王贺 张雪琳
石家庄良村热电有限公司 河北 石家庄 050000
摘要：随着我国科学技术的不断发展，智慧电厂的建设满足了电网变化的需求，并保障了用电的可靠性与安全性。本文主要对于热工自动化智能诊断的重要性进行了分析，针对智能诊断技术中存在的问题，分析了智能诊断系统的可行性。最后探讨了故障诊断系统的实现框架，从而有效的保障了机组的安全。
关键词：智慧电厂；智能诊断；机组
引言
近些年，我国发电厂逐渐实现自动化与智能化技术，并且数字化对于电厂中的各种信息的处理效率非常高，还可以实现实时共享，信息交换等，使得专家可以对各种决策及时进行优化。智慧电厂不仅仅是实现信息化和数字化平台这么简单，它终会实现优化决策以及智能评判，有效的促进智能技术的不断应用和发展。在智慧电厂中，设备状态的评判是非常重要的工作，热工大电厂对于这方面的研究投入了大量的资金与资源。然而，大量的数据缺乏分类与整合，无法将这些数据有效的利用，高层专业技术人员缺乏，导致智能发电厂很难突破瓶颈，因此，需要对智慧电厂设备智能诊断中的关键技术进行探讨，促进热工电厂的不断发展。
1、设备智能诊断的重要性及现状
1.1设备智能诊断系统的重要性
随着电厂行业的发展，信息与数字技术不断融入到设备系统中，从而形成了传感与智能控制，提升了智能电厂的效率与安全性，实现了高效、安全、经济、环保的要求。在智慧电厂项目中，从最初的数据采集，到最终电厂诊断处理的完成，这些数据将会被输送到监控中心，通过大数据来分析这些数据中是否存在异常，可以对电厂中潜在的安全威胁进行分析和预测，解决问题，避免不必要的经济损失。在智慧电厂发展过程中，智慧诊断系统实现了“互联网+”的应用模式，使得电力产业可以得到更好的发展。
1.2设备智能诊断的现状
随着人工智能的发展，设备智能诊断系统得到了发展，但是以往这种诊断并没有发挥出应有的效果，因此很快被市场淘汰。热工发电厂对于智能诊断技术有着非常高的要求，需要进行故障自动定位，准确度以及及时性要求比较高。此外，还有很多专门的人员对故障进行研究，找出故障出现的原因，对于今后出现故障进行维修积累经验。然而尽管在故障研究方面进行了很多工作，但实际上并没有突破性的进展。
2、设备智能诊断技术系统的可行性分析
2.1完备的设备状态数据
智慧电厂运行过程中，数字化技术扮演着非常重要的作用。随着科学技术的发展，电厂设备在不断改革，智能设备不断涌现出来，很多电厂都适应时代的发展，不断更新智能化设备，使得电厂设备的数据监控可以稳定运行。在对设备数据状态分析过程中，即使工作人员没有在现场，也可以进行智能化的诊断和分析，使得设备的数据诊断工作可以正常运行。
2.2先进的特征提取技术
在智慧电厂发展过程中，专家首先对原先的智能设备检测数据进行查看和分析，并对可能存在的故障进行分析总结。通过专业的知识，可以判断出是否存在故障、故障在什么地方，但是这种方式与专家自身的水平有很大的关系。而智能诊断系统中，可以通过特征提取技术，对于智能设备进行诊断。比如在热工发电过程中，1台1000MW的汽轮发电机组，出现振动过大的问题，通过对振动原因进行分析，发现问题出现在负荷以及励磁电流中，在实验过程中并没有励磁电流与振动直接的关系，在工作人员查看之后，发现发电机轴振、励磁电流以及瓦振影响比较大，出现振动滞后的现象。因此，发电机转子变热。这种故障产生的原因比较多。比如线圈绝缘垫层松动、线圈匝数短路等，通过记住检修可以对问题进行处理。
2.3专业的技术人员
在智慧电厂运行过程中，可以将专家的思维模拟到设备中，从而使得故障可以进行有效的分析，系统中的故障可以实现智能诊断。专家系统这种思想的提出，在社会各个方面都有非常好的应用。比如医疗诊断系统，可以通过专家数据库对问题进行识别与分析，虽然专家系统依靠数据库，但是数据库也是制约智能诊断发展的主要问题。专家信息库的建立依靠技术人员的水平以及知识库是否完善，在热工发电过程中，专家数据库逐渐实验建立，在处理一些类似故障过程中效率比较高，经验比较丰富。设备智能诊断系统研发过程中，应该重视系统的学习能力，提升系统的兼容性以及分割性，不断丰富和更新系统中的知识与数据，提高智能系统的专业水平。
3、设备智能诊断系统的实现框架
3.1系统的功能及特点
第一，在数据采集过程中主要分为过程参数收集以及振动数据的收集，过程参数的收集主要来自？，而振动数据收集来自于TDM。第二，信号的处理过程中，根据信号处理模块，通过傅里叶变换、小波分析、经验模态分解以及各种滤波方法，对于信号进行预处理，除去噪音，进行限号的采集以及时域的转换。第三，特征表示过程中，主要通过频域以及时域特征来表示，时域特征主要有标准差、方差、斜度、峭度、波形指数等。通过概率密度函数来对幅值进行分析。而频域特征主要有频谱分析、功率谱分析等，可以分析振动数据以及过程参数之间的关系。第四，特征提取有多种方法，可以通过机器时域与频域特征数据的提取，并通过科学的方法来进行分析，从数据信息中掌握电厂故障的信息。第五，设备故障警报模块，就是出现故障信号的时候，可以发出信号进行警报。在汽轮启停阶段的预警，还有在瓦振、轴振信号的预警等。
3.2故障的特征提取
在进行故障特征提取过程中，一般可以从以下三个方面来进行，首先是振动信号特征提取的方法，可以通过时域进行综合分析，比如通过小波变换分析。其次，可以通过振动信号以及过程参数之间的关系，通过相关的分析进行故障位置的确定。最后，故障波形匹配的方法进行分析，可以通过一些典型的故障波形来进行故障识别，通过计算机技术以及专家来进行故障识别，？中也是智慧电厂的优势。在进行振动数据以及过程参数分析过程中，需要考虑系统时间延迟。比如励磁电流在发生变化的时候，振动速度也会发生相应的变化，而这两者之间没有延迟，说明振动故障主要是电气缺陷引起的。如果励磁电流发生变化而振动变化滞后，说明振动故障是热变引起的。
3.3故障的诊断推理
近年来，设备智能诊断系统在研究和发展过程中，其主要的方向在于机器故障的推理研究，而故障推理的方法是弄清楚设备状态的模式，并对这种模式进行识别，还有一部分并不需要建立准确的模型就可以进行计算。因此，很多科研人员也提出了模糊逻辑、神经网络、马尔可夫、贝叶斯等理论成果，这些尽管也可以进行诊断和进行数据分析，进行运行状态的预测以及故障的处理，但是在实际建设过程中需要对各组件进行设置和调试，需要人工来进行，而人工在工作过程中会出现误差，因此对于人员的专业知识和水平要求非常高，只有具有较强专业知识的人员才能完成任务。在旋转机故障出过程中，早期专家诊断的模式设计上最合适。专家系统可以模拟专家的思维，对特征信号进行分析，并进行层层推理，找出故障的位置，并对故障产生的原因进行详细分析，通过专家知识库来进行推理分析。专家系统概念也就是将专业知识以及科学推理有效的结合起来，这样可以安装一个数据库，对于相类似的故障问题进行搜索以及调用，使得专家系统可以更科学合理。
结束语
总之，智慧电厂在科学技术发展过程中不断进步，开展设备智能诊断技术，是智慧电厂非常重要的发展方向，因此应该对电厂中的数据信息以及设备的状态进行详细的分析和监测，从而为设备智能诊断提供可靠的依据。随着大数据时代的发展，人们处理数据信息的效率越来越高，设备智能诊断技术也会迎来更好的发展。
参考文献
[1]陈孔和.设备智能诊断技术系统在智慧电厂的应用研究[J].电子世界,2019(24):164-165.
[2]王筝.设备智能诊断技术系统在智慧电厂的应用[J].自动化应用,2018(02):113-114.
[3]谢荣斌.建立变电设备状态评估的智能信息平台[J].南方电网技术,2009,3(S1):211-213.