邓如勇
国家能源集团谏壁发电厂 江苏镇江 212006
摘要：本文针对当前时代火电厂技术迅速发展和电力设备管理中产生的矛盾加以分析，其目标是可以实现电力设施的安全性与有效的运行。随着信息技术的快速发展以及大数据的诞生，导致电力设备管理无法实现的阻碍已经打破。本文对现代化的电力设备管理进行了研究，以期可以完善电力管理的构造。
关键词：大数据；可视化；财务分析目标；电力设备管理
提高电力设备的安全性、加快其有效的运行一直是电力相关部门的目标。现如今，网络电网技术正在快速发展，与以往传统的技术相结合的基础上，融合了信息、控制、互联网等相关技术，在电力运行过程中，其每个环节都收取了大量的数据，对数据进行分析与延展，并且以此来优化决策。为了实现电力设备的高效、安全运行，本文就以往的电力设备管理与维修、检查分析、大数据与可视化的应用加以分析，探讨现代化发展的趋势。
1电力设备管理与检查工作现状
国外在SCOPUS相关论文以及IEEE数据库会议文档当中研究较多的是关于智能电铲故障相关检测方法，进而提出如何实现电厂大数据的挖掘，并进一步改善故障，并将落脚点放在对数据的挖掘与开发应用上。
相关部门需要了解电力设备在我国的现状，结合国内外成功的案例加以分析与学习，才能提出更完善的检查策略与预备方案。在传统的模式下，当电力运行出现意外状况时，分析导致电力设备发生故障的原因，先对电力的有关数据进行查看，然后对以往成功的案例进行分析，最后制定维修方案与技术手段，预判维修整体电路的所需时间，并且要分析其手段是否可行，提高电力设备运行的安全性，预测未来能产生的经济效益，对电力设备的使用寿命进行评估。经过反复的分析与讨论，总结出最为完善的检查策略，在这个过程中虽然使用了计算机，但是还需要工作人员的熟练经验来进行判断。因此大多数企业都建议引用更为现代化的计算机来辅助系统做出决策，除此之外，还需要引进更为高端的数据库技术，从而能让电力设备检查工作有效的进行，制造更为科学的监测系统，提高实行的效率。
2大数据及可视化火电厂总体架构及大数据集成管理
2.1大数据及可视化火电厂总体架构
火电厂的总体架构包括四个层面，分别是大数据展示层、分析层、处理层以及集成管理层。
其中展示层包括驾驶舱、3d以及移动端设备；
另外分析层则包括设备状态管理、故障检修以及机组负载均衡展示
诊断层包括机组的实时性能计算、变压器检测及诊断、金属监督以及相关设备检测与诊断。
最后是集成管理层，包括实时数据以及历史数据集成管理，主要为SCADA系统、火电厂设备在线检测系统以及报表组件等相关内容。
事实上智能电厂主要是一种对大数据以及可视化技术应用在传统电厂，并涉及物联网技术手段等在内的通信技术应用。通过此类技术方式可以实现电厂大数据的集成管理。
2.2电力大数据集成管理
智能电厂之中存在一个普遍概念，SIS（厂级信息监测系统）其关键与核心是实时数据库系统RTDB，其中涵盖了INSQL以及PI数据库等内容。此类数据库表现处良好周期性存储、数据信息处理以及数据压缩算法等特征。
而火电厂的电力大数据集成管理也需要通过建立电厂数据仓库，通过非结构化以及结构化的数据存储方式完成更进一步的大数据处理。
如结构化数据包括实时数据以及非实时数据两个类型，实时数据当中又涵盖发电机、汽轮机、锅炉、变压器以及电压等相关数据；非实时数据当中则包括故障类别、日志以及相关数据。
3.火电厂大数据与可视化处理
电力大数据与可视化是让火电厂实现智能化的一个重要领域。其火电厂程序是非常复杂的，各种设备都需要拥有一套完善的实时监测、故障处理、检查维修、使用管理机制，就目前而言，火电厂虽然有很多相对比较成熟的系统，例如SIS系统，拥有很多功能，但是其方法论以及算法性能还是会遇到诸多挑战。通常而言，每个设备都会有对应的检测方法，例如旋转机械类（像汽轮机、轴承等），会以传感器给出的振动信号为基础，通过频谱分析仪来实现诊断功能；而锅炉管壁等金属类的则会通过热应力等计算方式来实现诊断功能。所以对于火电厂电力数据的分析并不是基于独立的模型之上，但是其方法论是能够通用的：
(1)判断故障模式；
（可以通过RCM或PMO来获取故障模式信息，也可以通过火电厂设施维护手册来获取）；
(2)选择维护方法；
故障模式不同，所采用的维护方法也不同；
(3)使用变量以及对应的检测技术；
每一种故障模式必须要通过影响变量来实现选择学习，最终变成模型，例如汽轮机，根据有关资料表明，
汽轮机一共需要43个变量来说明一个状态点，其中包括时域变量11个，频域变量13个，剩余的19个为其他变量，
假设每一个变量都参与形成分类器，那么会导致分类过程减慢，精确性下降，所以必须结合变量特性来选择符合自身的检测技术，例如fixed limits and trend analysis和Variable limits这两种技术。
(4) 实施诊断并给出对应的维护建议；
为了针对每种故障模式给出对应的维护建议，需要建立知识库，所谓知识库就是结合很多种算法，最后学习出的模型（也就是专家系统），这种模型通常基于很多规则来构成的。
通过大数据可视化技术应用能够更加充分掌握设备生命周期并为检修提供相应决策。此外，电厂当中还包括更多类型的设备，如发电机组之中包括多台汽轮机设备，因为系统结构是一致的，为此，可以对磨煤机作为建模对象，并模拟相关属性、规则以及维护策略等。
.png)
图1树形结构示意
如何更好的进行大数据在火电厂的应用需要融合多项技术，包括空间信息流、3D建模以及可视化技术与虚拟技术等。
（1）数据分析阶段生成数据报表；
（2）故障检测中采取可视化技术方式展现轴承以及轴系之间发生的数据演变，并采用三维模型进行例题展现；
（3）可以通过自动给出维护建议表的方式进行集成管理。
4 火电厂大数据及可视化技术的创新思考
从现在的技术发展状态来看，提升现代化系统的实用性是核心，对于现在的企业来说，就是增加其效益与效率。其中设备管理是火电厂经常使用的分析目标之一，这里以设置设备管理目标体系为例。通常情况下，设备管理主要包括监测、运行、故障、检修目标等，综合目标分析则是将各方面目标纳人一个有机整体之中，全面对火电厂经济效益的优劣作出准确的判断和评价。对于火电厂这类生产单位，设备管理要实现现代化电力设备管理的需求，还需要满足其要素全面、满足多个信息结合需要等特点。火电厂具有公共事业属性，其社会效益与经济效益需要同步考虑，而且由于业务的不同，其考虑也会不同。
结束语：本文对以设置火电厂设备管理目标体系为例子进行分析，研究其大数据与可视化的创新应用，这只是给未来科技革命与产业变革提供了一个方向，相关部门只有继续增强对技术领域的研究，扩展结合技术分析，才能让思路更宽阔，以便更科学的稳定相关技术与产业的发展进程。
参考文献：
[1]李占英．智能配电网大数据应用技术与前景分析[J]．电力大数据，2017(11)：18—20．
[2]张嵩，刘洋，许芳等．配电网中大数据的挖掘应用[J]．电力大数据。2018(02)：
[3]中国电机工程学会．中国电力大数据发展白皮书[R]．北京：中国电机工程学会，2013．
[4]张东霞，苗新，刘丽萍，等．智能电网大数据技术发展研究[J]．中国电机工程学报，2015，35(01)：2—12．
[5]彭小圣，邓迪元，程时杰，等．面向智能电网应用的电力大数据关键技术[J]．中国电机工程学报，2015，35(03)：503—511．