基于大數據的抽水蓄能發電設備運行統計系統設計

南方電網調峰調頻發電有限公司信息通信分公司 馬一寧 鐘建栩 余少鋒

當前區域電網互聯和用電負荷的復雜性都呈現出逐漸上升的趨勢，在該領域當中抽水蓄能電站在提升水電效益以及改善電網運行環境等方面都有著巨大的作用和影響，因此為了能夠確保電站整體的安全和穩定運行，該領域研究人員針對抽水蓄能電站進行了更加深入的研究[1]。由于在這類電站當中，抽水蓄能發電設備的運行會直接影響到電站整體運行，因此為了能夠實現對發電設備的運行控制，充分了解抽水蓄能發電機組設備的運行狀態，對其運行過程中產生的數據進行統計。

我國抽水蓄能電站按照無人值守模式建設運營，運維人員較少。雖然人力資源有限，但電站的安全穩定運行必須得到保障，運維工作量非常大。目前的維護模式是定期維護和預試。一方面，在檢修周期之間發生故障和缺陷時，無法及時發現，會造成事故；另一方面，由于定期檢修，即使設備沒有明顯缺陷，也要安排檢修，造成大量人力物力浪費。在這種情況下，為了保證設備的健康運行，就必須發揮設備狀態監測的作用。通過設備狀態監測，及時了解設備運行狀態，發現存在的問題并進行處理，確保電站安全穩定運行；同時，根據在線監測提供的數據和分析，了解設備健康狀態，安排狀態檢修，節省人力物力[2]。

同時，在發電設備運行過程中涉及到的參數眾多，為了實現對設備運行的分析，從而實現對其故障監測和診斷，需要對各類運行數據進行統計，因此需要一種能夠實現對含量數據進行統計的系統，以此支撐發電設備運行監測系統的運行[2]。由于抽水蓄能發電站的運行環境十分復雜且干擾因素眾多，因此直接采用傳統設備運行統計系統很難滿足電站的運行需要。基于此，本文引入大數據技術，開展對抽水蓄能發電設備運行統計系統設計研究。

1 系統硬件設計

為實現對抽水蓄能發電站的安全監測，引入統計系統的設計思想，針對抽水蓄能發電站當中的設備運行時產生的數據進行實時記錄和統計。由于發電設備在運行過程中會產生大量的數據信息，引入本文將大數據技術作為系統的核心部分，并按照如圖1所示的系統運行原理，實現對統計系統的理論設計研究。

圖1 基于大數據的統計系統運行原理示意圖

在硬件設計中，引入統計系統的設計思想，針對抽水蓄能發電站當中的設備運行時產生的數據進行實時記錄和統計。考慮到抽水蓄能發電設備運行現場的環境對統計系統運行效果的干擾因素較多，選用WIO-HW848-490型號自動化智能傳感器，EDA50KP4765-4980型號內部配置OPC 程序的采集器作為本文統計系統中的采集裝置。

在軟件設計中，利用大數據技術中的Historian將所有采集到的數據信息進行壓縮處理，并將其存儲在相應的數據庫當中。通過API（用戶/服務器應用程序界面）實現對已經完成歸檔數據的調用。利用VBA 開發環境，通過OLEDB 完成對腳本的編寫，并通過連接數據庫實現對Historian 當中所有數據的讀取。

通過對比實驗證明，新的統計系統在實際應用中可有效降低對CPU 的占用量，避免計算機出現卡頓問題，提高統計質量。

根據圖1中顯示的運行原理以及系統的基本結構組成，針對其硬件部分進行設計。考慮到抽水蓄能發電設備運行現場的環境對統計系統運行效果的干擾因素較多，因此在選擇對各類數據進行采集的傳感器時，選用WIO-HW848-490型號自動化智能傳感器，將該型號傳感器應用到本文統計系統當中，針對發電設備在運行過程中的各項參數，例如溫度參數、濕度參數等進行實時測量，并通過無線傳輸的方式，將采集到的數據傳輸到本文統計系統的上位機當中，為后續運行統計提供更加可靠的數據支撐條件[3]。

該型號傳感器的電源為：DC/AC220V；測量范圍為0～5%；測量精度為0.5%。WIO-HW848-490型號自動化智能傳感器探頭部分采用黃銅材質，螺紋接口為G1/2″；M20X1.5；M27X2（根據不同的抽水蓄能發電站環境可進行針對性選擇），探頭長度為100mm、工作壓力小于1.6MPa、防護等級為IP65，上述設備參數能夠充分滿足本文統計系統在復雜設備運行環境當中的應用需要，并為采集到的數據精度提供保障。

在完成對傳感器的選擇后，還需要對數據的采集裝置進行選擇，選用EDA50KP4765-4980型號內部配置OPC 程序的采集器作為本文統計系統中的采集裝置。該型號采集器的內存ROm 容量為64G，CPU 頻率為1.8GHz，支持SD 存儲卡，CPU 為8核，能夠充分滿足抽水蓄能發電站中多種不同類型發電設備運行參數的采集需要。由于在該采集器當中含有OPC 驅動程序，因此能夠實現對基于OPC 協議通信的數據采集[4]。

通過EDA50KP4765-4980型號采集器將傳感器測量得到的數據進行采集，并上傳到本文統計系統的上位機當中，在過程數據庫當中實現對設備運行數據信息的存儲，并利用EDA50KP4765-4980型號采集器自帶的480×800分辨率顯示屏對數據調用畫面進行實時顯示。

2 系統軟件設計

2.1 基于大數據的統計數據庫連接與調用

在上述硬件結構的基礎上，在傳感器與采集器運行時完成對抽水蓄能發電設備的運行數據采集后，需要完成對統計數據庫的建立與連接，并實現在系統運行過程中對統計數據庫的實時調用。由于發電設備在運行過程中的數據量較大，因此引入大數據技術，在統計數據庫連接過程中，實現對其處理。利用大數據技術中的Historian 將所有采集到的數據信息進行壓縮處理，并將其存儲在相應的數據庫當中[5]。

在分布式網絡環境當中，通過API（用戶/服務器應用程序界面）實現對已經完成歸檔數據的調用。再利用應用程序接口，為結構化問題語言和非結構化問題語言提供通路。利用VBA 開發環境，通過OLEDB 完成對腳本的編寫，并通過連接數據庫實現對Historian 當中所有數據的讀取。在完成對統計數據庫的連接后，用戶可以根據其不同需要對相應的數據資源進行查詢。根據抽水蓄能發電站的運行時間特點，需要保證0點、8點和16點的數據顯示在系統的上位機界面上，并且所有的數據均不可重復顯示。

2.2 抽水蓄能發電設備運行數據統計與壓縮存儲

在實現統計數據庫連接與調用后，為了確保后續設備運行出現故障時有足夠的運行數據作為條件，還需要對上述獲取到的數據進行存儲。由于本文設計的統計系統為24小時不間斷運行，因此相應的信號采集裝置也始終處于不間斷狀態，產生的工況數據量極大。針對這一問題，在充分考慮抽水蓄能發電站復雜應用環境以及發電站中設備類型產品因素的基礎上，選用實時歷史數據庫實現對發電設備運行數據的統計和存儲。考慮到統計系統的運行效率問題，需要對進行統計的數據進行壓縮后再存儲到數據庫當中。將數據存儲的方式設置為允許壓縮，并利用狀態量對存儲的變化情況進行描述，并只保存觸發點位置上的數據，為抽水蓄能發電設備運行數據統計提供更大的存儲空間。

3 對比實驗

在結合本文上述論述內容的基礎上，分別從硬件設計方面和軟件設計方面實現對本文基于大數據的統計系統的研發，為了驗證該系統的實際應用效果，選擇以某地區抽水蓄能發電站作為實驗環境，將本文提出的基于大數據的統計系統應用到該實驗環境當中，并針對抽水蓄能發電設備在運行過程中的各項參數進行統計。同時，為了確保最終得到的實驗結果具有可比較性，選擇將該發電站傳統基于iFix 組態技術的統計系統同樣應用到上述實驗環境當中，針對兩種統計系統的運行情況進行記錄。

由于統計系統運行結果的質量與其CPU 占用量有著直接的聯系，即CPU 占用量大，或CPU 占用量恢復時間長，數據信息統計的穩定性越差，若統計數據的并發數量不斷增加，則會出現嚴重的卡頓問題，無法保障統計的效率和質量；反之CPU占用量小，或CPU 占用量恢復時間短，則數據信息統計的穩定性越強，同時在出現統計數據的并發量不斷增加時，也不會出現卡頓現象，保障統計的效率和質量。分別向兩種統計系統當中輸入該發電站日常發電設備運行過程中產生的數據，一次模擬在一天當中抽水蓄能發電設備運行所產生的數據信息量，并按照表1所示內容，完成對統計數據報表的生成。

表1 發電設備運行信息統計數據報表生成配置

根據上述表1中的配置要求，完成對統計數據報表的生成后，記錄兩種統計系統在生成報表時的計算機CPU 占用量，并將并發數為100個、200個、300個、400個和500個的條件下，CPU 占用量分別記錄，繪制成如圖2所示。

圖2中，虛直線表示為統計系統所在計算機上默認配置時的CPU 占用量。從圖2中記錄的兩種統計系統的CPU 占用量情況可以看出，本文基于大數據的統計系統和傳統基于iFix 組態技術的統計系統整體均呈現出CPU 占用量不斷增加的趨勢，但本文基于大數據的統計系統能夠在更短的時間內恢復正常的CPU 占用量數值，并且在并發數相同時，本文系統的CPU 占用量更低。

圖2 兩種統計系統實驗結果中CPU 占用量對比圖

因此，通過上述實驗結合本文上述對CPU 占用量變化分析得出，本文提出的基于大數據的統計系統在實際運行過程中能夠有效降低CPU 占用量，提高發電設備運行數據信息統計的穩定性，同時當并發數不斷增加時，也不會造成計算機卡頓問題的產生，可以有效保障對發電設備運行數據統計的效率和質量。

4 結語

由于在抽水蓄能發電站當中包含了多種不同功能和類型的發電設備，而各個設備均來自于不同的生產廠家，因此如何實現對不同設備運行參數的統計，成為了設備運行監測中的重難點。針對這一問題，本文開展對統計系統的設計研究，并結合大數據技術實現對傳統統計系統的優化。完成設計后的統計系統能夠有效節省存儲空間，降低計算機的CPU 的占用量，為發電站的安全運行提供數據支撐條件。