论文部分内容阅读
[摘 要 ]水电厂作为电力系统重要的电源，保障其安全经济运行有利于电力系统的运行稳定，而电厂自动化设备的可靠运行是保障其实现安全经济运行的基础。本文通过对大数据的概念、水电厂自动化元件依托大数据进行预防性检修的必要性进行叙述，并结合水电厂的电力安全生产的特点对其实现的方法进行描述，希望在此基础上能够实现水电厂的大数据应用，推进水电厂的安全经济运行，为系统的稳定运行提供有效保障。
[关键词]水电厂;大数据;自动化设备;预防性检修
[中图分类号]TM76 [文献标志码]A [文章编号]2095–6487（2020）11–00–03
[Abstract]As an important power supply for power system， ensuring its safe and economic operation is beneficial to the stability of power system， and the reliable operation of power plant automation equipment is the basis to ensure its safe and economic operation. This paper describes the concept of big data， the necessity of preventive maintenance of automatic components of hydropower plant relying on big data， and describes the method of realizing it according to the characteristics of electric power safety production in hydropower plant.
[Keywords]hydropower plant; big data; automation equipment; preventive maintenance
1 大數据应用背景
大数据（BigData）是指在数据分析处理时，不进行数据抽样分析，而是对所有数据进行专业化分析处理的一种技术。其核心技术是基于数据采集、数据分析后进行数据呈现，将专业分析的结果以人们能直观理解的方式呈现出来，为决策者提供实际的理论指导。
水电厂大数据主要来源于电力生产，其主要包括发电业务、检修业务以及安全防护3个方面，大数据的分析主要基于对电力生产的历史运行数据进行专业化分析，为电力生产和检修提供指导。
2 水电厂自动化设备预防性检修的必要性
所谓的自动控制，是指在没有人直接参与的情况下，利用控制装置对机组各设备或生产过程进行控制，使之达到预期的状态或性能要求。水电厂亦不例外，电力生产过程主要通过自动控制方式完成。
作为一个完整的自动控制系统，主要由控制器、执行机构、被控对象以及反馈环节组成，如图1所示。为了完成一个必要的控制过程，其各自动化元器件是必须且必要的，自动化元件的运行可靠性将直接决定整个控制的成败。
针对某水电厂某年度机组非计划停运情况进行统计分析，发现其因自动化设备故障导致机组非计划停运次数占到全年度所有停运次数的60%～70%，大大影响了机组的运行经济性。
3 水电厂电力大数据的采集
水电厂所采集的大数据主要表现为各生产设备运行参数、发电量、电能质量以及电压参数等。其大数据主要采集渠道主要是依靠站内的计算机监控系统来完成，典型的计算机监控系统由监控下位机和监控上位机组成，监控下位机主要由各现地LCU、各终端数据采集装置以及必要通信设备组成，监控上位机主要由各主机、操作员站、通讯服务器、历史数据服务器、GPS时钟等组成，上下位机之间通过厂内星型以太网连接通讯，详见图2。
在系统正常运行时，经过各测点自动化设备（或装置）采集各设备参数进行控制，并将所采集的各设备参数自动存入历史数据服务器，进而得到大批量的数据。
4 水电厂电力大数据处理
水电厂大数据处理主要是针对在系统运行过程中产生的实时数据和非实时数据进行处理，其数据通过站内星型以太网络将数据存储于历史数据服务器工作组内，一般存储时间长度应充分考虑完整的一次水电厂检修周期的时间长度。数据的处理主要是针对元数据进行统一的分类管理，在有效保障数据稳定的情况下对全部数据进行处理分析，尤其是针对在比对过程中发现的同一设备前后参数不一致时应自动记录异常，并增加对其分析的频率，比如自动化设备经常出现的数据刷新变慢、数据突变等情况，数据分析工具应自动对其进行分析和记录，并将结果上送至检修决策平台;同时，增加必要的人机接口、数据共享平台、日志审计、应急备份、用户接入控制等，并进行必要的接口维护、模型维护、服务维护，以增强电力大数据的可靠性，并实现数据共享，其具体分析处理架构详见图3。
5 水电厂电力大数据在自动化设备检修中的应用
经过大数据处理分析工具对水电厂生产运行所形成的实时数据和非实时数据进行分析处理，并在发现水电厂内同一自动化设备发现参数与原有采集数据采样发生变化时，将该异常进行准确记录并上送至检修决策平台，例如在水电厂中振动摆度数据对水轮发电机组的安全运行至关重要，它直接反映机组实时运行的情况，其普通监控系统中采样的数据相对分散、资源整合度不够、参考意义不强，无法形成定性的结果。但是若依托大数据分析处理平台，可以将每一次测量的异常均进行记录，并前后比对分析，可以很好地整合分散的资源，得出可靠并且合理的结果，为每年的机组检修和自动化元件维护提供有力的依据。 因此，在水电厂内进行大数据技术的分析应用，将很好地为水电厂自动化设备预防性检修提供有力的参考，提前对自动化设备进行维护，降低每年因自动化设备（或元件）异常导致的机组非计划停运次数，增强水电厂机组的安全经济运行。
6 水电厂电力大数据智能化趋势分析报警的应用
系统利用与计算机监控系统的信息交互接口，获取生产过程数据，实现设备运行状态的实时监视、数据汇总及存储、数据分析、智能报警及智能报表等功能。系统结构如图4所示：
数据分析功能：本功能实现对采集来的各种不同类型的数据依据要求进行自动加工处理，其结果供报表或再加工，提供如下功能。
（1）对采集的数据进行有效性和正确性检查，更新实时数据库。
（2）从采集的实时数据（含模拟量、累积量等）到时段、小时、日、旬、月、年数据计算。其中时段数据的最小间隔为5 min（可以为10、15、30 min），小时、日、旬、月、年数据（包括开始点、平均值、最大值、最小值及其发生时间等特征量）。
（3）根据某些需要权重计算的指标进行计算。其中时段数据的最小间隔为5 min（可以为10、15、30 min），小时、日、旬、月年数据。
（4）自动实现对迟到数据的处理。
（5）常规数据处理的计算方法、计算周期长度、参与计算的测点等可以按照需要进行配置组态。
经过对大数据的综合分析，生成智能报表并自动保存记录，根据数据分析进行趋势化智能报警，提升电厂自动化运行水平。
7 结束语
水电厂作为电力系统重要的电源生产地，在现代化大数据技术的冲击下，水电厂应进行必要的改革，学习并利用新的设备和技术，提高水力发电厂运行效率和稳定性，建立科学化的电力大数据系统预防性检修管理平台，必要时应有针对性的进行电力大数据模型计算、仿真计算，进一步增加数据利用准确性，最终建立起大数据时代下智能化电力系统，彰显新技术应用带来的显著的经济效益。
参考文献
[1] 吴亞敏.大数据时代电力运营监控数据处理技术[J].电力讯息，2016（5）：122-123.
[2] 赵云山，刘焕焕.大数据技术在电力行业的应用研究[J].电信科学，2014（1）：29-30.
[关键词]水电厂;大数据;自动化设备;预防性检修
[中图分类号]TM76 [文献标志码]A [文章编号]2095–6487（2020）11–00–03
[Abstract]As an important power supply for power system， ensuring its safe and economic operation is beneficial to the stability of power system， and the reliable operation of power plant automation equipment is the basis to ensure its safe and economic operation. This paper describes the concept of big data， the necessity of preventive maintenance of automatic components of hydropower plant relying on big data， and describes the method of realizing it according to the characteristics of electric power safety production in hydropower plant.
[Keywords]hydropower plant; big data; automation equipment; preventive maintenance
1 大數据应用背景
大数据（BigData）是指在数据分析处理时，不进行数据抽样分析，而是对所有数据进行专业化分析处理的一种技术。其核心技术是基于数据采集、数据分析后进行数据呈现，将专业分析的结果以人们能直观理解的方式呈现出来，为决策者提供实际的理论指导。
水电厂大数据主要来源于电力生产，其主要包括发电业务、检修业务以及安全防护3个方面，大数据的分析主要基于对电力生产的历史运行数据进行专业化分析，为电力生产和检修提供指导。
2 水电厂自动化设备预防性检修的必要性
所谓的自动控制，是指在没有人直接参与的情况下，利用控制装置对机组各设备或生产过程进行控制，使之达到预期的状态或性能要求。水电厂亦不例外，电力生产过程主要通过自动控制方式完成。
作为一个完整的自动控制系统，主要由控制器、执行机构、被控对象以及反馈环节组成，如图1所示。为了完成一个必要的控制过程，其各自动化元器件是必须且必要的，自动化元件的运行可靠性将直接决定整个控制的成败。
针对某水电厂某年度机组非计划停运情况进行统计分析，发现其因自动化设备故障导致机组非计划停运次数占到全年度所有停运次数的60%～70%，大大影响了机组的运行经济性。
3 水电厂电力大数据的采集
水电厂所采集的大数据主要表现为各生产设备运行参数、发电量、电能质量以及电压参数等。其大数据主要采集渠道主要是依靠站内的计算机监控系统来完成，典型的计算机监控系统由监控下位机和监控上位机组成，监控下位机主要由各现地LCU、各终端数据采集装置以及必要通信设备组成，监控上位机主要由各主机、操作员站、通讯服务器、历史数据服务器、GPS时钟等组成，上下位机之间通过厂内星型以太网连接通讯，详见图2。
在系统正常运行时，经过各测点自动化设备（或装置）采集各设备参数进行控制，并将所采集的各设备参数自动存入历史数据服务器，进而得到大批量的数据。
4 水电厂电力大数据处理
水电厂大数据处理主要是针对在系统运行过程中产生的实时数据和非实时数据进行处理，其数据通过站内星型以太网络将数据存储于历史数据服务器工作组内，一般存储时间长度应充分考虑完整的一次水电厂检修周期的时间长度。数据的处理主要是针对元数据进行统一的分类管理，在有效保障数据稳定的情况下对全部数据进行处理分析，尤其是针对在比对过程中发现的同一设备前后参数不一致时应自动记录异常，并增加对其分析的频率，比如自动化设备经常出现的数据刷新变慢、数据突变等情况，数据分析工具应自动对其进行分析和记录，并将结果上送至检修决策平台;同时，增加必要的人机接口、数据共享平台、日志审计、应急备份、用户接入控制等，并进行必要的接口维护、模型维护、服务维护，以增强电力大数据的可靠性，并实现数据共享，其具体分析处理架构详见图3。
5 水电厂电力大数据在自动化设备检修中的应用
经过大数据处理分析工具对水电厂生产运行所形成的实时数据和非实时数据进行分析处理，并在发现水电厂内同一自动化设备发现参数与原有采集数据采样发生变化时，将该异常进行准确记录并上送至检修决策平台，例如在水电厂中振动摆度数据对水轮发电机组的安全运行至关重要，它直接反映机组实时运行的情况，其普通监控系统中采样的数据相对分散、资源整合度不够、参考意义不强，无法形成定性的结果。但是若依托大数据分析处理平台，可以将每一次测量的异常均进行记录，并前后比对分析，可以很好地整合分散的资源，得出可靠并且合理的结果，为每年的机组检修和自动化元件维护提供有力的依据。 因此，在水电厂内进行大数据技术的分析应用，将很好地为水电厂自动化设备预防性检修提供有力的参考，提前对自动化设备进行维护，降低每年因自动化设备（或元件）异常导致的机组非计划停运次数，增强水电厂机组的安全经济运行。
6 水电厂电力大数据智能化趋势分析报警的应用
系统利用与计算机监控系统的信息交互接口，获取生产过程数据，实现设备运行状态的实时监视、数据汇总及存储、数据分析、智能报警及智能报表等功能。系统结构如图4所示：
数据分析功能：本功能实现对采集来的各种不同类型的数据依据要求进行自动加工处理，其结果供报表或再加工，提供如下功能。
（1）对采集的数据进行有效性和正确性检查，更新实时数据库。
（2）从采集的实时数据（含模拟量、累积量等）到时段、小时、日、旬、月、年数据计算。其中时段数据的最小间隔为5 min（可以为10、15、30 min），小时、日、旬、月、年数据（包括开始点、平均值、最大值、最小值及其发生时间等特征量）。
（3）根据某些需要权重计算的指标进行计算。其中时段数据的最小间隔为5 min（可以为10、15、30 min），小时、日、旬、月年数据。
（4）自动实现对迟到数据的处理。
（5）常规数据处理的计算方法、计算周期长度、参与计算的测点等可以按照需要进行配置组态。
经过对大数据的综合分析，生成智能报表并自动保存记录，根据数据分析进行趋势化智能报警，提升电厂自动化运行水平。
7 结束语
水电厂作为电力系统重要的电源生产地，在现代化大数据技术的冲击下，水电厂应进行必要的改革，学习并利用新的设备和技术，提高水力发电厂运行效率和稳定性，建立科学化的电力大数据系统预防性检修管理平台，必要时应有针对性的进行电力大数据模型计算、仿真计算，进一步增加数据利用准确性，最终建立起大数据时代下智能化电力系统，彰显新技术应用带来的显著的经济效益。
参考文献
[1] 吴亞敏.大数据时代电力运营监控数据处理技术[J].电力讯息，2016（5）：122-123.
[2] 赵云山，刘焕焕.大数据技术在电力行业的应用研究[J].电信科学，2014（1）：29-30.