《@基于工业互联网、云计算和大数据的智能电厂示范项目提案(草稿).doc》由会员分享，可在线阅读，更多相关《@基于工业互联网、云计算和大数据的智能电厂示范项目提案(草稿).doc（14页珍藏版）》请在金锄头文库上搜索。
1、基于工业互联网、云计算及大数据的智能电厂示范项目提案(草稿)（仅供内部参考交流）目录0.项目背景11. 调研分析31.1 存在的问题31.2 有关项目发展及现状41.2.1 电厂信息化发展41.2.2 智能电厂概括51.2.3 智能电厂大数据的集成管理61.2.4 智能电厂大数据的分析61.2.4 智能电厂大数据的展示71.3 项目价值和意义71.3.1 电厂数据价值分析71.3.2 电厂数据价值挖掘81.3.3 行业推广应用价值92. 项目内容初步规划93. 关于项目开展实施的建议103.1 项目启动及开展103.2 初步设想103.3 智能电厂解决方案功能架构113.3.1 功能架构逻辑图
2、113.3.2 功能架构设计120. 项目背景当前，欧美等发达国家高端制造回流，德国、美国相继提出工业4.0 和工业互联网概念。2013年4月，德国政府在2013年4月的汉诺威工业博览会上正式推出提出“工业4.0”战略，以期提高德国工业的竞争力，在新一轮工业革命中占领先机。2013年6月，GE提出了工业互联网革命（Industrial Internet Revolution），通过一个开放、全球化的网络，将人、数据和机器连接起来。工业互联网的目标是升级那些关键的工业领域。“工业4.0”是德国政府提出的一个高科技战略计划，旨在提升制造业的智能化水平，建立具有适应性、资源效率及人因工程学的智慧工厂
3、，在商业流程及价值流程中整合客户及商业伙伴。其技术基础是网络实体系统及物联网。所谓工业互联网，简单来说就是将大数据、机器和机器的操作者紧密结合以达到最优状态。而数字化电厂正是在工业互联网的召唤下应运而生，将电厂的多种需求同高智能的数字化基础设施相结合，从而达到机器和软件的完美协同作用。2014年5月，中国版的“工业4.0”规划中国制造2025正式发布，宣布中国将于2025年迈入制造强国行列。2016年6月12日，国家发展改革委、工业和信息化部、国家能源局组织编制并印发了中国制造2025能源装备实施方案。方案围绕确保能源安全供应、推动清洁能源发展和化石能源清洁高效利用三个方面确定了15个领域的能
4、源装备发展任务，旨在推动能源装备自主创新和产业升级，充分发挥能源装备自主创新在能源技术革命和装备制造业升级中的支撑和引领作用。其中，在“清洁高效燃煤发电装备”方面，技术攻关“燃煤电厂智能控制系统”中提出：研发基于互联网技术和智能设备的超超临界机组智能控制系统，采用先进控制技术、实时优化技术、大数据挖掘技术自动化控制和高效低污染运行。研发燃煤电厂远程诊断和监测系统，研究建设燃煤电厂大数据中心及云计算平台，为电厂高效运行、维修提供指导和决策依据。这些都标志着新一代信息技术正在与制造业的深度融合，也正在引发影响深远的产业变革，形成新的生产方式、产业形态、商业模式和经济增长点。1）智能电厂简介从两个方
5、面来总结一下数字化智能电厂。首先，资产优化。在重资产企业产能过剩的情况下，如何优化资产效率，提升资产的利用率，同时为客户带来关键的增值服务，通常也被衍生为装备服务业。其次，运营优化。中国企业运营还处在较粗放的阶段。管理粗放，机能低下，信息化基础薄弱等等，都是现在制约企业发展的重要问题。如何通过运营优化让在岗的工人、管理人员，能够和管理规章制度结合提升效率，这是同工业互联网的着眼点高度契合的，同时也是中国工业企业迫切需要解决的。2）智能电厂特性(1) 更快捷 数字化智能电厂让计划外停机成为过去，同时将提升资产性能。将各类性能参数的采集，24小时不间断的数据分析，资产可视化，故障解决方案，以及其他
6、工业解决方案等融入到一个用户体验良好的智能平台。(2) 更智能无论是业务管理者，还是现场工程师，各部门的人员都可以在数字化电厂大数据云平台提供的众多报表、分析、预测和建议中筛选出各自所需的资料，从而做出更好的决策。此外，基于数据的，机器能够检测异常情况并提高自身的效率，从而减少维修，提高产能。(3) 更领先数字化电厂通过提高可靠性、产能和性能等为客户带来意想不到的业务成果。智能优化为整个行业带来超过2千亿美元的增值，并且这个数值仍在继续增加。3）智能电厂实现数字化智能电厂的核心就是面向大数据的工业互联网云平台(简称智能电厂云平台)。它可以支持工业领域最具创新的应用，将客户的运行数据转变成有效的
7、定制化解决方案。凭借不受限的存储和开放的、用户友好的界面，工业互联网云平台可以随时随地获得各类实时运行数据并针对海量的数据进行分析。(1) 软件驱动的灵活性无论客户需要软件驱动的机器还是运营方案，面向大数据的工业互联网云平台数字化基础设施能够和业务需求无缝对接。数字化智能电厂可以将目前世界上最可靠的、最有效的机组和最先进的工业应用程序相结合，同时我们的软件解决方案也可以使得现有运营能够具有最大化效率。(2) 数字“双胞胎”通过信息可视化，用所积累的实时数据虚拟机器的运行动态，使得客户可以测试不同的工况，预测维修方案和提前发现异常现象，同时也通过和整个发电集团以及其他途径得到的数据进行对比来界定
8、客户的资产运行表现，从而最大化挖掘资产回报率。(3) 网络安全、保驾护航先进的智能电厂云平台防护系统用于评估系统漏洞，检测薄弱环节，保护客户至关重要的基础设施和控制环节并使之符合网络安全的各种规定。1. 调研分析1.1 存在的问题随着近几年互联网的飞速发展和普及，数据呈持续性爆发增长，“大数据”时代的脚步已悄然而至。而传统的火力发电厂也正逐步向数字化电厂迈进，各种数字化仪表与设备已取代原有的机械式仪表与设备，DCS、SIS乃至ERP等系统也已在各个电厂普及。各类传感设备、移动终端、数据采集设备等产生的大量数据被保存、分析，用于指导火力发电厂的生产运营。可见，火力发电厂在向数字化电厂迈进的过程中
9、，已经感受到“大数据”对企业管理与运营带来的冲击。数据的存储与保存，在信息技术日新月异的今天已不成问题，但对数据的分析应用乃至数据价值的深度挖掘却依然是摆在各个火力发电企业面前的难题。导致企业海量数据无法体现其深层价值的原因有3个方面:1）不重视数据价值的挖掘。用平面、离散的眼光来看待数据，满足于各类生产实时数据的查看、统计报表的生成，没有重视数据间关系的分析及各类相关数据间的时间特性。2）缺乏数据价值挖掘的长效机制。数据价值的深度挖掘，依靠数据分析模型逐步建立。如果没有对数据的长期分析跟踪，就不可能找到有效的分析模型。3）缺乏专业知识高度融合的复合型人才。对数据进行分析，不仅需要具备火力发电
10、厂的相关知识，也需要掌握足够的计算机专业知识，尤其是对各类数据库的理解与对结构化查询语句的熟练掌握。1.2 有关项目发展及现状1.2.1 电厂信息化发展上世纪六十年代后，火电厂控制方式开始经历从“就地控制”方式向“集中控制”方式演变。随着1997年电力规划设计总院发布的2000年火电厂自动化提出发展全厂自动化系统网络化的技术政策后，集中控制技术迅速从单元机组向全厂辅助车间发展，全厂辅助车间也进入了高度集中控制方式阶段，大幅减少了电厂运行值班人员。这标志着火电厂控制方式从就地控制向集中控制的第一次大变革基本完成。火电厂及其自动化(信息化)技术和管理的发展是推动火电厂控制方式演变的主要原动力，而控
11、制方式的每一次变革总是极大的解放火电厂的生产力，推动火电厂在安全、经济和环保诸方面更上一个台阶。目前，SIS已经成为所有电厂的标配，SIS概念已经向广义发展，扩展到发电企业集团级和集团科技中心级。从技术方面来看，随着大数据时代的到来，SIS存储数据的能力以及数据挖掘技术等正爆炸式发展，为我们提供了无限的想象空间。火电厂实时生产过程信息化的广度和深度取得了前所未有的发展。火电厂实时生产过程的监控模式几乎没有大的实质性变化。如运行值班人员有数据，但没有能力利用数据。相关数据不能顺利到达最有效的专家手中出力管理。对数据就是财富、数据就是力量尚缺乏足够的认识，对实时生产过程快速积累的SIS监控信息的应
12、用管理和对非实时生产过程相对积聚缓慢的MIS管理信息的应用，对待和处理方法应有所不同这一点尚缺乏认识，不利于电厂实时生产过程监管水平向前进一步发展。过去，发电企业实时生产过程的控制方式主要只有一级，即单元集中控制级。随着SIS的发展，在单元集中监控级上面不仅必要而且可能发展一个高层多级集中监管级，如厂级监管中心、企业集团级监管中心、集团科研院级监管中心。发电企业实时生产过程将形成一个由单元集中监控级和高层集中监管级复合组成的一个全新的控制方式体系。如果进一步扩大，面向整个发电企业，包括实时生产过程和非实时管理过程全体来说，则将形成三大部分：以DCS为支持的“监控级”，以SIS为支持的“监管级”
13、，以及以MIS为支持的“管理级”。大数据时代提供的技术手段更为DCS、SIS、MIS插上了高飞的翅膀。随着大数据、云计算时代的到来，火电厂控制方式正面临革命性大变革，重新组织“人-数”关系为标志的火电厂实时生产过程新的控制方式的变革。1.2.2 智能电厂概括智能电厂的总体架构：图1. 智能电厂架构右边是对智能电厂的整体体系结构的一个展示，左边则是我们需要做的大数据方向的工作，智能电厂就是将大数据的一系列技术应用到传统电厂，当然其中也涉及了物联网技术以及网络通信技术等。1.2.3 智能电厂大数据的集成管理目前智能电厂中一个愈加普及的概念：SIS(厂级信息监测系统)，其核心为实时数据库系统(RTD
14、B)，包括INSQL、PI等数据库。这些数据库普遍具有周期性存储、实时处理数据、数据压缩算法效率高等特点。电厂数据仓库的设计必须同时考虑对于非结构化数据和结构化数据的存储，下面是电厂数据概况：图2. 电厂数据经初步分析研究，智能电厂大数据处理涉及到的技术包括分布式计算、流处理技术以及数据仓库技术。除了计算，由于实时电力数据采样频率较高，数据样本大，所以很有必要预处理去除异常值或者有严重过失误差的样本，数据预处理常见技术为数据调和。1.2.4 智能电厂大数据的分析由于电厂系统的复杂性，对于每一类设备都要有一套完整的状态监测、故障诊断、检修维护、寿命管理机制，所以目前虽然有很多已经成型的系统，比如
15、SIS系统，集成了这些功能，但是其方法论、算法性能等依然有很多挑战。基本上每一种设备都会有相应的检测方式，比如旋转机械类（汽轮机、轴承），一般会基于传感器给出的振动信号进行频谱分析仪来进行诊断；而锅炉管壁等金属则会基于热应力计算等方法进行诊断；还有基于神经网络对于发电机状态的监测与诊断等等。因此，智能电厂数据的分析并不是建立在单一的模型之上的但是其方法论是可以通用的。每一种故障模式都需要对影响变量进行进行选择学习，形成模型。例如，汽轮机而言，一般需要时域变量11个，频域变量13个以及19个其他变量，一共43个变量来描述一个状态点，如果每一个变量都参与形成分类器，那么会减缓分类过程并且降低精确性，所以需要根据变量特性进行选择合适的检测技术。另外，在电厂中有很多类型相同的设备，比如在一个电厂的两个发电机组中，分别有12台汽轮机的话，他们的系统结构是一模一样的，因此可以将磨煤机进行对象建模，建模信息中包含其属性、规则集(专家系统)、维护措施等，可以使用树形结构进行展示1.2.4 智能电厂大数据的展示数据的展示包括很多技术：空间信息流展示技术、历史流展示技术、3D建模、可视化技术、虚拟现实等。1. 在数据分析阶段可以生成数据报表；2. 在故障检测阶段可以进行可视化展示，例如，轴
