江蘇國(guó)信揚(yáng)州發(fā)電有限責(zé)任公司 (以下簡(jiǎn)稱“國(guó)信揚(yáng)電")，總裝機(jī)容量為252萬(wàn)千瓦，是江蘇省內(nèi)首家擁有4臺(tái)63萬(wàn)千瓦機(jī)組的特大型火力發(fā)電企業(yè)。為了滿足電網(wǎng)不斷增加的調(diào)峰需求，機(jī)組更高的節(jié)能降耗、環(huán)保減排等要求，國(guó)信揚(yáng)電和朗坤合作企業(yè)數(shù)字化創(chuàng)新項(xiàng)目——智慧運(yùn)行系統(tǒng)，打造一個(gè)滿足智慧電廠總體規(guī)劃要求、發(fā)電集控運(yùn)行急需、智能輔助決策的智能監(jiān)盤產(chǎn)品，以電廠實(shí)時(shí)/歷史數(shù)據(jù)為基礎(chǔ)，通過(guò)工業(yè)互聯(lián)網(wǎng)平臺(tái)，將智能算法和設(shè)備運(yùn)行機(jī)理規(guī)則相融合，結(jié)合專家知識(shí)，實(shí)現(xiàn)設(shè)備關(guān)鍵參數(shù)的劣化分析和設(shè)備故障預(yù)測(cè)，將被動(dòng)等待故障發(fā)生轉(zhuǎn)變?yōu)楣收系奶崆邦A(yù)警。
一、項(xiàng)目概況
1、項(xiàng)目背景
電力產(chǎn)業(yè)是國(guó)民經(jīng)濟(jì)的基礎(chǔ)產(chǎn)業(yè)，在經(jīng)濟(jì)發(fā)展過(guò)程中發(fā)揮著非常重要的作用。近年來(lái)，國(guó)務(wù)院、發(fā)改委、能源局陸續(xù)出臺(tái)了“十四五”規(guī)劃、《關(guān)于推進(jìn)“互聯(lián)網(wǎng)+”智慧能源發(fā)展的指導(dǎo)意見(jiàn)》、《電力發(fā)展“十三五”規(guī)劃》、《新時(shí)代的中國(guó)能源發(fā)展》白皮書(shū)等一系列政策文件，推動(dòng)大數(shù)據(jù)、人工智能等信息技術(shù)和電力產(chǎn)業(yè)的深度融合。
在“雙碳”目標(biāo)提出后，火電機(jī)組面臨的電網(wǎng)調(diào)峰需求不斷增加，同時(shí)機(jī)組在節(jié)能降耗、碳減排等方面要求也越來(lái)越高。在傳統(tǒng)的監(jiān)盤操作模式中，DCS控制邏輯絕大多數(shù)采用PID調(diào)節(jié)，存在部分協(xié)調(diào)控制能力弱、調(diào)節(jié)性能差的問(wèn)題；而且DCS報(bào)警邏輯大部分為了設(shè)備安全保護(hù)設(shè)置，參數(shù)報(bào)警值遠(yuǎn)離正常運(yùn)行范圍，運(yùn)行人員監(jiān)盤過(guò)程中，要熟知各個(gè)參數(shù)的跳閘值、報(bào)警值、不同工況運(yùn)行范圍以及設(shè)備帶病運(yùn)行時(shí)的參數(shù)偏離值。因此在面對(duì)機(jī)組運(yùn)行工況頻繁波動(dòng)、環(huán)保壓力日益嚴(yán)峻以及設(shè)備長(zhǎng)期服役存在隱患等復(fù)雜情況下，運(yùn)行人員存在監(jiān)盤壓力大、參數(shù)異常發(fā)現(xiàn)晚、故障判斷不夠及時(shí)等問(wèn)題。
江蘇國(guó)信揚(yáng)州發(fā)電有限責(zé)任公司（以下簡(jiǎn)稱國(guó)信揚(yáng)電）一期2×630MW燃煤發(fā)電機(jī)組投產(chǎn)于1998年，二期兩臺(tái)國(guó)產(chǎn)超臨界燃煤發(fā)電機(jī)組投產(chǎn)于2006年，經(jīng)提參數(shù)擴(kuò)容改造后改造為2×650MW超臨界機(jī)組。雖然四臺(tái)均為60萬(wàn)千瓦級(jí)機(jī)組，但是由于投產(chǎn)較早，受限于當(dāng)時(shí)的技術(shù)，現(xiàn)場(chǎng)測(cè)點(diǎn)少、監(jiān)測(cè)手段少，而且系統(tǒng)大多是通過(guò)黑匣子的方式寫(xiě)回DCS控制，運(yùn)行人員對(duì)這種控制原理無(wú)法理解，遇到問(wèn)題分析不夠透徹。
在電力企業(yè)全面推進(jìn)數(shù)字化轉(zhuǎn)型之際，應(yīng)充分利用運(yùn)行人員豐富的運(yùn)行經(jīng)驗(yàn)，充分挖掘海量運(yùn)行數(shù)據(jù)中的價(jià)值，設(shè)計(jì)出一套符合生產(chǎn)現(xiàn)場(chǎng)運(yùn)行需要的智慧運(yùn)行系統(tǒng)，輔助值班人員監(jiān)盤、判斷、操作指導(dǎo)及運(yùn)行優(yōu)化等工作，解放其一部分煩瑣的腦力和體力勞動(dòng)，固化全體集控人員的運(yùn)行經(jīng)驗(yàn)，實(shí)現(xiàn)“人防”向“技防”的轉(zhuǎn)變，將更多精力投身于探索更加安全穩(wěn)定、清潔高效的火電發(fā)展道路。
綜上所述，傳統(tǒng)的監(jiān)盤模式已經(jīng)不能適應(yīng)日趨復(fù)雜的安全、環(huán)保、經(jīng)濟(jì)等各方面的精細(xì)化要求。所以，無(wú)論是從應(yīng)對(duì)外部形勢(shì)變化的需要，還是從集控運(yùn)行自身發(fā)展，開(kāi)展智慧運(yùn)行系統(tǒng)的研究勢(shì)在必行。
2、項(xiàng)目簡(jiǎn)介
智慧運(yùn)行系統(tǒng)依托工業(yè)互聯(lián)網(wǎng)平臺(tái)，利用大數(shù)據(jù)分析、人工智能和專家系統(tǒng)等手段對(duì)電廠歷史運(yùn)行、試驗(yàn)調(diào)整等數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)，將電廠運(yùn)行知識(shí)和經(jīng)驗(yàn)進(jìn)行數(shù)字化、模型化，為電廠機(jī)組、系統(tǒng)、設(shè)備和參數(shù)建立監(jiān)督模型，通過(guò)模型預(yù)測(cè)實(shí)現(xiàn)多種工況下運(yùn)行參數(shù)的智能預(yù)警和機(jī)組設(shè)備的優(yōu)化診斷，并提供相應(yīng)的操作指導(dǎo)，輔助運(yùn)行人員進(jìn)行異常處理，降低機(jī)組設(shè)備發(fā)生故障的概率和風(fēng)險(xiǎn)。
項(xiàng)目建設(shè)內(nèi)容主要包括國(guó)信揚(yáng)電數(shù)字孿生建模、大數(shù)據(jù)模型算法庫(kù)建設(shè)、機(jī)理模型函數(shù)組件庫(kù)建設(shè)、監(jiān)盤預(yù)警模型建設(shè)、專家知識(shí)庫(kù)建設(shè)和監(jiān)盤報(bào)警展示頁(yè)面開(kāi)發(fā)。
3、項(xiàng)目目標(biāo)
智慧運(yùn)行系統(tǒng)是利用大數(shù)據(jù)分析、人工智能和專家系統(tǒng)等手段對(duì)電廠歷史運(yùn)行、試驗(yàn)調(diào)整等數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)，將電廠運(yùn)行知識(shí)和經(jīng)驗(yàn)進(jìn)行數(shù)字化、模型化，為電廠機(jī)組、系統(tǒng)、設(shè)備和參數(shù)建立監(jiān)督模型，通過(guò)模型預(yù)測(cè)實(shí)現(xiàn)多種工況下運(yùn)行參數(shù)的智能預(yù)警和機(jī)組設(shè)備的優(yōu)化診斷，并提供相應(yīng)的操作指導(dǎo)，輔助運(yùn)行人員進(jìn)行異常處理，降低機(jī)組設(shè)備發(fā)生故障的概率和風(fēng)險(xiǎn)。
主要建設(shè)目標(biāo)如下：
1、打造電力行業(yè)工業(yè)互聯(lián)網(wǎng)平臺(tái)，支撐智慧運(yùn)行系統(tǒng)穩(wěn)定高效運(yùn)行
建設(shè)適用于電力行業(yè)的工業(yè)互聯(lián)網(wǎng)平臺(tái)，具有較強(qiáng)的先進(jìn)性、穩(wěn)定性與支撐能力。具備工業(yè)大數(shù)據(jù)實(shí)時(shí)采集、邊緣計(jì)算預(yù)處理、海量時(shí)序數(shù)據(jù)存儲(chǔ)、大數(shù)據(jù)建模、機(jī)理建模、預(yù)警分析、專家知識(shí)庫(kù)等功能，支撐智慧運(yùn)行系統(tǒng)穩(wěn)定高效運(yùn)行，同時(shí)支持橫向縱向業(yè)務(wù)集成和后期擴(kuò)展，促進(jìn)電力企業(yè)數(shù)字化轉(zhuǎn)型。
2、打造智慧運(yùn)行系統(tǒng)數(shù)據(jù)服務(wù)中心
數(shù)據(jù)服務(wù)中心集大數(shù)據(jù)實(shí)時(shí)采集、邊緣計(jì)算預(yù)處理、時(shí)序數(shù)據(jù)存儲(chǔ)于一體，具備從數(shù)據(jù)采集、存儲(chǔ)，到數(shù)據(jù)清洗、篩選，以及數(shù)據(jù)質(zhì)量判斷、質(zhì)量評(píng)價(jià)一整套完整的數(shù)據(jù)管理能力。通過(guò)從SIS側(cè)或DCS側(cè)采集機(jī)組運(yùn)行數(shù)據(jù)，在邊緣層通過(guò)智能網(wǎng)關(guān)進(jìn)行數(shù)據(jù)預(yù)處理后，進(jìn)行數(shù)據(jù)的存儲(chǔ)。數(shù)據(jù)服務(wù)中心提供通用數(shù)據(jù)接口，提供準(zhǔn)確、可靠的實(shí)時(shí)、歷史查詢數(shù)據(jù)服務(wù)功能。
3、多層級(jí)數(shù)字孿生建模技術(shù)，打造數(shù)字孿生建模平臺(tái)
利用多層級(jí)數(shù)字孿生建模技術(shù)，構(gòu)建“電廠-機(jī)組-專業(yè)-系統(tǒng)-設(shè)備”多層級(jí)的電廠數(shù)字孿生體。數(shù)字孿生建模平臺(tái)以標(biāo)準(zhǔn)化編碼構(gòu)建通用系統(tǒng)模型，提高模型復(fù)用效率。從頂層設(shè)計(jì)出發(fā)，面向電力行業(yè)構(gòu)建了包含行業(yè)、專業(yè)、設(shè)備類型在內(nèi)的通用編碼，并逐步細(xì)化到具體參數(shù)，實(shí)現(xiàn)測(cè)點(diǎn)編碼的多層級(jí)、標(biāo)準(zhǔn)化，可快速進(jìn)行復(fù)用。
4、建立圖形化建模平臺(tái)，實(shí)現(xiàn)機(jī)理模型和數(shù)理模型的融合
基于圖形化建模平臺(tái)，利用“拖拉拽”的方式，實(shí)現(xiàn)數(shù)據(jù)的采集、清洗，模型訓(xùn)練和發(fā)布，降低AI技術(shù)的使用門檻，實(shí)現(xiàn)“零代碼”的機(jī)理模型和數(shù)理模型構(gòu)建；同時(shí)滿足機(jī)理模型調(diào)用數(shù)理模型，實(shí)現(xiàn)智慧運(yùn)行系統(tǒng)的機(jī)理和數(shù)理模型雙驅(qū)動(dòng)。
5、建立報(bào)警調(diào)度中心，實(shí)現(xiàn)報(bào)警信息的調(diào)度于抑制
通過(guò)報(bào)警調(diào)度中心實(shí)現(xiàn)報(bào)警的統(tǒng)一調(diào)度管理。支持報(bào)警屏蔽功能，避免同一故障產(chǎn)生的多條次生報(bào)警淹沒(méi)源頭報(bào)警，造成運(yùn)行人員無(wú)法及時(shí)判定故障；支持報(bào)警結(jié)果調(diào)用，模型產(chǎn)生的報(bào)警結(jié)果可被其他模型做為輸入條件調(diào)用。
6、構(gòu)建與監(jiān)盤模型相結(jié)合的專家知識(shí)庫(kù)，建立智慧運(yùn)行系統(tǒng)指導(dǎo)中心
通過(guò)對(duì)電廠運(yùn)行規(guī)程、運(yùn)行經(jīng)驗(yàn)、故障處理方案等知識(shí)的結(jié)構(gòu)化處理，建立與監(jiān)盤模型相關(guān)聯(lián)的專家知識(shí)庫(kù)，報(bào)警觸發(fā)時(shí)及時(shí)推送操作指導(dǎo)和優(yōu)化方案，輔助運(yùn)行人員進(jìn)行異常處理。實(shí)現(xiàn)監(jiān)盤異常及時(shí)告知、及時(shí)處理的效果，提高機(jī)組運(yùn)行的安全性和經(jīng)濟(jì)性。
7、研發(fā)基于工業(yè)互聯(lián)網(wǎng)平臺(tái)的智慧運(yùn)行系統(tǒng)
智慧運(yùn)行系統(tǒng)基于工業(yè)互聯(lián)網(wǎng)平臺(tái)，結(jié)合大數(shù)據(jù)分析、邊緣計(jì)算、人工智能等技術(shù)，挖掘機(jī)組運(yùn)行數(shù)據(jù)價(jià)值，將運(yùn)行人員對(duì)運(yùn)行監(jiān)盤、分析、判斷、操作全過(guò)程的運(yùn)行經(jīng)驗(yàn)融入到智能算法當(dāng)中，通過(guò)機(jī)器學(xué)習(xí)的方法固化運(yùn)行經(jīng)驗(yàn)和操作步驟，最終達(dá)到逐步代替人分析、判斷和操作。智慧運(yùn)行系統(tǒng)通過(guò)電廠-機(jī)組-專業(yè)-系統(tǒng)-設(shè)備進(jìn)行分級(jí)監(jiān)盤，涵蓋三大專業(yè)、38個(gè)系統(tǒng)，實(shí)現(xiàn)對(duì)機(jī)組參數(shù)異常和設(shè)備故障的全覆蓋。
二、項(xiàng)目實(shí)施概況
1. 項(xiàng)目總體架構(gòu)和主要內(nèi)容
（1）項(xiàng)目總體架構(gòu)
工業(yè)互聯(lián)網(wǎng)平臺(tái)集工業(yè)大數(shù)據(jù)實(shí)時(shí)采集、邊緣計(jì)算預(yù)處理、海量時(shí)序數(shù)據(jù)存儲(chǔ)于一體，實(shí)現(xiàn)數(shù)據(jù)互聯(lián)，數(shù)據(jù)融合，智能決策和資源共享。
智慧運(yùn)行系統(tǒng)以電廠DCS的實(shí)時(shí)/歷史數(shù)據(jù)為基礎(chǔ)，通過(guò)邊緣層的物聯(lián)網(wǎng)平臺(tái)實(shí)現(xiàn)數(shù)據(jù)的實(shí)時(shí)接入，在PaaS層通過(guò)數(shù)據(jù)智能平臺(tái)、數(shù)字孿生建模平臺(tái)和應(yīng)用開(kāi)發(fā)平臺(tái)，實(shí)現(xiàn)可視化建模、數(shù)據(jù)實(shí)時(shí)計(jì)算和專家知識(shí)管理等，為智慧運(yùn)行系統(tǒng)的智能預(yù)警、故障診斷和決策分析提供數(shù)據(jù)支撐。
項(xiàng)目總體架構(gòu)圖如下圖所示：
圖1 項(xiàng)目總體架構(gòu)圖
圖2 智慧運(yùn)行系統(tǒng)業(yè)務(wù)架構(gòu)圖
（2）主要內(nèi)容
基于工業(yè)互聯(lián)網(wǎng)平臺(tái)的電廠智慧運(yùn)行系統(tǒng)于2020年12月開(kāi)始建設(shè)，朗坤智慧組建項(xiàng)目實(shí)施小組入駐國(guó)信揚(yáng)電，國(guó)信揚(yáng)電安排脫產(chǎn)的運(yùn)行人員配合系統(tǒng)開(kāi)發(fā)。雙方共同成立智慧運(yùn)行系統(tǒng)開(kāi)發(fā)中心，組建聯(lián)合開(kāi)發(fā)小組，完成項(xiàng)目藍(lán)圖設(shè)計(jì)、制定項(xiàng)目實(shí)施細(xì)則、發(fā)布考核辦法、明確雙方工作職責(zé)，堅(jiān)持周例會(huì)和月例會(huì)制度，及時(shí)解決項(xiàng)目實(shí)施中存在的問(wèn)題，按計(jì)劃圓滿完成了關(guān)鍵技術(shù)研究和項(xiàng)目實(shí)施。項(xiàng)目主要建設(shè)內(nèi)容包括：
（1）完成了國(guó)信揚(yáng)電數(shù)字孿生建模平臺(tái)建設(shè)
根據(jù)電廠實(shí)際組織結(jié)構(gòu)，采用靈活的“電廠-機(jī)組-專業(yè)-系統(tǒng)-設(shè)備”五個(gè)層級(jí)分步建模的方式，構(gòu)建孿生虛擬電廠；同時(shí)面向電力行業(yè)構(gòu)建了包含行業(yè)、機(jī)組、專業(yè)、系統(tǒng)、設(shè)備類型在內(nèi)的通用編碼，并逐步細(xì)化到具體參數(shù)，實(shí)現(xiàn)測(cè)點(diǎn)編碼的多層級(jí)、標(biāo)準(zhǔn)化，可快速進(jìn)行復(fù)用。
數(shù)字孿生建模平臺(tái)支持圖形化的機(jī)理建模和大數(shù)據(jù)建模。平臺(tái)提供數(shù)學(xué)函數(shù)、水蒸氣函數(shù)、振動(dòng)函數(shù)、參數(shù)趨勢(shì)函數(shù)、統(tǒng)計(jì)函數(shù)、AI函數(shù)、比較函數(shù)等函數(shù)組件和常用的邏輯規(guī)則組件，實(shí)現(xiàn)機(jī)理模型的快速構(gòu)建；平臺(tái)融合分類算法、聚類算法、回歸算法、深度學(xué)習(xí)算法等多類智能算法，實(shí)現(xiàn)數(shù)理模型的快速訓(xùn)練和發(fā)布，同時(shí)支持在機(jī)理模型中調(diào)用數(shù)理模型。
（2）開(kāi)展關(guān)鍵技術(shù)研究，研發(fā)多種適用于監(jiān)盤模型的智能算法
開(kāi)展分布式時(shí)序數(shù)據(jù)庫(kù)技術(shù)、多層級(jí)數(shù)字電廠建模技術(shù)、大數(shù)據(jù)計(jì)算引擎技術(shù)、數(shù)據(jù)智能技術(shù)、圖形化建模技術(shù)、工況分析技術(shù)等關(guān)鍵技術(shù)研究，為智能算法、監(jiān)盤模型的研發(fā)提供技術(shù)支撐。
研發(fā)了基于局部波峰波谷與多項(xiàng)式擬合的工業(yè)數(shù)據(jù)趨勢(shì)識(shí)別方法、基于滑動(dòng)窗口的多元時(shí)間序列缺失值填充方法等多種數(shù)據(jù)挖掘方法，實(shí)現(xiàn)了電廠海量歷史數(shù)據(jù)的自動(dòng)采集、清洗和相關(guān)性分析等功能；研發(fā)了電站鍋爐效率對(duì)標(biāo)優(yōu)化的數(shù)據(jù)分析方法、參數(shù)周期性波動(dòng)的監(jiān)測(cè)方法、參數(shù)晃動(dòng)監(jiān)測(cè)方法、基于GMM與EM算法的設(shè)備參數(shù)劣化分析方法等適用于電廠變工況的智能算法，實(shí)現(xiàn)了機(jī)組全系統(tǒng)關(guān)鍵參數(shù)異常的快速判斷和預(yù)警功能。
完成多個(gè)函數(shù)組件和邏輯規(guī)則組件開(kāi)發(fā)。在監(jiān)盤模型構(gòu)建過(guò)程中，研發(fā)了變化速率、首尾差值、均值濾波、小時(shí)均值、參數(shù)質(zhì)量判斷、參數(shù)晃動(dòng)函數(shù)、最優(yōu)值函數(shù)等8個(gè)函數(shù)組件，新增M/N、信號(hào)保持、R/S觸發(fā)器等4個(gè)邏輯規(guī)則組件，滿足不同場(chǎng)景的建模需求。
（3）完成了單機(jī)組1000+監(jiān)盤模型構(gòu)建
通過(guò)圖形化建模工具進(jìn)行機(jī)理模型和數(shù)理模型建模，完成了基于數(shù)理和機(jī)理雙驅(qū)動(dòng)的1089個(gè)的預(yù)警模型，數(shù)理模型占比30%以上。模型覆蓋鍋爐、汽機(jī)和電氣三大專業(yè)，其中鍋爐專業(yè)模型620個(gè)，汽機(jī)專業(yè)模型285個(gè)，電氣專業(yè)模型184個(gè)。
根據(jù)業(yè)務(wù)應(yīng)用場(chǎng)景，歸納了7種綜合的、通用的監(jiān)盤診斷邏輯組，包括偶發(fā)類診斷邏輯、缺陷類診斷邏輯、定期類診斷邏輯、長(zhǎng)周期診斷邏輯、對(duì)比類診斷邏輯、自控類診斷邏輯和變工況診斷邏輯。
（4）建立了與預(yù)警模型相關(guān)聯(lián)的專家知識(shí)庫(kù)
通過(guò)對(duì)電廠運(yùn)行規(guī)程、運(yùn)行經(jīng)驗(yàn)、故障處理方案等知識(shí)進(jìn)行結(jié)構(gòu)化處理，與監(jiān)盤模型進(jìn)行關(guān)聯(lián)，建立了模型可共享復(fù)用的智慧運(yùn)行系統(tǒng)專家知識(shí)庫(kù)，知識(shí)庫(kù)包括監(jiān)盤預(yù)警模型、特征參數(shù)、故障模式、故障現(xiàn)象、故障原因、處理措施等知識(shí)，在監(jiān)盤系統(tǒng)進(jìn)行預(yù)警時(shí)，及時(shí)推送操作指導(dǎo)和優(yōu)化方案。
（5）完成了基于工業(yè)互聯(lián)網(wǎng)平臺(tái)的智慧運(yùn)行系統(tǒng)研發(fā)
該項(xiàng)目提出了基于機(jī)理規(guī)則和AI算法深入融合的智慧運(yùn)行系統(tǒng)總體架構(gòu)，構(gòu)建了多層級(jí)的電廠，研發(fā)了從電廠海量實(shí)時(shí)/歷史數(shù)據(jù)中快速提取關(guān)鍵特征參數(shù)的數(shù)據(jù)挖掘方法，開(kāi)發(fā)了多種適用于電廠變工況的智能算法，構(gòu)建了覆蓋機(jī)組各類異常的監(jiān)盤預(yù)警模型，建立了監(jiān)盤模型相關(guān)聯(lián)的專家知識(shí)庫(kù)，研發(fā)了基于工業(yè)互聯(lián)網(wǎng)平臺(tái)的智慧運(yùn)行系統(tǒng)，并在國(guó)信揚(yáng)電成功應(yīng)用。
2. 網(wǎng)絡(luò)、平臺(tái)或安全互聯(lián)架構(gòu)
平臺(tái)從網(wǎng)絡(luò)傳輸、設(shè)備接入、身份與訪問(wèn)管理、應(yīng)用架構(gòu)、基礎(chǔ)設(shè)施和后期運(yùn)維多個(gè)層面提供安全控制機(jī)制，有效保障平臺(tái)的信息安全，滿足等保三級(jí)安全評(píng)測(cè)需求，并提供評(píng)測(cè)支持服務(wù)。
圖3 朗坤蘇暢工業(yè)互聯(lián)網(wǎng)平臺(tái)安全架構(gòu)
3. 具體應(yīng)用場(chǎng)景和應(yīng)用模式
基于工業(yè)互聯(lián)網(wǎng)平臺(tái)，建立數(shù)據(jù)中心、模型中心、報(bào)警調(diào)度中心、監(jiān)盤中心和指導(dǎo)中心，打造“一個(gè)平臺(tái)”、“五個(gè)中心”，實(shí)現(xiàn)監(jiān)盤智能化。
系統(tǒng)業(yè)務(wù)架構(gòu)如圖所示：
圖3 智慧運(yùn)行系統(tǒng)業(yè)務(wù)架構(gòu)圖
（1）基于工業(yè)互聯(lián)網(wǎng)平臺(tái)，構(gòu)建數(shù)據(jù)中心，實(shí)現(xiàn)海量數(shù)據(jù)的匯聚
數(shù)據(jù)中心集大數(shù)據(jù)實(shí)時(shí)采集、邊緣計(jì)算預(yù)處理、時(shí)序數(shù)據(jù)存儲(chǔ)于一體，具備從數(shù)據(jù)采集、存儲(chǔ)，到數(shù)據(jù)清洗、篩選，以及數(shù)據(jù)質(zhì)量判斷、質(zhì)量評(píng)價(jià)一整套完整的數(shù)據(jù)管理能力。
（2）基于工業(yè)互聯(lián)網(wǎng)平臺(tái)，構(gòu)建模型中心，實(shí)現(xiàn)模型的靈活調(diào)用
支持可視化建模，利用拖拽的方式，實(shí)現(xiàn)“零代碼”的模型構(gòu)建。支持圖形化的機(jī)理建模和數(shù)理建模，滿足機(jī)理模型和數(shù)理模型的相互調(diào)用，實(shí)現(xiàn)監(jiān)盤的雙重保障。
（3）基于工業(yè)互聯(lián)網(wǎng)平臺(tái)，構(gòu)建報(bào)警調(diào)度中心，實(shí)現(xiàn)故障精準(zhǔn)送達(dá)
實(shí)現(xiàn)報(bào)警的統(tǒng)一調(diào)度管理。支持報(bào)警屏蔽功能，避免同一故障產(chǎn)生的多條次生報(bào)警淹沒(méi)主要報(bào)警，造成運(yùn)行人員無(wú)法及時(shí)判定故障；支持報(bào)警結(jié)果調(diào)用，模型產(chǎn)生的報(bào)警結(jié)果可被其他模型做為輸入條件調(diào)用。
（4）基于工業(yè)互聯(lián)網(wǎng)平臺(tái)，構(gòu)建監(jiān)盤中心
以電廠-機(jī)組-專業(yè)-系統(tǒng)-設(shè)備進(jìn)行分級(jí)監(jiān)盤，涵蓋三大專業(yè)、38個(gè)系統(tǒng)，單機(jī)組完成1089個(gè)監(jiān)盤模型，其中數(shù)理模型占比30%以上。
（5））基于工業(yè)互聯(lián)網(wǎng)平臺(tái)，構(gòu)建指導(dǎo)中心，實(shí)現(xiàn)經(jīng)驗(yàn)積累
基于專家知識(shí)庫(kù)，構(gòu)建指導(dǎo)中心，將電廠運(yùn)行規(guī)程、運(yùn)行經(jīng)驗(yàn)、操作指導(dǎo)等知識(shí)與監(jiān)盤模型進(jìn)行關(guān)聯(lián)；異常報(bào)警時(shí)，智慧運(yùn)行系統(tǒng)自動(dòng)推送異常原因和解決方案，輔助運(yùn)行人員進(jìn)行異常處理。
4. 安全及可靠性
通過(guò)國(guó)家工業(yè)信息安全發(fā)展研究中心測(cè)試
平臺(tái)安全架構(gòu)遵循并通過(guò)GB/T39403-2020《云制造服務(wù)平臺(tái)安全防護(hù)管理要求》國(guó)家標(biāo)準(zhǔn)；
安全評(píng)測(cè)細(xì)節(jié)工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟標(biāo)準(zhǔn)AII/004-2018《工業(yè)互聯(lián)網(wǎng)平臺(tái) 安全防護(hù)要求》行業(yè)標(biāo)準(zhǔn)；
安全評(píng)測(cè)細(xì)節(jié)平臺(tái)資源層、IAAS層、PAAS層、SAAS層等安全相關(guān)的172項(xiàng)關(guān)鍵指標(biāo)評(píng)測(cè)結(jié)果全部符合標(biāo)準(zhǔn)。
5. 其他亮點(diǎn)
（1）提出了基于機(jī)理規(guī)則和AI算法深度融合的智慧運(yùn)行系統(tǒng)總體架構(gòu)，建立了數(shù)據(jù)中心、模型中心、報(bào)警調(diào)度中心、監(jiān)盤中心和指導(dǎo)中心，實(shí)現(xiàn)了數(shù)據(jù)統(tǒng)一處理、模型可視化構(gòu)建、報(bào)警統(tǒng)一調(diào)度、機(jī)組全盤監(jiān)督和操作指導(dǎo)實(shí)時(shí)推送的功能，為研發(fā)智慧運(yùn)行系統(tǒng)奠定了基礎(chǔ)。
（2）研發(fā)了基于局部波峰波谷與多項(xiàng)式擬合的工業(yè)數(shù)據(jù)趨勢(shì)識(shí)別方法、基于滑動(dòng)窗口的多元時(shí)間序列缺失值填充方法等數(shù)據(jù)挖掘方法，實(shí)現(xiàn)了電廠海量歷史數(shù)據(jù)的自動(dòng)采集、清洗和相關(guān)性分析等功能，解決了從歷史數(shù)據(jù)中快速提取特征參數(shù)的難題。
（3）研發(fā)了電站鍋爐效率對(duì)標(biāo)優(yōu)化的數(shù)據(jù)分析方法、參數(shù)周期性波動(dòng)的監(jiān)測(cè)方法、參數(shù)晃動(dòng)監(jiān)測(cè)方法、基于GMM與EM算法的設(shè)備參數(shù)劣化分析方法等適用于電廠變工況的智能算法，實(shí)現(xiàn)了機(jī)組全系統(tǒng)關(guān)鍵參數(shù)異常的快速判斷和預(yù)警功能，取得了快于人工發(fā)現(xiàn)參數(shù)異常和設(shè)備故障的效果。
（4）構(gòu)建了基于數(shù)理和機(jī)理雙驅(qū)動(dòng)的1089個(gè)的預(yù)警模型，歸納了7種綜合的、通用的監(jiān)盤診斷邏輯組，取得了由單參數(shù)異常判斷到多參數(shù)綜合診斷的技術(shù)突破，實(shí)現(xiàn)了從單一人工經(jīng)驗(yàn)分析到人工智能+運(yùn)行機(jī)理聯(lián)合診斷的轉(zhuǎn)變。
（5）建立了與預(yù)警模型相關(guān)聯(lián)的專家知識(shí)庫(kù)，實(shí)現(xiàn)了對(duì)電廠運(yùn)行規(guī)程、運(yùn)行經(jīng)驗(yàn)、故障處理方案等知識(shí)的結(jié)構(gòu)化處理，有預(yù)警時(shí)及時(shí)推送操作指導(dǎo)和優(yōu)化方案的功能，取得了監(jiān)盤異常及時(shí)告知、及時(shí)處理的效果。
三、下一步實(shí)施計(jì)劃
智慧運(yùn)行系統(tǒng)在電廠成功落地應(yīng)用后，取得了良好的應(yīng)用效果，但也存在一些需要優(yōu)化和改進(jìn)的地方，智慧運(yùn)行系統(tǒng)下一步研究方向包括：
（1）當(dāng)數(shù)理模型訓(xùn)練樣本數(shù)據(jù)充足，覆蓋工況比較全面時(shí)，模型預(yù)測(cè)準(zhǔn)確性較高；但隨著機(jī)組運(yùn)行年限的增加，存在設(shè)備老化、運(yùn)行工況多變等情況，造成樣本數(shù)據(jù)無(wú)法覆蓋機(jī)組所有運(yùn)行工況?；蛘咝峦哆\(yùn)機(jī)組，前期樣本數(shù)據(jù)不足，需要不斷在數(shù)理模型中增加樣本數(shù)據(jù)。
因此需要開(kāi)發(fā)數(shù)理模型的自學(xué)習(xí)、自訓(xùn)練功能，實(shí)現(xiàn)模型樣本數(shù)據(jù)的自采集、自篩選，模型的自訓(xùn)練、自預(yù)測(cè)以及自發(fā)布功能，滿足模型需要不斷更新的需求。
（2）智慧運(yùn)行系統(tǒng)針對(duì)故障報(bào)警推送操作指導(dǎo)后，有可能需要進(jìn)一步進(jìn)行故障處理，如缺陷登記、工單管理、開(kāi)具工作票或操作票等，將智慧運(yùn)行系統(tǒng)與生產(chǎn)管理系統(tǒng)進(jìn)行深度融合，對(duì)故障進(jìn)行閉環(huán)處理。
（3）目前開(kāi)發(fā)的智慧運(yùn)行系統(tǒng)部署在安全二區(qū)/三區(qū)，主要考慮發(fā)揮工業(yè)互聯(lián)網(wǎng)平臺(tái)的優(yōu)勢(shì)。下一步計(jì)劃將驗(yàn)證通過(guò)的模型進(jìn)行封裝，與DCS進(jìn)行通訊，參與DCS的閉環(huán)控制。
四、項(xiàng)目創(chuàng)新點(diǎn)和實(shí)施效果
1. 項(xiàng)目先進(jìn)性及創(chuàng)新點(diǎn)
（1）運(yùn)行優(yōu)化功能架構(gòu)
提出了基于機(jī)理規(guī)則和AI算法深度融合的運(yùn)行優(yōu)化功能架構(gòu)，建立了基于數(shù)據(jù)的智能監(jiān)控模型，為運(yùn)行優(yōu)化應(yīng)用的數(shù)據(jù)處理、模型可視化、報(bào)警調(diào)度、機(jī)組監(jiān)督和操作指導(dǎo)提供了基礎(chǔ)。
（2）數(shù)據(jù)挖掘方法
研發(fā)了基于局部波峰波谷與多項(xiàng)式擬合的運(yùn)行數(shù)據(jù)趨勢(shì)識(shí)別方法、基于滑動(dòng)窗口的多元時(shí)間序列缺失值填充方法等數(shù)據(jù)挖掘方法，實(shí)現(xiàn)了電廠海量歷史數(shù)據(jù)的自動(dòng)采集、清洗、相關(guān)性分析以及從歷史數(shù)據(jù)中快速提取特征參數(shù)。
（3）智能算法
研發(fā)了電站鍋爐效率對(duì)標(biāo)優(yōu)化的數(shù)據(jù)分析方法、參數(shù)周期性波動(dòng)的監(jiān)測(cè)方法、參數(shù)晃動(dòng)監(jiān)測(cè)方法、基于 GMM 和線性貝葉斯的設(shè)備早期劣化預(yù)警方法等適用于電廠變工況的智能算法，實(shí)現(xiàn)了機(jī)組全系統(tǒng)關(guān)鍵參數(shù)異常的快速判斷和預(yù)警。
（4）預(yù)警模型和專家知識(shí)庫(kù)
構(gòu)建了基于數(shù)理和機(jī)理雙驅(qū)動(dòng)的覆蓋機(jī)組各類異常工況的預(yù)警模型，建立了與預(yù)警模型相關(guān)聯(lián)的專家知識(shí)庫(kù)，取得了多參數(shù)綜合診斷的技術(shù)突破，實(shí)現(xiàn)了基于電廠運(yùn)行規(guī)程、運(yùn)行經(jīng)驗(yàn)、故障處理方案等先驗(yàn)知識(shí)結(jié)構(gòu)化處理的運(yùn)行操作指導(dǎo)。
2. 實(shí)施效果
智慧運(yùn)行系統(tǒng)適用于電力（燃煤發(fā)電、燃?xì)獍l(fā)電、垃圾發(fā)電、生物質(zhì)發(fā)電、水電等）、化工、鋼鐵、建材等領(lǐng)域，目前智慧運(yùn)行系統(tǒng)在火力發(fā)電領(lǐng)域有比較高的需求。
截至2021年，國(guó)內(nèi)1000MW級(jí)別燃煤機(jī)組數(shù)量在130臺(tái)以上，600MW級(jí)別機(jī)組數(shù)量在600臺(tái)以上，300MW級(jí)別機(jī)組數(shù)量在1000臺(tái)以上，加上E級(jí)以上的燃?xì)鈾C(jī)組，國(guó)內(nèi)有超過(guò)2000臺(tái)的火電機(jī)組沒(méi)有建設(shè)智慧運(yùn)行系統(tǒng)；同時(shí)在水電、垃圾發(fā)電、生物質(zhì)發(fā)電等行業(yè)以及化工、鋼鐵、建材等領(lǐng)域也可以推廣應(yīng)用。智慧運(yùn)行系統(tǒng)有廣闊的市場(chǎng)前景。
（1）直接效益
減少機(jī)組非停次數(shù)，降低機(jī)組啟停機(jī)的經(jīng)濟(jì)損失。智慧運(yùn)行系統(tǒng)的智能預(yù)警功能，在設(shè)備劣化早期提前預(yù)警，避免設(shè)備故障進(jìn)一步加大造成機(jī)組非停，提高運(yùn)行的安全性；同時(shí)利用智能分析算法實(shí)現(xiàn)設(shè)備健康狀態(tài)監(jiān)測(cè)，為合理停機(jī)檢修提供科學(xué)的分析數(shù)據(jù)，延長(zhǎng)關(guān)鍵設(shè)備的利用率，減少機(jī)組啟停帶來(lái)的經(jīng)濟(jì)損失。年度可減少機(jī)組非停次數(shù)1至2次，降低機(jī)組非停損失估算80萬(wàn)元/次；設(shè)備異常提前預(yù)警，延長(zhǎng)設(shè)備的使用壽命和維護(hù)周期，降本增效估算100萬(wàn)元/年。
減輕運(yùn)行人員勞動(dòng)強(qiáng)度和工作壓力，延長(zhǎng)崗位專業(yè)年限。通過(guò)智慧運(yùn)行系統(tǒng)代替部分人工監(jiān)盤，將部分原先需要運(yùn)行人員時(shí)刻翻看DCS畫(huà)面，進(jìn)行參數(shù)對(duì)比的監(jiān)盤內(nèi)容，交給智慧運(yùn)行系統(tǒng)去完成；同時(shí)結(jié)合專家系統(tǒng)，進(jìn)行操作指導(dǎo)和優(yōu)化方案的推薦，減輕運(yùn)行人員勞動(dòng)強(qiáng)度和工作壓力，延長(zhǎng)崗位專業(yè)年限。
（2）間接效益
將模糊隱性的運(yùn)行經(jīng)驗(yàn)轉(zhuǎn)化為顯性的專家系統(tǒng)規(guī)則。電廠很多的運(yùn)行經(jīng)驗(yàn)都存儲(chǔ)在運(yùn)行人員的大腦中，在知識(shí)的傳承和發(fā)展上存在一定的滯后和阻礙。而通過(guò)智慧運(yùn)行系統(tǒng)專家知識(shí)庫(kù)的建設(shè)，可以將模糊隱性的運(yùn)行經(jīng)驗(yàn)進(jìn)行顯性化和規(guī)則化，幫助運(yùn)行經(jīng)驗(yàn)少的值班人員快速掌握運(yùn)行經(jīng)驗(yàn)，減少運(yùn)行人員之間的經(jīng)驗(yàn)差異?？山档瓦\(yùn)行人員培訓(xùn)投入成本，估算20萬(wàn)元/年。
（3）社會(huì)效益
節(jié)能減排，政策響應(yīng)。國(guó)家的“十四五”規(guī)劃中明確提出要推進(jìn)煤電科技創(chuàng)新，深度融合智能發(fā)電技術(shù)，降低燃煤機(jī)組能耗，實(shí)現(xiàn)節(jié)能減排；“碳達(dá)峰碳中和”目標(biāo)提出后，對(duì)節(jié)能減排提出了更高的要求。
智慧運(yùn)行系統(tǒng)不僅對(duì)機(jī)組運(yùn)行異常情況進(jìn)行預(yù)警，還進(jìn)行機(jī)組性能上的優(yōu)化指導(dǎo)，例如鍋爐效率對(duì)標(biāo)優(yōu)化、脫硝智能噴氨優(yōu)化、冷端優(yōu)化等，提升運(yùn)行操作經(jīng)濟(jì)性，降低機(jī)組發(fā)電能耗，提質(zhì)增效估算100萬(wàn)元/年。