CN115204638A - 电厂智能监盘系统实现方法 - Google Patents
电厂智能监盘系统实现方法 Download PDFInfo
- Publication number
- CN115204638A CN115204638A CN202210736009.3A CN202210736009A CN115204638A CN 115204638 A CN115204638 A CN 115204638A CN 202210736009 A CN202210736009 A CN 202210736009A CN 115204638 A CN115204638 A CN 115204638A
- Authority
- CN
- China
- Prior art keywords
- alarm
- data
- index
- value
- algorithm
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000036541 health Effects 0.000 claims description 37
- 230000008859 change Effects 0.000 claims description 27
- 238000003745 diagnosis Methods 0.000 claims description 26
- 238000004364 calculation method Methods 0.000 claims description 25
- 230000006870 function Effects 0.000 claims description 20
- 238000004519 manufacturing process Methods 0.000 claims description 20
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000007726 management method Methods 0.000 claims description 6
- 230000007246 mechanism Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 239000003245 coal Substances 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 238000011084 recovery Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000010801 machine learning Methods 0.000 claims description 3
- 230000002860 competitive effect Effects 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 claims description 2
- 238000011478 gradient descent method Methods 0.000 claims description 2
- 238000012417 linear regression Methods 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 230000009467 reduction Effects 0.000 claims description 2
- 239000000779 smoke Substances 0.000 claims description 2
- 238000009423 ventilation Methods 0.000 claims description 2
- 230000000007 visual effect Effects 0.000 claims description 2
- 238000007405 data analysis Methods 0.000 abstract description 2
- 238000013500 data storage Methods 0.000 abstract description 2
- 238000002955 isolation Methods 0.000 abstract description 2
- 238000010248 power generation Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 4
- 238000010977 unit operation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Emergency Management (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明涉及一种电厂智能监盘系统实现方法。传统的监盘方式是一种无差别化的“报警‑检查”的方式,信息量巨大且有效数据量低,运行人员需要通过频繁地翻阅DCS流程画面掌控现场情况。一种电厂智能监盘系统实现方法,通过OPC DA、等标准协议实现多个控制系统位号数据的采集、隔离和历史数据存储,目的在于对监盘系统中需要监控数据范围的确定,同时为后期历史数据分析提供基础条件。定义指标,实现采集数据位号与指标的对应关系,同时增加L3/L2/L1/H1/H2/H3限值,解决系统中同一位号反复引用和定义限值的需求。本发明应用于发电系统技术领域。
Description
技术领域:
本发明涉及一种电厂智能监盘系统实现方法。
背景技术:
电厂生产运行和控制对智能化诉求与日俱增,电厂传统的监盘方式是一种无差别化的“报警-检查”的方式,信息量巨大且有效数据量低,运行人员需要通过频繁地翻阅DCS流程画面掌控现场情况,这就导致了需要花费大量精力和工作去应对无效的数据和报警,致使对系统状态的监控局限于某些过程参数,难以把握整个系统运行的健康程度并预知系统微小恶化趋势,最终可能导致发生严重的生产事故。除此之外,优秀和丰富的运行经验与操作往往难以提炼给其他运行人员,新员工无法快速掌握业务并投入工作,不利于企业人员的成长。
发明内容:
本发明的目的是提供一种电厂智能监盘系统实现方法。
上述的目的通过以下的技术方案实现:
一种电厂智能监盘系统实现方法,该方法包括如下步骤:
步骤一:监盘系统可与DCS一同建设在I区,也可分离部署在III区,但都需要进行数据的采集和存储;
对于建设在I区的情况可直接通过控制器实现数据采集,对于建设在III区的系统可通过标准协议如OPC/MODBUS/IEC等协议采集数据;
采集后的数据需要实现存储并以接口形式可对外提供,数据量过大时可使用时序库对数据进行存储,监盘系统支持分布式部署,并已标准的API接口提供业务数据,支持跨平台,将监盘分析数据以单点登录方式嵌入任何第三方系统,避免多重登录限制和频繁操作,提高易用性;
步骤二:指标管理,实现采集数据位号与指标的对应关系,指标与位号之间形成多对一的映射关系,可对同一位号定义不同的编码、名称等属性,同时增加L3/L2/L1/H1/H2/H3限值,解决系统中同一位号反复引用和定义限值的需求。指标具体内容包括指标编码、指标名称、关联位号、指标类型开关量或指标类型模拟量、单位、限值、描述等信息;
定义指标信息时需要从实时/历史数据库中选择位号,选择位号后带入指标编码、指标名称、单位和类型。指标管理作为整个监盘的基础,为监盘中后续健康度计算等提供数据,支撑监盘中各子业务实现。
步骤三:电厂生产架构定义,首先需要定义架构节点类型,系统内置机组、系统、设备三种类型类型,规定机组下只允许关联系统,系统下只允许关联设备,设备下只允许关联指标;
机组下支持配置该机组生产过程中的重要指标,配置的重要指标作为机组生产中的关键运行参数,将会显示在监控页实时值区域,以方便运行人员关注;
步骤四:计算指标级健康度,系统默认一种通过计算实时值与指标高限和低限的偏差、变化速率等因素,计算指标级健康度得分的算法,指标未配置得分算法时,优先使用系统算法;
指标健康度计算支持用户自定义,用户可结合当前生产环境,使用指标限值、实时值、算法等自定义指标健康度计算方式,当指标配置了健康度计算方式时,优先使用自定义算法计算指标健康度,每秒计算指标健康度一次。
步骤五:利用步骤四计算的结果结合步骤三设置的权重,依次计算各个设备、各个系统、各个机组的健康度评分,为了体现机组生产过程中真实的健康状态,每个节点的健康状态由其子节点的健康状态反推获得,健康状态的最小颗粒度为指标,计算顺序为指标->设备->系统->机组,结合权重值,依次计算出以上层级的健康度,并将健康度值存储在数据库中,以便平台调用;
步骤六:实现常规报警功能,内置多种常规报警算法,例如:越限报警、变化速率报警、差值报警、呆值报警等,为了将指标报警与生产架构结合,系统支持为生产架构各节点配置常规报警算法,并使用指标报警反馈架构报警状态。选择常规报警算法后,将步骤二定义的指标作为报警算法参数,与报警算法关联,定义报警等级,实现常规报警;
步骤七:故障诊断,系统提供了一种便捷易读的可视化故障诊断组态方案,实现了原始值、求和、作差、最大/最小/平均、变化速率计算、呆值计算、与/或/非等计算方法和逻辑配置组件,各组件之间可按照一定的规则进行组态,前一组件的输出值,可作为下一组件的输入值,进行复杂的流程计算,因此可对一个复杂故障的多个现象进行独立配置后,通过简单异常,实现复杂故障的诊断;
步骤八:系统借助机器学习、神经网络算法对生产的历史数据进行分析,分析各指标之间的相关性,将相关性高的前N个指标,使用线性回归,实现指标的趋势预测,设置阈值偏差范围,比较实际值与理论值的差距,当大于阈值时提示运行人员可能存在发生故障的趋势,因指标采集值符合正太分布,结合LSTM对指标高低限进行预测,预测出不同负荷下指标的高低限,此高低限值更符合生产环境状态,对运行人员分析数据有强参考性。
步骤九:操作指导,对同类操作指导进行分组管理,将操作指导与分组实现关联。定义操作指导内容,包括原因、现象、操作、注意事项等内容,将操作指导与步骤六和步骤七定义的故障诊断、报警相关联;
当发生故障或报警时,运行人员可参考对应的操作指导信息,对发生的故障或报警进行分析,确认是故障或报警时,将对应的操作及故障信息存入故障库。
所述的电厂智能监盘系统实现方法,步骤六中实现常规报警功能,内置多种常规报警算法:
(1)常规报警算法都具有先验报警条件的开关量参数配置,当先验参数满足时计算是否发生常规报警,反之不做处理;
先验参数来源为监控过程中机组不同性能状况数据划分,针对电厂机组数据的复杂性、多样性、非线性的复杂情况,在工况数据划分部分,引入了自组织映射神经网络方法SOM对降维数据进行处理,采用“竞争学习”的方式进行模型训练,将数据映射到二维六角网格中,用随机梯度下降法更新激活网格中的数据,基于网格数据之间的距离确定工况划分类别,统计工况类别映射至先验报警条件位号。
(2)越限报警需要配置关联指标、报警等级、时间死区等信息。越限报警当测量值处于限值范围之内且满足(1)先验条件与延时条件,则生成模拟量越限报警;
仅当测量值由异常状态恢复到正常状态时,才认为越限恢复,越限恢复不进行延时判断。引入时间死区可实现越限保持指定时间后报警,可减少测量值在限值上下变化而频繁产生的报警。
(3)变化速率报警需要配置关联指标、变化速率、时间窗口等信息,变化速率报警为测量值在固定时间内的变化超过一定量时产生的报警,即参数变化过快时产生的报警;
当测量值发生变化时,将计算得到的变化速率与预设的变化速率值进行比较,若得到的变化速率超过了预设的变化速率,则产生变化速率异常报警;
变化速率报警利用如下公式计算:((当前值 - 上一时刻值))* 单位对应的值/(当前时刻-上一次时刻)。
(4)差值报警需要配置关联指标1、关联指标2、差值等信息。差值报警当两个测量值偏差大于预设值时,同时满足(1)先验条件与延时条件产生报警。
(5)呆值报警需要配置关联测点、呆值持续时间等信息,配置好以上信息后将以上模型与实时数据进行关联,系统时刻计算以上报警信息情况,发生报警时将相关信息存储到数据库,待展示界面提取和调用。
所述的电厂智能监盘系统实现方法,步骤七中故障诊断功能实现方法:
(1)选择需要定义故障诊断的层级,新建诊断实例功能,考虑到电厂任意层次下都可能存在故障,故机组级、系统级、设备级、参数级都支持定义故障诊断,明确故障名称、故障等级、关联层级,定义好故障的基本信息。
(2)对故障进行配置,系统中所有数据均取自实时/历史数据库或算法引擎计算的结果。建立机理模型,对故障进行参数配置,如附图2所示,以给煤机断煤故障诊断为例,通过配置给煤机开启和给煤机电流大于1A得出给煤机运行状态,再配置二次位号实现给煤指令和反馈偏差的计算,使用作差标签配置上面结果与10%给煤偏差的计算,三个条件使用‘与’的逻辑操作,最终输出报警。
(3)故障诊断平台支持与算法引擎结合使用,当我们使用“风机电流预测”的算法去解决电流偏差报警时,可通过算法引擎配置好风机电流预测算法,将数据推送到故障诊断平台,使用AI标签,实现算法引擎数据的拉取,使用作差标签,配置风机电流实时值和预测值偏差,结合条件配置,大于一定阈值后输出诊断信息。
所述的电厂智能监盘系统实现方法,步骤八中不同负荷下指标高低限实现方法如下:
(1)针对风烟系统一次风机相关参数进行分析,选择一次风机A、B电流三个月历史数据进行分析,对比两个位号历史数据可以看出,风机A、B在正常运行情况下电流数值相差不大,这与实际机理相符;
(2)一次风机A、B电流从机理上分析影响因素主要有磨煤机通风台数、AGC负荷、一次风机风量,磨煤机风量、阀门和挡板开度、动叶开度等因素有关。负荷为主要影响因素,负荷与电流相关程度较高,结合两者进行综合分析;
(3)对原始数据进行数据预处理操作,通过滑动窗口提取数据特征,提取数据一段时间的均值和方差,解决个别异常数据带来的误差,步长为30s,窗口大小为60s。可以看出,负荷以400为边界,400以上和400以下一次风机电流分布存在较明显差异;
(4)以负荷以400为界限划分工况;
(5)进行模型训练,设计超限评估函数,结合超限时间和超限值进行评分,基于超限越多、超限时间越长惩罚系数越高的原则进行模型建立;
(6)模型运行过程中,基于算法引擎服务实现业务方进行模型调用,将训练的模型持久化,通过运行服务器加载模型,提供REST接口输出实时工况数据。系统将根据一次风机电流不同工况限值进行报警,同时运行人员可对不同工况模型输出的限值进行人工经验更正。
本发明的有益效果:
1.本发明解决以上背景中提出的监盘人员工作强度大、运行经验无法积累、无法掌控机组整体运行情况、故障发生滞后等问题。
2.本发明将健康度评分、常规报警、故障诊断、故障预测、操作指导功能集中展示在同一个界面中,省去了运行人员频繁翻阅具体工艺参数画面的重复工作。一种电厂智能监盘系统界面包括机组/系统/设备/参数实时健康度展示界面,常规报警列表界面、故障诊断列表界面、故障预测警告界面、操作指导指示界面和历史数据查询界面。
3.本发明可将智能监盘中若干核心功能实现整合和落地,将运行人员日常监盘工作中关注点进行集中展示,将智能监盘的功能范围和作用进行定义,降低了运行人员监盘工作强度,可实现在故障未发生时和初期的预警,提升机组运行的安全度和经济度。
附图说明:
附图1是本发明的流程结构示意图。
附图2是故障参数配置流程图。
附图3 一次风机电流A和一次风机电流B关系图。
附图4 一次风机A不同负荷下电流限值分析图。
附图5 一次风机电流工况划分图。
附图6 一次风机电流A动态高低线报警图。
具体实施方式:
实施例1:
为实现上述目的,本发明采用以下方案实现:一种电厂智能监盘系统实现方法,其特征在于包括以下步骤:
步骤1):通过OPC DA、IEC104、modbus TCP/RTU等标准协议实现多个控制系统位号数据的采集、隔离和历史数据存储,目的在于对监盘系统中需要监控数据范围的确定,同时为后期历史数据分析提供基础条件。
步骤2):定义指标,实现采集数据位号与指标的对应关系,同时增加L3/L2/L1/H1/H2/H3限值,解决系统中同一位号反复引用和定义限值的需求。
步骤3):创建电厂构架,形成机组-系统-设备-指标的层级结构,定义机组、系统、设备、指标权重,为后期实现健康度评分功能建立条件。
步骤4):计算指标级健康度,通过计算实时值与指标高限和低限的偏差、变化速率等因素,得出指标级健康度得分。
步骤5):利用步骤4)计算的结果结合步骤3)设置的权重,依次计算各个设备、各个系统、各个机组的健康度评分。
步骤6):实现常规报警功能,设计越限报警、变化速率报警、差值报警、呆值报警等功能,将步骤2)定义的指标与报警算法关联,定义报警等级,实现指标的常规报警。
步骤7):实现故障诊断功能,系统提供原始值、求和、作差、最大/最小/平均、变化速率计算、呆值计算、与/或/非等计算方法和逻辑配置组件,将步骤2)定义的指标与以上组件进行关联,分别对一个复杂故障的多个现象进行独立配置,通过硬规则的配置,实现复杂故障的诊断配置功能。
步骤8):经过分析采集的历史数据,选用合适的机器学习算法,分析多个指标的相关性,将相关性高的指标选择合理的算法,实现指标的趋势预测,设置阈值偏差范围,比较实际值与理论值的差距,当大于阈值值提示运行人员可能存在发生故障的趋势。
步骤9):设置操作指导分组,将操作指导与分组实现关联。定义操作指导内容,包括原因、现象、操作、注意事项等内容,将操作指导与步骤6)和步骤7)定义的故障诊断、报警相关联。
通过实施上述步骤,可将智能监盘中若干核心功能实现整合和落地,将运行人员日常监盘工作中关注点进行集中展示,将智能监盘的功能范围和作用进行定义,降低了运行人员监盘工作强度,可实现在故障未发生时和初期的预警,提升机组运行的安全度和经济度。
Claims (4)
1.一种电厂智能监盘系统实现方法,其特征是:该方法包括如下步骤:
步骤一:监盘系统可与DCS一同建设在I区,也可分离部署在III区,但都需要进行数据的采集和存储;
对于建设在I区的情况可直接通过控制器实现数据采集,对于建设在III区的系统可通过标准协议如OPC/MODBUS/IEC等协议采集数据;
采集后的数据需要实现存储并以接口形式可对外提供,数据量过大时可使用时序库对数据进行存储,监盘系统支持分布式部署,并已标准的API接口提供业务数据,支持跨平台,将监盘分析数据以单点登录方式嵌入任何第三方系统,避免多重登录限制和频繁操作,提高易用性;
步骤二:指标管理,实现采集数据位号与指标的对应关系,指标与位号之间形成多对一的映射关系,可对同一位号定义不同的编码、名称等属性,同时增加L3/L2/L1/H1/H2/H3限值,解决系统中同一位号反复引用和定义限值的需求。指标具体内容包括指标编码、指标名称、关联位号、指标类型开关量或指标类型模拟量、单位、限值、描述等信息;
定义指标信息时需要从实时/历史数据库中选择位号,选择位号后带入指标编码、指标名称、单位和类型。指标管理作为整个监盘的基础,为监盘中后续健康度计算等提供数据,支撑监盘中各子业务实现。
步骤三:电厂生产架构定义,首先需要定义架构节点类型,系统内置机组、系统、设备三种类型类型,规定机组下只允许关联系统,系统下只允许关联设备,设备下只允许关联指标;
机组下支持配置该机组生产过程中的重要指标,配置的重要指标作为机组生产中的关键运行参数,将会显示在监控页实时值区域,以方便运行人员关注;
步骤四:计算指标级健康度,系统默认一种通过计算实时值与指标高限和低限的偏差、变化速率等因素,计算指标级健康度得分的算法,指标未配置得分算法时,优先使用系统算法;
指标健康度计算支持用户自定义,用户可结合当前生产环境,使用指标限值、实时值、算法等自定义指标健康度计算方式,当指标配置了健康度计算方式时,优先使用自定义算法计算指标健康度,每秒计算指标健康度一次。
步骤五:利用步骤四计算的结果结合步骤三设置的权重,依次计算各个设备、各个系统、各个机组的健康度评分,为了体现机组生产过程中真实的健康状态,每个节点的健康状态由其子节点的健康状态反推获得,健康状态的最小颗粒度为指标,计算顺序为指标->设备->系统->机组,结合权重值,依次计算出以上层级的健康度,并将健康度值存储在数据库中,以便平台调用;
步骤六:实现常规报警功能,内置多种常规报警算法,例如:越限报警、变化速率报警、差值报警、呆值报警等,为了将指标报警与生产架构结合,系统支持为生产架构各节点配置常规报警算法,并使用指标报警反馈架构报警状态。选择常规报警算法后,将步骤二定义的指标作为报警算法参数,与报警算法关联,定义报警等级,实现常规报警;
步骤七:故障诊断,系统提供了一种便捷易读的可视化故障诊断组态方案,实现了原始值、求和、作差、最大/最小/平均、变化速率计算、呆值计算、与/或/非等计算方法和逻辑配置组件,各组件之间可按照一定的规则进行组态,前一组件的输出值,可作为下一组件的输入值,进行复杂的流程计算,因此可对一个复杂故障的多个现象进行独立配置后,通过简单异常,实现复杂故障的诊断;
步骤八:系统借助机器学习、神经网络算法对生产的历史数据进行分析,分析各指标之间的相关性,将相关性高的前N个指标,使用线性回归,实现指标的趋势预测,设置阈值偏差范围,比较实际值与理论值的差距,当大于阈值时提示运行人员可能存在发生故障的趋势,因指标采集值符合正太分布,结合LSTM对指标高低限进行预测,预测出不同负荷下指标的高低限,此高低限值更符合生产环境状态,对运行人员分析数据有强参考性。
步骤九:操作指导,对同类操作指导进行分组管理,将操作指导与分组实现关联。定义操作指导内容,包括原因、现象、操作、注意事项等内容,将操作指导与步骤六和步骤七定义的故障诊断、报警相关联;
当发生故障或报警时,运行人员可参考对应的操作指导信息,对发生的故障或报警进行分析,确认是故障或报警时,将对应的操作及故障信息存入故障库。
2.根据权利要求1所述的电厂智能监盘系统实现方法,其特征是:步骤六中实现常规报警功能,内置多种常规报警算法:
(1)常规报警算法都具有先验报警条件的开关量参数配置,当先验参数满足时计算是否发生常规报警,反之不做处理;
先验参数来源为监控过程中机组不同性能状况数据划分,针对电厂机组数据的复杂性、多样性、非线性的复杂情况,在工况数据划分部分,引入了自组织映射神经网络方法SOM对降维数据进行处理,采用“竞争学习”的方式进行模型训练,将数据映射到二维六角网格中,用随机梯度下降法更新激活网格中的数据,基于网格数据之间的距离确定工况划分类别,统计工况类别映射至先验报警条件位号。
(2)越限报警需要配置关联指标、报警等级、时间死区等信息。越限报警当测量值处于限值范围之内且满足(1)先验条件与延时条件,则生成模拟量越限报警;
仅当测量值由异常状态恢复到正常状态时,才认为越限恢复,越限恢复不进行延时判断。引入时间死区可实现越限保持指定时间后报警,可减少测量值在限值上下变化而频繁产生的报警。
(3)变化速率报警需要配置关联指标、变化速率、时间窗口等信息,变化速率报警为测量值在固定时间内的变化超过一定量时产生的报警,即参数变化过快时产生的报警;
当测量值发生变化时,将计算得到的变化速率与预设的变化速率值进行比较,若得到的变化速率超过了预设的变化速率,则产生变化速率异常报警;
变化速率报警利用如下公式计算:((当前值 - 上一时刻值))* 单位对应的值/(当前时刻-上一次时刻)。
(4)差值报警需要配置关联指标1、关联指标2、差值等信息。差值报警当两个测量值偏差大于预设值时,同时满足(1)先验条件与延时条件产生报警。
(5)呆值报警需要配置关联测点、呆值持续时间等信息,配置好以上信息后将以上模型与实时数据进行关联,系统时刻计算以上报警信息情况,发生报警时将相关信息存储到数据库,待展示界面提取和调用。
3.根据权利要求1所述的电厂智能监盘系统实现方法,其特征是:步骤七中故障诊断功能实现方法:
(1)选择需要定义故障诊断的层级,新建诊断实例功能,考虑到电厂任意层次下都可能存在故障,故机组级、系统级、设备级、参数级都支持定义故障诊断,明确故障名称、故障等级、关联层级,定义好故障的基本信息。
(2)对故障进行配置,系统中所有数据均取自实时/历史数据库或算法引擎计算的结果。建立机理模型,对故障进行参数配置,如附图2所示,以给煤机断煤故障诊断为例,通过配置给煤机开启和给煤机电流大于1A得出给煤机运行状态,再配置二次位号实现给煤指令和反馈偏差的计算,使用作差标签配置上面结果与10%给煤偏差的计算,三个条件使用‘与’的逻辑操作,最终输出报警。
(3)故障诊断平台支持与算法引擎结合使用,当我们使用“风机电流预测”的算法去解决电流偏差报警时,可通过算法引擎配置好风机电流预测算法,将数据推送到故障诊断平台,使用AI标签,实现算法引擎数据的拉取,使用作差标签,配置风机电流实时值和预测值偏差,结合条件配置,大于一定阈值后输出诊断信息。
4.根据权利要求1所述的电厂智能监盘系统实现方法,其特征是:步骤八中不同负荷下指标高低限实现方法如下:
(1)针对风烟系统一次风机相关参数进行分析,选择一次风机A、B电流三个月历史数据进行分析,对比两个位号历史数据可以看出,风机A、B在正常运行情况下电流数值相差不大,这与实际机理相符;
(2)一次风机A、B电流从机理上分析影响因素主要有磨煤机通风台数、AGC负荷、一次风机风量,磨煤机风量、阀门和挡板开度、动叶开度等因素有关。负荷为主要影响因素,负荷与电流相关程度较高,结合两者进行综合分析;
(3)对原始数据进行数据预处理操作,通过滑动窗口提取数据特征,提取数据一段时间的均值和方差,解决个别异常数据带来的误差,步长为30s,窗口大小为60s。可以看出,负荷以400为边界,400以上和400以下一次风机电流分布存在较明显差异;
(4)以负荷以400为界限划分工况;
(5)进行模型训练,设计超限评估函数,结合超限时间和超限值进行评分,基于超限越多、超限时间越长惩罚系数越高的原则进行模型建立;
(6)模型运行过程中,基于算法引擎服务实现业务方进行模型调用,将训练的模型持久化,通过运行服务器加载模型,提供REST接口输出实时工况数据。系统将根据一次风机电流不同工况限值进行报警,同时运行人员可对不同工况模型输出的限值进行人工经验更正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210736009.3A CN115204638A (zh) | 2022-06-27 | 2022-06-27 | 电厂智能监盘系统实现方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210736009.3A CN115204638A (zh) | 2022-06-27 | 2022-06-27 | 电厂智能监盘系统实现方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115204638A true CN115204638A (zh) | 2022-10-18 |
Family
ID=83577259
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210736009.3A Pending CN115204638A (zh) | 2022-06-27 | 2022-06-27 | 电厂智能监盘系统实现方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115204638A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116088398A (zh) * | 2023-04-10 | 2023-05-09 | 中国电力工程顾问集团西南电力设计院有限公司 | 一种用于火电厂智慧监盘报警系统 |
CN117425165A (zh) * | 2023-12-18 | 2024-01-19 | 江苏泽宇智能电力股份有限公司 | 一种使用智能终端对新型电力通信板卡进行管理的系统 |
CN117806290A (zh) * | 2024-03-01 | 2024-04-02 | 矿冶科技集团有限公司 | 工业故障报警系统、方法、计算机设备及可读存储介质 |
-
2022
- 2022-06-27 CN CN202210736009.3A patent/CN115204638A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116088398A (zh) * | 2023-04-10 | 2023-05-09 | 中国电力工程顾问集团西南电力设计院有限公司 | 一种用于火电厂智慧监盘报警系统 |
CN117425165A (zh) * | 2023-12-18 | 2024-01-19 | 江苏泽宇智能电力股份有限公司 | 一种使用智能终端对新型电力通信板卡进行管理的系统 |
CN117425165B (zh) * | 2023-12-18 | 2024-04-09 | 江苏泽宇智能电力股份有限公司 | 一种使用智能终端对新型电力通信板卡进行管理的系统 |
CN117806290A (zh) * | 2024-03-01 | 2024-04-02 | 矿冶科技集团有限公司 | 工业故障报警系统、方法、计算机设备及可读存储介质 |
CN117806290B (zh) * | 2024-03-01 | 2024-05-31 | 矿冶科技集团有限公司 | 工业故障报警系统、方法、计算机设备及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115204638A (zh) | 电厂智能监盘系统实现方法 | |
CN110929898B (zh) | 水电站启闭设备运维及故障监测在线评估系统及方法 | |
CN110263172A (zh) | 一种电网监控告警信息事件化自主识别方法 | |
CN104037943B (zh) | 一种提高电网电压质量的电压监测方法及系统 | |
CN111047082A (zh) | 设备的预警方法及装置、存储介质和电子装置 | |
CN107346466A (zh) | 一种电力调度系统的控制方法及装置 | |
CN110493025A (zh) | 一种基于多层有向图的故障根因诊断的方法及装置 | |
CN110569867A (zh) | 基于决策树算法的输电线路故障原因判别方法、介质及设备 | |
CN106204330A (zh) | 一种配电网智能诊断系统 | |
CN107274105A (zh) | 基于线性判别分析的多属性决策树电网稳定裕度评估方法 | |
CN107038512A (zh) | 一种指标体系建立方法 | |
CN107918830A (zh) | 一种基于大数据技术的配电网运行状态评估系统及方法 | |
CN107291830A (zh) | 一种设备知识库的创建方法 | |
CN105184490B (zh) | 电网调度操作过程风险辅助预控系统 | |
CN101335643A (zh) | 用于sdh设备告警相关性分析的方法及装置 | |
CN107784393A (zh) | 一种输电线路的缺陷预测方法及装置 | |
CN112084684A (zh) | 一种基于物联网的桥梁健康可视化监测系统 | |
CN108448721A (zh) | 电力系统主站监控信号与标准信号自动匹配的方法 | |
CN112488371A (zh) | 一种基于大数据的管道智能预警方法和系统 | |
CN113159503B (zh) | 一种远程遥控智能安全评估系统和方法 | |
CN113850017B (zh) | 一种基于潮流变化图谱的系统级故障分析系统及方法 | |
CN102566546A (zh) | 过程数据的报警统计及辅助调度系统 | |
CN115441456A (zh) | 一种电网调度支持系统故障诊断方法及装置 | |
CN117390944A (zh) | 一种变电站运行工况仿真系统 | |
CN117696224A (zh) | 一种基于大模型的磨矿优化处理系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |