大数据时代下发电企业数字化转型路径研究

王胜中 赵拼

1. 中国华电集团有限公司浙江分公司 浙江 杭州 310021；2. 南京华盾电力信息安全测评有限公司 江苏 南京 210037

引言

发电企业数字化发展已经历了较长时期，随着测控技术和自动化设备的不断更新，发电企业的设备自动化控制手段经历了手动-遥控-自动控制几个阶段，全面建设了分散控制（DCS）系统后，又完成了厂级监控信息系统（SIS）的部署，逐步从生产控制自动化向经营管理数字化过渡。发电企业数字化转型需要借助一些工具，大数据是其中至关重要的一环[1-2]。大数据技术近些年发展迅猛，发电企业在日常的电力生产运行、检修维护等过程中会产生大量数据。通过对这些大数据的分析、利用，可以有效推动发电企业的生产和经营水平提升，产生明显的价值效益。本文将对大数据时代下发电企业数字化转型建设的内容与转型发展路径进行讨论。

1 电力大数据特点

电力系统具有特点繁杂的物理系统，电力系统的相关设备和服务分布广泛，用电量与供电量实时平衡，电能传输量非常大且速度接近光速，具有通信可靠度高的特点。电力系统的这些特点决定了其在运行中会产生数量庞大的数据，同时这些数据也在以快速和多样化的方式增长。

电力大数据的规模巨大，近些年电网和发电企业数字化程度不断提升，对电力数据的采集和分析频率也在快速增高，电力数据得到了迅猛发展。同时，电力大数据的类型多种多样，包括了结构化、半结构化和非结构化等三类数据。音视频在电力企业数字化过程中越来越多地被应用，这种非结构化的数据也在电力大数据中的占比快速增高。另外，在应用电力大数据过程中牵扯到电力行业能源的数据以及天气数据等数据的关联性分析，前述过程导致了电力大数据的快速增长。电力系统在处理核心业务需求的时限上有确定的要求，而利用大数据的实时处理是电力数字化的重要特征，这一点也可以同传统电力事后处理的模式明显的区分开来[3]。

2 电力企业大数据应用分析

2.1 大数据应用场景

数据的分析应用使得大型发电企业管理层能够即时了解全公司经营全貌，能更加快速、准确的诊断出企业经营状况及识别其主要影响因素，简洁、高效和有的放矢地管理企业。目前，电力大数据在发电企业的应用场景主要在以下方面：

第一，通过对大数据的分析，利用数据挖掘技术，更准确地掌握用电负荷的分布和变化规律，提高电网期负荷需求的预测准确度，为发电企业开展电力市场报价交易决策提供关键依据。

第二，利用机器学习、模式识别等多维分析预测技术，分析新能源的出力与风速、光照、温度等气象因素的关联关系，更准确地对新能源的发电能力进行预测和管理。在基于能源互联网的综合能源服务环境中，也可以通过有效提升多种能源互补的耦合度，提升能源利用效率[4]。

第三，利用大数据挖掘与人工智能故障诊断技术，研究不同运行工况对发电设备状态的影响，进一步对发设备的健康状态进行评估，根据评估发电设备的健康状态值提出预测性维修意见。通过及时采取预防的措施，可以大大提高设备的可以利用性。并可利用并行计算等技术实现检修策略优化，指导状态检修的深入开展。

第四，同时采用大数据分析管控平台技术，对数据进行智能实时监控分析，提升现场安全管理能力。可通过对现场照片进行批量比对分析，利用分布式存储、并行计算、模式识别等技术，掌握生产现场的安全隐患，或者核查安全整改措施的落实情况。通过事前防范，强化本质安全，全面提高发电企业安全管控能力和安全生产水平[5]。

2.2 大数据技术平台

通过建设电力大数据平台，在IaaS层，建立数据计算资源池、网络资源池，还有存储资源池；在PaaS端，将结构化的数据、非结构化的数据进行实时采集和抽取，并且具备一定原数据的接口，有实时处理同步的能力、数据脱敏以及加密等核心能力；在SaaS层面，引进第三方或者行业内的创新应用方，建立自助应用平台以及数据应用平台，比如负荷预测、发电运行效率分析优化、故障诊断和预测等具体应用。

通常，数字电厂数据平台可定位为轻量工业大数据平台，为数字化系统建设过程中产生的海量多元化数据的处理、存储和分析挖掘提供支撑。建立电厂级的数据存储中心、运算分析中心，满足电厂级需要，并可为上级公司或外部业务提供有效的结果数据。

数字电厂数据平台一般部署在发电企业的电力三区，可通过在虚拟化节点上建立的统一的数据采集、存储和运算平台，通常采用基于分布式组件的框架设计理念。具备数据采集、数据抽取、数据存储、数据计算、可视化建模、数据安全等功能。能够汇集并整合电厂的生产、管理及经营等各类数据，为厂侧各智能应用功能提供数据服务支撑。

发电企业数据平台通常包括以下内容：①平台运维管理工具：依托平台的运维管理工具，实现对平台物理节点管理、分布式组件管理、多租户和用户管理，以及数据存储和作业管理。②安全管理：在物理安全、组件安全、网络安全、应用软件安全等几个方面进行管理，形成一套多维立体的安全支撑体系。③数据采集和抽取：可通过基于IEC60870的规约采集软件和ETL抽取工具，实现对电厂的各种异源数据进行采集。针对电力安全分区的要求，需专门开发跨安全区抽取工具。④统一的数据存储：可基于Hadoop生态的开源组件，建立操作数据存储中心、时序数据存储中心、数据仓库以及其他的非结构化数据存储。⑤通用分析和计算：建立算法模型库，可依托分布式计算能力，实现实时、准实时、离线计算。⑥智能计算和分析：基于机器学习算法，在海量的数据基础之上，智能算法模型得以训练和建立。结合多维关联数据分析建立更为合理的模型，大幅提升预测精度。⑦边缘计算：利用智能设备的计算能力，使其成为大数据平台重要的计算服务节点。通过平台下发算法模型，智能终端能根据获取到的模型进行实时分析和诊断。⑧统一的微服务发布：平台通常承载了大量的对外服务功能，这些服务可以通过统一的微服务框架，实现对这些服务的有效管理。

3 电力企业数字化转型态势与面临的问题

3.1 发展态势

从两化融合、互联网+、智能制造到人工智能战略、工业互联网行动计划，在国家战略层面，大数据、人工智能技术已成为国家战略竞争力之一。国内大部分电力企业都在积极探索开展数字化转型工作，主要以大数据为基础，结合人工智能技术的深度应用为特点，通过实现IT与OT、AI与传统机理的融合，打通企业生产与应用系统间的数据壁垒，建立一体化数据和运算服务平台，重塑了电力企业传统信息系统构架，为电力企业生产、运营管理提供全生态的管控支撑体系。

就发电企业而言，对大数据的治理、挖掘、分析和应用，是发电企业数字化转型的关键和方向。通过实施端到端燃料综合效益优化，并且利用高级分析和机器学习对价值链开展整体优化，包括从采购、物流、燃料库存管理、发电生产、设备管理与维护到上网竞价等各个环节。通过数字工具有效提升发电效率，梳理各环节的关键价值漏损点，结合设备运行工况、管网状态、工艺参数情况，全面导入并实施电厂能效提升杠杆，有效降低能耗、节约成本。通过优化管理体系提升运营稳定性、改善电厂的本质安全。

3.2 面临的问题

现在国内电力行业的智能化水平在单项应用上目前处于领先水平，很多情况下一些新的大数据分析应用，都是根据国内客户需求，在国内开发，然后再辐射至欧美，或者是一些欧美的先进算法刚刚走出实验室，国内就已经将其转化为产品投入实际应用。但在整体应用方面还不尽如人意，在观念上，以往电力行业重应用，轻架构，追求单个应用产生的价值与象征意义，缺乏对于整体的规划以及多应用协同方面的考虑，应用与实际生产管理间的关系也难以理顺；在实际操作层面，电力实时数据基础丰富，但经验性非结构化数据质量远不及西方发达国家。未来必然会走向一条用大数据和AI技术，对历史数据总结，形成替代经验模型之路，替代经验模型即可指导自身优化，又避免了数据直接交易的敏感性，这种替代模型将成为工业数字化资产中的核心[6]。

电力行业目前大数据建设整体还处于发展阶段，电力企业对这方面的投资正慢慢由传统科研类项目向实际生产项目试点转变，各相关企业实际上数据归集率平和数据利用率仍然不高，这意味着电力行业大数据建设将是个长期的事情。同时，国内电力产业高度集中在国有资本，数字化转型必然会依照国有资本的规划与风险控制原则推进，是一个循序渐进的过程。

4 结束语

电力企业作为资产密集型和技术密集型行业的典型，信息技术已覆盖基建、生产、经营、办公、管理各个领域，不仅历史数据量巨大，而且实时采集及产生的数据量正迅速增长。目前面临的问题不仅仅是如何采集、存储和检索数据，关键是如何分析和利用此类数据并提供有价值的信息，进而全面管控企业业务，为企业管理和战略决策提供数据支撑。在电力数字化转型中，要采取多个措施，包括开展系统性规划、重视人才培养、完善数据管理体系等。

当前，数字革命正在加速从信息技术时代向与传统行业领域进行深度融合的时代迈进，成为推动能源发展模式转变的一个重要驱动力。随着电力体制改革深入，电力企业要变革其生产和管理模式，发电企业要紧跟时代步伐，利用好最新大数据技术，做好数据的管理和应用，并通过数字化转型实践，积极开展数字电厂、数字区域和数字集团的建设，让数字基因融入企业生产和管理的全要素，让数字化变身为企业新的生产力，从根本上提高企业的市场竞争力。