智慧电厂信息化分层模型及其技术映射研究

李 文,梁 庚,崔青汝

(1.国能智深控制技术有限公司,北京 102209;2.北京市电站自动化工程技术研究中心,北京 102209;3.华北电力大学控制与计算机工程学院,北京 102206;4.国电新能源技术研究院有限公司,北京 102209)

0 引言

智慧电厂、智能发电技术体系建设是《中国制造2025》国家发展战略的重要组成部分[1-2]。我国的智慧电厂和智能发电建设经历了一个从敏捷启动到稳步发展的过程。目前,智慧电厂建设正处于进一步发展和深化、完善的时期。智慧电厂建设在技术体系、理论支撑、应用成果等方面都已经走在了世界前列[3-11]。智慧电厂未来将如何建设、如何发展,必然符合一定的客观发展规律。要理解和解决智慧电厂建设和发展中的现实问题,把握智慧电厂的发展方向,需要了解工业生产和工业信息化演进的发展规律。工业生产从最初以人力、畜力为主的生产模式逐步过渡和发展到今天以量子技术、人工智能为主要形式的工业4.0 阶段,在能源的利用和传输、信息的表征和分析等方面都呈现出“不断微分、逐渐细化”的发展特点,为智慧电厂在未来的建设提供了一定的指导。智慧电厂在信息采集和获取的广度上显著扩大,系统各部分的智能化程度更均匀,系统中逐渐发掘出新的智能化增长点,逐步实施管控一体化。但系统各部分的“智慧度”差别仍然较大,整体的协同性需要进一步提升。智慧电厂在信息采集和传输、智能化、智慧化设计与实现,以及基于机器的数据深度挖掘、深度学习、知识获取与推演等方面呈现出层次化的发展模式。传统电厂、数字电厂和智慧电厂在信息化演进的层次化过程中呈现不同的发展特征,可以概括到同一个层次化模型中。智慧电厂建设在未来将呈现向多学科、多领域扩展的趋势,同时与互联网的结合也日益紧密;软件定义技术将逐渐深入智慧电厂建设的技术体系,进一步推动智慧电厂向标准化的方向发展。

本文通过回顾工业生产和工业信息化的发展过程,探讨了智慧电厂建设信息化采集、利用以及深度分析中所涉及的规律性问题;同时,给出了智慧电厂建设的信息化分层模型,探讨了传统的信息化电厂、数字化电厂和智慧电厂的分层模型映射及其特点,论述了智慧电厂现阶段建设中的复杂性。在本文的最后,对智慧电厂未来发展在学科领域的扩展与交叉、标准化和开放性、软件定义技术等几个方面作了探讨与展望。

1 工业信息化发展过程

工业发展从18 世纪50～60 年代到今天,经历了漫长的过程。所经历的几个里程碑式的阶段为:蒸汽时代(工业1.0)、电气时代(工业2.0)、信息化时代(工业3.0)和当前以数字化、信息化为主要特征的智能化时代(工业4.0)。工业发展过程如图1 所示。

图1 工业发展过程Fig.1 Development of industry

工业生产的初期采用人力和畜力作为能源。其能源利用的主要特点是整块化、难以分割,以及流动性和灵活性差。这一阶段的主要特点凸显了能源利用的颗粒度非常粗犷,灵活性非常差。

第二个工业生产阶段是以英国工业革命为代表的蒸汽机时代。这个阶段能量利用被分割成以蒸汽分子为单元的小份、以蒸汽分子作为能量传递的载体,显著提高了能量利用的灵活性和流动性,同时也使能量的传输和使用精确度有了明显提升。

到了19 世纪初期,稳定的直流电流的出现宣告了人类进入了电气时代。这一时代被称为工业2.0 时代。能量利用进一步分割成了以电子为单位的小份,并以电子作为能量传递的载体,使灵活性和精确度进一步得到了提高。

进入20 世纪50 年代中期以后,在能源利用上不但分割成了以电子为单元的小份、以电子作为能量传递的载体,而且还出现了微电子技术,实现了以电子作为信息传递的载体。同时,计算机技术的出现具有革命性的意义。该技术的出现将宏观世界微分成了0 和1 这两个最为基本的元素。数字世界只有0 和1,任何的信息和事物的表达都是由0 和1 构成的。通过重组0 和1 这两个最基本的元素,能够构成多种多样的、丰富多彩的数据和信息,使信息的多样化和灵活性得到了飞跃性的发展和提高。信息技术也因此发生了本质的变化。这个阶段被称为工业3.0 时代。工业3.0 技术以计算机和信息化为主要特点,与工业生产融合为一体。随着科学技术的发展,能否找到比电子更小的单元作为能源和信息传递的载体,也就是说在能量和信息传递和表达的精度上能否进一步提高,已成为一个很重要的问题。

量子是现代物理的一个重要概念。它是指一个物理量如果存在最小的、不可分割的基本单元,那这个物理量就是量子化的。在未来,按照上述信息表征和传递的发展规律来看,量子有可能成为未来信息传递的载体。

除了量子技术之外,工业4.0 时代还有另外一个特征信息领域也不再局限于现有的信息转化和采集。现有的直接采集和传递所获取的一次数据的价值已经不能满足生产发展的需要。对此,需要使用现有的一次数据来创造生产出新的数据(如二次数据和三次数据),从而创造出新的价值。这就是智能化。这也是当前智能化时代的显著特征。工业4.0 时代的显著标志是量子科学和智能化技术[6]。智能化的简洁描述如图2 所示。

图2 智能化的简洁描述Fig.2 Brief description of intelligence

智能化是将自然过程采集的一次信息经过智慧体(人脑或者计算机)分析、加工和处理后,形成新的数据,也称为二次数据或者知识。这里需要强调的是,数据必须是从自然过程采集或通过传输获取的一次数据。这种状态下的数据信息并不是知识。知识含有对一次数据再分析、处理之后获得的二次或者二次以上的数据和信息。与智能化相对应,信息化技术可以表征为:

参数1 表示直接从生产过程采集或者通过传输手段获得的一次数据。这些数据基本不涉及数据微观的分析。智能化技术则是在一次数据的基础上生成二次数据,或者在二次数据基础上再生成三次数据的过程。其可以表征为:

通俗地说,这就是“1+1=2”和“1+2=3”的过程。有时,智能化过程还需要作“减法”,从一次数据n中去除干扰数据m,广义上称为滤波,即n-m。其同样可归入到式(2)和式(3)。根据函数f1()、f2()的复杂程度和准确度,可以定义信息处理的智能化度。

由此可见,在工业生产和信息技术发展的智能化阶段,通过智慧体对信息的进一步分析处理产生了有效的新数据(可以看作是一种新物质)。所以说,智能化是一种显著的生产力。

控制系统随着生产的发展而发展,呈现一个逐渐细化的基本过程。从最初的基地式仪表,历经组合式仪表、组装式仪表后,形成了分散控制系统(distributed control system,DCS),再进一步发展到了今天的数字化电厂、智慧电厂,呈现出信息处理和利用的颗粒度逐渐减小的过程。信息处理的本体设备的体积越来越小,而信息处理的密集度则越来越大。到了智慧电厂阶段,逐渐呈现以数据本体继续进行微分的信息细化特征。控制系统各发展阶段信息处理的细化度如图3 所示。

图3 控制系统各发展阶段信息处理的细化度Fig.3 Granularity of information processing in each stage of development of control system

由图3 可知,工业生产和控制系统的发展总体呈现“不断微分、逐渐细化”的过程。其具体体现在以下三个方面。①分工逐渐细化。在生成规模逐渐扩大的背景下,生产分工越来越细化。②能量和信息的传送和表达的单元逐渐细化;能量和信息的载体越来越细小,传送和处理的精度越来越高。③逐渐出现了数据分层。当信息表达在形式上不能再细分时,数据开始发生本质的变化,大量地生产出新数据,使信息利用的维度增加。在智慧电厂阶段,这个特征尤其突出。智慧电厂产生前的生产方式,基本以一次数据为主,而智慧电厂则以二次、三次或高次数据为主。信息处理领域也呈现这样的规律和趋势。例如:信号处理技术中,原先是在一维空间针对时域函数的处理,后来发展到二维空间的傅里叶变换,再到三维空间的小波变换,呈现着逐渐微分、不断细化的过程。

2 智慧电厂信息化分层模型及映射

2.1 智慧电厂信息化分层模型

根据上述的工业生产发展过程中所伴随的工业信息化的发展过程,可将智慧电厂的信息化体系概括为一个分层模型。

智慧电厂信息化分层模型如图4 所示。

图4 智慧电厂信息化分层模型Fig.4 Informatization layered model for smart power plants

图4 所示的模型体现了智慧电厂信息化体系的层次构成,以及从量变到质变的发展过程。智慧电厂信息化体系的建设过程可以模拟为楼宇建设的过程,典型特征是自底向上、逐层建设。工业信息化是一个逐层建设的过程,层次越多,可容纳的信息量越大;同时,为保障智慧电厂信息化体系的稳固性,需要增强基层信息化的密集度、准确度,以支撑和保障上层的建设。在这个模型中,第一层(即基层)是从生产过程直接检测或通过传输获得的数据。这一层次的建设主要考虑数据采集和获取的广度和精度,也就是基层的牢固性。数据的广度、密集度的提高可显著减少信息采集遗漏,而较高的数据精度则保障了基层数据的可靠性和可用性。这些措施都可以显著提高上层数据二次处理的准确度。在基层数据的感知和采集上采用泛在感知、物联网、遍布式网络为主要手段的大数据底层建设,以及精密化测量和检测技术的发展和突破,旨在增加智慧化、信息化体系基层的稳固度,为上层的进一步建设提供强有力的支撑和保障。分层模型的第二层直接建立在第一层的基础上,主要是对一次数据进行分析处理后获得的数据。其主要途径和手段是智能化技术。模型第三层是在第一层和第二层数据的基础上生产的三次数据;三次数据产生时会使用第一层、第二层的数据。这一层往上属于数据的深度挖掘和利用,包括基于机器的深度学习等功能。在这个分层模型中,层次越高标志着系统的智慧程度越高。智能化的核心是“数据,算法,模型”[5-6]。映射到该模型中,数据是“楼层”,算法和模型是“楼板”,从而构成信息化体系的一个基本层面。整个信息化体系是由若干个这样的基本层面构成的。

2.2 基于信息化分层模型的电站映射

2.2.1 传统电厂基于信息化分层模型的映射

传统电厂基于信息化分层模型的映射,其基本特点如下。①基层(第一层)数据不够丰富,且主要集中在控制区域;数据在生产过程中采集的均匀度、密集度都不够;报警信息也主要来自一次数据。②第二层具有简单的智能化,比如比例积分微分(proportional integral differential,PID)控制,是在现场测量的被控量基础上通过PID 参数对一次检测的数据进行分析处理,从而获得控制量。可以说,其具有简单的智能,以及一定的数据分析和组合的能力。③第三层及以上层次中所包含的深度数据挖掘和利用几乎没有。从智慧主体上看,虽然在第一层和部分第二层已经实现了生产过程监控等功能,并且已普遍使用计算机作为数据分析、计算的主要工具,但在第二层仍然大量采用人脑作为智慧体进行数据的分析和处理,尚不存在或较少存在由计算机作为智慧体的、基于第一层数据分析获得的智能报警、智能预警、智能联动等功能。第三层的智慧主体基本是人脑。

由此可知,传统电厂基于信息化分层模型的映射如图5 所示。

图5 传统电厂基于信息化分层模型的映射Fig.5 Mapping of informatization layered model for conventional power plants

2.2.2 数字化电厂基于信息化分层模型的映射

数字化电厂基于信息化分层模型的映射如图6所示。

图6 数字化电厂基于信息化分层模型的映射Fig.6 Mapping of informatization layered model for digital power plants

数字化电厂基于信息化分层模型的映射,其基本特点如下。①基层数据正逐渐丰富,逐步引入和普遍使用更先进的测量和检测手段,广泛采用了二维流程图、精细化建模、三维可视化、无人机图像采集等手段,使数据在生产过程中采集的均匀度有很大改善,密集度也有显著提高。因此,数字化逐渐推广到了基建、管理、服务等区域,管控一体化体系逐渐形成。对于先进手段采集的一次数据,对其进行处理的智慧体既有人脑也有计算机,是一种并行的模式。比如:二维流程图、三维可视化主要是面向人脑智慧体的;而无人机图像采集既可以面向计算机,又可以面向人脑智慧体。②第二层具有较为复杂的智能化,出现了一些基于海量数据分析处理的智能化应用,如性能计算、设备状态预测、智能报警和预警等。③第三层及以上的深度数据挖掘和利用也逐渐开展,如统计分析、中长期规划等。从智慧主体来看,在控制区域第一层和部分第二层已经普遍实现基于计算机的数据分析、计算,但在第二层的管理和服务领域是人脑和计算机并行作为智慧体进行数据分析和处理。第三层的智慧主体也呈现人脑和计算机并行的态势。所以数字化电厂可基本总结为“一层逐渐加固,二层显著改进,三层有待深化”。

2.2.3 智慧电厂基于信息化分层模型的映射

智慧电厂基于信息化分层模型的映射如图7所示。

图7 智慧电厂基于信息化分层模型的映射Fig.7 Mapping of informatization layered model for smart power plants

智慧电厂基于信息化分层模型的映射,其基本特点如下。①基层广泛和普遍地采用了先进的测量和检测手段,包括视、声、光、磁等手段,如图像识别、定位技术、无线射频、激光扫描、无人机数据采集、红外测温、超声波测温测距等,数据在生产过程中采集的均匀度和密集度日趋最优;数字化广泛应用到了基建、管理、服务等区域,管控一体化体系全面形成。②第二层具有充分的智能化,覆盖软测量、过程建模、设备监测、智能报警和预警、性能分析等众多应用领域,数据处理的精细度和准确度显著提高。在第一层、第二层呈现“大面小点”的主要特征。“大面”指信息采集的广度更大,能兼顾的情况更完善;“小点”指对物理过程的某个参数或在某点上取得更精准的控制效果。③第三层及以上的深度数据挖掘、深度学习日益得到广泛应用,为决策提供了重要的支撑和保障。从智慧主体上看,在控制区域的第一层和部分第二层已经完全实现基于计算机的数据分析、计算,在第二层的管理和服务领域是人脑和计算机并行作为智慧体进行数据的分析和处理。第三层的智慧主体也是呈现人脑和计算机并行的态势。因为在目前建设阶段,人作为智慧主体的作用还是很显著的。尤其是在创新性思维方面,计算机还远远不能取代人脑。所以智慧电厂可基本总结为“一层基础坚实,二层智能化广泛,三层日趋深化”。

2.3 基于信息化分层模型的智慧电厂技术映射示例

2.3.1 控制技术

第一类控制技术是测量和检测技术。控制的基础是测量,可以描述为:

式中:J为控制目标或设定点;C为控制量;P为被控对象当前值;D为所有的扰动量和暂态量、动态量的和。

由于J为设定点是已知的、P为可直接测得的过程量,要得到精准的控制量C,只需准确测得D即可。准确测量D是控制的难点所在。但D作为所有的扰动量和暂态量、动态量的和,很难直接精准测量获得,甚至不能直接测量,而是需要用各种方式进行估测。这就出现了诸如软测量、辨识等间接测量技术[12-14]。

第二类控制技术是建模技术。模型是对真实对象的模拟,作为后续研究的一个二次平台(真实过程和物理对象是一次平台),可以把模型看作是一种特殊形式的检测。这是因为模型可以代替实际对象提供“准”一次数据。因为建模是数据从采集到应用的一个中间环节,故可以把建模也看作是一种检测[15-17]。建模获得的模型,有的是数据片段可剥离的,即所需的特性数据可以从中直接获得,比如基于传递函数的建模;还有的是不便直接剥离的,比如基于神经网络的在线辨识。这时,建议采用建模/控制一体化模式,以减小信息失真和信息损失。在智慧电厂建设的第二层——智能层,常用的算法包括:预测控制,其基础是预测模型,需要通过测量获得;自抗扰控制,使用扩张状态观测器对被控对象的状态进行估计,也可视为一种检测;神经网络控制,通过误差反传对连接权值进行动态调整,可以实现类似积分环节的逐步逼近和趋优的过程,其梯度下降的速率η可看作是对过程动态特性的基本估计,仍可归为检测的范畴。智慧层的控制器参数优化功能可视为对测量不准(包括不能直接测量)的一种补偿,也可以看作需要量测的某个量的实际值(如暂态量、动态量),在一定程度上可等价于对测量环节的改进。

控制技术在信息化分层模型中的映射如图8 所示。图8 中,遗传算法(genetic algorithm,GA)、粒子群优化(particle swarm optimization,PSO)算法等就是典型的优化算法。

图8 控制技术在信息化分层模型中的映射Fig.8 Mapping of control technologies in informatization layered model

2.3.2 报警技术

智能报警的原理性描述如图9 所示。图9 中:圆形表示生产过程的检测点;方块表示故障点。在实际生产中,故障点可能不能被直接检测到,但故障点的故障会对各个检测点产生影响,使其检测的数据出现一些异常的特征。通过故障诊断方法(如专家系统、故障树、神经网络等),提取这些检测点数据变化的特征,进而判断故障的类型和数值。由此可见,在一次数据基础上产生二次数据,能实现较好的报警功能。

图9 智能报警的原理性描述Fig.9 Principle description of intelligent alarming

报警技术在信息化分层模型中的映射如图10 所示。

图10 报警技术在信息化分层模型中的映射Fig.10 Mapping of alarming technologies in informatization layered model

在分层模型中,二次深度的故障报警主要包括智能安全报警及预警(如抗滋扰报警、报警故障根源分析、故障智能预警)等,可通过专家系统、故障树、神经网络等技术实施[8-9]。这个层次故障诊断的主要对象是各类本体设备的运行状态和控制系统传感器、执行器的工作状态。第三层既可通过对机组设备重要状态参数的劣化分析、基于深度学习的设备故障诊断和故障实时超前预警来实现,也可通过数据分析、处理与控制、状态诊断的最新技术来实现。

2.3.3 燃料智能管理技术

燃料智能管理在信息化分层模型中的映射如图11 所示。

图11 燃料智能管理在信息化分层模型中的映射Fig.11 Mapping of fuel management technologies in informatization layered model

燃料智能管理功能包括燃料自动识别、自动计量、自动采样、煤样封装、标识、存储、分析等。位于模型第一层的是直接从燃料现场采样获得的数据,主要手段包括射频采集技术、感应采集技术、图像采集技术等,可实现燃料入厂、过磅称重、采样、卸煤、出厂过程中的来煤管理。模型第二层主要包括煤质、煤水分检测,基于图像识别的自动采样技术,以及煤样的封装和标识等。第三层主要实现燃料管理,包含以人脑作为智慧主体的大量活动,主要是管理类的数据处理,适用于集团、二级单位、燃料公司、电厂等多级单位的燃料信息管理,实现燃料计划、合同、调运、验收、接卸、煤场、入炉、结算、厂内费用及供应商的全流程管理。

3 智慧电厂建设的技术复杂性分析

按照系统工程的原理,在一个紧耦合系统中,系统结构越复杂,系统受到干扰时产生振荡的概率越大,系统的脆弱性也越高[18]。系统中任何一点侵入的扰动都会通过紧密耦合的系统通道传递到系统的各个部分。耦合系统越复杂,其覆盖范围越大,受干扰的概率越高。电站是强耦合系统,各环节密切相关,构成运行大闭环中所有的故障都可视为大闭环中的扰动,包括来自各个环节的扰动,如燃料、人员、设备、控制系统等。大闭环系统中任何一点故障都可能会直接或间接地影响系统的稳定运行。因此,对系统各部分的检测要做到全面、细致,尽量消除生产过程中可能出现的各种隐患。目前,电站生产中燃料、人员、设备、控制系统等各个子系统的智慧化程度有较大差别。根据耦合系统的木桶原理,耦合系统的整体性能是受这个系统中最薄弱环节的性能所制约的。所以,提高系统总体性能必须是一个全面化的过程,各个生产环节的智慧化程度都必须提高。这是智慧电厂建设的目的。传统的电厂信息化建设还没有完全建立起全局的概念。从数字化电厂建设开始,逐步建立起了全局观。智慧电厂的建设是全局观全面建立的重要体现。

智慧电厂建设在技术上的复杂性,主要体现在以下方面。

①基层建设的技术复杂性,包括泛在感知的布置难度高、泛在感知带来的数据量增加等问题。首先是泛在感知布置难度高的问题,包括布置的精密度和感知的精度问题。如何采用新技术检测传统检测方法所不能检测的位置或物理量,以及进一步提高检测精度,仍然有待新的突破。其次,存在泛在感知带来的数据量显著增加的问题。随着泛在感知、遍布式网络的应用和推广,一次数据的数据量会显著增加,数据会呈现几何级数的增长。在数据体量显著增加的条件下,需保证数据得到有效、实时的利用。分布式智能、现场智能装置、边缘计算等技术为这个问题的解决提供了一定的途径;同时,数据传输能力的提高,网络新设备、新技术的不断进步也是夯实信息化模型基层的必要条件。

②智慧层建设的技术复杂性。随着生产技术的发展,电厂规模越来越大,各子系统间的关联越来越紧密,耦合越来越显著,使用各类智能化技术对过程进行测量和建模的难度也明显增加。例如,采用神经网络的建模生产过程,在对象本身具有多参数、强耦合的情况下,还需考虑不同运行条件下系统内各参数的时变性,通常难以保障其较高的准确度[19-23]。同时,检测、建模方法的选择、模型规模的设定、数据的清洗等因素也越来越多地影响模型的精度。

③高层(第三层以上)建设技术的复杂性。第三层以上属于深度数据挖掘、深度学习,不但可应用于智能检测和控制,还可以用于生产的预测,指导生产决策。第三层以上的建设在很大程度上依赖于第二层和第一层的数据,只有第一层、第二层的建设取得好的效果,才有可能取得高层的建设效果。

4 结论

工业生产和工业信息化的演进规律对于智慧电厂建设的进一步发展和完善具有重要的指导作用。工业生产信息化的传输、表征和分析等方面都呈现出“不断微分、逐渐细化”的发展过程。智慧电厂在信息采集和传输、智能化、智慧化设计与实现时,也呈现出层次化的发展模式。

智慧电厂建设的信息化分层模型体现了智慧电厂信息化体系的层次构成和从量变到质变的发展过程。典型特征是自底向上、逐层建设。基于分层模型的智慧电厂技术在未来将呈现扩展与交叉、标准化和开放性的特点,并将与互联网结合得越来越紧密,从而形成一种大电力的生产格局。