基于系统协同的火电机组集团级大数据分析与诊断技术.docx

摘要：本文针对目前发电集团集中监控系统与大数据技术应用中存在的数据孤岛、分析和诊断不够准确有效、分析和诊断的结果与发电生产管理脱节、不能快速适应电力市场的变化等问题，提出以系统协同方法改进集团级的集中监控与分析诊断系统，在发电集团内纵向、横向和时间轴上融合贯通分析系统与管理功能，遵循迭代开发原则，改进分布于各系统中的数据完备性，确保数据的传输及时，对分析诊断系统中的功能进行融合，形成分析有效、管控统一的整体解决方案。本文将先进的大数据技术与传统发电产业相结合，改善发电产业生产管理模式，减少设备故障，提高运行效率，输出设备与系统的在线健康度报告，实现机组全生命周期管理，贯通燃料从采购到燃烧的全过程，快速响应电网与售电需求，降低生产成本，提高发电企业运营管理水平。

关键词：系统协同;火电机组;大数据分析;诊断

1引言

我国“富煤、贫油、少气”的能源禀赋致使一次能源消费和生产以煤为主的格局在较长时间内不会改变。按照国家发展规划，到2020年使电煤占煤炭消费比重提高到60%以上，同时提出对燃煤机组全面实施超低排放和节能改造，在2020年之前使所有现役燃煤机组平均煤耗低于310g/kW·h。截止2019年7月底，全国6000千瓦及以上电厂装机容量18.5亿千瓦，其中火电11.6亿千瓦，占比为62.8%，全国供电煤耗率为307.3g/kW·h。

我国能源发展目标是要推进能源生产和消费革命，构建清洁低碳、安全高效的能源体系。我国清洁能源发展迅速，火电机组除负荷调峰外，长期处于中低负荷下运行，2019年1~7月全国火电设备平均利用小时为2442小时（其中，燃煤发电和燃气发电设备平均利用小时分别为2512和1485小时），比上年同期降低87小时。如何保证机组在中低负荷下安全、环保运行，供电煤耗达到最低，对能源工作者及现场运行人员提出挑战。

工业大数据应用已经提升为国家重要发展战略。除了进行能源设备改造，应用先进的大数据与人工智能技术改造、升级传统的能源系统是重要的发展方向。

随着厂级信息监控系统（SIS，supervisoryinformationsystem）和分散控制系统（DCS，DistributedConutrolSystem）在电厂中广泛应用，电厂海量运行数据得以保存，数据挖掘技术在电力行业迅速崛起，很多学者开始运用数据挖掘技术开展了对燃煤电站机组优化运行的研究。文献研究大数据挖据技术在燃煤电站机组能耗分析中的应用，以某600MW燃煤电站机组为研究对象，采用新算法挖掘典型负荷工况下影响供电煤耗的可控运行参数的基准值，最后，以支持向量机技术为基础，分析不同负荷工况下各运行参数对供电煤耗的敏感性系数。文献[7]研究大数据环境下的电力数据质量评价模型与治理体系，分析了影响电力数据质量的主要因素,按数据质量的一致性、准确性、完整性和及时性等四个关键特性建立数据质量评价指标,并建立了大数据下的数据质量评价模型。文献探讨大数据技术在火力发电企业生产经营中的应用，提出操作管理、电力营销、燃料价值管理、指标管理、设备管理等云平台。文献研究基于信息物理融合的火电机组节能环保负荷优化分配，提出基于模糊粗糙集（FRS，fuzzyroughset）大数据处理方法，得到机组煤耗和污染物排放量物理模型与信息模型的对应关系；综合考虑经济和排放因素，建立基于物理信息融合（CP）的负荷分配模型。这些文献都在大数据技术应用于发电过程进行了局部的探索。文献提出了较完整的基于大数据分析的电站运行优化与三维可视化故障诊断系统，提出了智能预警系统、设备与运行优化系统。但该系统只是在个别电厂应用，未推广到发电集团。

目前各发电集团的相关信息化系统或集中监控系统均有不同方面的应用与创新，但仍存在以下一些主要问题：（1）数据孤岛问题，各数据分布于不同的信息系统中，按照竖井的方式管理，形成数据孤岛；（2）分析诊断方面，还存在分析、诊断不够准确、有效的问题；（3）运营管理方面：分析、诊断的结果，还存在与发电生产与运营管理脱节的情况，大量结果没有有效应用到运营管理中；（4）电力市场方面，目前的信息系统，还不能够有效地适应电力市场的变化，如厂级负荷调度、竞价上网，缺少从燃料采购、生产管理到竞价上网的整体性分析与解决方案等。

因此，要以系统协同方法改进集团级的集中监控与分析诊断系统，如图1所示。首先保证分布于各系统中的数据更完备，同时确保数据的传输及时，在此基础上，对原有分散于各孤立的信息系统中的功能进行融合，形成分析更有效、管控更统一的整体解决方案。

图1集团级集控系统改进方向

2火电机组工业大数据分析

2.1工业4.0技术

火电机组工业大数据分析首先要应用工业4.0技术。工业4.0是由德国政府《德国2020高技术战略》中所提出的十大未来项目之一。该项目由德国联邦教育