基于大数据的智能化电站探索与应用

张成刚 邱昱博

目前，我国电站信息化和数字化水平已大幅提升，随着分布式控制系统、管理系统、监控系统等的普遍应用，产生了大量的基础数据，同时电站本身也存储着海量历史运行数据，以及电力负荷、供用电量、电力市场营销、原材料和气象观测等外部数据，仅限于日常的报表和查询应用，缺乏深度挖掘和利用，探索基于大数据的智能化电站已成为一种趋势。

通过大数据技术的应用，深度挖掘电站的数据价值，为电站运行优化、状态评估和性能监测提供依据，从而推动生产过程优化、运营决策优化、管理流程自动化、生态圈优化、产业链协同优化，提升电站智能化管理水平，引发电站管理模式的根本性变革，将使电站运行更安全、更可靠、更环保、更经济、更高效。

一、智能化电站的概述

智能电站是以设备全智能化和测控全智能为基础，采用先进、可靠、集成、低碳、环保的智能设备，基于全站信息数字化、通信平台网络化、信息共享标准化，能够自动完成信息采集、测量、控制、保护、计量和监测等基本功能，并根据需要支持电网实时自动控制、智能调节、在线分析决策、协同互动等高级功能，实现与相邻变电站、电网调度等互动的电站。

高可靠性的设备是智能化电站的基础，综合分析、自动协同控制是智能化电站的关键，设备信息数字化、功能集成化、结构紧凑化、检修状态化是智能化电站的发展方向，运维高效化是智能化电站发展的最终目标。

二、大数据的应用

（一）智能电站大数据的特点

智能电站大数据主要分为两类：一是与生产运行相关的数据；二是涉及企业管理的数据。智能电站在生产过程中产生运行数据，这些运行数据之间存在较为复杂的耦合关系。其特点如下：

1、数据来自不同的系统和设备。

2、数据种类多、数据量大、维数多。

3、大数据对电站运行的安全性、可靠性、经济性有很大价值。

4、各数据之间关系复杂，需要深度挖掘，且对数据具有实时性要求。

（二）大数据应用的流程

电站大数据应用研究是发电理论、数据挖掘分析技术和IT 技术相互结合的创新课题，应采用尽可能多的数据，实现跨专业、跨部门、多学科交叉数据融合的基础上进行多维度数据分析。智能电站大数据的应用模式一般有以下流程：

1、大数据平台建设

将电站机组等大型设备分布式控制系统、管理信息系统、监控信息系统中的结构化、半结构化、非结构化的数据统一采集并存储到大数据平台中，为下一步深度挖掘、分析和利用提供基础。

2、定义建模主题

根据机组等大型设备实际运行情况及大数据平台中存储的有效数据，做出科学的假设，来定义建模主题，为大数据分析应用指明方向。

3、数据获取和预处理

根据假设的建模主题，选择相关样本及特征参数，通过数据预处理和特征参数约简，剔除冗余参数、异常数据，删除离群的噪声点，提高建模准确性以及建模的效率和精度。

（三）大数据的应用分析方法

从大数据所蕴藏的内涵看，电力大数据分析可归纳为“二三三”法则。

1、二类数：实测参数、特征指标

在生产大数据分析中，一方面需要用即时测量的实时参数来直接反映生产运行状况，更为重要的一方面是挖掘出这些参数中所蕴涵的本质特征并量化（暂称为特征指标）。

（1）实测参数中的重要参数，可以直接作为指标。如主汽温度。

（2）遵循某种机理，形成算法模型，将参数按照模型计算出特征指标。

（3）按照某种数据处理方法，形成特征指标。如灰色关联分析中对数据进行无量纲化处理。

2、三机理：时间、空间、物理法则

生产运行过程，可以理解为设备、系统、工质在一定的空间和环境下，遵循其物理法则，按时间进行演化的过程，所以在大数据分析中，可从时间、空间、物理法则三个纬度，去挖掘特征与内涵。

（1）从“时间”纬度，挖掘历史过程反映的规律，如变化趋势、劣化趋势，无量纲化的特征指标的趋势是非常能够说明问题的。

（2）从“空间”维度，从体系化、系统化角度，挖掘反映整体性层面的特征、状况、关联。

（3）借助成熟的专业模型，从“物理法则”方面挖掘参数所反映的问题。

3、三视角：“人”、“机”、“况”

在生产运行中，是“人”在某种“况”下，来操控“机”的，所以一组参数，可能蕴涵着三个方面的内涵。

（1）对“人”影响要素挖掘，反映“人”对设备的操运水平。如小指标考核。

（2）对“机”相关要素挖掘，反映“机”的特性、性能、状况、状态。如性能优化、状态分析、故障诊断类应用。

（3）对“况”要素评价，反映在某种条件下、不同约束下“机”的特性、性能、状况。

（四）大数据的应用分析模式

从大数据应用的模式看电力大数据分析的二四二模式。

1、二条线模式：形成模型、利用模型

（1）形成模型

在一定的样本范围内（包含最新采集的数据），通过特征提取，机器学习等，形成算法模型、规则等。

（2）利用模型

新采集的实时数据，即时利用模型进行分析计算，得出即时的分析结果。

2、四分析模式

（1）运行优化模式

对重点设备的运行状态和重要管控指标学习建模，通过对海量历史数据的分析学习，模拟出最优工况曲线。将实时工况曲线与之对比，分析参数如何变化是合理的，判断各个参数对工况的影响程度有多大，评估如何调整能达到经济性最佳，有针对性地提出设备、系统的运行优化建议。

（2）异常预警模式

采集一定时期的历史数据，研究数据样本，构建发电机组设备的各种动态数据模型。自动分析每个设备当前状态与历史同工况状态下的相似程度，并给出定量的分析结果。对引起设备状态变化的测点进行关联点排序，并对设备的每个测点输出当前工况状态下的实时预测值。

（3）故障诊断模式

采集历史故障信息与相关参数，依据已知正确的判断规则及关联因素，进行学习分析。分别形成针对某单一设备的个性模型和针对某同类设备的共性模型。分析诊断模型要有多模式分析、多工况分析、相关性分析等模型。对引起设备故障原因给出分析判断，并对设备性能劣化情况进行分析预测。

（4）仿真预测模式

利用发电大数据与大数据分析学习技术，对发电生产过程历史数据中所蕴含的可演化信息进行学习，建立虚拟模型，仿真并优化生产流程。同时，对人员的各种行为模式与习惯进行关联分析，以发现不合理因素，減少实际生产过程中的风险。

（五）二画像模式

1、生产过程监管

集成全电站所有机组、车间、设备的运行状态参数，实现对这些参数的实时监视，并且能够以系统图、趋势图、统计报表等方式表现机组运行参数、各个机组效率、公用系统及主要辅机出力与能耗等技术经济指标。

2、掌控全面概况

以全电站整体为统计范围，面向安全生产全部业务，以全面统计各项业务信息为基础，并对统计结果按其特点进行不同维度对比分析，从而快速掌握其在全电站范围的分布或构成，如图1所示。

三、结论

基于大数据平台智能化电站的应用，不仅加速了电站智慧化前进步伐，而且促进了智能电站管理方式的变革。探索大数据在电站生产环节，围绕安全、节能、效率、环保、资产健康管理等方面的应用，助推智能电力创新发展。探索大数据在运营监控和人财物集约化管理等方面的应用，促进公司经营管理模式创新。探索大数据在电力市场、电量与碳排放交易、多能服务、精准营销、需求侧管理等方面的应用，促进优质服务能力的提升。

作者单位：张成刚 中国交通建设股份有限公司

邱昱博 中国交通信息中心有限公司