基于信息新技術的燃機機群監測診斷私有云平臺
中國大唐集團有限公司
網絡行業應用篇/設備監控與維護
1 概述
1.1 背景
當前信息通信技術對中國發電行業的貢獻價值正處于量變到質變的關鍵節點。在全球新一輪電力科技革命和產業變革中，互聯網與發電行業融合發展具有廣闊前景和無限潛力。推動供給側結構性改革，深入推進“互聯網+先進制造業”，加快建設和發展工業互聯網，推動互聯網、大數據、人工智能和實體經濟深度融合，已成為不可阻擋的時代潮流。
我國發電行業不斷推進信息化升級改造工作，每天產生海量數據，但現有技術和管理模式對于電力數據的集成、分析和管理技術相對落后，主要表現為：一是、各個電廠之間數據共享不暢，信息孤島效應較強。各電廠存在嚴重的數據壁壘，單一業務、類型的數據即使體量再大，缺乏互聯共享，其價值大打折扣。二是、數據管控能力不強，缺乏對機組群的統一集中管理。大數據時代中，數據集成度的高低、數據管控能力的強弱直接影響了數據分析的準確性和實時性。三是、信息未能有效利用，缺乏對數據的深入挖掘利用。目前數據庫系統無法發現數據中存在的關系，預測機組性能未來變化趨勢，尤其是缺乏挖掘數據背后隱藏知識的手段。四是、信息安全風險抵御能力需要進一步提升。電力行業關系國家戰略安全、是涉及國民經濟關鍵領域。網絡安全防護手段需要進一步加強，從目前的被動防御向多層次、主動防御轉變。
本項目方案側重于解決生產過程中的實際問題，構建企業內網絡改造解決方案，采用工業以太網、邊緣-中心計算等方法，實現生產裝備遠程診斷、傳感器監控、管理系統等要素的互聯互通。同時構建基于企業專線網絡的私有云平臺實現多個廠區的信息共享；在應用層面專注于燃機機群的人工智能監測診斷技術。
1.2 實施目標
集團公司深入分析電力信息技術和企業生產經營中的問題，建立燃機機群監測診斷私有云平臺。通過企業內網絡改造，利用工業以太網、邊緣-中心計算等信息新技術，構建基于企業專線網絡的私有云平臺。推動物聯網、大數據、人工智能與傳統發電行業的深度融合，努力實現對燃氣發電機組集群運行數據的采集、監測、分析與診斷，促進“互聯網+”、云計算、大數據的混合運用。從而實現集團級燃機全生命周期管理，消除區域、行業及企業間的壁壘，為國家能源行業生產運營提供新探索與借鑒。
1.3 適用范圍
本方案適用于大型能源集團對其生產過程的全集團、全過程、全要素的集中統一管理。對于電廠分布范圍廣，數量多，信息化基礎較強的企業具有很好的適用性。實現大型發電集團對集團級生產單位機組實時進行監測預警、智能診斷、知識共享提供范例。同時為傳統發電工業向數字化、網絡化、智能化轉型升級，進一步深化兩化融合提供先進的技術保障。
1.4 在工業互聯網網絡體系架構中的位置
該項目在工業互聯網中的位置為：
1.工廠控制系統及云平臺（及管理軟件），設備監視診斷系統可以有效的對設備運行的狀態進行預警、報警和性能劣化分析。其本身屬于智慧電廠的管理平臺。
2.工廠云平臺與協作平臺，云平臺通過將各家電廠的與運行工況、設備故障庫和知識庫有機融合實現各電廠之間的網絡化協同，診斷云平臺的服務化轉型和集團公司的數字化戰略。
圖1 工業互聯網互聯示意圖
2 需求分析
當前，電力行業對信息新技術與發電技術的融合認識不清晰、探索不系統，電廠大量數據未被深度挖掘、有效的利用，存在較為嚴重的數據壁壘；工業互聯網方面，公有云由于與外部internet直接相連，受到攻擊可能性較高，網絡安全性較低，因此采用相對安全性較高的私有云平臺。當前結合互聯網、云計算、大數據、物聯網技術提升發電設備狀態評價的廣度和深度，并解決實際應用問題成為目前電力行業新的挑戰。各國政府和大型企業正在逐步開展集大數據、云計算等為網絡信息一體的綜合數據平臺的研究和建設。
2014年德國政府推出了工業推進計劃“工業4.0”，美國也推出工業物聯網、互聯企業等類似概念。我國在2015年首次明確提出制定“互聯網+”行動計劃，推動移動互聯網、云計算、大數據、物聯網等與現代制造業結合。通用電氣能源集團的Bently Nevada診斷服務可以及時檢測出設備的性能下降或即將發生的故障，防止發展成費用更加昂貴的災難性事故，減少維護成本，限制非計劃停機維修，從而使生產效率提高。國際跨國公司對該領域的研究時間較長，監測設備數量范圍廣，網絡信息技術和工業技術結合較高且相對成熟。
西門子故障診斷系統（D3000）融合了西門子二十多年的診斷計算經驗，具備了非常優秀的早期預警與故障診斷功能。該系統不僅僅能夠對典型設備進行建模，還能夠對系統甚至工藝過程進行建模和監視。加拿大TransAlta電力公司委托西門子建設了運行診斷中心，該中心于2009年3月投入使用，監視4個電廠的11臺機組。
美國德克薩斯州TXU電力公司委托西門子建設了電力優化中心，對所屬的共24個電廠18300MW機組，包括核電站、燃煤機組、燃氣/燃油機組、風力發電機組進行監控，監控22臺機組，監測點數量達5萬個。
浙江能源集團于2009年開始引進并開發設備故障預警系統，較多電廠建設了發電機組在線診斷預警系統，在分析設備參數異常原因、設備異常發生的范圍、各個設備異常之間的關聯方面具有明顯的優點，已成為發電廠設備管理專業人員、運行監控人員的一個掌握設備狀況的重要工具。設備故障預警系統對解決發電機組設備問題具有很好的指導意義，為優化的狀態檢修提供有力的支持。專業技術人員通過借助預警系統，能夠全面、系統地掌握設備運行情況，并及時發現設備問題，能最大限度地提高點檢及巡檢人員的工作效率。
針對上述生產過程中的實際問題，充分分析國內已有網信技術和工業技術的融合應用中的不足，集團公司開展本項目研究與實施。
3 解決方案
3.1 方案介紹
本方案主要側重于在企業已有內網基礎上進行改造解決，通過改造后的企業網絡專線構建私有云平臺，實現燃機機群的智能監測診斷。企業內網絡改造解決方案，通過物理網閘和VLAN劃分實現內外網分離，同時采用堡壘機、系統準入、日志審查等網絡安全硬件技術建立企業專線網絡的私有云平臺。
燃機設備的智能監測診斷方案中，集團公司研發人員對集團燃氣機組設備故障缺陷典型數據的取值、分析，形成了幾百種計算方法，這些計算方法運用到發電企業的生產過程中，通過大數據計算，一旦運行數據與典型數據出現偏差而且符合預設的失效模式，系統便會報警，專業分析人員通過分析數據，制定相應解決方案，消除缺陷，從而降低機組設備故障率，提高安全性。
項目的目的是通過發電監測、分析與診斷中心的建設，幫助集團系統內燃機避免事故停機并盡快恢復生產。設計用于提高設備可靠性、避免意外事件，快速響應各發電機組運行與維護需求，協助各發電企業做出決策，降低生產成本，提高經濟效益。
3.2 系統架構
系統結構采用四層網絡架構，分別是感知層、網絡層、應用層和用戶層，詳見圖2。感知層有各種傳感器和傳感器網關構成，其中包括：流量、震動、溫度和壓力傳感器；SO2、NO2、CO、O2等氣體濃度傳感器。軸承溫度、震動傳感器等。監視設備包括電廠6KV以上的主要設備，主要包括，燃機、冷凝器、余熱鍋爐、輔機、汽輪機、發電機、冷卻塔和關鍵電氣設備。這些設備的實時工況狀態將通過傳感器以開關量、模擬量或脈沖量的形式傳輸到網路層。
網絡層是為感知層信息的匯聚、集成、傳遞和控制提供支持，同時為數據中心物聯網人機通訊交流提供信息平臺。為了提高網絡安全等級，監測診斷中心網絡數據抽取采用單向光閘，使得數據只能從生產現場傳輸到數據中心，外部網絡無法傳輸信息到生產區域。同時部署堡壘機、安全準入系統，提高網絡系統的穩定性。
應用層是物聯網和用戶層的結構，它與電力數據監測診斷的需求結合，可實現物聯網智能應用。主要功能是：1.數據采集與集成；2.設備性能劣化和故障預測預警；3.設備熱效率分析；4.電廠關鍵績效指標（KPI）分析。5.機組控制優化決策建議。6.設備狀態檢修排序。
用戶層主要是數據中心面向的信息輸出對象，主要包括各個電廠和集團公司。對于各個電廠，數據中心輸出信息主要側重于設備故障、性能劣化和熱效率分析等信息。對于集團公司的服務更加側重于信息的集合和關鍵績效指標的匯報。
圖2 基于信息新技術的燃機機群監測診斷私有云平臺
3.3 功能設計
3.3.1 云加端的數據調度模式
提出了一種基于數據指令和云+端的數據調度模式（包括數據配置指令和數據調用指令），結合數據配置工具，通過數據目錄服務，實現燃機監測與診斷中心對各電廠分布存儲的生產實時/歷史數據、以及集中存儲的預測診斷中間計算數據，進行靈活調用，實現對數萬點的海量實時數據及中間計算數據進行秒級的快速讀取、存儲和計算。項目研發了分布-集中存儲，各電廠的生產實時/歷史數據，存儲在各電廠的燃機SIS和輔機SIS系統里的實時/歷史數據庫里，實現對海量生產實時數據秒級間隔的分布存儲；各電廠的預測診斷中間實時/歷史計算數據，則集中存儲在燃機監測與診斷中心系統數據庫里，實現高效的集中存儲。項目研發了邊緣-中心計算，在各電廠的就地服務器中，對實時/歷史數據進行過程中間計算，并將中間計算結果存儲回就地服務器，利用其高效的壓縮性能和壓縮時間，快速響應高速數據，實現邊緣計算；在燃機監測與診斷中心，通過數據指令調取各電廠分布存儲的生產實時/歷史數據，根據建立的診斷預測數據模型完成診斷分析和預測計算，實現中心計算。
圖3 基于數據指令和云加端的數據調度模式
項目構建了燃機機群預測診斷云平臺，通過建立集成管理系統，實現全系統、全流程的知識創新管理。已成功對接11臺燃機機組，200余臺設備，實現了集團級的數據集成與共享。與電廠級信息化系統相比，平臺融合了大數據、人工智能以及互聯網+等領域的新技術與新思路，設計并構建一個覆蓋生產運營、性能及故障預警等各階段的數字化、信息化、智能化運營管控系統，實現燃機設備的安全、經濟運行。項目形成了一系列燃機機組預測診斷關鍵技術,實現了集團公司燃機機群關鍵資源與核心要素的管控，推進了互聯網、大數據、人工智能和實體經濟深度融合,將為我國智能預測診斷的建設提供技術標準與工程示范。
3.3.2 多模型耦合監測診斷技術
開發了同步采用數學模型和物理模型的監測診斷技術，基于熱力學原理和設備靜態參數建模分析機組性能，實現了設備故障預警與廠級性能優化的有機融合。
開發了同步采用數學模型和物理模型的監測診斷技術，基于熱力學原理和設備靜態參數建模分析機組性能，實現了設備故障預警與廠級性能優化的有機融合。開發了基于數學模型的監測診斷技術，針對燃機系統參數間的高耦合性，提出一種包含多傳感器參數比較的動態狀態空間模型，以解決復雜系統狀態和故障監測結果穩定性較低的難題。該模型的建立基于相似性原理，假定設備在正常運行下工況表征參量相對穩定，相似工況下的工況表征參量具有一定相似性。把清洗后的正常工況下的運行數據輸入模型并形成狀態矩陣，將實時的測量數據與狀態矩陣中的狀態進行相似度比較，并推算出預測值，根據實測值與預測值間的殘差變化，結合預定的閾值給出故障預警。開發了基于物理模型的預測診斷技術，通過集團燃機運行歷史數據搭建典型故障失效模式庫，當設備出現故障通過物理模型觸發報警。該技術可以在設備故障初期階段，根據設備潛在問題識別故障。故障失效庫將根據故障數據和外部故障庫不斷拓展完善。對于安全性要求較高的重要設備采用物理建模方法，對于種類繁多系統復雜的設備采用數學建模方法，綜合運用兩種互補的監測診斷技術原理，提高監測診斷的針對性、普適性和穩定性。
3.4 網絡功能結構
圖4 燃機機群監測診斷私有云平臺網絡功能結構
3.5 安全及可靠性
基于設計方案與現有網絡結構，原則上盡量減少對現有網絡結構的改動和影響，方案規劃在燃機數據中心部署兩臺防火墻，采用透明方式部署在現有路由器與核心交換機之間，對燃機數據中心網絡提供應對網絡攻擊的防護；
燃機數據中心服務器需要從下級單位采集數據，由下級單位服務器通過集團廣域網傳輸到燃機數據中心，為了保證傳輸過程中的安全性和保密性，在燃機數據中心側出口路由器之前部署縱向加密裝置（中心端），在相關下級單位側部署縱向加密裝置（電廠端），實現端到端的通信加密；
在燃機數據中心內部設立安全管控區，部署安全準入系統、入侵檢測系統、日志審計系統、數據庫審計系統等，實現對燃機數據中心內部設備的安全管理，安全準入系統驗證網絡使用者的合法身份，只有通過認證的用戶才可以使用燃機數據中心網絡，入侵檢測系統采用旁路部署，通過核心交換機將主干接口的數據流量鏡像到入侵檢測系統，用入侵檢測系統對網絡傳輸的數據進行安全檢查，對存在的安全威脅進行報警；日志審計系統及數據庫審計系統是對相應的設備的系統日志和操作日志進行詳細的記錄。
本項目的主要目標就是按《電力監控系統安全防護規定》以及GB/T 22239-2008《信息安全技術 信息系統安全等級保護基本要求》的要求，為燃機數據中心建設部署專用的網絡安全設備，提高燃機數據中心數據安全防護水平，保障燃機數據中心相關業務的安全穩定運行。
4 成功案例
有效防止機組非計劃性停運
1) 報警概況：
12月1日早上5點14分，中心報告設備異常，1號發電機1號軸Y軸位移增大，軸震增加快速升高，同時兩項參數上升幅度快速升高。5時19分數據中心發出報警(DCS未達到報警值)，1號發電機1瓦軸承金屬溫度由86.3℃快速升高至98℃，回油溫度由66.89℃升高至74℃，潤滑油壓由1.87bar升至2.21bar。
2) 分析判斷：
數據中心分析報警，利用智慧信號和監視診斷系統分析多測點（溫度、震動、油壓等）變化趨勢和殘差變化判斷：1.潤滑油供油管路堵塞導致軸承供油短缺；2.供油管路供油短缺導致軸承震動突升；3.潤滑油供油管路堵塞導致軸承溫度升高；4.供油系統出現故障。
3) 建議措施：
? 通知電廠值班人員，注意加強供油系統監視；
? 請電廠考慮停機檢查；
? 建議組織有關專家召開現場分析會；
? 經專家組會議討論最終決定立即申請停機處理。
4) 檢查結果：
1號潤滑油過濾器出口第1個出口逆止閥，發現逆止閥半邊密封條脫落，造成供油管堵塞。
