基于ERP的智慧電廠大數(shù)據(jù)深度挖掘與預測模型分析

趙俊杰 羅立權 史松寶 項鋒 楊如意

[摘? ? 要]? 本研究在燃煤火電廠ERP等已有信息系統(tǒng)的基礎上，分析智慧管控一體化平臺的架構、功能和模型，通過機理算法、專家知識庫、大數(shù)據(jù)分析和挖掘、可視化等手段，提供更有價值的診斷、報警、預測和決策信息，以實現(xiàn)火電廠經(jīng)濟效益最大化。結果表明電廠側(cè)設備的五個維度評價指標包括健康狀態(tài)、風險狀態(tài)、壽命狀態(tài)、能效指標、排放指標。鍋爐3D可視化量化監(jiān)測模型包括結焦可視化與分級量化評估模型、四管可視化防磨防爆模型、鍋爐四管減薄預測模型、氧化皮生成分析與預警模型、管道熱疲勞裂紋分析、四管剩余壽命評估與泄漏預警模型?；谥悄軤顟B(tài)監(jiān)測與智慧決策，狀態(tài)檢修可取代計劃檢修。

[關鍵詞]火電廠ERP;生產(chǎn)運營管理;大數(shù)據(jù)分析;模型算法;專家知識庫;智慧決策

[中圖分類號]TM62，TM727 [文獻標志碼]A [文章編號]2095–6487（2020）03–00–03

[Abstract]Based on existing information systems such as ERP in coal-fired power plants， this research analyzes the architecture， functions and models of the integrated intelligent management and control platform， and uses mechanism algorithms， expert knowledge bases， big data analysis and mining， and visualization. Provide more valuable diagnosis， alarm， forecast and decision information to maximize the economic benefits of thermal power plants. The results show that the five-dimensional evaluation indicators of power plant-side equipment include health status， risk status， life status， energy efficiency indicators， and emission indicators. Boiler 3D visualization and quantitative monitoring models include coking visualization and hierarchical quantitative evaluation models， four-tube visualization anti-wear and explosion-proof models， boiler four-tube thinning prediction models， oxide scale generation analysis and early warning models， pipeline thermal fatigue crack analysis， and four-tube remaining life evaluation With leak warning model. Based on intelligent condition monitoring and intelligent decision-making， condition maintenance can replace planned maintenance.

[Keywords]thermal power plant ERP; production and operation management; big data analysis; model algorithm; expert knowledge base; smart decision

燃煤火力發(fā)電企業(yè)為了實現(xiàn)生產(chǎn)運營業(yè)務流程的信息化管理，打造了一體化管控系統(tǒng)ERP（企業(yè)資源計劃，Enterprise Resource Planning）。但ERP系統(tǒng)缺少經(jīng)營策略管理以及業(yè)務流程的協(xié)調(diào)優(yōu)化，無法為火電廠的生產(chǎn)管理、經(jīng)營決策提供高效的數(shù)據(jù)支撐和智能化手段。因此，有必要采用現(xiàn)代信息技術、智能測量、控制技術，與數(shù)據(jù)倉庫、聯(lián)機處理、大數(shù)據(jù)分析、數(shù)據(jù)挖掘、機理模型庫和專家知識庫結合，形成綜合智能決策支持技術，以指導生產(chǎn)現(xiàn)場機組的運行優(yōu)化、遠程診斷、安全環(huán)保、高效經(jīng)濟管理。

本研究擬在燃煤火力發(fā)電廠ERP等已有信息系統(tǒng)的基礎上，搭建更高層級的智慧管控一體化平臺，通過機理算法、專家知識庫、大數(shù)據(jù)分析和挖掘等方法，提供更有價值的診斷、報警、預測和決策信息，以實現(xiàn)火電廠經(jīng)濟效益最大化。本文的分析有助于了解信息化與工業(yè)化融合的工業(yè)4.0建設方法和路徑，通過模型、算法的分析與深度挖掘，提取出數(shù)據(jù)集合下隱藏的事物本質(zhì)，通過直觀展示，使信息系統(tǒng)與實際生產(chǎn)經(jīng)營管理緊密結合。

1 數(shù)據(jù)分析與挖掘

集團側(cè)的數(shù)據(jù)分析包括：發(fā)電數(shù)據(jù)分析、燃料數(shù)據(jù)分析、供熱管網(wǎng)數(shù)據(jù)分析等。在實時系統(tǒng)SIS中，開展機組性能分析（包括負荷分析、趨勢分析、發(fā)電量分析），啟停機分析，小指標考核。對于電廠側(cè)，設備的五個維度評價包括：（1）可靠性，以設備的健康狀態(tài)為評價依據(jù)。（2）安全性，以設備的風險狀態(tài)為評價依據(jù)。（3）可用性，以設備的壽命狀態(tài)為評價依據(jù)。（4）經(jīng)濟性，以設備的能效指標為評價依據(jù)。（5）環(huán)保性，以設備的排放指標為評價依據(jù)。

通過實時對標的方法，構建全面績效考評體系，實現(xiàn)對“人”的管理優(yōu)化?？冃Х治龇椒òǎ涸u價分析、相關性分析、動態(tài)分析。（1）評價分析包括：①簡單評價，利用跟蹤分析和排名表，實現(xiàn)指標跟蹤、單項評分;②差異評價，通過同比、環(huán)比、橫向比較等，實現(xiàn)組織對比分析;③綜合評價，通過綜合比率分析、排名表，實現(xiàn)綜合比率分析和綜合評分。（2）相關性分析包括：定量相關分析、定性相關分析。（3）動態(tài)分析包括：長期趨勢分析、季節(jié)波動分析、循環(huán)波動，以實現(xiàn)趨勢分析和指標跟蹤。

基于標桿的對標和績效管理過程包括：①標桿準備，明確標桿管理目標，建立標桿小組，形成標桿管理計劃。②標桿規(guī)劃，確定標桿管理的范圍、內(nèi)外部標桿、標桿資訊源。③標桿比較，通過資訊收整，確定標桿管理指標和績效差距，開展績效差距成因分析。④標桿實施，是指擬定未來的最佳實踐，構建KPI體系，制定并實施改革計劃，評估與重新校標。對標管理的預估效果包括：（1）客觀評估企業(yè)在本行業(yè)競爭中所處的位置，幫助企業(yè)制定符合實際的戰(zhàn)略目標。（2）改變以往基于本企業(yè)過去業(yè)績確定未來績效目標的做法，以參照先進企業(yè)的業(yè)績，來確定本企業(yè)的績效目標。（3）持續(xù)不斷地衡量企業(yè)的投入指標和產(chǎn)出指標，尤其是系統(tǒng)性地與先進企業(yè)動態(tài)比較投入產(chǎn)出比，及早發(fā)現(xiàn)管理中的薄弱環(huán)節(jié)，找到與先進企業(yè)的關鍵差距。（4）運用標桿管理，從模仿到創(chuàng)新，創(chuàng)造適合自己實際的最佳實踐方案，使某一關鍵環(huán)節(jié)的業(yè)務迅速成長，促進企業(yè)核心競爭力的形成。（5）擴大企業(yè)指標的比較和經(jīng)驗交流范圍，實現(xiàn)企業(yè)系統(tǒng)的信息和管理資源共享。

2 專家知識庫

建立集團核心知識管理和經(jīng)驗分析體系，在全集團層面共享安全管理、生產(chǎn)管理、環(huán)保管理、電力交易、生產(chǎn)指標、經(jīng)營管理、下屬熱電廠處理問題的成功經(jīng)驗等。將發(fā)電行業(yè)的基礎知識庫逐步嵌入ERP系統(tǒng)和基于ERP的智慧管理平臺IMS，并對新入職大學生開展專家知識的培訓，開發(fā)知識經(jīng)驗庫給生產(chǎn)人員參考學習。

對于電廠側(cè)的設備管理，基于大數(shù)據(jù)分析和專家經(jīng)驗，形成各系統(tǒng)、各類設備的專家診斷知識庫?；诋惓缶烷]環(huán)管理的知識庫形成流程包括：實時監(jiān)控、異常報警、下屬企業(yè)分析、集團確認、納入知識庫、通告學習。

基于人工智能算法的專家知識庫構建方法包括：基于純數(shù)據(jù)分析的大數(shù)據(jù)提煉和挖掘出來的規(guī)律、物理和化學模型、專家經(jīng)驗梳理成模型、數(shù)學模型、校驗模型、知識模型、故障模型數(shù)據(jù)庫、專家診斷知識庫等。

3 智慧診斷與多級報警

智慧管控一體化信息系統(tǒng)智慧診斷報警的業(yè)務范圍包括：設備維護、系統(tǒng)控制、人員安全、經(jīng)營管理等。（1）智慧維護是指給單體設備看病、治病和防病，以解決設備可靠度管理的問題。（2）智能控制是指給工藝系統(tǒng)看病、治病、防病，解決運行優(yōu)化和靈活調(diào)峰問題。（3）智能安全是指給人員行為看病、治病和防病，解決人員傷亡，事故頻發(fā)的問題。（4）智慧經(jīng)營是指給管理流程看病、治病和防病，解決自動競價和資產(chǎn)增值的問題。

火電廠設備的就地診斷和維護管理包括：（1）巡檢，通過看、聽、摸，辨識指示儀表的狀態(tài)、外觀、噪聲、異音和跑冒滴漏。（2）點檢，通過點檢儀，開展測振、超聲、測溫等工作。（3）精密點檢，通過精密儀器，開展綜合診斷和辯證施治;（4）技術監(jiān)督，基于監(jiān)督體系開展數(shù)據(jù)分析和可視化展示。（5）檢修觸發(fā)與管理，以狀態(tài)驅(qū)動工作模式為主，以計劃驅(qū)動工作模式為輔，針對設備根源性問題進行檢修與改善。

變電站的在線監(jiān)測及診斷內(nèi)容包括：電磁振蕩、電氣故障、變壓器油中氣體成分、調(diào)相系統(tǒng)狀態(tài)。通過全方位監(jiān)測變壓設備運行狀態(tài)，診斷分析，并及時給出故障報警或風險預警。

4 智能狀態(tài)監(jiān)測與智慧決策

火電廠設備運行狀態(tài)監(jiān)測和優(yōu)化決策管理的內(nèi)容包括：汽輪機冷端在線監(jiān)控及智能決策、智能吹灰與輔助決策、燃燒在線監(jiān)測及智能優(yōu)化、脫硝優(yōu)化運行及安全預控、空預器優(yōu)化運行及安全預控、電除塵智能監(jiān)控及優(yōu)化運行、脫硫吸收塔經(jīng)濟運行及安全監(jiān)控、閥門故障監(jiān)測及輔助決策。在設備日常管理的基礎上，設備“五定管理”的內(nèi)容包括：故障部位確定、故障原因確定、故障等級確定、處理方案確定、工時費用確定。設備檢修“五優(yōu)化管理”的內(nèi)容包括：優(yōu)化檢修周期、優(yōu)化檢修項目、優(yōu)化檢修級別、優(yōu)化檢修策略、優(yōu)化檢修費用。

鍋爐系統(tǒng)的3D可視化量化實時檢測方法和監(jiān)測模型包括：鍋爐激光CT（TDLAS）、聲波測溫、結焦可視化與量化、四管可視化防磨防爆、鍋爐四管減薄預測、氧化皮生成分析與預警、管道熱疲勞裂紋分析、四管剩余壽命評估與泄漏風險分析管理、基于多層圖像過濾的爐膛內(nèi)高溫火焰可視化?；谘趸し治龅乃墓軌勖u估方法基于材料老化因子的概念，對L-M參數(shù)法進行修正，與材料的布式硬度HB、球化級別、材料組織變化參量、抗拉強度sb等老化特征進行量化關聯(lián)。鍋爐四管磨損減薄智能預測基于歷史檢查的管壁測厚數(shù)據(jù)、歷史檢修數(shù)據(jù)、機組運行數(shù)據(jù)、化水監(jiān)督數(shù)據(jù)、煤質(zhì)監(jiān)督數(shù)據(jù)、物理結構數(shù)據(jù)、關聯(lián)因素數(shù)據(jù)等，通過內(nèi)置的大數(shù)據(jù)分析模型，分析與計算指定區(qū)域的減薄情況、剩余壽命情況、減薄速率分布情況等。通過掌握鍋爐管壁減薄的劣化發(fā)展規(guī)律，預測區(qū)域減薄最值，指導檢修時間，合理采取防磨防爆措施，真正實現(xiàn)智慧優(yōu)化決策的功能。

在生產(chǎn)經(jīng)營決策方面，以動態(tài)煤耗曲線為基礎，構建經(jīng)營分析模型，查找每變動一個百分比對成本影響最大的因素?；谟澠胶饽Ｐ?，分析保本電量、保本電價、保利電價等成本結構，為經(jīng)營管理層提供全面、準確的經(jīng)營指標，并預測公司經(jīng)營走勢，幫助公司領導進行管理決策。

5 結語

本文在燃煤火力發(fā)電廠ERP等已有信息系統(tǒng)的基礎上，分析智慧管控一體化平臺，通過機理算法、專家知識庫、大數(shù)據(jù)分析和挖掘，提供更有價值的診斷、報警、預測和決策信息，以實現(xiàn)火電廠經(jīng)濟效益最大化。結果表明：

（1）狀態(tài)驅(qū)動的科學決策來源包括：智能無人巡檢、汽輪機安全預控、遠程專家診斷、輔機智能監(jiān)測、潤滑監(jiān)測智能執(zhí)行、四管磨損智能預警、高壓電氣早期預控等。

（2）對于電廠側(cè)，設備的五個維度評價包括：可靠性、安全性、可用性、經(jīng)濟性、環(huán)保性。設備“五定管理”為故障部位確定、故障原因確定、故障等級確定、處理方案確定、工時費用確定。

（3）鍋爐爐膛實時檢測與可視化的方法包括：鍋爐激光CT（TDLAS）測溫和氣體濃度、聲波爐膛斷面測溫度場、基于多層圖像過濾的爐內(nèi)高溫火焰可視化。

（4）生產(chǎn)經(jīng)營決策以動態(tài)煤耗曲線為基礎，建立盈虧平衡和經(jīng)營分析模型，預測公司經(jīng)營走勢，提供管理決策合理化建議。

參考文獻

[1] 劉吉臻，胡勇，曾德良，等. 智能發(fā)電廠的架構及特征[J]. 中國電機工程學報，2017，37（22）： 6463-6470.

[2] 傅曉軍，鄭正茂，嚴玉堂，等. 調(diào)峰供熱燃機電廠壓縮空氣系統(tǒng)優(yōu)化改造分析[J]. 中國電業(yè)，2019，47（11）： 367-368.

[3] 趙俊杰，陸海濤，包海斌，等. 基于鍋爐四管可視化的防磨防爆監(jiān)測和智能泄漏預警[J]. 神華科技，2019，17（8）： 47-50.

[4] 鄔馗星，張繼東，陸海濤，等. 智能吹灰閉環(huán)控制系統(tǒng)在火電DCS的集成應用效果分析[J]. 中國電業(yè)，2019，47（17）： 506-507.

[5] 陳世和，張曦. 基于工業(yè)4.0的智能電站控制技術[J]. 自動化博覽，2015 （9）： 42-50.

[6] 趙俊杰，陸海濤，吳豪，等. 基于人工智能算法的智能視頻識別燃煤火電廠跑冒滴漏[J]. 神華科技，2019，17（9）： 40-44.

[7] 林志峰，戴成峰，葉華浩，等. 1000MW燃煤火電機組配煤摻燒和燃料全成本評價模型[J]. 電力設備，2020 （7）： 212，231.

[8] 趙俊杰，馮樹臣，馬克，等. 基于泛在電力物聯(lián)網(wǎng)技術的智慧電廠安全管控一體化應用[J]. 能源科技，2020，18（5）： 1-6.

[9] 張帆. 智慧電廠一體化大數(shù)據(jù)平臺關鍵技術及應用分析[J]. 華電技術，2017，39（2）：1-3，7.

[10] 馬天男，王超，彭麗霖，等. 多源異構大數(shù)據(jù)下綜合能源系統(tǒng)用戶用能行為預測分析研究[J]. 智慧電力，2018，46（10）：86-95.