水电站信号数据的价值探讨

李生军

(兰州电机股份有限公司，甘肃兰州730000)



水电站信号数据的价值探讨

李生军

(兰州电机股份有限公司，甘肃兰州730000)

水电站具有大量的机、电、液系统检测数据，其功能往往被定制在控制、保护、巡视、记录等应用范围内，这些大量的信息数据长期被“压制”，没有被“唤醒”；而在大数据分析的框架下急需被激发，为电站带来增值服务。数据作为资源需要专业领域的挖掘和制造，在对水电数据资源的应用价值进行梳理和分析的基础上，通过水电站的数据价值分析和预测，可为水电带来新的增值服务。图3幅。

水电站；大数据；数据挖掘； 数据价值；规则算法

0　引　言

近年来,水电站在监控保护及测试领域取得了突飞猛进的发展,其成果主要得益于计算机和自动控制技术领域的进步，功能和可靠性都显著提高,其发展更趋于专业化。有条件的电站更是通过专网进行集中控制改造,建立了水电站集控中心；其中水电机组的监测在整个过程中占有很大权重,但其最大作用仅限于控制和保护。本文从大数据的视角来探讨水电机组的监测应用价值,通过对机组监测数据价值的探讨来重新定义水电机组的检测功能,从数据价值视角来引领水电技术的发展,对水力发电进入大数据时代是一次探索。

1　当前电站检测信号(数据)的主要用途

水电站机组自动化测试信号的应用,主要趋向于控制和保护及提高机组自动化水平,这些大量的信号数据功能主要用于下几点:

(1)参与机组自动化顺序控制和过程控制。例如，机组的开机顺序控制(见图1)。

图1机组事故停机控制程序示意

过程控制常见的有：调速器的转速控制，利用了机组转速信号的反馈参与过程控制；励磁系统的恒压控制，同样采用了机端电压信号参与过程控制。

(2)机组状态的监测、历史记录。机组温度、转速、压力、振动等状态的监测，由电站监测系统完成数据显示、记录等，其大部分功能处于半“休眠”状态。

(3)保护功能。主要有机组轴承温度保护控制、过速保护控制、电机差动保护等。

(4)用于水电设备诊断技术。传统诊断技术的诊断过程分为状态监测、识别诊断和决策预防3个阶段, 其功能有所增强，价值有所激发，但对于水电设备来说也显得单一和死板(见图2)。

图2传统的诊断过程示意

基于以上几点的应用价值，测试信号(数据)大部分时间处于休眠状态，除了保护和控制外，其历史数据仅仅作为记录供参考；部分未参与控制和保护的信号则长期被搁置，好多测试元件甚至多年损坏也没被修复，已变成“死数据”。水电设备诊断技术的应用对测试信号价值有所提升，但局限于专业仪器的分析，比较单一和局限。

为此引入“大数据”架构下的价值挖掘，对水电的发展具有深远意义。

2　水电数据的价值分析

有机构这样定义“大数据”：“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息产业。

以大坝、流道及机电设备实时采集的信号、电站日常管理信息、设备参数等均可作为大数据资源，其价值将会逐渐被挖掘，对电站制定新的运行规则，提高资源高效利用将会开辟新的领域。实时采集的数据不再是电站控制和保护的“奴隶”，必将会成为大数据海量信息的 “成员”而产生“智慧”。

数据的应用非常广泛，例如，电站过机流量的解算：

Q=P/(9.81*Hη1η2),

式中，P为测得的发电机有功功率，H为水头(可用差压水头传感器测得)，η1为通过数字化水轮机运转曲线提取的水机效率值，η2为发电机效率值。

通过对过机流量的解算,可以非常实时地推送出流域节点的动态流量曲线,结合地理系统可以“制造”出很多有价值的产品。同时，可以根据流量变化曲线与引水管水头损失变化曲线关系求解出引水管沿程损失系数K值,为水力损失的理论研究和计算提供试验数据。

再如,转轮叶片可以通过运行的历史数据分析和运行工况的加权计算，有效地制定最佳修理时间，将维修时间控制在如下图的破坏初生期(见图3)。

图3运行时间——损坏程度曲线

对这些水电站的数据应用可通过不同的数学解算方法极大地提高精度和可靠性，尤其在时间轴上的动态变化规律带给我们许多惊喜，如动态数据的一阶导数和二阶导数的应用价值和可靠性都很高。但所有的数据需要我们通过专业化对接才能实现“加工”和“制造”,将其价值提炼出来，这需要进行大量的数学建模和规则算法的研究。水电大数据从狭义上来说，主要是电站内机电设备的监测信号和管理运行信息的数据，广义上讲还包括电站外相关联的大量数据(如地理信息、气象信息等)。

水力发电是技术性环保能源，所有采集和使用的数据不同于社会信息方面的大数据，其具备很强的自然属性。通过对水电数据的挖掘、机器学习和

人工智能等相关技术的应用，可能会改变水力发电技术领域的很多算法和基础理论，实现水电技术上的突破。

3　建立水电大数据中心的基础

随着互联网、大数据和云计算技术的发展，建立水电大数据中心的技术条件越来越成熟。 测试元件和传感技术的发展有效提高了数据种类和数量，同时信号的可靠性有了很大保证。这些信息数据通过互联网将会保证与专业人员的有效对接，实现专业化处理，为水电提供“增值”服务。

从数据价值需求的角度来说，将对产生数据的每个技术环节起到指导作用，如从“数据价值”的需求来重新制定水电测试系统的配置及要求，通过数据应用价值的挖掘，可以激活“休眠”的信号，同时补充必要的信号测量。另外，以“数据价值”为目标规划来发展测试技术和信号前置处理技术的应用功能，将对水电数据价值挖掘起到强有力的支撑作用。从信号时间的尺度上来说，既可截取某一时段采集的实时信号进行动态和暂态分析，也可根据年度数据变化的情况进行分析。

4　结　论

水电站所采集的信号已不仅仅局限于电站控制和保护的应用，其数据资源的价值将会带给电站一次新的升级；从自动化程度的提高，再到大数据驱动的价值挖掘和决策判断，水电必将进入DT时代。预测这些来自水电站的数据将会被应用于多领域科学研究。或许有一天，“信息熵”、“安全熵”的一些理论将从这些大水电数据分析里得到验证。

水电大数据对电厂的价值回馈不是一蹴而就,需要各方鼓励和接纳建立水电数据信息平台,逐渐为水电提供增值服务,这对水电发展进入大数据时代具有深远意义。

■

责任编辑吴昊

2016-06-30

李生军(1975-)，男，工程师，主要从事水轮机组自动化设计工作。

E_mail: 1328727597@qq.org。