大数据技术在火力发电企业生产中的应用分析

大数据技术在火力发电企业生产中的应用分析

范道鹏

（浙江浙能乐清发电有限责任公司325609）

摘要：分析火力发电企业挖掘数据的价值，发电企业数据特点，阐述当前火力发电企业数据应用现状，探讨发电企业在大数据技术的应用方向，说明发电企业应用大数据分析技术需要考虑和解决的问题以及面临的挑战。

关键词：数据价值；大数据分析；运行优化；设备故障预警

前言

在电力体制改革与供给侧结构性改革的背景下，发电企业面临日益严峻的市场挑战和日趋严苛的环保要求，“提质增效，节能降耗，降非停，保安全，创金牌”，如何降低火电企业运维成本在电量竞争报价中报出有竞争力的电价，将对每个发电企业都十分重要。

机组生产过程中会产生海量的数据，而这些数据往往蕴含着大量丰富的价值，对电厂优化运行、节能降耗、安全环保有着重要的决策依据和意义。大数据技术在火力发电企业中的应用将为火电机组节能降耗减排提供了新的方向和思路。本文将对大数据技术在火力发电企业生产中的应用场景进行分析探讨。

1火力发电厂数据分类及价值分析

火力发电生产自动化控制技术的提高和信息管理软件的大规模使用，产生了大量的发电企业设备和操作运行人员的日常行为、生产运行监控及管理经营类数据，从功能性出发，可将发电企业的这些数据划分为以下三大类：①电力生产大数据。数据类型主要分为实时生产数据、指标信息、设备信息和缺陷信息等结构化数据。②发电企业运行管理大数据。主要指发电企业的资产管理、生产管理、协同办公和邮件系统等可能含有压缩文件、图片文件、视频文件等非结构化数据。③发电系统监控大数据。主要来源于电力生产现场监控、安保监控和燃料监控等各类监控系统产生的视频多媒体数据。

传统的数据价值可做数据分析，数据查询，数据报表等，而大数据的商业模式应用，可对大量消费者的消费信息进行收集、整理，利用大数据可进行精准营销；传统火力发电行业可利用大数据技术帮助它们降低成本，提高效率，做出更明智的业务决策等等。

2火力发电厂数据应用现状

发电企业大多采用厂级监控系统（SIS）进行历史数据储存，设备故障诊断、设备健康状况管理、耗差分析等工作，其面临的困境和问题在于：一是鉴于目前国内的理论计算水平，发电设备的机理模型往往不够精确，很难依靠这些机理模型进行故障诊断或者设备性能计算，测点数据的不足也导致很难使用机理模型进行计算，假设后的理想机理模型与实际情况往往相差甚大。同时，对于发电企业而言，并非所有设备性能最好的时候，整台机组的性能最好或者效率最高。二是缺少一个实时捕捉设备异常的引擎，仅仅依靠SIS数据进行判断，其结果常常难以让人信服。三是DCS、SIS等系统报警时，往往已经太晚了，故障已经恶化或者没有足够的时间处理。当关键设备发生故障时，很可能会对整个系统及其他相关设备产生重大影响——造成非计划停机，检修费用超支，发电量损失，效率降低，环保排放超标，甚至人身或者设备损坏等。

因此，需要一种先进有效的手段，在成千上万个变量中找出问题进行预测性分析，随着计算机计算速度的提升，大数据分析技术适应这一需要而产生。

3发电企业生产中的大数据技术应用

（1）在机组运行优化方面的应用

应用大数据分析技术对机组累积的历史运行数据进行各种工况分析、寻找各设备的最优运行状态，找出影响节能降耗的数据关联度，从而优化机组的运行方式，持续改进机组性能，避开机组运行的不稳定工况点。建立整套设备经济性指标评价曲线，通过对设备的历史数据进行分析获得设备的运行状态趋势，提高机组的效率，具体应用在以下几个方面：

1）大数据平台对以往数据和当前实时数据按照运行工况进行机器学习，预测当前运行工况下的数据，对实时数据的偏移、错误进行预警，建立机组安全运行辅助报警体系，监控机组的运行状态，提早发现问题，提醒运行人员提前干预，预防异常或事故的扩大化。报警提前量可比当前机组阈值报警模式可提高一到两倍。

2）基于机组历史数据、运行工况，依靠大数据实时计算机组的供电煤耗，进而计算度电利润，结合电力市场改革的报价制度规则，匹配机组的最佳运行工况，做出正确的发电生产决策。在当前华东地区外购电增加，本区域火电产能过剩的大背景下，竞价上网的大环境下，可以最大限度的帮助到企业营销增效创收。

3）通过大数据分析技术，实现实时度电利润和工况的匹配寻优，寻找设备运行、参数调整的最佳状态，指导运行操作及自动优化，提升机组及设备效率。

（2）在设备维护方面应用

大数据设备管理平台能够利用历史数据建立数据模型，对大量实时数据进行分析比较，对设备状态进行自动判断。在设备发生故障或将要发生故障的时候发出报警，做出设备故障预警，提高检修工作的效率，提高设备利用率。彻底摒弃“坏了就切换、坏了就维修”的被动设备管理模式，建立全新的“预知检测、预知维修”的积极主动的设备管理模式。具体应用在以下几个方面。

1）大数据平台建立转动设备的评价体系，通过对大量历史数据的分析，给出设备的健康状况指标，计算出设备检修周期，同时，针对有振动测点的设备，结合振动分析给出设备健康状况评级。

2）按照运行规程的相关内容，结合大数据分析技术进行实时仿真和预警，通过这种手段，在生产操作的同时，仿真系统与分布式控制系统（DCS）进行实时对比分析，给出预警，辅助生产操作，避免出现人为误操作，导致出现人身伤害、设备损坏事件的发生。

3）通过对历史运行数据和缺陷信息进行数据挖掘，得到设备缺陷状态下的特征值及关联参数值，快速准确的找到设备问题症结。

4发电企业大数据分析技术面临的问题和挑战

（1）清理数据过程的噪音问题

对于发电企业，DCS和SIS系统中均存在数据不准确，即存在噪音数据，由于噪音数据无法反映出真实的设备状态和真实数据，如果输入的分析数据是错误的，那么输出的分析结果也将是错误的，噪音数据的存在会影响分析结果，导致出现较大的偏差，必须处理这些噪音数据。解决噪音数据和数据完整性，必须提高数据测量设备的可靠性，同时对数据进行坏质量剔除。

（2）大数据存在偶然性和将错就错的问题

商业大数据的分析，分析对象是具有主观能动性的人，而发电企业分析对象是设备和系统，这些设备和系统并没有主动性，分析人的行为得出的结论有偶然性，例如，消费者购买了手机，大数据系统分析认为这位消费者可能需要购买手机壳，这之间是偶然的，没有必然的联系。因此，通过大数据分析找到的是设备和系统运行的规律，用这些优化、稳定、劣化的规律来指导生产管理工作。基于这个需求，就会出现如果某个设备或者系统的数据采集一直是错误的，那么大数据分析系统就会出现将错就错的情况，评价和预测结果也一直是错误的。

5结束语

综上所述，在当前这个“大数据”时代，火力发电厂企业的数据会保持持续增长的模式。所以对于这些海量数据，大数据技术应用在火力发电企业中大有可为，在能源“双控”、外购电增加、供给侧结构性改革等背景下，火电企业在激烈的竞争中要活下来，就必须挖掘自身的成本优势，其中大数据技术进行数据价值挖掘帮助企业降低生产成本，提高经营利润，提升竞争力就显得迫在眉睫。所以努力将信息化水平提高，培养更加专业的技术人才，发现数据价值，这些方面一定是火力发电厂管理模式的发展方向。

参考文献：

[1]王锋.数据挖掘技术在火力发电厂锅炉管壁超温分析中的应用[C].中国电机工程学会，河南省电机工程学会，2006.

[2]许继刚，郑慧莉.电厂自动化的现状与未来[J].自动化博览，2016，（9）：38-42.

[3]宋雪萍.旋转机械故障诊断若干理论与技术的研究[D].辽宁：东北大学，2005.

[4]杨鑫，张庆海，大数据分析技术在发电企业的应用[J].集成电路应用，2018.