基于实时状态的智能化动能管理预决策系统

王沪松 黄旗忠 刘剑敏 屠凯达 肖贵慧 姜虹 许晨阳 王乾东

摘要：本文介绍了一个基于设备实时状态数据分析的智能化动能管理预决策系统。通过对大数据技术、机器学习和流式计算的应用对动能系统中的实时数据进行处理分析，制定预测预警策略，然后运用 CPS进行能源仿真预测，最后介绍将系统运用到实际设备上的效果。该系统的建立旨在保证宁波卷烟厂能源管理过程中的控制流、信息流、管理流的统一，提升宁波卷烟厂卷烟制造业务的协同能力、风险控制能力、经营管控能力、资源协调能力和节能减排降耗水平。

关键词：实时状态;动能管理;预测预警

1引言

近年来，伴随卷烟制造所必需的能源消耗导致卷烟厂的能耗日益增高。同时国家对环境的保护要求愈来愈严格，相应的节能减排对企业实际能源消耗和能源管控提出了更高的标准。随着国家出台《十三五规划纲要》，对企业节能减排降耗工作提出了新的目标任务和要求，制订了方向措施。目前动力车间锅炉、空调、制冷、空压、除尘、排潮等设备种类多分布广;动能管线串联起全厂水、电、气、汽等的供应，覆盖总面积 860多亩，总长度超过十万米，用于计量配电、蒸汽和压缩空气等能源仪表 4700多个，连接全厂各个区域动能设备管控，线路众多，管路繁杂，项目中涉及的 Tag点数据有 8000多个。为了响应国家的号召，对于动能智能化管理系统的研发迫在眉睫。

2建设目标

1.构建基于生产驱动的能源仿真模型

采用“事前预测？事中预警及滚动修正？事后分析”的闭环理念实现生产驱动下的能源供应全模型预测。根据预测模型，预测能源需求量以及设备供应初始化策略;不断调整、动态仿真供应模型，实现动力供应的滚动重排，达到精准按需供能和预警的响应迅速;通过诊断分析模型，判断事前和事中建模的准确性，实现模型的不断优化。通过事前预测、事中监控和事后诊断全生产环节的供能仿真，实现动能管控的预警预测，实现精准按需供能。

2.构建动能管控决策支持平台

将大数据技术应用贯穿在整个动力管控的始末，通过建立数据服务平台，从“采集、处理、建模、服务”的全过程对数据进行诊断分析，将大数据深度学习与决策相结合，实现对能源供给保障和能源产生影响的动态感知。加强对精准按需供能、设备运行维护、动能调度的策略指引。对各个设备的运行数据进行实时的处理和预警展示，根据生产实时、动态地实现设备的自我调节，实现基于品牌、批次的能源成本管理及自动对比、分析预测预警以及基于实时状态的智能化动能管理预决策。

3关键技术与实现

1.大数据技术的应用

卷烟厂能源历史数据库中存放了大量的数据。通过定期地动能系统关键运行参数和重要指标进行统计分析，利用大数据技术深度挖掘动能性能信息，对动能进行全方位、多层面的评估，为管理人员提供运行考评和设备状态调整支持，为决策者提供可参考的对标依据。

2.机器学习

机器学习（Machine Learning， ML）是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。具体到本系统，将应用聚类算法、分类算法等进行动能设备运行管控优化与预测工作，以实现动能管理预决策的智能化。

3.流式计算

流式计算是相对于批量计算的一个概念，指将到达的数据流在内存中实时计算，而批量计算指对存储的静态数据进行集中计算，因此，流式计算具有低时延、高吞吐且持续运行的特点。

4实施具体内容（架构、具体细分点）

基于实时状态的智能化动能管理预决策系统主要功能如图所示：

1.预警策略管理

将预警信息按照紧急程度、严重程度和危害程度分为三级：一级、二级、三级，分别用红色、橙色、黄色标示，一级为最高级别。

将用户分为三个类别：决策层、管理层、执行层。决策层是领导者（厂长及副厂长等），管理层指各部门领导，执行层指宁烟业务人员。系统将根据预警级别，推送给不同层级的相关人员。红色预警将同时推送给决策层、管理层、执行层，橙色预警将推送给管理层和执行层、黄色预警仅推送给相关执行层。

每种预警都将按业务划分预警处理第一责任人，第一责任人需对收到的橙色以上级别预警限时办结，并将预警处理结果及时反馈上级管理者甚至决策层。

遵循三个主要比较方向：一是标尺比较，与预期值或目标进行对比;二是横尺比较，与对标单位进行对比;三是纵尺比较，与自身对比，对比同期、上期以及趋势性对比等。

对每一个制丝生产批次、卷包生产批次过程中的能源质量、能源流量、能源用量，并结合烟丝烟叶输出的温度、水份质量标准，按照“一品一策”、“一气一策”的原则，建立水、电、汽、压空等预警策略库。

2.聚类与相关性分析

对设备自身运行状态、能源质量、能源消耗、产品质量等多种因子进行关联性建模，探索能源质量对产品质量的影响，设备状态对能源质量的影响，设备状态对产品质量的影响，设备状态对能耗异常影响等。具体功能模块包括不限于：

（1）多牌号能源用量分布分析

计算各牌号单位时间内对电、水、汽、气各能源的需求量，得到各牌号对应的能源分布直方图。假设两个牌号的能源直方图分别记为 P和 Q，我们建立合适的距离函数（L1距离、L2距离、直方图的交、Hausdorff距离等）用于描述两个分布的差異性，然后利用聚类分析，把距离相近的牌号归为一个簇，进而找出能源需求相似的牌号，为能源供应和排产提供科学依据。

（2）单牌号在工艺段能源用量分析

按品牌、批次、工段机台（加料段、烘丝段、卷包机台等）三个维度统计水、蒸汽、天然气、空压和配电的能耗，计算不同介质、工段机台、批次、品牌的能耗概率分布，建立各牌号按工艺段分布的能源用量模式图，并对其进行显著性检验。

（3）设备控制策略与能耗相关性分析

为了分析不同设备控制策略与能耗之间的相关性，我们首先对控制策略进行分类，把控制策略量化为可独立核算能耗的单元，然后统计该控制模式下的单位时间（工单）能耗值，对比不同设备控制策略能耗的变化情况，并利用方差分析（Analysis of Variance， ANOVA）确定各控制策略对能耗的影响程度。

（4）能源品质与产品质量相关性分析

分析蒸汽含水量、温度与烟丝烟叶的水分、温度之间的相关性;分析除尘排潮负压与烟丝烟叶的水份、温度之间的相关性;分析环境温湿度变化与烟丝烟叶的水分、温度之间的相关性。

（5）工艺段牌号能耗稳定性分析

上图可以看出各牌号蒸汽平均用量稳定趋势情况。其中，纵坐标为蒸汽月度平均用量，红线为该月度内的蒸汽用量的稳定性，红线越长，表示波动越大。

上图可以看出月度蒸汽平均用量稳定趋势情况。其中，纵坐标为蒸汽月度平均用量，红线为该月度内的蒸汽用量的稳定性，红线越长，表示波动越大。

对除尘排潮除异味的风机运行状态指标“温度、负压、频率、电流”进行全面分析，通过机器自学习，探索和产品质量的关联性，为除尘排潮设备预警策略提供支持。

3.运用 CPS进行能源仿真预测

从能源用量、能源流量、设备开启初始化策略进行第二天能源供应仿真，将设备开启初始化策略输送给设备策略管理及运行中心，提供第二天的设备开启（开启时间、开启台数、运行参数）;同时将能源流量和能源用量输送给动能运行管理中心，作为能源供应中的初始化跟踪标准;

最后利用动能决策分析中心提供的分析结果，结合历史数据，建立新模型、优化已有模型，持续加强仿真模型对于动力车间精准按需供能的支持。

4.設备开启、运行策略管理

（1）设备开启策略

通过历史数据中的动力设备参数及对应的动力供应数据等，建立以设备参数、偏移时间为自变量，动力供应为因变量的回归模型。动力设备开启后，依据采集而来的动力设备参数，预测动力供应。

以锅炉最优运行策略仿真为例，蒸汽动力系统的一般优化调度目标是，结合生产需求，根据产能和耗能设备的运行参数、不同公用工程的产耗平衡，建立混合整数先行规划模型，通过模型求解，以最低的能耗满足生产需求。参考的目标函数如下：

其中，fuel表示设备所用的燃料（如天然气），Ffuel，boiler，t表示系统在周期 t第 boiler号锅炉消耗燃料 fuel的流量， Cfuel表示燃料的单价， Yboiler，t为 0-1变量，表示第 boiler号锅炉在 t时刻的开启状态， Zboiler，t也为 0-1标量，表示设备的开备状态是否发生改变， CHboiler表示锅炉启停成本。

（2）设备运行策略

功能设计：根据动力设备运行策略仿真模型，输出锅炉、空调、空压机、制冷机、除尘排潮运行最优参数，将设备运行仿真策略以“提示”的方式提供给用户，供用户参考。策略仿真模型成熟度足够高时，用户将最终的策略（各种参数）进行提交，将运行策略与设备进行联控，实现设备运行过程中的自动纠正。

5.诊断分析报告

①能耗诊断报告（阶段所有能耗情况、预警数量、预警问题、引发预警原因）

②设备诊断报告（阶段所有设备健康评分、故障数量、故障问题、引发故障的原因，并给出预维修计划）

6.绩效评价分析

（1）设备维护绩效分析

通过设备维修的时长、维修后设备运行效果以及操作工人为评价三方面对设备维护绩效进行统计分析。

（2）能耗绩效分析

分别统计各部门、各班组、各批次的能源用量，结合生产数量，转化为折标单耗指标，以此来评定部门、班组的能源绩效。

（3）对标分析

结合数据中心项目，将杭州卷烟厂数据进行对标分析。

7.知识库管理

建立动力车间专家知识库，将动力车间的技术、知识、经验、图纸资料等资源固化为初始数据输出，在机器自学习的过程中，不断对知识库进行扩展和完善。知识库能够满足用户检索、获取设备维修知识和应急响应措施的需求，满足管理人员方便进行知识管理和维护，提供新增、编辑、删除功能，设定管理层操作权限要求，管理者对系统自建模完成后的预测模型、相关性分析模型、异常检测模型、设备运行策略模型进行模型调整和修改，系统对修正后的模型再次进行仿真，将仿真结果输出，给管理者提供决策依据。

5结语

本文介绍了动能预决策系统在宁波卷烟厂中的应用，该系统很好的达成了以下效果：

①优化调度策略与设备控制，通过大数据分析与机器学习，优化设备的调度策略，逐步实现设备的自动控制及自适应调整，实时响应工艺要求、保障产品质量稳定，对生产驱动提供有力支撑。

②基于大数据的动能决策支持技术，通过实时采集监测数据，进行流式计算，对重点用能设备的能源数据进行分析处理，寻找设备运行的最佳策略，再通过精准控制，使生产过程保持最优状态运行，提高企业节能减排效率。

③建立动能设备管控与工艺质量的关联，提升工厂精益制造水平。对动能设备运行状态的实时跟踪，通过相关性模型分析和工艺质量的关系，实现能源品质与工艺管控稳定性深度融合，对动能设备和工艺质量提升提供决策依据，以实现精益制造上水平。

参考文献：

[1]郑永桃.浅谈智能化制造在工厂中的实践应用及展望[J].通讯世界， 2019，26（11）：38-39.

[2]朱洪辉，朱育林.全面系统应用信息化技术提高企业装备智能制造能力[J].现代工业经济和信息化，2019，9（11）：47-48，51. DOI：10.16525/j.cnki. 14-1362/n.2019.11.19.

[3]黄波.TG智能制造企业新模式设计与实施策略研究[D].兰州交通大学，2017. DOI：10.7666/d.Y3284508.

[4]郭雅丽.IT系统运行管理让信息化跑得更快[J].CAD/CAM与制造业信息化，2008，（8）：5. DOI：10.3969/j.issn.1671-8186.2008.08.005.

作者简介：

王沪松，男，汉族，1989年 05月出生，浙江宁波人，本科，助理工程师，工作单位：浙江中烟工业有限责任公司，研究方向：电气自动化.