引言

近些年來,各電力企業(yè)集團公司都在規(guī)劃和開展建立各種以大數(shù)據應用為核心的數(shù)據平臺項目。這些項目的注意力主要集中在"云端"的數(shù)據整合和應用。對火力發(fā)電企業(yè)而言,應用邊緣計算技術,可以將以前由云端進行的計算通過本地設備實現(xiàn),大幅減輕云端的計算壓力,提高數(shù)據分析處理效率,減少數(shù)據應用對網絡帶寬的依賴。

1邊緣計算技術

邊緣計算技術是2003年由AKAMAI和IBM聯(lián)合研發(fā)的網絡計算架構模式。該架構模式是在高帶寬、時間敏感型、物聯(lián)網集成的背景下發(fā)展起來,其定位是"貼近用戶與數(shù)據源的IT資源",屬于從傳統(tǒng)自動化廠商向IT廠商延伸的一種設計。該架構模式的物理基礎設施是基于"微數(shù)據中心"的概念,表現(xiàn)出與IT融合的一種趨勢,并且同時具有"邊緣"與"泛在"的概念在其中,其架構如圖1所示。

IT與OT也是密不可分的,很多專業(yè)的廠商開始重新打造、拓展其產品的IT屬性,在IOT集成、web融合等領域探索和研究新的技術,在此基礎上,IT技術在交換機、網關等產品中的應用也越發(fā)深入。

邊緣計算指的是靠近物或數(shù)據源頭的一側,采用集網絡、計算、存儲、應用核心能力于一體的開放平臺。針對邊緣計算,國內華為提供計算平臺,包括基礎的網絡設施、邊緣工作站服務器、接口標準等,而國際上ARM、Intel則提供運算能力強的芯片,信通院實現(xiàn)系統(tǒng)的集成。網絡邊緣側可以選擇數(shù)據源頭到云端計算中心之間的實體節(jié)點,這樣的實體搭載著融合網絡、計算、存儲、應用核心能力的邊緣計算平臺,為終端用戶提供實時、動態(tài)和智能的計算服務。邊緣計算和云端中計算、處理數(shù)據不同,邊緣計算更靠近數(shù)據源側,而云計算需要在云端進行。邊緣計算在數(shù)據處理中有以下幾個優(yōu)點:

(1）邊緣計算由于數(shù)據更加靠近源側,可以實時、快速地進行數(shù)據處理和分析,而不是依靠外部數(shù)據中心或者云,可以縮短延遲時間。

(2）可以大幅降低預算成本,其在數(shù)據管理、數(shù)據維護上的成本和費用遠遠低于云和數(shù)據中心網絡。

(3）減少網絡流量。隨著物聯(lián)網發(fā)展,設備數(shù)量大幅增加,伴隨著數(shù)據生成以幾何倍數(shù)的速度增長,網絡帶寬必然受限,將導致更嚴重的數(shù)據瓶頸。

（4）提高應用程序效率。通過降低延遲級別,應用程序可以更高效、更快速地運行。

(5）功能模塊個性化。邊緣計算可以根據用戶的需求,通過定制開發(fā)調整功能模型,方便用戶對功能進行升級、調整。

(6）安全和隱私保護。網絡邊緣數(shù)據涉及用戶的隱私和企業(yè)的機密,傳統(tǒng)的云計算模式需要將所有的用戶數(shù)據上傳至云計算中心,這將增加泄露用戶隱私數(shù)據的風險。而邊緣計算可以利用身份認證協(xié)議功能的優(yōu)勢,基于分布式、移動性的特性對用戶的隱私、企業(yè)的機密數(shù)據進行保護。

1振動專家系統(tǒng)

振動異常是引起火力發(fā)電廠機組故障甚至是跳機事故的主要原因之一,據不完全統(tǒng)計,電廠50%以上的跳機事件都是由振動引起的。長期以來,對振動信號的研究、監(jiān)測、分析和診斷都是行業(yè)相關從業(yè)人員和技術研究人員研究和攻關的方向。

火力發(fā)電廠長期以來十分重視機組振動信號的監(jiān)測,機組配置的TSI系統(tǒng)、DCS系統(tǒng)和SIS系統(tǒng)都有振動信號測點。但這幾個系統(tǒng)的振動數(shù)據都是來源于TSI系統(tǒng),而TSI系統(tǒng)設計的主要功能是提供機組跳機保護,系統(tǒng)只監(jiān)測了振動的峰峰值,并不具備振動分析診斷所需要的"全備"的振動數(shù)據。

全備的振動數(shù)據包括振動的峰峰值、1x幅值、1x相位、0.5x幅值、0.5x相位、2x幅值、2x相位等振動特征數(shù)據及振動頻譜和波形原始數(shù)據。全備的振動數(shù)據包含著振動故障的特征信息,是設備故障診斷和狀態(tài)評價應用的數(shù)據基礎。將這些振動信息交給專家系統(tǒng)分析、診斷,能夠進一步提升火力發(fā)電廠的智慧化程度和安全水平。

2.1專家系統(tǒng)的基本結構

如圖2所示,專家系統(tǒng)結構包括數(shù)據庫、知識庫、推理機、人機界面接口和解釋器等,下面分別介紹這些部分。

2.1.1知識庫

知識庫是儲存專家知識的,它通常用來儲存經驗性、常識性和專業(yè)知識,是專家系統(tǒng)的核心。專家知識既可以是具體的客觀事實,也可以是專業(yè)的推理。由專家知識組成的知識庫需具備確定性、可用性和完善性,而優(yōu)秀的專家知識是好的知識庫的必備條件。通常在建立知識庫時,需從行業(yè)專家獲取豐富、準確、易懂的專家知識,并將這些專家知識編譯成計算機語言寫入計算機中,成為供系統(tǒng)推理判斷的知識庫。

2.1.2數(shù)據庫

數(shù)據庫是用來儲存各種數(shù)據和推理機產生的推理信息的,一些既定事實和一些臨時產生的推理數(shù)據也存儲在數(shù)據庫中。

2.1.3推理機

推理機可以根據系統(tǒng)的輸入信息,通過專家知識庫中的專家知識,按照一定的邏輯和策略進行推理,經過分析得到和輸入信息相關的解決措施,并將該結論推送給用戶。專家系統(tǒng)的工作方式是模擬人類專家進行推理,推理過程和方式與人類專家的推理有高度的相似性。

2.1.4人機界面接口

人機界面接口是用戶和專家系統(tǒng)信息交互的窗口,它能夠將用戶輸入的信息編譯成計算機能讀懂的計算機語言,還可以將推理機推理的結果再編譯成用戶語言推送給用戶。

2.1.5解釋器

解釋器能對推理的過程和結果做出合理解釋,方便用戶了解整個推理過程。

2.2專家系統(tǒng)的構建

專家系統(tǒng)的構建主要包括3個步驟:歷史數(shù)據的采集、設備模型的生成、專家知識庫和推理規(guī)則知識庫的構建。

2.2.1歷史數(shù)據的采集

即數(shù)據的收集、整理和分析。主要是進行現(xiàn)場調研,找出需建模設備的相關測點,從現(xiàn)場服務器數(shù)據庫系統(tǒng)取得建模對象長周期內健康運行時間段的數(shù)據,為建模做準備。用于設備建模的歷史數(shù)據應滿足如下要求:

(1）長周期內健康運行:

(2）所選取的數(shù)據具有一定代表性:

(3）所選取的同一組數(shù)據需是同一時刻:

(4）所選取數(shù)據覆蓋了機組運行的各個典型工況。

2.2.2設備模型的生成

利用標準化的建模模板和調研所得到的設備相關測點及設備長時間內健康運行的時間段及其數(shù)據進行各設備建模,此項工作為整個系統(tǒng)的基礎和關鍵工作。

從空間角度理解,設備建立模型的過程就是從設備的歷史運行健康數(shù)據中篩選出與之有關的狀態(tài)點,從而構建設備運行狀態(tài)超球的過程。首先將所獲取的設備歷史健康運行數(shù)據所對應的狀態(tài)點映射到一個狀態(tài)空間中,這些點都可以代表所選設備的健康運行狀態(tài),以其中的邊界點構造一個外接的超球,這個超球可以包含歷史數(shù)據中的所有健康運行狀態(tài)點,它就是一個初級的設備對象模型。2.2.3專家知識庫和推理規(guī)則知識庫的構建僅僅用上述的超球形成的設備初級模型來表示設備的性能還不夠精確,還需根據模型的精確度要求,從所收集的數(shù)據中篩選出某一特性參數(shù)上有較大差異的狀態(tài)點,以這些狀態(tài)點的描述為參照進一步將設備狀態(tài)模型的超球細化。

通過專家知識庫和推理規(guī)則的建立實現(xiàn)故障預測及診斷模塊研究:通過設備的實時運行數(shù)據和超球模型所計算出的預測數(shù)據進行比對,得到相似度差異曲線,以判斷設備在預測時刻的狀態(tài)情況。在故障預測及診斷模塊研究中,探尋比較實時狀態(tài)數(shù)據與預測狀態(tài)數(shù)據的合理方法,以判斷當前或預測時刻設備的狀態(tài)是否異常,是專家系統(tǒng)構建的重中之重。采用基于相似性原理的建模技術作為關鍵技術來完成這一研究,最終形成一套基于電廠s1s平臺的、集發(fā)電系統(tǒng)設備運行與檢修/故障預警和初步診斷于一體的、可拓容且可移植的機組設備故障預警系統(tǒng)軟件。

最后,綜合分析和維護決策模塊的研究,以實現(xiàn)綜合分析預測結果、發(fā)布預警信息,為實施狀態(tài)檢修提供與預警相關的測點信息,便于電廠制訂維護決策。

3開發(fā)應用

3.1智能監(jiān)測功能

傳統(tǒng)的專家系統(tǒng)通常只給用戶提供一些分析專業(yè)的

分析工具,而能否很好地利用這些分析工具取決于用戶的專業(yè)水平,這種缺乏通用性和普適性的分析工具并不能滿足所有用戶的需求。智能監(jiān)測即系統(tǒng)本身就是"專家",由于其具有專家知識庫和推理機等,自身就具備一定的推理和判斷能力,能夠在一定程度上根據已有信息,通過專家邏輯對整個事件進行推演,最后把結論、措施和重要信息推送給用戶。這樣用戶無論是不是專家,都可以通過專家系統(tǒng)獲取足夠有用的信息。軟件界面如圖3所示。

圖3智能監(jiān)測功能示意圖

3.2智能預警功能

電廠作為振動數(shù)據源頭具有就近優(yōu)勢,邊緣計算帶來了數(shù)據相應的低延時,在火力發(fā)電廠側建立邊緣計算工作站,能夠為電廠提供快速響應的最近端的數(shù)據應用服務。

Python語言作為現(xiàn)今最流行的大數(shù)據挖掘應用的開放語言,在多個領域都有很好的應用效果。把Python提供的數(shù)據模型應用到振動數(shù)據中,應用Python語言開發(fā)應用模塊,開發(fā)一個適合振動數(shù)據的模型結構。軟件界面如圖4所示。

圖4智能預警功能示意圖

3.3振動監(jiān)督報表自動生成功能

應用數(shù)據清洗技術,對設備運行特征數(shù)據進行識別,自動形成振動樣本數(shù)據庫,供后續(xù)的分析診斷和自動報告使用:統(tǒng)計旋轉設備運行小時數(shù)、振動波動區(qū)間、報警次數(shù)、報警持續(xù)時間、報警危害等級、關鍵運行工況指標[6],研究機組穩(wěn)定運行與技術指標間的強聯(lián)系與弱聯(lián)系關系:應用邊緣計算技術,為電廠提供快速響應的最近端的數(shù)據應用服務,研發(fā)一套技術監(jiān)督管理需要的振動技術監(jiān)督報表。系統(tǒng)可以根據運行數(shù)據自動生成所需的技術監(jiān)督報表,大大節(jié)約了專工的工作量并提高了工作效率,而且數(shù)據的可靠性有很好的保障。軟件界面如圖5所示。

圖5振動監(jiān)督報表功能示意圖

4結語

應用邊緣計算技術,充分發(fā)揮電廠作為振動數(shù)據源頭的就近優(yōu)勢,在火力發(fā)電廠側建立邊緣計算工作站,能夠為電廠提供快速響應的最近端的數(shù)據應用服務。集團作為"云端"側,一方面可以訪問電廠邊緣側數(shù)據,另一方面可以充分發(fā)揮數(shù)據平臺優(yōu)勢,與其他系統(tǒng)實現(xiàn)數(shù)據共享和功能對接,深入挖掘集團層面的應用需求,結合現(xiàn)在流行的Python等大數(shù)據挖掘開發(fā)語言,實現(xiàn)電廠振動數(shù)據的準確、快捷、高效管理。