刘自愿
华电福新广州能源有限公司
【摘要】：本文就华电福新广州能源有限公司2X670MW机组数字化解决方案中趋势预警系统的使用，以及相关案例进行探讨。
【关键词】：趋势预警 数字化 大数据 人工智能
前言
华电福新广州能源有限公司采用目前世界最先进的西门子H级高效燃气-蒸汽联合循环机组，装机容量2X670MW，综合能源利用率可达81.6%，具备实现数字电厂的基本软硬件条件。其燃机、汽机和辅机系统均采了西门子趋势预警系统。项目秉承一体化、平台化、智能化的先进理念，按照数据层、应用层、展示层3个层架构，提供覆盖电厂全寿命周期的应用。建设具备国内一流、国际领先的数字电厂标杆项目。
一、趋势预警系统简介
基于上下限阈值的传统报警已经不能满足电厂设备健康和可靠性分析要求，趋势预警模块对所需监视的重要设备或者系统建立模型，基于大数据分析和人工智能技术，系统能够在破坏性故障真正发生之前的早期阶段就能及时发现和预测故障。由于预警系统特殊的工作原理，它可以用于监视电厂各种不同的系统、设备以及子设备。
趋势预警模型范围包括：燃机、发电机、发电机冷却（冷、氢冷）、循泵、凝泵、凝汽器、真空泵、汽轮机（含油系统）、轴封系统、主变、高厂变、启备变、给水泵、机械通风冷却塔、余热锅炉（含汽包汽水平衡、脱硝）、主/再热蒸汽系统等模型。
二、趋势预警系统设计思想和核心原理
预警模块的设计思想是对所需监视的重要设备或者系统建立模型，并采用正常运行工况时大量现场测量的历史数据进行模型训练，在模型训练完成后，预警模块能够实时监视设备或系统实际运行状况和正常运行状态（期望值）的任何偏差，因此，预警诊断系统能够在破坏性故障真正发生之前的早期阶段就能及时发现和预测故障。
为了实时处理大数据量的历史和实时数据，预警模块采用如下的大数据处理架构：
1）数据预处理
数据预处理使用了Kafka并结合Storm的方案。 Apache Kafka是分布式发布-订阅消息系统，是一种快速、可扩展的、设计内在就是分布式的，分区的和可复制的提交日志服务。
2）大数据数据存储
大数据存储使用了HBase方案，支持通过数据副本进行容错，具有读写操作高吞吐量、查询高效的特点。
3）实时数据计算
实时计算部分采用Storm技术实现。其分布式处理性能可以达到百万事件每秒。
三、系统组成
整个趋势预警系统主要包括两大部分：趋势预警部分和报警监测分析部分。
（一）趋势预警部分
数据清洗：为了阻止信号故障或者不正确的信息被错误使用，所采集的信号首先进行数据验证，并且支持适应不同时段的验证功能。
模型选择：建模方式应根据设备和系统的不同，应用精确性和实时响应性原则。系统应灵活、开放、可配置。不仅各个相关部门都可以使用（运行、检修、诊断专家等），而且可以自主进行维护，以及开发新的模型。
模型创建和训练：依据实时及历史数据建立预警模型，关联测点，进行规则定义、模型训练等工作，并实现以下功能：采用多种建模技术自动地从可获得的测点创建关键设备及系统监测模型。能够监测电厂关键设备和系统的过程及组件的正常状态。
模型参数设定：模型创建完成后，系统可以通过数据训练自动获得残差初始值以及其它重要默认设定参数，以允许模型迅速投入使用。能够在任何时间并且方便地改变这些模型参数，在系统中记录参数修改的记录。
模型调整和优化：电厂的设备和系统由于技术改造、机组检修和正常的老化而会发生不断的变化，模型能够根据需要随时调整。
计算测点：通过计算测点可以得到一些无法直接获得的变量，如时间平均值。。
预警规则管理：提供基于表达式的规则的管理与预警判断。规则可以由信号，残值，阈值自由定义，当电厂的行为符合定义时会产生规则告警。。
模型版本管理：通过模型版本管理技术，实现编辑、运行、历史模型版本的隔离。
（二）报警监测与分析部分：
厂级报警监测：提供厂级报警统监测界面，对实时报警进行实时推送与展示。展示内容包括报警级别、电厂、机组、工程、模型、报警内容、状态、首次预警时间、最近预警时间、实际值、预期值、累计时间、预警次数、历史次数、告警级别、训练员、训练时间等。以及厂级实时报警总数、机组报警分布、系统报警分布、工程及模型报警分布等。
报警分析：针对某条报警，系统提供报警深度分析功能：可回放本报警对应的模型在告警时段的实时值、预测值、残差、预警曲线，生动呈现报警时段设备的运行状态，辅助用户对告警进行深度分析。
历史报警查询：系统提供对历史报警查询功能。通过条件过滤、全文模糊搜索匹配等功能，实现对历史报警信息的综合查询，并可追溯报警详情，并进行报警分析，对历史告警时间段的设备（测点）实时值、期望值、残差值、残差越限予以可视化展示。
四、系统使用和建模
成功登录系统以后通过菜单进入趋势预警模块。电厂系统工程配置：设置电厂、机组、系统、工程，以及用户角色和权限的配置。
然后可在电厂机组下创建、配置系统工程。可按专业、设备对工程进行配置。工程作为模型、规则管理的主要单元。可以工程为单位对模型、规则、计算测点的配置管理/监测权限进行设置。
建模和告警处理的流程主要有以下几个步骤：
五、实际案列说明
1.凝结水泵振动值增大
现象：9月30日#1机组启动后，设备运行至10月底DCS触发报警：凝结水泵B轴承Y向振动大（报警值7.1mm/s）
分析：凝结水泵B启动后，西门子预警系统模型持续监测机组各运行工况下该设备状态。至10月14日凝结水泵B监测模型发出轴承Y向振动预警（振动约2.2mm/s），轴承X向及轴承温度无预警发出。因设备运行过程中Y向振动值存在波动现象，预警系统断续报警并自愈，且振动未达保护定值，DCS未触发报警，设备列入观察项提醒加强监视。16日开始预警系统持续输出轴承Y向振动的有效预警（此时振动约2.4mm/s），残差数值持续增大，测点振动劣化趋势。直至24日，轴承Y向振动达到保护定值，触发DCS报警。
2. 机械通风冷却塔风机振动大
现象：机组启动后设备运行至11月，DCS报警#5机械通风冷却塔风机振动大。（DCS保护定值振动≥6.8mm/s报警；振动≥7.1mm/s跳闸）。
分析：西门子预警系统于10月26日，#5机械通风冷却塔风机（振动值约2.5mm/s左右）持续输出预警。此时设备振动速度值存在返复现象，需结合实际测量振动信号，进一步分析判断引起风机振动劣化故障的原因。
六、总结
实际案列说明，趋势预警系统中各种模型经调优训练后能够在设备故障发生前的早期阶段及时发现和预测，为设备检修赢得宝贵的窗口期，提高设备可靠性。由于自身水平有限，对本项目预警系统的工作原理认识上还存在很多不足，以上只是结合工作开展进行的部分总结和思考，更多的内容，还需要我在以后的工作中继续认真学习。
【参考文献】：
【1】西门子，趋势预警系统使用手册，2018年10月29日。