大数据在智能火力发电厂的应用

白振忠

（国家电投集团宁夏能源铝业有限公司临河发电分公司，银川 750411）

随着互联网的快速发展应用，数据结构大多数呈现持续性爆发增长的模式。与此同时，传统的火力发电厂也朝着智能化火力发电厂迈进，不同种类的数字化设备与仪表已经把老旧的机械式设备与仪表进行了替换，SIS、DCS等各类信息系统也在各个电厂中进行运用。使用不同的传感机器和数据采集机器计算出的大部分数据会被进行分析、储存，然后来对火力发电厂的运作方式进行引导。这就说明以前的火力发电厂转向智能化电厂的过程中，大数据已经对大多数的企业的数据运营与管理方式带来的巨大冲击。

1 面临的问题

现如今随着信息技术的不断发展，数据的保存与存储已经能够得到有效管理，但在数据价值的开发和数据的分析运用方面仍然是当今火力发电企业部门发展面对的难点。其中导致大量有价值数据无法展示出数据深层含义原因有以下三个方面：

1.1 专业知识复合型人才的缺乏

在对数据分析挖掘的同时，专业人员不仅需要掌握关于火力发电厂的学习知识，同时也需要了解透析一定的计算机方面的专业知识，特别是对专业化语句查询的熟练掌握和对于各类数据库的理解。

1.2 对数据价值的挖掘不够重视

在大多数企业，由于受传统观念的影响，单单只是用浅短、片面的眼光来看待数据分析，只满足于生产实时数据的观察以及其统计数据表格的产生，对于各类相关数据间的时间特性和数据间关系分析没有重视起来。

1.3 数据价值挖掘的长效机制的缺乏

数据价值深度挖掘系统，是以数据的分析模型为基础逐步建设的。因此如果缺乏对大量数据的长期的分析跟踪，就不能及时找到有效的分析模型系统。

2 火力发电厂数据价值分析

火力发电厂的数据主要分为以下3类：

第一类：数据的结构化可以直接展出企业项目生产的各类信息，具有极高的数据价值密度，所以就出现例如统一语言查询、数据板块的严格控制统等特点，这些方式更加利于更高价值数据的挖掘。第二类：数据没有结构化就不会生产一线的数据，但这种情况就经常和企业管理有着极高的契合度，但缺点是数据价值的密度中等，致使有价值的数据挖掘难度比较大。第三类为多媒体数据，这种大量数据的模式对于生产来说不具有较高的价值，但是这类数据在对事故的视频回放中就具有很高的价值，所以这种类型的数据价值密度低，也就导致数据价值挖掘的技术难度大。

在智能的火力发电厂中，电厂内的用电指标高低都是可以直接从指标信息中了解，但是电厂用电率变化的原因在大多数情况下都会隐藏在被忽略的数据流下。但是如果对于数据的分析更加深入，也就能获取更多的数据价值，在数据得到分析后获取的数据价值密度就会比原始数据的价值密度会大大提升。

数据的深入探究和挖掘是去的隐藏数据价值的快速方式。数据可以在不同的数据文件、不同的表格空间、不同的数据库进行储存，但是这并不表明在储存方式上的不同这些数据在逻辑关系上就是隔离的，从另一个方面来说在逻辑上的数据相联程度是与高度有关的。因此针对数据价值的分析挖掘，就需要将相关的数据当作一个整体看待，这是十分重要的一个步骤。在各数据间的相关性进行分级，然后构建模型，如：火力发电厂的用电率指标主要与不同的辅助设备耗电量相关，不同的数据辅助设备耗电量又与单独的辅机运行指标息息相关，在这其中任一指标的变动都会使电厂用电率发生改变。

3 火力发电厂数据价值挖掘

数据价值挖掘是从大量的、模糊的、不完整的、随机数据中提取不易被发现的信息，然后发现其利用的价值。数据信息量的急速膨胀也引发了数据挖掘技术的高速发展，如果没有数据挖掘技术，在海量数据中发现有价值的数据就会显得十分困难，因此企业已经把数据挖掘技术逐渐重视起来。

数据挖掘和传统的数据分析系统不同，数据挖掘能够直接发现有效并且无法预知的信息，这些数据无法通过直觉来发现的。例如，在火电厂中，使用数据挖掘技术可以实时监控锅炉状态以及锅炉下各个部件的整体情况，包括部件下评估点的寿命状态，然后在锅炉要损坏时工厂员工能够及时发现并更换相关部件或进行相关检修工作。数据挖掘还可以检测电力设备的可靠性管理，能够衡量设备的技术状况，也可以在电厂运行时检测能力水平。在电气系统故障时能够进行信息采集、传输、处理、分析，通过数据挖掘技术，定位故障原因，引导对设备运维方向，从而提高设备的运行效率。

4 结束语

综上所述，在当前这个“大数据”时代，火力发电厂企业的数据会保持持续增长的模式。所以对于这些海量数据，其中就数据价值挖掘的价值就得到了体现，数据价值挖掘的更多就表明能够为企业节约更多的项目成本以及提高项目利润。所以努力将信息化水平提高，培养更加专业的技术人才，发现数据价值，这些方面一定是火力发电厂管理模式的发展方向。