基于工业互联网的智能电厂建设方案

　　导读：随着大数据、物联网、移动应用、云计算、人工智能等技术的迅猛发展，工业互联网与各行各业的结合逐步深入，正不断催生新的生产作业及经营模式，改变着企业的组织结构、服务方式和产品形态。某发电企业立足当前信息化现状及发展困境，围绕智能生产控制和智能管理两个中心，提出建设智能电厂的建设方案，革新电厂作业模式和管理手段，提升生产控制能力、故障处理能力和辅助决策能力，逐步向更加清洁、高效、可靠的智能化方向发展。

　　一、建设背景

　　发电行业是我国国民经济的重要行业，但很多发电企业至今还没有找到与最新的互联网技术进行融合的有效途径。某发电企业以传统DCS系统为核心的自动化系统和以SIS/MIS为核心的信息化系统近年来无明显进步，现场总线仅仅作为过程数据的通信总线，现场设备的内部信息始终无法很好的接入系统并被进一步使用。发电厂主副机检修和维护还遵循着多年以来的“大小修”模式，无法通过优化的按需实施的状态检修来实现设备检修的精确化和低成本化。发电运行和设备数据很多，但出现机组故障后，多采用现场“事后分析”的模式，不能通过互联网将主副机数据实时在线反馈到设备厂家，利用设备厂家的知识库、专家库进行实时远程分析、远程维护和故障预测。

　　二、智能电厂架构

　　该企业智能电厂建设的思路是以新一代智能管控一体化系统为核心，全面开拓和整合实时数据处理及管理决策等业务，构建覆盖发电厂全寿命周期的智能发电厂技术方案。智能发电厂以统一的管控一体化平台作为支撑，融合智能设备层、智能控制层、智能生产监管层以及智能管理层，形成一种具备自趋优全程控制、自学习分析诊断、自恢复故障(事故)处理、自适应多目标优化、自组织精细管理等特征的智能发电运行控制与管理模式，并借助可视化、云计算与服务、移动应用等技术，为发电企业带来更高设备可靠度、更优出力与运行、更低能耗排放、更强外部条件适应性、更少人力需求和更好企业效益。

　　(1)设备层：在电厂传统运行设备的基础上，采用先进的测量传感技术，对电厂生产过程进行全方位检测和感知，并将关键状态参数、设备状态信息及环境因素转换为数字信息，对其进行相应的处理和高效传输，为智能控制层及智能管理层提供基础数据支持。

　　(2)控制层：结合先进控制算法及智能控制策略、多目标优化、数据分析等技术手段，嵌入实时控制和优化算法、节能控制优化方案、机组实时经济性分析与诊断模块、设备状态监测与智能预警诊断模块、自启停控制模块等来满足对象多样化的需求。

　　(3)监管层：提供用户界面、柔性多目标决策、模型的更新与深度学习、故障自切换与恢复、机组全面分析诊断等功能，为智能管理决策提供依据。配备厂级负荷优化系统及高级值班员决策支持系统,为机组的高效运行及安全管理维护提供支持。

　　(4)管理层：提供自组织的精细化管理解决方案，通过厂级能效对标与考核系统、运行管理系统、智能巡检、精密点检与设备远程管理、设备定期轮换管理、可视化设备润滑智能管理、可视化技术监督智能管理、可视化三维作业指导书及检修培训、缺陷管理、全局成本利润分析与决策、移动应用、远程诊断、三维虚拟电厂与安全管控、三维建档等管理系统，设计基于数据共享的管理一体化平台，实现发电厂的闭环、自组织的精细化管理系统。

　　三、主要建设内容

　　该企业智慧电厂的主要建设内容包括公有云平台、现场设备数据采集系统、机组实时自校正仿真系统、基于自校正仿真的优化运行/事故预报系统、设备能耗监控与管理系统、设备状态检修/维护系统、远程诊断支撑系统、三位数字化电厂系统、知识管理及共享系统等。

　　(1)云平台：借助共有云提供的虚拟计算和分布式存储功能，将云平台中的实时数据存储为发电厂各种设备的实时运行信息。通过对设备运行信息的分析和整理，计算出发电厂各主副设备的运行能耗;结合机组运行工况数据，分析得出机组运行工况与设备能耗的关联性，给出优选的设备能耗分配;在仿真系统中经过加速运行优化后，可以将机组运行优化与发电厂设备能耗优化统一联动起来，降低机组设备内部能耗，提升发电效率。

　　(2)远程诊断支撑系统：该系统集成了传感器技术、信号处理、计算机应用、网络通信、专家系统、神经网络、仿真等技术，可为重要设备或系统建立了一套严密的监控保护体系，为发电厂设备、电厂用户以及第三方厂商搭建一个三方互联平台。通过连续在线监测设备或系统运行的重要状态参数，及时了解设备或系统的运行状况，为事故征兆的预诊断提供重要的数据资料，对已发生的故障进行快速的诊断分析，及时指出故障原因，提醒操作运行人员采取必要的措施，为设备或系统的安全运行提供可靠的保障。设备厂商/第三方机构可以监控发电厂设备运行状态并给出设备故障预警和维护建议;电厂用户也可以通过该平台寻求设备厂商/第三方机构的技术支持，以便在设备发生故障时进行快速诊断和修复。

　　(3)数字化电厂系统：该系统具有对接PDMS、PDS等大型三维设计软件的数据接口，可将大量有用信息平滑地导入到本系统进行加工处理，并集成工厂运行维护数据，再通过运行系统(如DCS、SIS、MIS 等)内其它各种相关功能，实现三维模型与设备、信息文档的有力结合，最终形成庞大的工厂三维信息化系统。三维信息化涉及到从设计、建造、安装、调试、投运等不同阶段，有设计方、建造方、设备方、业主方等多家单位参入，统一规划，并在统一框架的指导下，各公司进行数字化工厂的建设，实现信息网络互联互通，共享资源，避免重复建设。

　　(4)自校正仿真系统：该系统以仿真模型为核心，首先符合目标机组特征的初始仿真模型在仿真子系统中运行，来自于目标机组的实时运行数据接入该仿真模型，仿真模型在机组实时数据的驱动下进行自矫正训练，训练后的模型输出数据与下一时间剖面的目标机组的实时运行数据进行误差比对，自动调整模型参数后，再进行下一轮的训练调整，这个过程是实时自动连续的，经过若干周期，可以得到仿真精度非常高的仿真模型，并且随着时间的推移，精度越来越高。

　　(5)基于自校正仿真的优化运行/事故预报系统：在高精度仿真模型的基础上，可以在该仿真平台上对机组的设备进行生命周期管理，结合设备参数和设备状态实现设备状态检修以及维护计划安排;设备厂商和第三方机构也可以在该仿真子系统中进行设备和过程优化研究、诊断维护。仿真系统中的过程数据与真实机组是实时同步的，仿真子系统是位于互联网的云端，任何经过授权的单位和个人都可以访问和使用仿真系统的功能和数据。

　　(6)远程诊断支撑系统：该系统根据输入、输出及相关状态变量之间的关联，通过对海量历史数据的深度学习建立系统的数学模型，并基于实时运行数据对模型可信度进行评价，实现模型的在线更新;根据对象数学模型，采取模型自弈的学习模式，通过对关键输入参数及状态变量的有序调整，对系统典型故障进行激发和模拟，获取机组大量的故障历史专家库;利用自弈获取的海量故障数据，通过深度学习神经网络对故障数据进行深度学习和训练，提升系统故障诊断的准确率;进而根据阈值评价体系，对机组实际运行数据与机组故障模型之间的比对，实现对设备故障的提前预警和诊断。

　　四、结语

　　某发电企业以工业互联网为抓手提出的智能电厂建设方案，有利于全面整合和优化企业内部的网络、平台和安全体系，有利于实现设备检修的精确化和低成本化，有利于实现故障智能处理和设备运行在线仿真，提升实时远程分析、远程维护和故障预测能力，有利于自趋优全程控制、自学习分析诊断、自恢复故障处理、自适应多目标优化和自组织精细管理，为其他发电企业推进智能化生产和管理提供了重要参考。