基于大數據挖掘的多維智能報警技術研究與應用

李金陽，李書明，韓 兵

(國電南京自動化股份有限公司，江蘇 南京 210003)

0 前 言

長期以來，水電廠計算機監控系統數據報警機制為簡單的狀態變位和模擬量越限報警。粗放的報警機制使監控系統產生大量過程數據報警，如模擬量臨界值的反復刷屏報警和設備操作過程狀態變遷報警，但報警形式單一、缺少點與點之間的關聯，眾多過程數據堆積在屏幕上導致運行人員無法在第一時間確認關鍵信息，一旦有操作則會存在大量過程刷屏報警，而這些報警大都不是有效報警，導致有效報警被大量無效報警掩蓋，而且大量短信的發送還會造成經濟上的損失。

同時傳統的運維模式下，運行和維護人員專業界限分明，個人技能是保障服務質量的基礎，運維管理重心放在運行人員發現故障、維護人員的響應與處理。隨著設備模塊化、流程化、自動化的不斷發展，在這種運維模式下，運維人員的數量和成本迅速提高，以及不可預知的故障發生、被動的處理模式都將導致運維管理效率低下。

事實證明，依賴于傳統運維管理模式的企業會在競爭中被逐步淘汰，而率先采用運維合一、少人維護和一專多能等整合優勢人力資源的最佳實踐手段的企業，必將在激烈的競爭中取得優勢。因此，智能報警系統的建設將成為一種必然的趨勢。

從國內水電站監控系統信息報警現狀分析著手，通過建立靈活的報警模型配置工具，采用結構化和半結構化相結合的數據結構來定義報警規則和發送策略[1]，構建分類、分級多維報警策略以及基于大量歷史數據的趨勢分析報警策略，最后通過智能報警引擎進行有效的、預知性的報警。該技術在構皮灘電廠進行了實施，實施結果表明，該電廠智能報警水平得到了很大的提升，為大型水電機組的“無人值守、少人值班”奠定基礎[2]。

1 系統架構及其組成部分

貴州烏江水電開發有限責任公司的構皮灘發電廠計算機監控系統上位機布置于500 kV開關站四樓計算機監控系統機房，共33套硬件設備，包括數據服務器、歷史站、操作員工作站、語音報警系統工作站、工程師維護工作站、培訓仿真工作站、集控通信服務器、廠內通信服務器、調度通訊機、模擬屏及模擬屏驅動器、WEB服務器、GPS裝置、UPS不間斷電源及相關交換機網絡設備等。

構皮灘發電廠計算機監控系統自主可控項目已經改造完成，可在監控系統內部署智能報警服務器，通過對采集的數據進行分類、篩選、分級，最后進行多維精準、有效的報警。依據構皮灘電廠監控系統現狀需求，計劃在生產控制大區增加智能報警服務器作為監控系統的節點之一，所有數據由監控系統提供(見圖1)。

構皮灘電廠智能報警平臺主要包含四層系統架構(即數據獲取層、數據處理與分析層、應用開發層、展示應用層)，技術架構示意如圖2所示。

數據獲取層獲取監控系統數據，并對數據進行清洗、聚合后推送到數據處理分析層；數據處理分析層通過私有協議將采集層的海量數據存儲在數據中心，并在處理層通過數據處理功能對已采集的數據進行建模、關聯分析，將分析結果再存儲到數據中心，從而為應用開發層提供數據支撐；應用開發層通過不同的報警場景策略，進行智能報警建模，獲取相關聯的歷史分析數據，通過關聯查詢進行報警；應用展示層通過不同的方式將基于大數據挖掘的多維報警信息展示給電廠運維人員，讓運維人員及時掌握電廠運行動態，為電廠安全運行提供有力的保障。

圖1 構皮灘電廠智能報警系統網絡結構

圖2 構皮灘電廠智能報警系統結構

2 系統實現

2.1 智能報警配置模塊

智能報警配置模塊主要用于報警策略的配置，對報警信息的發送可進行靈活組態，包括數據庫管理、人員管理、信息管理、策略配置、通道管理5大模塊(見圖3)。

2.2 分類、分級多維報警策略

在水電廠計算機監控系統中，監控中心操作人員經常面對大量紛亂的報警信息，這給操作人員帶來很大的壓力，同時也給電力系統帶來許多不安全因素。為了幫助操作人員，水電廠采用智能報警處理器分析、處理報警信息，提供簡潔、明確的報警信息[3]，將大大減輕電廠監控中心操作人員的監屏工作量。研究采用分類、分級多維報警模塊對采集的數據進行分類、篩選、分級，最后進行多維、精準、有效的報警，報警過程如圖4所示。

圖3 構皮灘電廠智能報警系統配置模塊結構

圖4 分類、分級多維報警流程

2.3 趨勢分析報警策略

趨勢分析報警通過大數據挖掘技術分析歷史報警趨勢，采用連續多年具有設備運行特征信息的歷史數據，分別對當前工況數據進行計算，得到目標對象經驗值的逐年變化數據，將其與時間維度結合在一起形成樣本參數，對樣本參數進行分析后，以時間為參數計算得到往后若干年設備運行的預測數據，從而實現水電站多維智能報警[4](見圖5)。

圖5 趨勢分析報警結構

其中數據抽取層負責從數據庫中按一定的策略進行數據讀取，并根據分析的需要進行預處理，數字特征分析層主要對原始數據進行初步分析和基本數字特征描述，功能算法分析層實現散點圖分析、相關量分析、偏差分析、報警分析等。

數據來自各監測單元、監控系統以及巡檢工作站，如果對這些數據全部加以分析，將極大降低分析運算效率。從功能業務層來看，不同工況下的數據意義也是完全不同的。因此，在進行狀態預測前對數據進行樣本選擇是完全有必要的。

以水電廠溫度趨勢分析為例，應考慮：①正常情況下，機組停機過程中，溫度應跟隨環境溫度變化而變化；②在穩定負荷下，溫度只會在一個很小的范圍內波動；③在不同的水頭和不同的負荷下，溫度波動的范圍是有差異的；④如果某段時間內溫度普升或者異常升高，則說明機組存在異常運行狀況，比如冷卻水中斷、軸承油槽漏油等。但機組溫度在開機過程中的上升屬正常情況，因此，在趨勢分析的數據抽取層要根據不同工況進行樣本選擇過濾，進而從中提取出機組在整個運行過程中的溫度變化特性，如開機過程中的溫度變化趨勢、負荷調整時的溫度變化趨勢、不同水頭不同穩定負荷下的溫度變化趨勢。

數據特征值分析主要對原始數據進行初步分析和基本數字特征描述，包括：一維數據的最值計算(最大值、最小值)；一維數據的均值計算；一維數據的標準差(標準偏差)計算。標準差是一組數據平均值分散程度的一種度量。一個較大的標準差，代表大部分數值和其平均值之間差異較大；一個較小的標準差，代表這些數值較接近平均值。

采用連續多年具有設備運行特征信息的歷史數據，分別對當前工況數據進行計算，得到目標對象經驗值的逐年變化數據，將其與時間維度結合在一起形成樣本參數。在對樣本參數進行訓練完成后，以時間為參數計算得到往后若干年設備運行的預測數據，當數據超過特定限值后進行報警。

2.4 智能報警引擎

計算機監控系統故障報警信息優化處理對遇到問題首先進行分析，并做出報警信息優化處理的策略和措施，對提高水電站管理水平和保障電廠安全穩定運行有重要的作用[5]。通過建立智能報警引擎(見圖6)，解析智能報警模塊配置的智能報警策略，根據策略所約束規則進行有效的報警。

圖6 構皮灘電廠智能報警引擎流程

3 系統在構皮灘發電廠中的應用

3.1 分類、分級多維報警策略應用

分類、分級多維報警能夠合理對信息進行分類、分級，具備檢修狀態信息屏蔽、趨勢報警、智能分類報警等功能，保證生產值守、維修人員和有關領導在發生事故時能立即收到事故性質和事故信息的提示，減少維護工作負擔，準確地反映現場設備的運行狀況，更加迅速地反饋異常情況，減少運維人員監屏工作量。不同類別的報警信息可通過不同的簡報窗口進行展示。

3.2 趨勢分析報警策略應用

根據趨勢報警策略進行趨勢分析報警，例如，先計算出某個特征點在不同工況下(如各個負荷段)的運行趨勢(通過大數據分析查找近一年內該點在不同工況下的歷史值，通過數據挖掘計算標準差、均值、最大值、最小值)，分析特征點所處工況，并根據工況到歷史運行趨勢中查找該點的歷史變化范圍，確認其是否在最大值或最小值范圍內，是否在3個標準差范圍內。若趨勢超過均值的3個標準差，則進行趨勢報警，并對有異常趨勢的設備及時做出報警響應，提醒廠內運維人員提早發現問題、處理問題(見圖7)。

4 結 論

文章根據構皮灘水電廠信息報警系統現狀，綜合分析了國內外智能報警系統研究與應用情況，在此基礎上創建了基于大數據挖掘多維智能報警技術體系，通過對數據分類、分級來進行更為有效的報警，通過對廠內歷史數據進行挖掘分析進行趨勢報警，從而做出更為準確、合理的報警。實施結果表明，該電廠信息報警水平得到了很大的提升。

圖7 趨勢報警示意