與DCS深度融合的火電廠(chǎng)智能監(jiān)盤(pán)系統(tǒng)的研究與開(kāi)發(fā)

唐永基，任海彬，隋炳偉，李鵬竹，晁俊凱

( 寧夏京能寧東發(fā)電有限責(zé)任公司，寧夏 銀川 751400）

1 引言

我國(guó)火力發(fā)電技術(shù)已日趨成熟，在裝機(jī)容量和自動(dòng)控制技術(shù)等多方面已處于國(guó)際先進(jìn)水平，但是目前火電廠(chǎng)的日常運(yùn)行管理仍主要依賴(lài)于傳統(tǒng)DCS，采用人工巡盤(pán)的方式對(duì)數(shù)據(jù)進(jìn)行分析和控制操作。由于火電廠(chǎng)系統(tǒng)復(fù)雜，參數(shù)眾多，不僅運(yùn)行人員工作強(qiáng)度大，而且設(shè)備異常事故仍時(shí)有發(fā)生?！爸腔垭姀S(chǎng)”是未來(lái)火電行業(yè)發(fā)展的必然趨勢(shì)，智能預(yù)警和診斷是“智慧電廠(chǎng)”應(yīng)用的重要組成部分。國(guó)內(nèi)外開(kāi)發(fā)了大量的預(yù)警和診斷系統(tǒng)，但這類(lèi)系統(tǒng)一般位于生產(chǎn)三區(qū)，而且系統(tǒng)較為封閉，模型更新困難，運(yùn)行效果有限，導(dǎo)致運(yùn)行人員使用率 不高。

針對(duì)這一問(wèn)題，本文設(shè)計(jì)并研發(fā)了一套開(kāi)放式的、與DCS深度融合的火電廠(chǎng)智能監(jiān)盤(pán)系統(tǒng)，解決了系統(tǒng)架構(gòu)、系統(tǒng)運(yùn)行安全、模型訓(xùn)練與在線(xiàn)更新等關(guān)鍵技術(shù)難題。通過(guò)與DCS的深度融合，運(yùn)行人員可以在日常監(jiān)盤(pán)畫(huà)面中直接獲取到模型的運(yùn)行結(jié)果，不會(huì)增加額外的工作量；同時(shí)通過(guò)系統(tǒng)提供的專(zhuān)家建模平臺(tái)，運(yùn)行人員可以直接添加新的模型或?qū)σ延心Ｐ瓦M(jìn)行維護(hù)更新，不斷地提升模型精度，減少誤報(bào)和漏報(bào)，提升機(jī)組運(yùn)行安全性，降低運(yùn)行人員的工作負(fù)荷。

2 與DCS深度融合的智能監(jiān)盤(pán)系統(tǒng)總體架構(gòu)

本文研發(fā)的智能監(jiān)盤(pán)系統(tǒng)側(cè)重于通過(guò)對(duì)全廠(chǎng)運(yùn)行數(shù)據(jù)的實(shí)時(shí)高效分析進(jìn)行故障預(yù)警，通過(guò)與DCS深度融合以及提供開(kāi)放式的建模能力，克服傳統(tǒng)預(yù)警系統(tǒng)使用不方便、效果差導(dǎo)致的使用率不高的問(wèn)題。本文設(shè)計(jì)的系統(tǒng)總體架構(gòu)如圖1所示，它主要由控制層、模型管理運(yùn)行層和人機(jī)交互層三大部分組成。

圖1 與DCS深度融合的智能監(jiān)盤(pán)系統(tǒng)架構(gòu)圖

在控制層中，由火電廠(chǎng)的DCS廠(chǎng)商部署一臺(tái)中轉(zhuǎn)服務(wù)器，提供數(shù)據(jù)和控制指令在DCS和模型運(yùn)行管理平臺(tái)直接的中轉(zhuǎn)，它負(fù)責(zé)將DCS內(nèi)的所有測(cè)點(diǎn)數(shù)據(jù)全部發(fā)送支撐平臺(tái)中，同時(shí)支撐平臺(tái)也會(huì)將所有的模型運(yùn)算結(jié)果通過(guò)它送入DCS，供運(yùn)行人員在操作員站直接查看或直接參與控制。通過(guò)中轉(zhuǎn)服務(wù)器，在保證DCS安全的同時(shí)，實(shí)現(xiàn)了智能預(yù)警等功能和DCS的深入融合，從而降低了運(yùn)行人員的使用負(fù)擔(dān)。

模型管理運(yùn)行平臺(tái)是整個(gè)系統(tǒng)的核心，它從控制層中的中轉(zhuǎn)服務(wù)器中獲取實(shí)時(shí)數(shù)據(jù)，并利用建立的模型對(duì)實(shí)時(shí)數(shù)據(jù)進(jìn)行分析，然后將分析結(jié)果再通過(guò)中轉(zhuǎn)服務(wù)器送入DCS，同時(shí)數(shù)據(jù)也將送入實(shí)時(shí)數(shù)據(jù)庫(kù)進(jìn)行存儲(chǔ)，用于歷史分析查詢(xún)以及模型更新訓(xùn)練等功能模塊。此外它還應(yīng)提供低門(mén)檻的專(zhuān)家建模功能，讓運(yùn)行人員可以方便的對(duì)模型進(jìn)行更新訓(xùn)練。這種開(kāi)放式的建模功能可以保證模型的有效性，降低誤報(bào)漏報(bào)，從而提升系統(tǒng)的使 用率。

人機(jī)交互直接在已有的操作員站中開(kāi)發(fā)實(shí)現(xiàn)，運(yùn)行人員不同開(kāi)啟單獨(dú)的系統(tǒng)，即可直接獲取模型管理運(yùn)行平臺(tái)所有的分析結(jié)果，貼合一線(xiàn)人員性的操作體驗(yàn)，從而提升系統(tǒng)的使用效率。

3 一種機(jī)理與數(shù)據(jù)驅(qū)動(dòng)相融合的智能預(yù)警框架

智能預(yù)警是智能監(jiān)盤(pán)系統(tǒng)的最重要的功能。傳統(tǒng)的DCS報(bào)警方式主要是限值報(bào)警，而限值的取值主要來(lái)自于設(shè)計(jì)廠(chǎng)商對(duì)于設(shè)備的設(shè)計(jì)知識(shí)，也就是機(jī)理。大數(shù)據(jù)報(bào)警主要是利用大數(shù)據(jù)技術(shù)，智能的挖掘數(shù)據(jù)之間相關(guān)關(guān)系，當(dāng)實(shí)測(cè)數(shù)據(jù)之間的相關(guān)關(guān)系與訓(xùn)練的相關(guān)關(guān)系出現(xiàn)變化時(shí)，進(jìn)行報(bào)警。單純的機(jī)理模型報(bào)警存在報(bào)警滯后的問(wèn)題，而單純的大數(shù)據(jù)預(yù)警存在報(bào)警結(jié)果難以解釋的問(wèn)題。預(yù)警結(jié)果的可解釋性對(duì)于運(yùn)行人員的快速處置至關(guān)重要。

對(duì)此本文總結(jié)了已有的異常模式，提出了一種將機(jī)理與大數(shù)據(jù)相融合的智能預(yù)警框架。用戶(hù)可以在一個(gè)模型中，對(duì)目標(biāo)參數(shù)的多種異常模式進(jìn)行統(tǒng)一的配置和訓(xùn)練，并且在配置的過(guò)程中，可以直接使用數(shù)據(jù)建模來(lái)構(gòu)建動(dòng)態(tài)基準(zhǔn)值模型，也可以利用數(shù)據(jù)統(tǒng)計(jì)分析獲取更精確的閾值范圍。該方法組成如圖2所示。

圖2 智能預(yù)警框架的組成

對(duì)于給定的參數(shù)，首先設(shè)定其基準(zhǔn)值，這其中可選擇的模式包括來(lái)自于機(jī)理的固定值和經(jīng)驗(yàn)公式，以及來(lái)自于數(shù)據(jù)建模模型的動(dòng)態(tài)基準(zhǔn)值。基于數(shù)據(jù)建模的方法應(yīng)支持從多項(xiàng)式擬合、SVR、集成學(xué)習(xí)到深度學(xué)習(xí)等多種算法。對(duì)于參數(shù)與目標(biāo)值的偏差，我們可以同時(shí)設(shè)定多種異常模式，包括參數(shù)和基準(zhǔn)值的偏差過(guò)大、偏差持續(xù)單調(diào)的上升或減小、偏差突然變化、以及偏差頻繁的波動(dòng)。這些異常模式由運(yùn)行人員根據(jù)機(jī)理來(lái)進(jìn)行選擇開(kāi)啟，然后通過(guò)數(shù)據(jù)統(tǒng)計(jì)的方式，獲得預(yù)警的限值。通過(guò)這樣的組合，實(shí)現(xiàn)了機(jī)理與大數(shù)據(jù)的有機(jī)融合，各取所長(zhǎng)，完全涵蓋了電廠(chǎng)運(yùn)行中的各類(lèi)異常模式。

預(yù)警模型建模流程如圖3所示。首先建模人員根據(jù)預(yù)警的目標(biāo)參數(shù)，準(zhǔn)備好正常數(shù)據(jù)和異常數(shù)據(jù)數(shù)據(jù)集，然后用戶(hù)需要對(duì)數(shù)據(jù)進(jìn)行清理，然后用戶(hù)可以根據(jù)機(jī)理挑選輸入變量或者使用建模工具提供的敏感度分析算法進(jìn)行變量的選擇，最后就可以進(jìn)行模型的訓(xùn)練和模型的評(píng)估，從而得到基準(zhǔn)值模型。

圖3 預(yù)警建模流程

用戶(hù)可以開(kāi)展預(yù)警模型的訓(xùn)練，預(yù)警模型訓(xùn)練可以接收基準(zhǔn)值模型，并進(jìn)行異常模式的配置和參數(shù)的自動(dòng)推薦。預(yù)警模型的評(píng)估需要異常數(shù)據(jù)，當(dāng)實(shí)際中的異常數(shù)據(jù)不足時(shí)，建模人員可以根據(jù)機(jī)理生成仿真的故障數(shù)據(jù)集，用于預(yù)警模型的驗(yàn)證。

為了降低運(yùn)行人員的使用門(mén)檻，本文研發(fā)的專(zhuān)家建模平臺(tái)中提供了一套低代碼的智能預(yù)警模型建模工具。

智能預(yù)警模型建模工具圍繞數(shù)據(jù)清理、特征提取、特征選擇和模型訓(xùn)練等數(shù)據(jù)建模的各個(gè)環(huán)節(jié)，提供大量算法，在提高模型質(zhì)量的同時(shí)，降低了對(duì)用戶(hù)數(shù)據(jù)建模經(jīng)驗(yàn)的需求。同時(shí)提供一套圖形化的建模開(kāi)發(fā)環(huán)境，所有算法均可通過(guò)拖拽的方式進(jìn)行調(diào)用，通過(guò)連線(xiàn)的方式進(jìn)行數(shù)據(jù)的傳遞，極大地降低了用戶(hù)的使用門(mén)檻。該建模工具訓(xùn)練得到的模型可以直接送入專(zhuān)家知識(shí)庫(kù)中進(jìn)行存儲(chǔ)，供模型運(yùn)行平臺(tái)進(jìn)行使用。一個(gè)使用該工具進(jìn)行的動(dòng)態(tài)基準(zhǔn)值預(yù)警模型的建模流程如圖4所示。

圖4 拖拽式的預(yù)警建模界面

4 模型管理運(yùn)行平臺(tái)設(shè)計(jì)與開(kāi)發(fā)

模型管理運(yùn)行平臺(tái)是整個(gè)智能監(jiān)盤(pán)系統(tǒng)的核心，它由專(zhuān)家建模平臺(tái)、模型運(yùn)行平臺(tái)和歷史數(shù)據(jù)庫(kù)三大部分組成，其中專(zhuān)家建模平臺(tái)和模型建模平臺(tái)的主要功能如圖5所示。專(zhuān)家建模平臺(tái)使用專(zhuān)家知識(shí)庫(kù)對(duì)智能監(jiān)盤(pán)系統(tǒng)中所有設(shè)備、參數(shù)和各類(lèi)模型的高效組織與管理，它提供了可視化的知識(shí)管理功能，包括設(shè)備管理、參數(shù)管理和模型管理功能，模型管理模塊使用數(shù)據(jù)建模工具，可以從歷史數(shù)據(jù)庫(kù)中直接抽取數(shù)據(jù)，進(jìn)行模型訓(xùn)練和評(píng)估，并將模型存入專(zhuān)家知識(shí)庫(kù)中。

圖5 模型管理運(yùn)行平臺(tái)功能框圖

模型運(yùn)行平臺(tái)可以利用知識(shí)庫(kù)中的所有模型，對(duì)實(shí)時(shí)數(shù)據(jù)進(jìn)行分析和處理，為人機(jī)交互系統(tǒng)提供數(shù)據(jù)支撐。實(shí)時(shí)數(shù)據(jù)進(jìn)入模型運(yùn)行平臺(tái)后，將首先進(jìn)行實(shí)時(shí)計(jì)算，其關(guān)鍵技術(shù)在于海量模型的高效運(yùn)行，本文通過(guò)模型的依賴(lài)關(guān)系解析和多進(jìn)程并行加速實(shí)現(xiàn)。實(shí)時(shí)預(yù)警模塊將對(duì)模型實(shí)時(shí)計(jì)算的結(jié)果進(jìn)行處理，提取處于預(yù)警狀態(tài)的模型，獲得預(yù)警信息。模型的計(jì)算結(jié)果通過(guò)中轉(zhuǎn)服務(wù)器送入DCS，供操作員站畫(huà)面直接組態(tài)使用。此外，模型的計(jì)算結(jié)果和實(shí)時(shí)預(yù)警信息都將存儲(chǔ)數(shù)據(jù)庫(kù)中。

5 預(yù)警模型的訓(xùn)練與實(shí)際應(yīng)用

依據(jù)本文提出的智能預(yù)警方法和開(kāi)發(fā)的專(zhuān)家建模平臺(tái)，可以非常方便地建立覆蓋機(jī)組各類(lèi)異常的預(yù)警模型。本節(jié)以某泵的性能預(yù)警模型和定冷水箱泄露預(yù)警模型為例進(jìn)行介紹。

根據(jù)泵的運(yùn)行特征機(jī)理知識(shí)，泵的流量、壓差和電流之間存在相關(guān)關(guān)系，據(jù)此本文提取了泵一段時(shí)間的正常的運(yùn)行數(shù)據(jù)進(jìn)行該泵的運(yùn)行特性預(yù)警模型訓(xùn)練，泵在正常時(shí)間段內(nèi)的運(yùn)行數(shù)據(jù)如圖6所示。

圖6 某泵的運(yùn)行數(shù)據(jù)

依據(jù)建模流程搭建預(yù)警模型的訓(xùn)練流程。首先進(jìn)行泵運(yùn)行特性模型的訓(xùn)練，采用泵的流量和出口壓力為輸入，以泵功率的電流為輸出，由于參數(shù)間的相關(guān)關(guān)系明顯，采用2次多項(xiàng)次進(jìn)行模型的訓(xùn)練，使用70%的數(shù)據(jù)作為訓(xùn)練，30%的數(shù)據(jù)作為測(cè)試數(shù)據(jù)。得到模型的R2=0.9994，MAE=0.302，MSE=0.164，模型的精度優(yōu)良。由模型的測(cè)試誤差隨電流的分布可以看到99%以上點(diǎn)的誤差都在2A以?xún)?nèi)，所有誤差都在3A以?xún)?nèi)。

據(jù)此，根據(jù)前文提出的預(yù)警方法，建立電流的預(yù)警模型，其中預(yù)警參數(shù)為參數(shù)，基準(zhǔn)值為訓(xùn)練得到的模型，預(yù)警模型為偏差過(guò)大，系統(tǒng)推薦預(yù)警限值為3A。

該模型成功預(yù)警了某次短路導(dǎo)致的電流異常增大故障，效果如圖7所示。從圖7a)可以發(fā)現(xiàn)，泵流量略有上升，出口壓力略有下降，電流應(yīng)總體保持不變，而圖7b)中實(shí)測(cè)的電流在后半段有異常抬升現(xiàn)象，但仍未達(dá)到DCS報(bào)警限值。由于其偏差超過(guò)動(dòng)態(tài)預(yù)警限值，預(yù)警模型迅速做出響應(yīng)，通過(guò)降低健康度分值發(fā)出預(yù)警，及時(shí)幫助運(yùn)行人員發(fā)現(xiàn)了該異常。

圖7 基于模型的泵電流異常預(yù)警

定冷水箱液位泄露預(yù)警建模是以機(jī)理為主的預(yù)警模型。根據(jù)機(jī)理對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，定冷水箱液位均勻下降，約每2h補(bǔ)水一次，正常時(shí)的液位變化情況如圖8所示。

圖8 正常情況下定冷水箱液位變化

考慮流速變化等引起的參數(shù)波動(dòng)，正常情況下，2分鐘內(nèi)，液位的平均下降速度不超過(guò)10 mm。當(dāng)水箱出現(xiàn)泄露時(shí)，液位將迅速下降，基于本文提出的預(yù)警方法，預(yù)警模式采用突然變化，設(shè)定變化限值為15，完成了預(yù)警模型的建立?；谠撃Ｐ筒东@到某次液位突然下降事件如圖9所示，在液位正常補(bǔ)水、液位下降等正常工況下，模型評(píng)分正常，當(dāng)液位突然下降時(shí)，模型及時(shí)響應(yīng)，成功發(fā)現(xiàn)該異常。

圖9 基于模型的水箱泄露異常預(yù)警

本文研發(fā)的DCS深度融合的智能監(jiān)盤(pán)系統(tǒng)在國(guó)內(nèi)某火電廠(chǎng)完成了上線(xiàn)實(shí)施。電廠(chǎng)團(tuán)隊(duì)利用專(zhuān)家建模平臺(tái)，單臺(tái)機(jī)組建立了數(shù)百個(gè)預(yù)警模型，實(shí)現(xiàn)了對(duì)監(jiān)盤(pán)人員常見(jiàn)設(shè)備異常的全覆蓋。所有模型運(yùn)行結(jié)果直接送入DCS，融合在操作員站中，效果如圖10所示。

圖10 與DCS深度融合的智能監(jiān)盤(pán)系統(tǒng)

系統(tǒng)在運(yùn)行的前三個(gè)月中，成功發(fā)現(xiàn)了泵電流異常故障，磨煤機(jī)、一次風(fēng)機(jī)、送風(fēng)機(jī)的油溫異常，引風(fēng)機(jī)振動(dòng)波動(dòng)異常等問(wèn)題。該系統(tǒng)切實(shí)發(fā)現(xiàn)一些平時(shí)發(fā)現(xiàn)不了的問(wèn)題，極大地降低了運(yùn)行人員的工作負(fù)荷，證明了本文相關(guān)研究成果的可行性和先進(jìn)性。

6 結(jié)論

傳統(tǒng)電廠(chǎng)主要依賴(lài)DCS管理，但是由于傳統(tǒng)DCS參數(shù)眾多、變化頻率與幅度大，存在報(bào)警不及時(shí)、誤報(bào)率高等問(wèn)題。與DCS深度融合的智能監(jiān)盤(pán)系統(tǒng)，將大數(shù)據(jù)技術(shù)應(yīng)用到DCS控制系統(tǒng)中，讓電廠(chǎng)生產(chǎn)管理更加智能，是該問(wèn)題的有效解決方法。

本文針對(duì)智能監(jiān)盤(pán)系統(tǒng)的各項(xiàng)關(guān)鍵技術(shù)進(jìn)行研究，提出了與DCS深入融合的智能監(jiān)盤(pán)系統(tǒng)的總體架構(gòu)，提出了一種智能預(yù)警框架方法，實(shí)現(xiàn)了機(jī)理和大數(shù)據(jù)技術(shù)在該框架下的融合，并據(jù)此開(kāi)發(fā)了一套低門(mén)檻的模型管理與運(yùn)行平臺(tái)，電廠(chǎng)團(tuán)隊(duì)可以利用該平臺(tái)完成所有預(yù)警模型的訓(xùn)練與上線(xiàn)工作，后續(xù)還可以自行進(jìn)行模型的維護(hù)和擴(kuò)展工作。本文研發(fā)的系統(tǒng)在某電廠(chǎng)的實(shí)際應(yīng)用效果表明，智能監(jiān)盤(pán)系統(tǒng)可以切實(shí)發(fā)現(xiàn)一些人員平時(shí)發(fā)現(xiàn)不了的問(wèn)題，降低人員的工作負(fù)荷。本文的研究成果在行業(yè)內(nèi)有很好的推廣性和借鑒意義。

智能預(yù)警是智能監(jiān)盤(pán)的重要組成部分，下一步，作者將進(jìn)一步聚焦于智能控制，提供開(kāi)放式的控制模型建模功能，實(shí)現(xiàn)大數(shù)據(jù)、人工智能技術(shù)在運(yùn)行控制中的應(yīng)用，進(jìn)一步降低人員工作負(fù)荷，擴(kuò)展智能監(jiān)盤(pán)系統(tǒng)的應(yīng)用場(chǎng)景，走向少人監(jiān)盤(pán)直至無(wú)人監(jiān)盤(pán)。