集的均勻度有很大改善,密集度也有顯著提高。因此,數字化逐漸推廣到了基建、管理、服務等區域,管控一體化體系逐漸形成。對于先進手段采集的一次數據,對其進行處理的智慧體既有人腦也有計算機,是一種并行的模式。比如:二維流程圖、三維可視化主要是面向人腦智慧體的;而無人機圖像采集既可以面向計算機,又可以面向人腦智慧體。②第二層具有較為復雜的智能化,出現了一些基于海量數據分析處理的智能化應用,如性能計算、設備狀態預測、智能報警和預警等。③第三層及以上的深度數據挖掘和利用也逐漸開展,如統計分析、中長期規劃等。從智慧主體來看,在控制區域第一層和部分第二層已經普遍實現基于計算機的數據分析、計算,但在第二層的管理和服務領域是人腦和計算機并行作為智慧體進行數據分析和處理。第三層的智慧主體也呈現人腦和計算機并行的態勢。所以數字化電廠可基本總結為“一層逐漸加固,二層顯著改進,三層有待深化”。

2.2.3 智慧電廠基于信息化分層模型的映射

智慧電廠基于信息化分層模型的映射如圖7所示。

圖7 智慧電廠基于信息化分層模型的映射Fig.7 Mapping of informatization layered model for smart power plants

智慧電廠基于信息化分層模型的映射,其基本特點如下。①基層廣泛和普遍地采用了先進的測量和檢測手段,包括視、聲、光、磁等手段,如圖像識別、定位技術、無線射頻、激光掃描、無人機數據采集、紅外測溫、超聲波測溫測距等,數據在生產過程中采集的均勻度和密集度日趨最優;數字化廣泛應用到了基建、管理、服務等區域,管控一體化體系全面形成。②第二層具有充分的智能化,覆蓋軟測量、過程建模、設備監測、智能報警和預警、性能分析等眾多應用領域,數據處理的精細度和準確度顯著提高。在第一層、第二層呈現“大面小點”的主要特征。“大面”指信息采集的廣度更大,能兼顧的情況更完善;“小點”指對物理過程的某個參數或在某點上取得更精準的控制效果。③第三層及以上的深度數據挖掘、深度學習日益得到廣泛應用,為決策提供了重要的支撐和保障。從智慧主體上看,在控制區域的第一層和部分第二層已經完全實現基于計算機的數據分析、計算,在第二層的管理和服務領域是人腦和計算機并行作為智慧體進行數據的分析和處理。第三層的智慧主體也是呈現人腦和計算機并行的態勢。因為在目前建設階段,人作為智慧主體的作用還是很顯著的。尤其是在創新性思維方面,計算機還遠遠不能取代人腦。所以智慧電廠可基本總結為“一層基礎堅實,二層智能化廣泛,三層日趨深化”。

2.3 基于信息化分層模型的智慧電廠技術映射示例

2.3.1 控制技術

第一類控制技術是測量和檢測技術。控制的基礎是測量,可以描述為:

式中:J為控制目標或設定點;C為控制量;P為被控對象當前值;D為所有的擾動量和暫態量、動態量的和。

由于J為設定點是已知的、P為可直接測得的過程量,要得到精準的控制量C,只需準確測得D即可。準確測量D是控制的難點所在。但D作為所有的擾動量和暫態量、動態量的和,很難直接精準測量獲得,甚至不能直接測量,而是需要用各種方式進行估測。這就出現了諸如軟測量、辨識等間接測量技術[12-14]。

第二類控制技術是建模技術。模型是對真實對象的模擬,作為后續研究的一個二次平臺(真實過程和物理對象是一次平臺),可以把模型看作是一種特殊形式的檢測。這是因為模型可以代替實際對象提供“準”一次數據。因為建模是數據從采集到應用的一個中間環節,故可以把建模也看作是一種檢測[15-17]。建模獲得的模型,有的是數據片段可剝離的,即所需的特性數據可以從中直接獲得,比如基于傳遞函數的建模;還有的是不便直接剝離的,比如基于神經網絡的在線辨識。這時,建議采用建模/控制一體化模式,以減小信息失真和信息損失。在智慧電廠建設的第二層——智能層,常用的算法包括:預測控制,其基礎是預測模型,需要通過測量獲得;自抗擾控制,使用擴張狀態觀測器對被控對象的狀態進行估計,也可視為一種檢測;神經網絡控制,通過誤差反傳對連接權值進行動態調整,可以實現類似積分環節的逐步逼近和趨優的過程,其梯度下降的速率η可看作是對過程動態特性的基本估計,仍可歸為檢測的范疇。智慧層的控制器參數優化功能可視為對測量不準(包括不能直接測量)的一種補償,也可以看作需要量測的某個量的實際值(如暫態量、動態量),在一定程度上可等價于對測量環節的改進。

控制技術在信息化分層模型中的映射如圖8 所示。圖8 中,遺傳算法(genetic algorithm,GA)、粒子群優化(particle swarm optimization,PSO)算法等就是典型的優化算法。

圖8 控制技術在信息化分層模型中的映射Fig.8 Mapping of control technologies in informatization layered model

2.3.2 報警技術

智能報警的原理性描述如圖9 所示。圖9 中:圓形表示生產過程的檢測點;方塊表示故障點。在實際生產中,故障點可能不能被直接檢測到,但故障點的故障會對各個檢測點產生影響,使其檢測的數據出現一些異常的特征。通過故障診斷方法(如專家系統、故障樹、神經網絡等),提取這些檢測點數據變化的特征,進而判斷故障的類型和數值。由此可見,在一次數據基礎上產生二次數據,能實現較好的報警功能。

圖9 智能報警的原理性描述Fig.9 Principle description of intelligent alarming

報警技術在信息化分層模型中的映射如圖10 所示。

圖10 報警技術在信息化分層模型中的映射Fig.10 Mapping of alarming technologies in informatization layered model

在分層模型中,二次深度的故障報警主要包括智能安全報警及預警(如抗滋擾報警、報警故障根源分析、故障智能預警)等,可通過專家系統、故障樹、神經網絡等技術實施[8-9]。這個層次故障診斷的主要對象是各類本體設備的運行狀態和控制系統傳感器、執行器的工作狀態。第三層既可通過對機組設備重要狀態參數的劣化分析、基于深度學習的設備故障診斷和故障實時超前預警來實現,也可通過數據分析、處理與控制、狀態診斷的最新技術來實現。

2.3.3 燃料智能管理技術

燃料智能管理在信息化分層模型中的映射如圖11 所示。

圖11 燃料智能管理在信息化分層模型中的映射Fig.11 Mapping of fuel management technologies in informatization layered model

燃料智能管理功能包括燃料自動識別、自動計量、自動采樣、煤樣封裝、標識、存儲、分析等。位于模型第一層的是直接從燃料現場采樣獲得的數據,主要手段包括射頻采集技術、感應采集技術、圖像采集技術等,可實現燃料入廠、過磅稱重、采樣、卸煤、出廠過程中的來煤管理。模型第二層主要包括煤質、煤水分檢測,基于圖像識別的自動采樣技術,以及煤樣的封裝和標識等。第三層主要實現燃料管理,包含以人腦作為智慧主體的大量活動,主要是管理類的數據處理,適用于集團、二級單位、燃料公司、電廠等多級單位的燃料信息管理,實現燃料計劃、合同、調運、驗收、接卸、煤場、入爐、結算、廠內費用及供應商的全流程管理。

3 智慧電廠建設的技術復雜性分析

按照系統工程的原理,在一個緊耦合系統中,系統結構越復雜,系統受到干擾時產生振蕩的概率越大,系統的脆弱性也越高[18]。系統中任何一點侵入的擾動都會通過緊密耦合的系統通道傳遞到系統的各個部分。耦合系統越復雜,其覆蓋范圍越大,受干擾的概率越高。電站是強耦合系統,各環節密切相關,構成運行大閉環中所有的故障都可視為大閉環中的擾動,包括來自各個環節的擾動,如燃料、人員、設備、控制系統等。大閉環系統中任何一點故障都可能會直接或間接地影響系統的穩定運行。因此,對系統各部分的檢測要做到全面、細致,盡量消除生產過程中可能出現的各種隱患。目前,電站生產中燃料、人員、設備、控制系統等各個子系統的智慧化程度有較大差別。根據耦合系統的木桶原理,耦合系統的整體性能是受這個系統中最薄弱環節的性能所制約的。所以,提高系統總體性能必須是一個全面化的過程,各個生產環節的智慧化程度都必須提高。這是智慧電廠建設的目的。傳統的電廠信息化建設還沒有完全建立起全局的概念。從數字化電廠建設開始,逐步建立起了全局觀。智慧電廠的建設是全局觀全面建立的重要體現。

智慧電廠建設在技術上的復雜性,主要體現在以下方面。

①基層建設的技術復雜性,包括泛在感知的布置難度高、泛在感知帶來的數據量增加等問題。首先是泛在感知布置難度高的問題,包括布置的精密度和感知的精度問題。如何采用新技術檢測傳統檢測方法所不能檢測的位置或物理量,以及進一步提高檢測精度,仍然有待新的突破。其次,存在泛在感知帶來的數據量顯著增加的問題。隨著泛在感知、遍布式網絡的應用和推廣,一次數據的數據量會顯著增加,數據會呈現幾何級數的增長。在數據體量顯著增加的條件下,需保證數據得到有效、實時的利用。分布式智能、現場智能裝置、邊緣計算等技術為這個問題的解決提供了一定的途徑;同時,數據傳輸能力的提高,網絡新設備、新技術的不斷進步也是夯實信息化模型基層的必要條件。

②智慧層建設的技術復雜性。隨著生產技術的發展,電廠規模越來越大,各子系統間的關聯越來越緊密,耦合越來越顯著,使用各類智能化技術對過程進行測量和建模的難度也明顯增加。例如,采用神經網絡的建模生產過程,在對象本身具有多參數、強耦合的情況下,還需考慮不同運行條件下系統內各參數的時變性,通常難以保障其較高的準確度[19-23]。同時,檢測、建模方法的選擇、模型規模的設定、數據的清洗等因素也越來越多地影響模型的精度。

③高層(第三層以上)建設技術的復雜性。第三層以上屬于深度數據挖掘、深度學習,不但可應用于智能檢測和控制,還可以用于生產的預測,指導生產決策。第三層以上的建設在很大程度上依賴于第二層和第一層的數據,只有第一層、第二層的建設取得好的效果,才有可能取得高層的建設效果。

4 結論

工業生產和工業信息化的演進規律對于智慧電廠建設的進一步發展和完善具有重要的指導作用。工業生產信息化的傳輸、表征和分析等方面都呈現出“不斷微分、逐漸細化”的發展過程。智慧電廠在信息采集和傳輸、智能化、智慧化設計與實現時,也呈現出層次化的發展模式。

智慧電廠建設的信息化分層模型體現了智慧電廠信息化體系的層次構成和從量變到質變的發展過程。典型特征是自底向上、逐層建設。基于分層模型的智慧電廠技術在未來將呈現擴展與交叉、標準化和開放性的特點,并將與互聯網結合得越來越緊密,從而形成一種大電力的生產格局。