巨型水电机组监控的智能预警系统设计与实现

徐 麟，蔡 杰

[南瑞集团（国网电力科学研究院）有限公司，江苏省南京市 211106]

0 引言

随着电网对水电机组调峰、调频、事故备用和黑启动能力要求的日益提高，传统以功能状态监控为主的测控技术体系已经无法适应新的需求。建立设备功能状态监控和健康状态监控并重的测控技术体系，研制管控平台软件及主设备状态评估、故障诊断和状态检修模型，提高水电机组可观性、可控性和可调性，将是未来我国水电机组自动化技术发展的必然趋势[1-2]。

近年来，随着一些巨型电站建成投产，实时数据规模已达到数十万至百万级，给电站的安全稳定运行带来新的挑战[3-6]，传统监控报警机制的不足日益突出：①大量过程和刷屏报警，报警有效性不高；②报警滞后，无设备异常预判和处理指导；③报警形式单一，无关联分析；④依靠运行人员判断系统运行状态，设备健康状态衡量体系不健全；⑤信息孤岛严重，系统数据资源综合利用率不高；⑥报警交互可靠性不高，无法确认相关责任人员有无收到报警。已有技术难以保障巨型电站长期安全稳定运行，亟需提出一种安全快速可靠交互的水电厂运维智能预警机制，以防止由偶发事件或人为因素引发安全风险的发生。智能预警系统作为新测控技术体系的重要组成部分，将为水电厂运维智能预警机制的建立提供坚强的技术支撑。

智能预警系统综合判断设备运行实时数据、筛选设备重要特征信号后，生成可靠报警信息（或对设备异常进行预判）及处理建议，指导运维人员迅速定位和处理设备异常事件。该系统能逐步替代运行人员人工监屏，大大减少运行人员监屏工作量，最终具备机器监屏功能。

1 智能预警的设计原则

智能预警系统应遵循以下设计原则：

（1）实时数据库、历史数据库应支持标准、公开的数据读取接口，便于后期第三方的数据读取需求。

（2）应能充分利用历史数据，根据设备长期运行的特征数据和相关运行经验，建立报警模型，实现趋势报警。

（3）按设备逻辑分层归并报警信息，生成设备综合报警。

（4）建立单点报警信息筛选逻辑，实现报警信息过滤。

（5）设备状态预警系统应能提供关联工况的条件报警图形化组态功能，使用户能够编写报警条件逻辑屏蔽报警或生成报警，设备工况包括设备操作过程、特定报警条件、设备状态等。

（6）预警系统报警工作站应能在保证信息安全的前提下将显示终端（含鼠标、键盘、音响）延伸至远方集控中心。

（7）根据组态定义分析数据是否正常，并按不同颜色显示报表数据，如“正常”显示绿色，接近报警限值显示“黄色”，“越限报警”显示红色等；报表数据格应支持鼠标点击后显示报警详细信息，应能调出历史曲线界面和显示报警触发原因等数据，应能提供纵向、横向的数据比较的功能。

（8）多个语音报警同时发生时，应能区分重要程度，优先播报高级别报警。

2 智能预警的体系结构

为了满足二次安防要求，系统整体上需要分为2个中心部署，Ⅰ区部署通信服务器、报警服务器和工作站，用于采集监控与状态检测系统基本信息，并通过预定义的策略产生报警，工作站可以对报警进行配置、确认、转发、跟踪，系统整体采用CS方式部署，前台界面采用Java Swing 技术实现，后台服务采用Unix C 技术实现。Ⅲ区部署移动服务器与移动工作站，用于报警的移动端推送、确认，以及工作流的组态、执行与管理，系统整体采用J2ee技术实现部署，采用Html5 + Hybrid技术，实现移动应用、BS应用的统一展示。

智能预警系统的软件结构如图1所示。其中，报警组态模块可实现设备库模型组态、设备库关系逻辑组态等多种模型组态；数据及运算服务模块可实现智能预警的各种算法；信息发布层实现生产实时画面、智能报表和报警数据发布等功能。

图1 智能预警系统软件结构图Fig.1 Software structure diagram of smart warning system

3 智能预警的关键技术

针对巨型水电机组监控的海量实时数据，提出基于分区概念的海量实时数据分布式管理方法，实现可靠高效的实时数据管理。针对巨型水电机组监控的海量历史数据，基于“冷热数据”的两级存储思想，优化历史数据存储策略，在保证历史数据写入与查询效率的前提下，有效减少数据库的存储空间，提升系统的存储效率。基于专业主题模板，实现了快速制作数据挖掘方案，将数据挖掘结果及设备故障、异常判断等运行经验固化为专家知识库，实现智能预警，解决了综合数据分析与挖掘过程的效率低和扩展性差的问题。通过可定制报表工具，实现复杂逻辑的报表业务，为海量历史数据的深入分析与挖掘提供数据基础。

3.1 高速的分布式实时数据库

引入分区概念，根据需要对实时数据进行分区，每个分区拥有独立的实时数据结构，分区内服务器节点通过跨分区实时数据总线发布实时数据的配置与状态信息。人机接口节点根据需要订阅源自不同分区的实时数据，不同的接口节点如操作员站可以订阅不同分区的实时数据。这样的分布式数据架构，在实现用户层逻辑耦合的同时，使人机接口节点只在本地接收和存储与该节点功能相关的实时数据及定义，有效提高系统部署的灵活度和减轻节点运行负载。一旦分区的实时数据定义发生变化时，订阅相关实时数据的节点会自动获取版本信息，更新本地数据定义。因此实时数据库维护工作的影响范围局限在特定的数据节点上，减轻了维护工作可能产生的风险，提高了系统安全可靠性。

分布式数据动态加载管理机制具有以下特征：①跨分区订阅具有安全审核机制，确保接入节点的安全性。②分区数据结构版本信息的发布采用组播方式，确保版本发布的及时性。③分区数据结构的发布采用多进程，并且采用TCP方式，确保数据传输的可靠性。④分区内服务器节点采用主从冗余或集群方式，只有为主的服务器节点才能够对外发布数据，确保信息发布的权威性。⑤在接收其他分区数据结构时采用二次校验和错误重传机制，确保所接收数据结构的正确性。⑥在数据结构更新过程当中，测点信息会保持原有状态不变，确保系统运行的稳定性。

智能预警系统采用Hash表索引管理和存储内存数据库，给数据应用提供高效的访问机制。同时采用两种方法优化数据结构存储空间的扩展：①智能预估：根据系统当前的负载增长情况估计分布式系统后续信息的存储空间，如果预测需要动态扩展存储空间，则提前进行扩展。②优化更新：采用MQ LRU（Least Recently Used，最近最少使用）算法。根据访问频率将数据划分为多个队列，不同的队列具有不同的访问优先级，其核心思想是：优先缓存访问次数多的数据。

3.2 海量监测数据的冷热数据分级存储

智能预警系统采用占用存储更多，但更有利于写入和查询的结构存储热数据，以空间换时间，提高海量数据的整体吞吐能力。热数据存储达到一定时间阈值后，采用以下两种存储结构将其归档为冷数据。其一是完整数据压缩存储，将单个测点单位时间内的连续数据作为一个集合，结合线性有损压缩与霍夫曼无损压缩处理方法，在精度允许的范围内缩小存储空间，其压缩结果以字节流方式存储在数据库中，满足曲线查询功能的要求；其二是特征数据存储，将单位时间的特征值信息整理统计并存储，满足报表查询功能的要求。

智能预警系统同时采用分布式架构，建立历史数据存储与代理查询机制，将历史数据存储分配给不同的历史数据服务器节点。应用代理机制，实现分布式历史数据查询的黑匣化，提升海量历史数据的存储和处理能力。

3.3 面向对象的数据建模

将海量报警信息，按照多级对象形式组织。当最后一级对象根据脚本策略触发报警后，报警信息会自动的向上级对象传递，逐级点亮光字。人机界面上，最高层级的报警信息嵌在主监视画面中，当对应光字被点亮后，运行人员可以点击查看其子层级报警信息及相关数据点信息。通过分级显示报警信息，运行人员可以快速直观地从海量信息中，发现系统故障或异常，提升电站运行管理水平。

例如：当发生1F机组水导外循环系统双泵全停时，在主界面上将1号机水导系统置为事故报警状态，同时弹出报警信息显示界面，第一层级显示1F机组主要设备状态，包括水导系统、调速系统、励磁系统等，第二层级显示水导系统主要数据点状态，包括水导双泵全停报警、油泵状态、上油箱油位、油流量等，其中突出显示水导双泵全停报警信息，同时提供快捷按钮，点击后可显示水导相关数据点状态，如水导瓦温、机组转速、机组功率等。

3.4 专家知识库智能预警

对水电厂各子系统进行数据采集及预处理。根据水电厂各子系统的专业数据分析要求，建立专业主题模板；所述专业主题模板由数据集提取规则、指标、算法、视图、报警等要素组成。选择相关专业主题模板，关联待分析设备和历史数据时段，勾选待分析参数，生成相关专业挖掘方案。验证专业挖掘方案的准确性并修正专业主题模板。

智能预警系统采用脚本语言的形式，定义报警策略，形成智能预警的专家知识库。报警策略一方面源自运行管理经验总结，另一方面源自经验证的数据挖掘结果。

建立设备趋势分析报警、设备操作过程分析报警、关联设备报警、自定义综合报警等模型。

3.5 可定制报表分析

智能预警系统提供可定制的专用报表函数，从海量历史数据中提取各电站机电设备的运行特征，应用关联分析、偏差分析、趋势分析等统计分析方法，实现不同设备参数的对比分析、相同设备不同时期的对比分析和相关量分析，并可通过多种视图实现分析结果展示：趋势图、折线图、散点图、雷达图、瀑布图、数据对比表、数据对比曲线、数据对比图、饼图、柱状图等。

4 应用实例

向家坝水电站是金沙江水电基地下游四级开发中的最末一级电站，是西电东送骨干电源点，也是金沙江水电基地唯一兼顾灌溉功能的超级大坝。单机800MW水轮发电机组为世界最大，电站装机容量7750MW，规模仅次于三峡、溪洛渡水电站。

向家坝水电站运行设备状态智能预警系统作为三峡集团公司智能水电厂建设项目之一，于2018年6月通过三峡集团公司组织的专家验收，系统投入运行提高了电站和机组的运行效率，减少了停运时间，节省了运维费用，实现了电站与机组的安全高效运行。向家坝水电站智能预警系统设备层级监视图如图2所示。

图2 智能预警系统设备层级监视图Fig.2 Device hierarchy monitoring diagram of smart warning system

智能预警系统与传统监控系统的技术指标对比如表1所示。

表1 智能预警系统与传统监控系统的技术指标对比Tab.1 Technical indicator comparison between smart arning system and traditional monitoring system

5 结束语

针对目前大型水电站在电网中调峰调频作用日益显著及水电企业运行管控水平大幅提升的实际情况，深化研究巨型水电机组生产运行数据综合分析技术，建立水电厂运维智能预警机制，解决水电厂众多自动化、信息系统海量异构数据资源综合利用的问题，充分挖掘水电厂海量数据资源内在联系，将其转为日常生产运行指标，健全各类设备健康状态的衡量体系，提高了水电厂的信息化管理水平及预防性维护决策能力，进一步提升了水电厂对电网安全稳定运行的保障作用。

本文提出的智能预警解决方案已成功应用于三峡集团公司巨型水电站向家坝水电站，也可以为其他大中型水电站或集控中心的类似项目实施提供参考。