基于朗坤蘇暢工業互聯網平臺的運行優化應用
江蘇國信揚州發電有限責任公司 (以下簡稱“國信揚電")，總裝機容量為252萬千瓦，是江蘇省內首家擁有4臺63萬千瓦機組的特大型火力發電企業。為了滿足電網不斷增加的調峰需求，機組更高的節能降耗、環保減排等要求，國信揚電和朗坤合作企業數字化創新項目——智慧運行系統，打造一個滿足智慧電廠總體規劃要求、發電集控運行急需、智能輔助決策的智能監盤產品，以電廠實時/歷史數據為基礎，通過工業互聯網平臺，將智能算法和設備運行機理規則相融合，結合專家知識，實現設備關鍵參數的劣化分析和設備故障預測，將被動等待故障發生轉變為故障的提前預警。
一、項目概況
1、項目背景
電力產業是國民經濟的基礎產業，在經濟發展過程中發揮著非常重要的作用。近年來，國務院、發改委、能源局陸續出臺了“十四五”規劃、《關于推進“互聯網+”智慧能源發展的指導意見》、《電力發展“十三五”規劃》、《新時代的中國能源發展》白皮書等一系列政策文件，推動大數據、人工智能等信息技術和電力產業的深度融合。
在“雙碳”目標提出后，火電機組面臨的電網調峰需求不斷增加，同時機組在節能降耗、碳減排等方面要求也越來越高。在傳統的監盤操作模式中，DCS控制邏輯絕大多數采用PID調節，存在部分協調控制能力弱、調節性能差的問題；而且DCS報警邏輯大部分為了設備安全保護設置，參數報警值遠離正常運行范圍，運行人員監盤過程中，要熟知各個參數的跳閘值、報警值、不同工況運行范圍以及設備帶病運行時的參數偏離值。因此在面對機組運行工況頻繁波動、環保壓力日益嚴峻以及設備長期服役存在隱患等復雜情況下，運行人員存在監盤壓力大、參數異常發現晚、故障判斷不夠及時等問題。
江蘇國信揚州發電有限責任公司（以下簡稱國信揚電）一期2×630MW燃煤發電機組投產于1998年，二期兩臺國產超臨界燃煤發電機組投產于2006年，經提參數擴容改造后改造為2×650MW超臨界機組。雖然四臺均為60萬千瓦級機組，但是由于投產較早，受限于當時的技術，現場測點少、監測手段少，而且系統大多是通過黑匣子的方式寫回DCS控制，運行人員對這種控制原理無法理解，遇到問題分析不夠透徹。
在電力企業全面推進數字化轉型之際，應充分利用運行人員豐富的運行經驗，充分挖掘海量運行數據中的價值，設計出一套符合生產現場運行需要的智慧運行系統，輔助值班人員監盤、判斷、操作指導及運行優化等工作，解放其一部分煩瑣的腦力和體力勞動，固化全體集控人員的運行經驗，實現“人防”向“技防”的轉變，將更多精力投身于探索更加安全穩定、清潔高效的火電發展道路。
綜上所述，傳統的監盤模式已經不能適應日趨復雜的安全、環保、經濟等各方面的精細化要求。所以，無論是從應對外部形勢變化的需要，還是從集控運行自身發展，開展智慧運行系統的研究勢在必行。
2、項目簡介
智慧運行系統依托工業互聯網平臺，利用大數據分析、人工智能和專家系統等手段對電廠歷史運行、試驗調整等數據進行機器學習，將電廠運行知識和經驗進行數字化、模型化，為電廠機組、系統、設備和參數建立監督模型，通過模型預測實現多種工況下運行參數的智能預警和機組設備的優化診斷，并提供相應的操作指導，輔助運行人員進行異常處理，降低機組設備發生故障的概率和風險。
項目建設內容主要包括國信揚電數字孿生建模、大數據模型算法庫建設、機理模型函數組件庫建設、監盤預警模型建設、專家知識庫建設和監盤報警展示頁面開發。
3、項目目標
智慧運行系統是利用大數據分析、人工智能和專家系統等手段對電廠歷史運行、試驗調整等數據進行機器學習，將電廠運行知識和經驗進行數字化、模型化，為電廠機組、系統、設備和參數建立監督模型，通過模型預測實現多種工況下運行參數的智能預警和機組設備的優化診斷，并提供相應的操作指導，輔助運行人員進行異常處理，降低機組設備發生故障的概率和風險。
主要建設目標如下：
1、打造電力行業工業互聯網平臺，支撐智慧運行系統穩定高效運行
建設適用于電力行業的工業互聯網平臺，具有較強的先進性、穩定性與支撐能力。具備工業大數據實時采集、邊緣計算預處理、海量時序數據存儲、大數據建模、機理建模、預警分析、專家知識庫等功能，支撐智慧運行系統穩定高效運行，同時支持橫向縱向業務集成和后期擴展，促進電力企業數字化轉型。
2、打造智慧運行系統數據服務中心
數據服務中心集大數據實時采集、邊緣計算預處理、時序數據存儲于一體，具備從數據采集、存儲，到數據清洗、篩選，以及數據質量判斷、質量評價一整套完整的數據管理能力。通過從SIS側或DCS側采集機組運行數據，在邊緣層通過智能網關進行數據預處理后，進行數據的存儲。數據服務中心提供通用數據接口，提供準確、可靠的實時、歷史查詢數據服務功能。
3、多層級數字孿生建模技術，打造數字孿生建模平臺
利用多層級數字孿生建模技術，構建“電廠-機組-專業-系統-設備”多層級的電廠數字孿生體。數字孿生建模平臺以標準化編碼構建通用系統模型，提高模型復用效率。從頂層設計出發，面向電力行業構建了包含行業、專業、設備類型在內的通用編碼，并逐步細化到具體參數，實現測點編碼的多層級、標準化，可快速進行復用。
4、建立圖形化建模平臺，實現機理模型和數理模型的融合
基于圖形化建模平臺，利用“拖拉拽”的方式，實現數據的采集、清洗，模型訓練和發布，降低AI技術的使用門檻，實現“零代碼”的機理模型和數理模型構建；同時滿足機理模型調用數理模型，實現智慧運行系統的機理和數理模型雙驅動。
5、建立報警調度中心，實現報警信息的調度于抑制
通過報警調度中心實現報警的統一調度管理。支持報警屏蔽功能，避免同一故障產生的多條次生報警淹沒源頭報警，造成運行人員無法及時判定故障；支持報警結果調用，模型產生的報警結果可被其他模型做為輸入條件調用。
6、構建與監盤模型相結合的專家知識庫，建立智慧運行系統指導中心
通過對電廠運行規程、運行經驗、故障處理方案等知識的結構化處理，建立與監盤模型相關聯的專家知識庫，報警觸發時及時推送操作指導和優化方案，輔助運行人員進行異常處理。實現監盤異常及時告知、及時處理的效果，提高機組運行的安全性和經濟性。
7、研發基于工業互聯網平臺的智慧運行系統
智慧運行系統基于工業互聯網平臺，結合大數據分析、邊緣計算、人工智能等技術，挖掘機組運行數據價值，將運行人員對運行監盤、分析、判斷、操作全過程的運行經驗融入到智能算法當中，通過機器學習的方法固化運行經驗和操作步驟，最終達到逐步代替人分析、判斷和操作。智慧運行系統通過電廠-機組-專業-系統-設備進行分級監盤，涵蓋三大專業、38個系統，實現對機組參數異常和設備故障的全覆蓋。
二、項目實施概況
1. 項目總體架構和主要內容
（1）項目總體架構
工業互聯網平臺集工業大數據實時采集、邊緣計算預處理、海量時序數據存儲于一體，實現數據互聯，數據融合，智能決策和資源共享。
智慧運行系統以電廠DCS的實時/歷史數據為基礎，通過邊緣層的物聯網平臺實現數據的實時接入，在PaaS層通過數據智能平臺、數字孿生建模平臺和應用開發平臺，實現可視化建模、數據實時計算和專家知識管理等，為智慧運行系統的智能預警、故障診斷和決策分析提供數據支撐。
項目總體架構圖如下圖所示：
圖1 項目總體架構圖
圖2 智慧運行系統業務架構圖
（2）主要內容
基于工業互聯網平臺的電廠智慧運行系統于2020年12月開始建設，朗坤智慧組建項目實施小組入駐國信揚電，國信揚電安排脫產的運行人員配合系統開發。雙方共同成立智慧運行系統開發中心，組建聯合開發小組，完成項目藍圖設計、制定項目實施細則、發布考核辦法、明確雙方工作職責，堅持周例會和月例會制度，及時解決項目實施中存在的問題，按計劃圓滿完成了關鍵技術研究和項目實施。項目主要建設內容包括：
（1）完成了國信揚電數字孿生建模平臺建設
根據電廠實際組織結構，采用靈活的“電廠-機組-專業-系統-設備”五個層級分步建模的方式，構建孿生虛擬電廠；同時面向電力行業構建了包含行業、機組、專業、系統、設備類型在內的通用編碼，并逐步細化到具體參數，實現測點編碼的多層級、標準化，可快速進行復用。
數字孿生建模平臺支持圖形化的機理建模和大數據建模。平臺提供數學函數、水蒸氣函數、振動函數、參數趨勢函數、統計函數、AI函數、比較函數等函數組件和常用的邏輯規則組件，實現機理模型的快速構建；平臺融合分類算法、聚類算法、回歸算法、深度學習算法等多類智能算法，實現數理模型的快速訓練和發布，同時支持在機理模型中調用數理模型。
（2）開展關鍵技術研究，研發多種適用于監盤模型的智能算法
開展分布式時序數據庫技術、多層級數字電廠建模技術、大數據計算引擎技術、數據智能技術、圖形化建模技術、工況分析技術等關鍵技術研究，為智能算法、監盤模型的研發提供技術支撐。
研發了基于局部波峰波谷與多項式擬合的工業數據趨勢識別方法、基于滑動窗口的多元時間序列缺失值填充方法等多種數據挖掘方法，實現了電廠海量歷史數據的自動采集、清洗和相關性分析等功能；研發了電站鍋爐效率對標優化的數據分析方法、參數周期性波動的監測方法、參數晃動監測方法、基于GMM與EM算法的設備參數劣化分析方法等適用于電廠變工況的智能算法，實現了機組全系統關鍵參數異常的快速判斷和預警功能。
完成多個函數組件和邏輯規則組件開發。在監盤模型構建過程中，研發了變化速率、首尾差值、均值濾波、小時均值、參數質量判斷、參數晃動函數、最優值函數等8個函數組件，新增M/N、信號保持、R/S觸發器等4個邏輯規則組件，滿足不同場景的建模需求。
（3）完成了單機組1000+監盤模型構建
通過圖形化建模工具進行機理模型和數理模型建模，完成了基于數理和機理雙驅動的1089個的預警模型，數理模型占比30%以上。模型覆蓋鍋爐、汽機和電氣三大專業，其中鍋爐專業模型620個，汽機專業模型285個，電氣專業模型184個。
根據業務應用場景，歸納了7種綜合的、通用的監盤診斷邏輯組，包括偶發類診斷邏輯、缺陷類診斷邏輯、定期類診斷邏輯、長周期診斷邏輯、對比類診斷邏輯、自控類診斷邏輯和變工況診斷邏輯。
（4）建立了與預警模型相關聯的專家知識庫
通過對電廠運行規程、運行經驗、故障處理方案等知識進行結構化處理，與監盤模型進行關聯，建立了模型可共享復用的智慧運行系統專家知識庫，知識庫包括監盤預警模型、特征參數、故障模式、故障現象、故障原因、處理措施等知識，在監盤系統進行預警時，及時推送操作指導和優化方案。
（5）完成了基于工業互聯網平臺的智慧運行系統研發
該項目提出了基于機理規則和AI算法深入融合的智慧運行系統總體架構，構建了多層級的電廠，研發了從電廠海量實時/歷史數據中快速提取關鍵特征參數的數據挖掘方法，開發了多種適用于電廠變工況的智能算法，構建了覆蓋機組各類異常的監盤預警模型，建立了監盤模型相關聯的專家知識庫，研發了基于工業互聯網平臺的智慧運行系統，并在國信揚電成功應用。
2. 網絡、平臺或安全互聯架構
平臺從網絡傳輸、設備接入、身份與訪問管理、應用架構、基礎設施和后期運維多個層面提供安全控制機制，有效保障平臺的信息安全，滿足等保三級安全評測需求，并提供評測支持服務。
圖3 朗坤蘇暢工業互聯網平臺安全架構
3. 具體應用場景和應用模式
基于工業互聯網平臺，建立數據中心、模型中心、報警調度中心、監盤中心和指導中心，打造“一個平臺”、“五個中心”，實現監盤智能化。
系統業務架構如圖所示：
圖3 智慧運行系統業務架構圖
（1）基于工業互聯網平臺，構建數據中心，實現海量數據的匯聚
數據中心集大數據實時采集、邊緣計算預處理、時序數據存儲于一體，具備從數據采集、存儲，到數據清洗、篩選，以及數據質量判斷、質量評價一整套完整的數據管理能力。
（2）基于工業互聯網平臺，構建模型中心，實現模型的靈活調用
支持可視化建模，利用拖拽的方式，實現“零代碼”的模型構建。支持圖形化的機理建模和數理建模，滿足機理模型和數理模型的相互調用，實現監盤的雙重保障。
（3）基于工業互聯網平臺，構建報警調度中心，實現故障精準送達
實現報警的統一調度管理。支持報警屏蔽功能，避免同一故障產生的多條次生報警淹沒主要報警，造成運行人員無法及時判定故障；支持報警結果調用，模型產生的報警結果可被其他模型做為輸入條件調用。
（4）基于工業互聯網平臺，構建監盤中心
以電廠-機組-專業-系統-設備進行分級監盤，涵蓋三大專業、38個系統，單機組完成1089個監盤模型，其中數理模型占比30%以上。
（5））基于工業互聯網平臺，構建指導中心，實現經驗積累
基于專家知識庫，構建指導中心，將電廠運行規程、運行經驗、操作指導等知識與監盤模型進行關聯；異常報警時，智慧運行系統自動推送異常原因和解決方案，輔助運行人員進行異常處理。
4. 安全及可靠性
通過國家工業信息安全發展研究中心測試
平臺安全架構遵循并通過GB/T39403-2020《云制造服務平臺安全防護管理要求》國家標準；
安全評測細節工業互聯網產業聯盟標準AII/004-2018《工業互聯網平臺 安全防護要求》行業標準；
安全評測細節平臺資源層、IAAS層、PAAS層、SAAS層等安全相關的172項關鍵指標評測結果全部符合標準。
5. 其他亮點
（1）提出了基于機理規則和AI算法深度融合的智慧運行系統總體架構，建立了數據中心、模型中心、報警調度中心、監盤中心和指導中心，實現了數據統一處理、模型可視化構建、報警統一調度、機組全盤監督和操作指導實時推送的功能，為研發智慧運行系統奠定了基礎。
（2）研發了基于局部波峰波谷與多項式擬合的工業數據趨勢識別方法、基于滑動窗口的多元時間序列缺失值填充方法等數據挖掘方法，實現了電廠海量歷史數據的自動采集、清洗和相關性分析等功能，解決了從歷史數據中快速提取特征參數的難題。
（3）研發了電站鍋爐效率對標優化的數據分析方法、參數周期性波動的監測方法、參數晃動監測方法、基于GMM與EM算法的設備參數劣化分析方法等適用于電廠變工況的智能算法，實現了機組全系統關鍵參數異常的快速判斷和預警功能，取得了快于人工發現參數異常和設備故障的效果。
（4）構建了基于數理和機理雙驅動的1089個的預警模型，歸納了7種綜合的、通用的監盤診斷邏輯組，取得了由單參數異常判斷到多參數綜合診斷的技術突破，實現了從單一人工經驗分析到人工智能+運行機理聯合診斷的轉變。
（5）建立了與預警模型相關聯的專家知識庫，實現了對電廠運行規程、運行經驗、故障處理方案等知識的結構化處理，有預警時及時推送操作指導和優化方案的功能，取得了監盤異常及時告知、及時處理的效果。
三、下一步實施計劃
智慧運行系統在電廠成功落地應用后，取得了良好的應用效果，但也存在一些需要優化和改進的地方，智慧運行系統下一步研究方向包括：
（1）當數理模型訓練樣本數據充足，覆蓋工況比較全面時，模型預測準確性較高；但隨著機組運行年限的增加，存在設備老化、運行工況多變等情況，造成樣本數據無法覆蓋機組所有運行工況。或者新投運機組，前期樣本數據不足，需要不斷在數理模型中增加樣本數據。
因此需要開發數理模型的自學習、自訓練功能，實現模型樣本數據的自采集、自篩選，模型的自訓練、自預測以及自發布功能，滿足模型需要不斷更新的需求。
（2）智慧運行系統針對故障報警推送操作指導后，有可能需要進一步進行故障處理，如缺陷登記、工單管理、開具工作票或操作票等，將智慧運行系統與生產管理系統進行深度融合，對故障進行閉環處理。
（3）目前開發的智慧運行系統部署在安全二區/三區，主要考慮發揮工業互聯網平臺的優勢。下一步計劃將驗證通過的模型進行封裝，與DCS進行通訊，參與DCS的閉環控制。
四、項目創新點和實施效果
1. 項目先進性及創新點
（1）運行優化功能架構
提出了基于機理規則和AI算法深度融合的運行優化功能架構，建立了基于數據的智能監控模型，為運行優化應用的數據處理、模型可視化、報警調度、機組監督和操作指導提供了基礎。
（2）數據挖掘方法
研發了基于局部波峰波谷與多項式擬合的運行數據趨勢識別方法、基于滑動窗口的多元時間序列缺失值填充方法等數據挖掘方法，實現了電廠海量歷史數據的自動采集、清洗、相關性分析以及從歷史數據中快速提取特征參數。
（3）智能算法
研發了電站鍋爐效率對標優化的數據分析方法、參數周期性波動的監測方法、參數晃動監測方法、基于 GMM 和線性貝葉斯的設備早期劣化預警方法等適用于電廠變工況的智能算法，實現了機組全系統關鍵參數異常的快速判斷和預警。
（4）預警模型和專家知識庫
構建了基于數理和機理雙驅動的覆蓋機組各類異常工況的預警模型，建立了與預警模型相關聯的專家知識庫，取得了多參數綜合診斷的技術突破，實現了基于電廠運行規程、運行經驗、故障處理方案等先驗知識結構化處理的運行操作指導。
2. 實施效果
智慧運行系統適用于電力（燃煤發電、燃氣發電、垃圾發電、生物質發電、水電等）、化工、鋼鐵、建材等領域，目前智慧運行系統在火力發電領域有比較高的需求。
截至2021年，國內1000MW級別燃煤機組數量在130臺以上，600MW級別機組數量在600臺以上，300MW級別機組數量在1000臺以上，加上E級以上的燃氣機組，國內有超過2000臺的火電機組沒有建設智慧運行系統；同時在水電、垃圾發電、生物質發電等行業以及化工、鋼鐵、建材等領域也可以推廣應用。智慧運行系統有廣闊的市場前景。
（1）直接效益
減少機組非停次數，降低機組啟停機的經濟損失。智慧運行系統的智能預警功能，在設備劣化早期提前預警，避免設備故障進一步加大造成機組非停，提高運行的安全性；同時利用智能分析算法實現設備健康狀態監測，為合理停機檢修提供科學的分析數據，延長關鍵設備的利用率，減少機組啟停帶來的經濟損失。年度可減少機組非停次數1至2次，降低機組非停損失估算80萬元/次；設備異常提前預警，延長設備的使用壽命和維護周期，降本增效估算100萬元/年。
減輕運行人員勞動強度和工作壓力，延長崗位專業年限。通過智慧運行系統代替部分人工監盤，將部分原先需要運行人員時刻翻看DCS畫面，進行參數對比的監盤內容，交給智慧運行系統去完成；同時結合專家系統，進行操作指導和優化方案的推薦，減輕運行人員勞動強度和工作壓力，延長崗位專業年限。
（2）間接效益
將模糊隱性的運行經驗轉化為顯性的專家系統規則。電廠很多的運行經驗都存儲在運行人員的大腦中，在知識的傳承和發展上存在一定的滯后和阻礙。而通過智慧運行系統專家知識庫的建設，可以將模糊隱性的運行經驗進行顯性化和規則化，幫助運行經驗少的值班人員快速掌握運行經驗，減少運行人員之間的經驗差異?？山档瓦\行人員培訓投入成本，估算20萬元/年。
（3）社會效益
節能減排，政策響應。國家的“十四五”規劃中明確提出要推進煤電科技創新，深度融合智能發電技術，降低燃煤機組能耗，實現節能減排；“碳達峰碳中和”目標提出后，對節能減排提出了更高的要求。
智慧運行系統不僅對機組運行異常情況進行預警，還進行機組性能上的優化指導，例如鍋爐效率對標優化、脫硝智能噴氨優化、冷端優化等，提升運行操作經濟性，降低機組發電能耗，提質增效估算100萬元/年。
聲明
本報告所載的材料和信息，包括但不限于文本、圖片、數據、觀點、建議，不構成法律建議，也不應替代律師意見。本報告所有材料或內容的知識產權歸工業互聯網產業聯盟所有（注明是引自其他方的內容除外），并受法律保護。如需轉載，需聯系本聯盟并獲得授權許可。未經授權許可，任何人不得將報告的全部或部分內容以發布、轉載、匯編、轉讓、出售等方式使用，不得將報告的全部或部分內容通過網絡方式傳播，不得在任何公開場合使用報告內相關描述及相關數據圖表。違反上述聲明者，本聯盟將追究其相關法律責任。
AII微信公眾號
AII頭條號