刘鹏韬
国电蚌埠发电有限公司，合肥230000
摘要：随着科技的飞速发展，新兴技术引领传统行业走向更高效更多元更便捷的安全生产工艺。国内的火力发电企业随着环保政策的管控，上大压小的取缔，形成了以600MW为主力机型并向1000MW容量机组发展的趋势。以上机组的发电原理及设备构成大同小异，排除区域性自然条件不同及各地政府政策更细致的影响，全国火力发电厂在节能减排、挖潜增效等方面几乎站在同一起跑线上进行对标。AI技术的日渐成熟，火力发电智能化代替人工化，减少人为操作，加大智能化程控操作凸显出了其高效稳定安全的特征，成为这几年火力发电企业争相改造优化的重点课题，那么改造的结果如何呢？资金和设备的投入到位后，是否取得了应有的绩效呢，没有统一标准，没有投资回报率的计算，那哪一家电厂的智能化趋于国际一流水平呢 在百家争鸣的时代，彼此都有特色，但是难分伯仲。这正符合了大数据运用的标准，有足够多的样本，不问过程怎么优化，不问资金投入多少，只通过部分看似无关却实际上能精确反应智能化水平高低的某些指标来评价某电厂真实智能化水准，全国有足够多的样本为我们提供分析数据，在此基础上通过大数据技术管理应用，帮我们更高效的开展智能化电厂的优化改造工作，并通过最后的数据分析，模型计算，确定出智能化水平高低的分档线，为全国火力发电智能化定下行业标准。
关键词：大数据；智能化；有效操作值；评比标准
0前言：
2007年南加利福尼亚大学马丁希尔伯特教授估测，人类大约存储了超过了300艾字节的数据。（一般记作EB，相当于2的60次方）2009年谷歌利用大数据技术对30亿条检索指令的分析，提前14天预测出冬季流感高发的区域。数据存储设备容量的指数级提升，使得计算机可供模拟运算的数据不再具有上限。当今世界科学技术日新月异，伴随着网络大数据时代的到来，大数据技术的运用在现代很多企业的发展中起到了非常重要的作用。无论是科技前沿阵地还是传统工业产区都受到了强烈的冲击。
全国的火电厂地域分布性广，专业分类齐全，附属设备众多，一台大容量火电机组的安全生产需要至少74名合格工程师在运行、维护方面的共同努力才能保持稳定。2001年伊始，随着AI技术及第三次产业革命的到来，各发电厂都在持续增大智能化运营的投入，希望通过人工智能的先进性来减少人工量，以期通过计算机在执行力上的不打折扣标准化百分百来解决人员操作安全稳定性上的不足。大量的精力物力投入，全国的火力发电百家争鸣，却没有一个行业标准来衡量这些投入是否真的让我们的机组“智能”了,几乎每家企业都说自己先进，自己智能，全国也不存在这样的一个检测评审机构，来对现有600MW以上机组进行分类，并对机组智能化进行分档。
本文的意图在于通过大数据的计算分析方法找到可靠的数据，通过足够多的样本来对全集团乃至全国甚至全世界的同等级同类型机组进行智能化评比，以此分出智能化的各个档次，为那些进行了大投入而效果不佳的同行找到改进的方向；也是进一步提高智能化成本效益，树立行业标杆，创造出引领所有火力发电厂走向智能化高端平台的阶梯。
1 大数据应用前的关键数据索引
1.1智能化的目的
评比电厂智能化优劣之前，我们必须搞清楚电厂智能化的目的是什么？
一、以智能自动化尽可能的代替人工化，做到更安全、更稳定。与AI相比，人为操作必然会受到多方面的因素影响，诸如疲劳度、情绪波动、注意力集中与否、个人性格习惯等，稳定性可控性均比之AI明显偏低。截止2019年8月份，火力发电厂全国安全事故统计，因人而起的安全事故占27.5%，其中还不包括间接由人引起，或事故发生后人为判断失误或抢救不及时造成的事故继续扩大化。从早期的RB(快速甩负荷），到现在智能版优化协调控制系统，都是为了减少人为操作，无论是事故状态还是正常运行状态，都能有效分担人员操作。
二、各项参数控制更精确，更细致。评价火电厂经济效益的参数已经经典化，AI的运算速度更快，结果强大的数据存储功能，可以使以前需要人工统计计算的供电煤耗、厂用电等关键参数实时化，加强跟踪调整，及时分析参数变化，拿出更好的方案以优化更新。
三、节约成本，提高效益。将部分人工的部分完全改为AI控制，降低企业用工资本，减轻企业未来负担；更好的评估设备服役情况，根据足够多的样本，合理规划检修期发电高峰期的冲突，进一步提高效益。
1.2 影响智能化先进度的关键数据
我们发现各个发电企业对一个参数完全没有统计，而这个数据在现今的智能化电厂中又显得这么重要。
这就是--DCS有效操作次数。
此处我们必须有明确的认识，未来巡检任务已经有被机器人代替的趋势，再加上高清摄像头的无死角掌控， 机组正常运行时，运行人员最大的劳动输出就是监盘调整，假设我们的智能化足够先进，运行人员的最终工作会从监视调整变为监视，那么DCS操作员站上的鼠标只起到轮换画面左右（甚至可以改成时间轮换或声控模式，国外的很多核电企业，已经开始尝试去掉鼠标直接改用触摸屏显示器），但是我相信，全国最好的火电厂也不可能做到完全不用人工，这就好像我们的航空航天事业，已经全球领先，但是和空间站对接或是月球表面着陆依旧是在人工下完成一样。
智能化先进与否，就取决于DCS有效操作次数的量值。之所以说有效，是因为我们必须排除不必要的个人习惯，如画面轮换过勤、鼠标抖动等无效操作，我们只取有效调整操作数值，所谓的有效是运行人员在当时情境下认为必须要进行人为干涉所采取的操作，可能我们的统计不会完全准确，这里还是无法完全排除个人习惯问题，我们无法排除个人性格及操作习惯带来的看似有效实则完全无意义的操作次数（比如将某台给煤机的煤量突加6吨，几分钟后再减回原值，我们无法理解这样的操作，燃烧偏差调整的需要？或是出于试验摸底看给煤机控制是否正常？再或是单纯的个人习惯，我就是闲不住……）。
那么我们的统计这个数据有意义吗？
有！只要数据样本足够多。这就是大数据的特点，我们无需排除异常因果，只要数据足够多，个人习惯会被完全湮灭在数据的海洋中。
我们怎么能看出DCS操作有效值的重要性呢，它对智能化先进与否有多大影响呢，距离，智能化投资改造，最终有效值数字没有多大变化，我觉得这就是失败。厂内比较……两台机组？？？
2 DCS操作有效值在大数据技术下的运行
前面我们论证了DCS操作有效值这个数据的意义，那么如何能够在大数据的技术运用上，让其得到最充分的体现呢？还是回归本源，从大数据的特点入手，对DCS操作有效值全面建模。
如果说一小时的操作有效值，区间段过小，没有代表性，那么按照火电厂24小时迎来的发电波峰谷为规律性判定（？？？），24小时的DCS操作有效值就能反应发电厂运行值班人员一天的工作量，数值越大，说明值班人员的操作越来，工作越多，监视集中度越高，造成的疲劳感就越强。这不符合现代化智能电厂少人工的特点。
假设一天24小时的数据也不能排除个性值，那我们不妨进一步扩展数据，取10天，30天，60天，（取10的整数倍是因为现有大容量火电企业基本上是五班三倒，五天一个循环，10天能够让五班人马均被合理数据采集）下面对已经收集的数据进行比较：（此间处于对各家企业的尊重，暂不列出标示性名称）
经过反复的数据对比，我们发现10天的结果、30天的结果，从趋势上是一定的，比如A厂在10天内操作有效值比B厂好，在未经历机组检修改造，未经历智能优化的情况下，那么30天的结果，60天的结果依然如此。从无相悖。
我们之所以未选择90天以上的数据，是因为在当前的大环境下，很少有火电厂90天内没有检修计划的，一旦机组进入停役状态，那么各种优化就会展开，机组再次复役时和未检修前的DCS操作有效值相比，就会出现数据差异。
在以上的说明下，取30天的DCS操作有效值数据而得出的日平均值，最具代表性。
对全集团同类型火电厂或全国同类型火电厂取30天平均DCS操作有效值进行对比，各家电厂的智能化水平就如实的反应在我们的表单里了。
干扰因素（环境天气、地域经济情况、人员素质）
2 对DCS有效操作值的大数据评测
2.1 智能化优劣的评判标准（方法的确立）
评判标准的确立取决于样本数量以及样本数值处理分析，本文拟建立三级评判机制，能够在样本足够丰富的情况下，确立有效的标准对DCS操作的数量进行分类，确立操作效果的优秀、良好以及较差三种情况，并且能够更好的拟合于正态分布规则，为此，经多组数据测算，本文采取标准差法确立评判标准。
假设样本数据总量为N，样本数据值分别为X1、X2、……XN，标准差为S，则标准差为：
.png)
定义Xi＜C1，则该操作数定义为优秀；Xi＞C2，则该操作数定义为较差；C1＜Xi＜C2，则该操作数定义为良好。笔者经过多组数据测算，该种定义能够较好的拟合正态分布，能够更好的、更合理的做出评判。
2.2 评测结果的意义
所有的资本都是对利益的追逐。投资是为了收益，那么对于那些智能化已经评定是优秀的电厂还要精益求精，继续追加投资，就忽略了边际成本的作用，我们不反对那些优秀的管理者继续追求极限，但是我们也要看到木桶原理的结论，怎样才能更有效的分配我们的资源。而对于那些评测中处于下游的电厂，也找到了先进的标准，大数据的评测，为我们省却了投资前的可行性分析，让我们投资的目的和效值更明确。我们经过评判得出的标准，是全行业的一次对标。有了这个标准，我们在前言中提到的问题就得到了解决，你投资了多少，回报了多少，我们不再去看你的介绍，你的说明，你似乎理想的各种假设，我们把效果就像数码照片一样，变成了直观的数据，一次是否成功的投资，只比较投资成本和收益效值，就够了。
大数据的定义就是这样，倾向于结果诱发过程，我们不关注你是怎么做的，我们只看你最终的结果。
智能化电厂等级的评定，类似于胡润富豪榜的排名，第一和第二或者第一和第五之间，单纯比较他们的数值，其实未必有什么意义，但是全行业数据的展现就是效果的评价，我们不关注谁是第一，谁又排在最后，我们却会关心他们之间的差距，这个差距要比数据反映出来的问题多的多，这就是大数据评测的意义所在。
2.3 大数据的干扰因素
有一点是我们没法改变的，那就是地域差异，不可否认受经济发达程度的影响，各地区电厂的智能化水平差异是必然存在的，其实就算没有大数据的测评，我们也能猜到哪些电厂智能化水平高，哪些处于下游，因为发达地区从人力储备到资源开发都是客观存在的优势，人才的流动以及资本的雪球效应，更向沿海地区涌动，那么地缘影响必然存在。我们不排除不发达地区也有优秀的智能化电厂存在，但是数量必然有限，我们也不能即希望于一次投资就能赶超发达地区的智能化水平，这毕竟是一个追赶的过程。只有追才会有超越，其他的行为均属观望。
结语
整篇的论述就是为了在大数据应用的结果上，确立一个全行业同类型机组公认的标准，给所有同类型火电机组一个新的对标选择，传统行业未来可期，之所以传统是因为火电行业经过历时的变革不断更新、不断进步，时代的存在感可能会受到新能源开发利用的解压，但大环境下火电厂起到的作用，在国内依然无可替代，世界上任何一个国家，火力发电的开发都不可能达到中国的水准，未来，更远的未来，火电厂不会被智能化淘汰，只能是在智能化的道路上越前行越高大。