晉控電力山西長(zhǎng)治發(fā)電有限責(zé)任公司 梁宇寧 李 信 晉能控股山西電力股份有限公司 李慶華
當(dāng)前火電機(jī)組在技術(shù)瓶頸、經(jīng)濟(jì)效益、人工需求、環(huán)保壓力等諸多方面面臨著嚴(yán)峻挑戰(zhàn)?;痣娔芎乃桨l(fā)展遇到瓶頸;傳統(tǒng)熱工控制對(duì)大擾動(dòng)、大滯后、多變量強(qiáng)耦合復(fù)雜工藝過(guò)程的適應(yīng)能力有限。在國(guó)家大政策下,市場(chǎng)從快速擴(kuò)張期逐步轉(zhuǎn)為自由市場(chǎng)化競(jìng)爭(zhēng),各企業(yè)會(huì)非常關(guān)注提升經(jīng)濟(jì)效益,長(zhǎng)期良性發(fā)展。工業(yè)領(lǐng)域人口紅利逐漸消失;豐富經(jīng)驗(yàn)工程師離職、轉(zhuǎn)崗、退休;新員工不好招、老人留不住。排放新規(guī)下,環(huán)保監(jiān)管會(huì)非常嚴(yán)格。各企業(yè)會(huì)非常重視管理與生產(chǎn),既防止環(huán)保超標(biāo)、又要合理控制成本。
傳統(tǒng)火電廠運(yùn)行主要依靠人對(duì)設(shè)備狀態(tài)和參數(shù)進(jìn)行監(jiān)控,運(yùn)行人員全天二十四小時(shí)對(duì)不斷變化的數(shù)據(jù)進(jìn)行巡視和監(jiān)控,但這種人工監(jiān)盤難以發(fā)現(xiàn)設(shè)備故障前期參數(shù)的緩慢變化,大都是在報(bào)警出現(xiàn)后進(jìn)行處理,只有優(yōu)秀的運(yùn)行人員才能在成千上萬(wàn)的數(shù)據(jù)中洞察出設(shè)備的異常,才能在故障前期做出正確處置。且這種方式需運(yùn)行人員在盤前集中精力持續(xù)盯住各重要參數(shù)的變化,工作壓力大、勞動(dòng)強(qiáng)度高。由此應(yīng)運(yùn)而生智能監(jiān)盤系統(tǒng),通過(guò)智能化手段,將運(yùn)行規(guī)程和電力安全規(guī)程知識(shí)化、歷史數(shù)據(jù)和運(yùn)行經(jīng)驗(yàn)?zāi)P突弥悄苤R(shí)庫(kù)協(xié)助監(jiān)盤人員對(duì)運(yùn)行中的各類參數(shù)和設(shè)備狀態(tài)進(jìn)行監(jiān)測(cè),并基于五個(gè)維度將系統(tǒng)健康度信號(hào)呈現(xiàn)給監(jiān)盤人員。
監(jiān)盤人員可在任意DCS 操作員站上實(shí)時(shí)監(jiān)視機(jī)組、子系統(tǒng)、子設(shè)備的健康狀態(tài),查看故障預(yù)警,設(shè)備健康狀態(tài)和故障報(bào)警信息。智能監(jiān)盤可幫助實(shí)現(xiàn)熱力系統(tǒng)的在線自預(yù)警、自診斷功能,最終達(dá)到機(jī)組運(yùn)行少人值守、降低運(yùn)行人員勞動(dòng)強(qiáng)度、提高機(jī)組安全性的目的。同時(shí),給出相應(yīng)調(diào)節(jié)建議及相應(yīng)的影響和效果,指導(dǎo)現(xiàn)場(chǎng)監(jiān)盤人員更好、更優(yōu)的調(diào)整機(jī)組運(yùn)行工況。未來(lái)將結(jié)合APS(全廠一鍵啟停)/ABS(功能組啟停)和Digital Twin(在線仿真技術(shù)),實(shí)現(xiàn)真正的少人值守或無(wú)人值守。
智慧監(jiān)盤系統(tǒng)基于數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)等人工智能算法,對(duì)海量運(yùn)行數(shù)據(jù)中隱含的特征關(guān)系進(jìn)行深度識(shí)別,建立系統(tǒng)狀態(tài)模型?;诙喾N先進(jìn)算法,結(jié)合設(shè)備規(guī)程、運(yùn)行經(jīng)驗(yàn),將機(jī)組運(yùn)行的知識(shí)和經(jīng)驗(yàn)進(jìn)行有效數(shù)字化、模型化和邏輯化。從時(shí)間和空間維度上,充分挖掘和利用機(jī)組大量的歷史數(shù)據(jù)資源,通過(guò)對(duì)海量歷史數(shù)據(jù)的挖掘利用和深度學(xué)習(xí),結(jié)合對(duì)象的輸入/輸出關(guān)系建立智能預(yù)測(cè)模型,將實(shí)時(shí)數(shù)據(jù)送入預(yù)測(cè)模型即可獲得系統(tǒng)各參數(shù)預(yù)測(cè)值,再利用評(píng)價(jià)模型對(duì)實(shí)時(shí)值進(jìn)行評(píng)估,從而實(shí)現(xiàn)對(duì)系統(tǒng)、設(shè)備或參數(shù)的狀態(tài)預(yù)警。狀態(tài)預(yù)警系統(tǒng)更加符合人的模糊性認(rèn)知,采用模擬量表征參數(shù)或設(shè)備的健康狀況。
在參數(shù)偏離的早期提醒運(yùn)行人員,從而留出足夠的主動(dòng)時(shí)間窗來(lái)應(yīng)對(duì)事故處理。作為一個(gè)融合大量過(guò)程對(duì)象的動(dòng)態(tài)調(diào)整系統(tǒng),設(shè)備的工藝參數(shù)在運(yùn)行中隨多維邊界條件不斷發(fā)生變化,運(yùn)行人員常常難以捕捉到參數(shù)的細(xì)微偏差。利用智能預(yù)測(cè)模型對(duì)參數(shù)進(jìn)行實(shí)時(shí)預(yù)測(cè),將實(shí)際過(guò)程值與預(yù)測(cè)期望值進(jìn)行比對(duì)分析,結(jié)合運(yùn)行規(guī)程和經(jīng)驗(yàn)診斷出參數(shù)的健康程度并進(jìn)行量化評(píng)價(jià)。通過(guò)豐富的可視化技術(shù)將健康狀態(tài)和異常信息進(jìn)行合理的組織呈現(xiàn),實(shí)現(xiàn)“所見(jiàn)即異常,一屏見(jiàn)全廠”。
智慧監(jiān)盤系統(tǒng)畫面分為三級(jí):機(jī)組健康度總覽顯示各個(gè)子系統(tǒng)的評(píng)分結(jié)果,每個(gè)子系統(tǒng)健康度由安全、經(jīng)濟(jì)、參數(shù)偏離、系統(tǒng)故障和可靠性五個(gè)維度組成,用柱狀圖的高度和顏色呈現(xiàn)。子系統(tǒng)級(jí)健康度總覽展示當(dāng)前子系統(tǒng)五個(gè)維度的評(píng)分及趨勢(shì)??捎蓸?biāo)簽按鈕跳轉(zhuǎn)至相應(yīng)維度的參數(shù)界面。參數(shù)級(jí)健康度總覽展示當(dāng)前維度相關(guān)參數(shù)的過(guò)程值、期望值、報(bào)警值、跳閘值以及健康度評(píng)分等信息。
與控制系統(tǒng)統(tǒng)一部署,通過(guò)控制系統(tǒng)上位機(jī)畫面呈現(xiàn)部署在控制系統(tǒng)網(wǎng)絡(luò)內(nèi),更加符合運(yùn)行人員使用習(xí)慣,避免運(yùn)行人員監(jiān)控多個(gè)系統(tǒng)帶來(lái)的不便直接獲取控制系統(tǒng)數(shù)據(jù)進(jìn)行建模分析。監(jiān)盤的核心是基于數(shù)據(jù)建立預(yù)測(cè)模型,因此對(duì)數(shù)據(jù)的速度和精度有著較高要求。相較傳統(tǒng)SIS 系統(tǒng)數(shù)據(jù),DCS 數(shù)據(jù)速度、精度優(yōu)勢(shì)顯著之外,還具有豐富的點(diǎn)信息功能(測(cè)點(diǎn)狀態(tài)、質(zhì)量、報(bào)警設(shè)定等)。同樣部署在控制1區(qū),與控制系統(tǒng)數(shù)據(jù)進(jìn)行高速實(shí)時(shí)交互,直接通過(guò)API 接口進(jìn)行數(shù)據(jù)讀寫,保證了數(shù)據(jù)交互的高速與可靠,避免了跨區(qū)數(shù)據(jù)不能返回的安全問(wèn)題,也為閉環(huán)控制的研究提供良好的支持。
結(jié)合實(shí)際需求,通過(guò)多維度對(duì)系統(tǒng)當(dāng)狀態(tài)進(jìn)行全面評(píng)價(jià),提供回歸、神經(jīng)網(wǎng)絡(luò)、多元狀態(tài)預(yù)估、支持向量機(jī)等多種模型算法支持,此外也提供自定義模型算法封裝,為功能擴(kuò)展提供幫助。能夠通過(guò)趨勢(shì)圖、XY 圖、棒狀圖的形式對(duì)數(shù)據(jù)進(jìn)行展示,給維護(hù)人員提供依據(jù)從而便捷選擇合適穩(wěn)定工況進(jìn)行分析。另外也提供按照DCS 系統(tǒng)流程圖畫面的形式進(jìn)行展示,通過(guò)和實(shí)際運(yùn)行完全一致的流程圖進(jìn)行測(cè)點(diǎn)選擇,符合運(yùn)行人員使用習(xí)慣。
智慧監(jiān)盤系統(tǒng)是融合數(shù)據(jù)采集、清洗、可視化建模、系統(tǒng)工況預(yù)測(cè)和故障預(yù)警等多項(xiàng)先進(jìn)技術(shù)的綜合應(yīng)用,可預(yù)警高壓加熱器泄漏、循環(huán)水系統(tǒng)異常、抗燃油系統(tǒng)異常、主給水泵內(nèi)部缺陷等重大異常工況,助力運(yùn)行、檢修人員科學(xué)決策,變被動(dòng)響應(yīng)為主動(dòng)應(yīng)對(duì),極大地提升了機(jī)組安全性、可靠性和運(yùn)營(yíng)確定性。也可將行業(yè)知識(shí)和專家經(jīng)驗(yàn)有效地知識(shí)化、模型化和邏輯化,有效緩解一線運(yùn)行人員普遍面臨的勞動(dòng)強(qiáng)度高、工作壓力大等問(wèn)題。
智能監(jiān)盤系統(tǒng)通過(guò)預(yù)測(cè)模型對(duì)機(jī)組狀態(tài)進(jìn)行實(shí)時(shí)評(píng)估,幫助運(yùn)行人員捕捉到參數(shù)細(xì)微偏差背后的隱藏信息,通過(guò)智能預(yù)警有效解決漏報(bào)、誤報(bào)問(wèn)題之余對(duì)異常變化趨勢(shì)進(jìn)行掌握,實(shí)現(xiàn)“人找數(shù)”到“數(shù)找人”的智能轉(zhuǎn)型。將運(yùn)行人員從海量的數(shù)據(jù)監(jiān)控中解放出來(lái),告別重復(fù)低效的枯燥模式,從事模型開發(fā)、維護(hù)等附加值高的工作。機(jī)組運(yùn)行不斷積累的數(shù)據(jù)推動(dòng)著系統(tǒng)模型和專家規(guī)則的迭代完善,運(yùn)行人員長(zhǎng)期積累的專業(yè)經(jīng)驗(yàn)通過(guò)知識(shí)提取沉淀于系統(tǒng)中,持續(xù)迭代,積累成企業(yè)的寶貴財(cái)富。結(jié)合智能自啟停和嵌入式仿真技術(shù),打造全新一代智能運(yùn)行系統(tǒng)。
某火電廠1000MW 超超臨界燃煤機(jī)組鍋爐是上海鍋爐廠生產(chǎn)的1000MW 等級(jí)一次再熱超超臨界參數(shù)變壓運(yùn)行直流爐、單爐膛,采用塔式布置、固態(tài)排渣、全鋼構(gòu)架、全懸吊結(jié)構(gòu)。汽輪機(jī)是由上海汽輪機(jī)廠生產(chǎn),汽輪機(jī)為1000MW 級(jí)機(jī)組、超超臨界、一次中間再熱、單軸、四缸四排汽、直接空冷凝汽式。發(fā)電機(jī)為上海發(fā)電機(jī)廠生產(chǎn),額定輸出功率為1034MW,額定功率因數(shù)0.9(滯后)。
安全性評(píng)價(jià):選取與系統(tǒng)安全性相關(guān)的參數(shù)建模點(diǎn)歸集在一起,但凡一個(gè)參數(shù)異常認(rèn)為系統(tǒng)安全受到威脅;經(jīng)濟(jì)性評(píng)價(jià):選取系統(tǒng)經(jīng)濟(jì)性相關(guān)的參數(shù)建模點(diǎn),同一系統(tǒng)有多個(gè)經(jīng)濟(jì)性指標(biāo)同時(shí)惡化認(rèn)為此系統(tǒng)經(jīng)濟(jì)惡化;參數(shù)總體評(píng)價(jià):系統(tǒng)中存在的其他點(diǎn)信息。包羅系統(tǒng)中所有參數(shù)形成一個(gè)集合,對(duì)系統(tǒng)的總體評(píng)價(jià);系統(tǒng)自動(dòng)投入度評(píng)價(jià):一個(gè)系統(tǒng)的自動(dòng)投入度,表征了這個(gè)系統(tǒng)的自動(dòng)化程度。認(rèn)為自動(dòng)投入程度也是智能工廠一個(gè)很重要的指標(biāo);系統(tǒng)故障診斷評(píng)價(jià):火電站的一些常見(jiàn)故障中,存在多個(gè)關(guān)聯(lián)變量惡化導(dǎo)致一個(gè)或多個(gè)參數(shù)異常的原因。通過(guò)歸納整理、科學(xué)建模,形成一個(gè)對(duì)故障行之有效的分析手段。
智能監(jiān)盤系統(tǒng)對(duì)機(jī)組的安全性指標(biāo)依據(jù)設(shè)備技術(shù)規(guī)范和運(yùn)行規(guī)程,及設(shè)備歷史運(yùn)行數(shù)據(jù)確定參數(shù)正常運(yùn)行邊界,并進(jìn)行實(shí)時(shí)預(yù)測(cè)及評(píng)價(jià)。會(huì)設(shè)置安全評(píng)分界面,有實(shí)時(shí)值、報(bào)警值、跳閘值、期望值、得分這幾列,其中報(bào)警值和跳閘值這兩列內(nèi)容與DCS 中對(duì)應(yīng)的參數(shù)高/低一限和二限的定值一致。單個(gè)參數(shù)的安全評(píng)分標(biāo)準(zhǔn)一般為在正常范圍內(nèi)(根據(jù)歷史數(shù)據(jù)計(jì)算得到)為100分,達(dá)到報(bào)警值評(píng)分為70分,達(dá)到跳閘值為0分。
對(duì)火力發(fā)電經(jīng)濟(jì)、環(huán)保指標(biāo)進(jìn)行動(dòng)態(tài)預(yù)測(cè),實(shí)時(shí)進(jìn)行預(yù)測(cè)評(píng)價(jià)。通常將對(duì)系統(tǒng)經(jīng)濟(jì)性有影響的參數(shù)歸于經(jīng)濟(jì)評(píng)分下,其余參數(shù)作為參數(shù)評(píng)分內(nèi)容歸于參數(shù)評(píng)分下。通過(guò)參數(shù)的關(guān)聯(lián)變量對(duì)該參數(shù)進(jìn)行期望值擬合得到期望值公式。通過(guò)該期望值公式對(duì)歷史數(shù)據(jù)進(jìn)行重算得到一組歷史期望值,再根據(jù)歷史數(shù)據(jù)和歷史期望值之差得到該參數(shù)的歷史值與期望值的偏差。根據(jù)偏差的分布情況進(jìn)行計(jì)算得到偏差的正常值、高/低值、高高/低低值,最后用實(shí)時(shí)值與期望值的偏差根據(jù)公式進(jìn)行評(píng)分。
實(shí)現(xiàn)過(guò)程如下:指標(biāo)的優(yōu)良中差呈指數(shù)形式(或線性),曲線單調(diào)遞增或者單調(diào)遞減,有明確的上下限(Xmin與Xmax)。單調(diào)遞增時(shí)指標(biāo)的Xworst是Xmin;單調(diào)遞減時(shí)指標(biāo)的Xworst是Xmax。則測(cè)評(píng)分?jǐn)?shù)的換算公式如下:如果X 超出上限(X>=Xmax)。此時(shí)若Xworst是Xmin則Y=100, 若Xworst是XmaxY=0;如果X 超出下限(X<=Xmin)。此時(shí)若Xworst是Xmin則Y=0,若Xworst是Xmax則Y=100;如果X 在上下限范圍內(nèi)(Xmin<X<Xmax),Y=100×[|X-Xworst|/(Xmax-Xmin)]n,指數(shù)形式中n 的取值自定,n>0。
指標(biāo)的上下限、指數(shù)n 值都可在服務(wù)器界面上修改更換,尋找較好的記分方法。(指標(biāo)設(shè)置了超限的計(jì)算方法,能夠較好的避免錯(cuò)誤輸出。)以上情況在服務(wù)器的配置界面上輸入Xmax、Xmin、Xworst以及n 即可。指標(biāo)有明確的上下限(Xmin與Xmax),在Xmin與Xmax間存在一個(gè)Xbest或Xworst,但評(píng)價(jià)曲線在分段范圍內(nèi)仍單調(diào)遞增/遞減。則測(cè)評(píng)分?jǐn)?shù)的換算公式為以下兩種情況。
中間的是最差值Xworst,進(jìn)行計(jì)算的方法為:如果X 超限(X>=Xmax或X<=Xmin),Y=100,則當(dāng)Xmin<X<Xworst時(shí),Y=100×[(Xworst-X)/(Xworst-Xmin)]n1。當(dāng)Xworst<X<Xmax,Y=100×[(X-Xworst)/(Xmax-Xworst)]n2;中間的是最優(yōu)值Xbest,進(jìn)行計(jì)算的方法為:如果X 超限(X>=Xmax或者X<=Xmin),Y=0。當(dāng)Xmin<X<Xbest,Y=100×[(X-Xmin)/(Xbest-Xmin)]n1,當(dāng)Xbest<X<Xmax時(shí),Y=100×[(Xmax-X)/(Xmax-Xbest)]n2。上面兩種情況只要在服務(wù)器的配置界面上輸入Xmax、Xmin、Xworst/Xbest以及n1和n2即可。
主要基于海量的報(bào)警信息,DCS 報(bào)警系統(tǒng)的通病是未經(jīng)分類整理的過(guò)量報(bào)警信息快速滾屏,導(dǎo)致重要設(shè)備缺陷的報(bào)警信息很快淹沒(méi)在報(bào)警畫面中,針對(duì)這種主次不分、重復(fù)出現(xiàn)且查詢困難的報(bào)警信息的深度挖掘,對(duì)整體報(bào)警數(shù)據(jù)庫(kù)進(jìn)行考察整理,梳理報(bào)警信息,對(duì)海量數(shù)據(jù)進(jìn)行分級(jí)分類優(yōu)化,對(duì)工藝過(guò)程進(jìn)行分類和分區(qū)域優(yōu)化,把所有報(bào)警信息簡(jiǎn)化為4個(gè)等級(jí):1級(jí)報(bào)警為主設(shè)備跳閘條件、危及人身安全跳閘條件;2級(jí)報(bào)警為導(dǎo)致主設(shè)備、主要輔機(jī)跳閘條件報(bào)警信息;3級(jí)報(bào)警為過(guò)程條件需要觀察,有時(shí)間處理的報(bào)警信息;4級(jí)儀表問(wèn)題、冗余變送器偏差等的報(bào)警信息。
將報(bào)警信息與電廠區(qū)域?qū)哟蜗嗥ヅ?,使運(yùn)行人員很容易看到報(bào)警發(fā)生的區(qū)域,將熱工報(bào)警與機(jī)組運(yùn)行報(bào)警進(jìn)行區(qū)域分類,利于運(yùn)行人員的高效監(jiān)盤,為客戶提供預(yù)測(cè)性的故障診斷評(píng)價(jià)以及改進(jìn)方案,有助于降低機(jī)組的事故風(fēng)險(xiǎn),提升發(fā)電企業(yè)的生產(chǎn)安全。
以某日發(fā)生給水泵抽頭吹損故障預(yù)警為例,超超臨界額定負(fù)荷1000MW 的某機(jī)組運(yùn)行當(dāng)前負(fù)荷為521MW,經(jīng)模型計(jì)算的給泵期望出水壓力約為28MPa,轉(zhuǎn)速期望值約為5300rpm,但實(shí)際出水壓力偏高了0.2MPa,而實(shí)際轉(zhuǎn)速卻為5285rpm。在實(shí)際運(yùn)行中,不管經(jīng)驗(yàn)多豐富的運(yùn)行人員都難以在持續(xù)變化的負(fù)荷下察覺(jué)出這么細(xì)微的參數(shù)偏差,但智能診斷系統(tǒng)卻能及時(shí)發(fā)現(xiàn)問(wèn)題并提前預(yù)警。
故障分析系統(tǒng)經(jīng)過(guò)數(shù)據(jù)分析,確定進(jìn)行停機(jī)時(shí)才能進(jìn)一步分析系統(tǒng)參數(shù)異常的原因,因此臨時(shí)安排調(diào)停計(jì)劃變更。停機(jī)后檢查發(fā)現(xiàn)給水泵芯包抽頭被吹損。如沒(méi)有利用調(diào)停機(jī)會(huì)及時(shí)處理,任由缺陷發(fā)展下去,流動(dòng)加速腐蝕、吹損面不斷擴(kuò)大,將影響給水量至少200t/h,直接導(dǎo)致機(jī)組無(wú)法運(yùn)行至高負(fù)荷。同時(shí),對(duì)于正在運(yùn)行機(jī)組的給水泵進(jìn)行隔離消缺是有非常大的風(fēng)險(xiǎn)的:一是很難嚴(yán)密隔離;二是即使完全隔離了,對(duì)熱態(tài)給水泵進(jìn)行檢修工作也是非常困難的。智能診斷系統(tǒng)的應(yīng)用讓被動(dòng)響應(yīng)變?yōu)橹鲃?dòng)應(yīng)對(duì),臨時(shí)搶修變?yōu)橛?jì)劃?rùn)z修,有效避免了無(wú)法響應(yīng)高負(fù)荷的非停情況發(fā)生。
綜上,將現(xiàn)場(chǎng)工作人員的經(jīng)驗(yàn)積累沉淀,通過(guò)邏輯關(guān)系和函數(shù)表達(dá)式把人的思路與邏輯固化在軟件系統(tǒng)中,形成智能監(jiān)盤,通過(guò)智能評(píng)價(jià)的方式,用機(jī)器監(jiān)盤代替人的重復(fù)勞動(dòng),自動(dòng)計(jì)算動(dòng)態(tài)基準(zhǔn)值,自動(dòng)篩選異常參數(shù)、異常事件,提前報(bào)警并實(shí)現(xiàn)閉環(huán)管理,降低運(yùn)行人員的工作強(qiáng)度,避免了運(yùn)行人員經(jīng)驗(yàn)流失,提高機(jī)組運(yùn)行的安全性、經(jīng)濟(jì)性和環(huán)保性。