（华电莱州发电有限公司 山东省莱州市 261441）
摘要：近年来，随着社会的发展。电力行业应用越来越广泛，电厂建设发展过程中逐渐重视智能化和环保化。而智能电厂则是现阶段融合云平台与大数据技术的一种新型发展模式，其能够应用大数据技术实现科学的数据采集，并辅助电厂的高效化运行管理，充分体现电厂建设和发展的安全性和人性化。本文在简述智能电厂的定义基础上，阐述了数字化电厂与智能电厂的区别，探讨了智能电厂的优势，并针对其建设进行了分析和研究，以期为我国火电厂转型升级、智能环保发展提供参考。
关键词：电力行业；电厂建设；大数据；运行管理
引言：
随着整个人类社会科学技术水平的飞速发展、社会生活水平的不断提升，大数据、云计算、物联网、移动互联网等新概念不断涌出，电力工业行业也发生着翻天覆地的变化，“智能电厂”的概念在此种环境下应运而生。智能电厂是指以数字化为前提，以网络、信息技术为基础，通过采用智能分析、智能处理、智能控制等技术，使其在各种环境条件（煤质、气象、排放、电网要求等）下都能提供经济、环保、快捷、稳定的电能，具有智能化、一体化等特征的新型电厂。本文对智能化实施过程中的大数据应用进行重点论述，为智能电厂的实施过程的功能完善添砖加瓦。
1大数据应用在智能电厂的理论研究
大数据是指快速发现并分析复杂而繁琐的庞大数据，利用技术方式提取有价值的技术框架，既包括庞大数据，也包括数据处理方法、理论。火电厂大数据涉及生产运行数据与企业管理数据，因为数据之前并不是独立，相互之间耦合关系比较繁琐，故利用虚拟仿真验证平台，让各业务等类别数据集实现深入交联以及虚拟现实人机互动，最终实现集约化管理。电厂大数据特征主要体现在以下几方面；一是各种设备与系统均产生数据；二是数据量庞大，种类维数多；三是大数据提高了火电厂运行效益与安全可靠性；四是为满足实时性要求，需要进一步挖掘数据关系。数据处理、数据分析、知识与规则解释是大数据应用必不可少的步骤。火力发电厂大数据具有多样性、不精确性、不完整性等特点，这种复杂的数据环境下，要求必须对数据源中的数据进行处理，必须采用统计学方法剔除由于精度等原因产生的异常数据和冗余数据；采用聚类分析的方法对数据源中的数据进行抽取和集成，为后续数据分析的合理性提供有效的支持。数据分析是发挥大数据研究核心价值的重要流程，常用的数据分析技术主要有:统计分析、数据挖掘、神经网络、机器学习、模糊理论等，分析的结论可用于专家系统、推荐系统、决策支持系统、运行指导等方面。数据分析结果的核心内容是数据知识规则等具体表述方法，表述方法不合适会对使用者起到误导作用。一般的表述方法是文本、图表等电脑终端的直观显示，随着云技术的不断发展，人机交互技术、标签云等可视化技术的解释方法被逐步应用，数据分析得到的规则、知识等信息的解释，逐步向最佳的数据解释效果方向发展。
2大数据在智能电厂中的应用探索
2.1报警优化
火电厂DCS系统的发展日益完善，功能与监控点数逐步提高，也逐步具备荧光字报警等功能。但机组调试过程中，受设计施工等因素影响，DCS系统运行常出现报警泛滥的情况，导致报警信息数据量庞大，限制了报警系统作用的发挥。理想的报警组态设计要求每天的报警数量不可超过300个，每个小时的报警数量不可超过12个，每10分钟的报警数量不可超过2个。故需根据运行人员可接受的报警数，科学布置报警系统组态计划。除此之外，还需要根据重要程度设置多级别的报警类型。为减少无效报警信息，确保信息精确度，可以采用主元分析法。首先了解各报警极限参数，以此作为后级警报项。以某机组功率信号为例，从报警分析入手研究，确定采样周期后，在DCS数据库中选择多项运行数据展开主元分析。同时采用分类的方式将历史数据分为验证集与校正集两部分，通过Matlab分析了解主元分析结果的真实性，根据各主元数相对的残差平方根曲线将最小残差平方根，将其对应的主元个数作为机组功率报警异常优化中综合考虑的重点。同时将主元个数的报警信息当作二级报警信号，从而提高机组功率报警信息的针对性、准确性。
2.2智能电厂更环保
电厂的环保功能在当前受到了广泛的关注，也是生态环境污染治理的重点内容。智能电厂在应用大数据技术时可以建立有效的全线检测预警机制，可以对煤炭中含有的污染物成分、含量等进行分析，实时检测煤炭等材料在燃烧发电的过程中数据变化情况，以便于控制污染程度。如果发生煤炭污染含量超过了预设指标则会自动采取燃烧前处理措施，以降低污染物的产生和扩散浓度。此外智能电厂在利用煤炭发电时也能够在其燃烧时将热能有效回收利用，增加单位发电量，促进电厂的可持续发展能力。同时智能电厂利用大数据技术可以分析废气以及废水的排放情况，尽量将其检测指标控制在允许排放的标准范围之内，并且会将所有检测到的参数数据自动上传到云平台，可以对外公开，保障电厂排放信息的透明化，有利于社会监督，保障电厂的绿色环保生产管理活动有序开展。
2.3控制系统性能
火电厂由于工艺繁琐，控制系统运行离不开PID设备的控制，但在实践中，大部分的热控技术人员对系统控制的有效性无法及时评判。此类问题可从电厂热工控制入手，采用大数据方法对当前控制系统性能进行评定。评定控制系统性能的方法多种多样，但系统性能计算、控制系统参数识别、思想控制系统设计与控制系统诊断决策是每种方法都必不可少的内容。实施步骤一般先是计算当前系统性能，收集处理控制器输出信息。然后根据系统特性，合理选择系统评定准则。围绕准则评定系统性能，了解控制性能是否达标或是需要维护等操作。最后根据性能评估结果，分析系统性能滞后的影响因素，为系统性能维护提供价值依据。近年来，对以闭环回路运行数据为基础的控制系统建模研究越发深入，相比传统或现代控制理论的建模，现在可供选择的方法更加多样，效果也更加显著。除此之外，基于支持向量机，神经网络等计算理论的建模方法也有了长足的进步。但合理选取控制系统性能评估准则仍是一件难度较高的工作，目前应用最为广泛的仍然是基于最小方差准则，或者改进最小方差准则的控制系统性能评估准则。
2.4基于大数据的智能预警技术
电力企业对安全性能要求较高，而非使用一体化数据平台，就可以直接模拟人工智能，还需自主对企业内部所有系统、子系统、机器设备进行监控，排查工作过程中存在的隐患，并提前做出预警，以此来减小风险爆发的概率。相较于以往所使用的数据分析技术，该技术可以预判到渐变性故障，一旦其劣化趋势上升至标准上限，就会开启报警，并显示该位置的详细变化趋势以及具体参数信息，有利于协助管理者找出并分析原因。同时，该平台除了可以监测转动设施外，还能为系统、子系统等设备设计专门的监视模型，实时监测各个设施的工作流程。值得注意的是，该系统可以被使用来监控机组工作时间、负荷变化工况等内容，对故障异常提前预判，便于管理者做出调整修改。可以说，该项目充分利用了人工智能技术，让整个平台工作完全实现了智能化，大幅提升了工作质量。
3结束语
综上所述，智能电厂工作涉及多个方面，应用大数据理论可以优化其各个阶段的控制程序和控制方式，对保障其整体工作质量等具有重要意义。智能电厂是电力行业中一种先进的现代化、智能化生产发展模式，相比于当前比较普及的数字化电厂在安全性、环保性、人性化、高效化等方面具有明显的优势。通过大数据技术以及云平台能够构建智能电厂的运行机制。同时借鉴当前我国多家电力企业的智能电厂建设经验，可以进一步完善智能电厂的建设体系，进而为社会提供高效、高质量、稳定安全的电力能源，推动电力行业的向前发展以及社会的总体进步。
参考文献
[1]刘洋.智能电厂实施过程中的大数据应用探析[J].科技风,2019(14):191+200.
[2]张少男.智能电厂实施过程中的大数据应用研究[J].科技创新导报,2019,16(14):30-31.
[3]王忠杰,文乐,杨新民.大数据在智能化电厂中的应用研究与展望[J].中国电力,2019,52(03):133-139.