大数据分析技术如何助力火电智能化转型实践案例分享大数据行业资讯-美林数据

产品简介

美林新闻/NEWS

首页美林数据行业资讯

大数据分析技术如何助力火电智能化转型实践案例分享

2022-08-15 14:30:47 次

近年来，在国家节能减排工作要求的推动下，在“中国制造2025”的国家战略号召下，在发电行业，越来越多的企业加入了智慧电厂转型的实践中，期望通过智慧电厂的建设及改造，提高能源和资源的利用率，承担更多保护环境和服务社会的功能，同时更好地适应未来的智能社会以及能源行业的革命和创新。
火力发电是发电方式中历史最久的，也是最重要的一种，是我国电力能源的重要支柱，2021年发电量约占全国总发电量的70%。火力发电的技术成熟，成本较低，对地理环境要求低，但同时污染大、效率低，热能利用率只能达到60-70%，同时使用的矿物燃料资源也越来越少，未来有面临枯竭的可能。
短时间看火力发电在我国仍然占据着非常重要的地位。因此，如何在安全生产的前提条件下，保障生产效率，同时能够节能减排，这是火电厂迫切需要解决的问题，也是火电厂智能化转型过程中需要重点解决的问题。
从现有的火电厂数字化发展现状来看，在过去几年里，国内的火电厂已经基本实现了不同程度的数字化，互联网、云计算、大数据及物联网等技术，应用非常广泛且成熟，已经逐步实现电厂的数字化生产，实现部分高精准的信息交换与实时共享，这为基于数据驱动的智能化应用场景构建，实现智能生产打下良好的基础。
美林数据近些年在多个电厂相关项目上进行智能化应用实践，通过大数据分析解决了电厂吹灰过程不合理、烟气脱硫脱硝工程中催化剂过量投放、汽轮机冷端不稳定、设备运行过程中故障发现、以及原料成本高等多个方向上的业务问题。为企业的安全运行、节能减排、经营管控等方面提供了新的思路和精准的支撑，助力火力发电企业向智能化迈进。

助力电厂安全生产，提升设备运行稳定性
▶汽轮机设备故障诊断
汽轮机作为燃煤电厂的核心设备之一，其安全稳定的运行对电厂至关重要。随着设备厂商与电厂客户对设备的高效、可靠、安全运行要求不断提升，以往计划维修、事后维修等方式已不能满足数字化、智能化的生产服务模式变革，对设备持续的健康监控、实时诊断等需求日益增长，成为新一代电厂建设的重点。在实际的应用中，汽轮机设备故障诊断及预警可分为三个层级。

一级预警为安全阈值预警，这部分预警规则是根据汽轮机出厂时设置的安全阈值对设备进行实时监控，一旦发现设备出现阈值超限的状况立即停机处理，但这种预警相对较晚，一旦发现就必须停机处理，造成一定的浪费。
二级预警为运行工况级预警，这部分主要是利用统计分析的方法先对设备运行工况进行合理的划分，再根据历史数据利用异常检测等方法对不同工况下测点阈值进行确定，以此构建不同工况下测点的监控预警机制，实现细致的设备状态监控。
三级预警为异常趋势预警，根据测点历史运行数据及运行工况，利用机器学习中时序分析、回归分析等方法预测测点未来一段时间内的状态变化趋势，观察其未来一段时间内是否有超限趋势，提前给出报警。

根据三级预警规则，可自动标识设备是否处于异常状态，并对监测到的异常数据进行标识和提醒，使电厂用图片户及时获取汽轮机设备运转异常信息，为电厂汽轮机设备的状态实时监测、故障快速诊断分析、预测性运维及服务提供支撑。
▶变压器设备故障诊断
变压器是电力系统的重要设备，它的好坏直接影响着电力系统的安全运行。油浸式变压器采用油纸绝缘结构，其主要绝缘材料是油、绝缘纸和绝缘纸板，当变压器内部发生潜伏性故障时，在热和电的作用下，变压器油和固体绝缘材料将逐渐老化和分解，产生各种低分子烃类及CO、CO2 等气体，故障点产生气体的组分和含量取决于故障类型、故障部位和故障能量级别。
图片变压器设备故障诊断是对油浸式变压器发生故障时，产生的H2、CH4、C2H6、C2H4、C2H2等特征气体进行挖掘分析，通过探索变压器故障类型与油中溶解气体的关联机理和规律，构建变压器故障预测模型，这里基于数据量和特征属性的特点，可选用分类精度高的决策树算法、随机森林算法以及支持向量机等算法构建故障诊断预测模型，发现变压器内部的潜伏性故障，实现变压器故障的智能诊断与监测，从而有效保障设备和电网的安全运行。
助力电厂节能减排，提高能源利用率
▶锅炉吹灰优化
锅炉吹灰是燃煤电厂锅炉日常维护中的一项重要工作，主要场景在发电车间，锅炉通过燃烧煤粉所产生的热量的同时，会形成煤灰，煤灰会附着在管道中。
如煤灰不及时清理，会和蒸汽生成凝胶附着管道，管道煤灰过厚，管道压力和温度会有明显的显示，如煤灰过厚会造成管道空间变小，压力增大，导致蒸汽量变小，同时煤灰会影响热传递，不利于温度传递，导致管道级锅炉温度变高，影响生产安全。如清理太频繁，又会造成热量消耗，浪费燃料。
因此合理的吹灰，减少积灰所产生的影响是企业面临的普遍问题。当前吹灰时间是根据经验确定的，缺乏科学的依据，吹灰时间间隔固定，其合理性有待验证。
锅炉吹灰优化模型的构建就是为了找出合理的吹灰间隔时间，同时对锅炉炉膛积灰情况和烟道积灰情况分别进行监控及预测，实现动态的锅炉吹灰。其核心在于通过对锅炉运行原理的理解，结合现成可采集的数据的探索分析，构造能够表征炉膛、烟道积灰变化情况或间接反映锅炉吸热效率的目标指标。
例如可表征积灰情况的指标“一减流量*（炉膛出口烟温-低过出口烟温）/总燃料量”。利用历史吹灰前后指标变化数据，结合统计分析和机器学习算法构建两种分析模型：一种是对积灰程度指标的变化趋势进行拟合，这里可采用的方法包括线性回归、多项式回归等回归类方法；另一种模型是根据对当前实时采集的目标指标数据结合工况数据构建指标变化趋势预测模型，判断锅炉当前是否达到吹灰条件，使用的机器学习算法包括多元线性回归、逻辑回归、决策树回归等回归类算法，也可使用经验模态分解对指标进行分解预测。

通过吹灰优化模型的运行，一方面分析拟合结果的特征，分析积灰累积的饱和度，找出积灰饱和度的阈值点，挖掘锅炉不同区域合理的吹灰间隔，为电厂制定合理的吹灰控制策略提供依据；另一方面根据历史及当前锅炉数据变化，构建基于机器学习的锅炉定时的吹灰预测模型，对当前时间节点下炉膛、烟道是否需要吹灰进行预判，为实际的吹灰操作提供参考依据。
▶汽轮机冷端系统优化
汽轮机冷端系统是火电机组的重要组成部分，冷端系统的运行状况不佳会增加机组的发电煤耗，直接影响机组运行的经济性。
冷端系统运行状况的影响机理复杂，核心参数是凝汽器的真空度，真空度越大，机组的发电煤耗越低。对真空度有影响的主要有水质、冷却塔出力、进水温度、循环泵运行方式等，一般地，冷却塔出力基本固定，水质和进水温度不能控制，因此循环水泵的运行方式成为企业为控制凝汽器真空度的主要方法，对企业来说，在什么环境下应该开启什么样的循环水泵运行方式至关重要。
循环泵运行方式的选择，传统的方法是通过开展循环泵运行方式对比实验来确定使用何种循环泵运行方式。这种实验的方式一般都费时费力，效率较低。但是当企业积累了一定量实验数据的情况下，可以根据试验数据的结果构建相应的知识库，在后续的生产运行过程中，可根据当前的环境状况，利用相似度匹配的方法与历史知识库中的环境状况进行匹配，提取最优的循环泵运行方式。
另一种基于数据驱动的方法是基于汽轮机运行的历史数据，构建汽轮机冷端系统中水温、机组负荷、循环泵电流、泵运行方式、机组运行方式等运行参数与系统真空度之间关系的预测模型（或冷端出口温度预测模型），模拟系统运行过程中不同环境状况下，计算不同方式泵的运行所产生的经济指标，根据经济指标，从可选择的泵运行方式中选择一种最节能的方法代替现有运行方式，降低企业能耗。

通过对不同循环泵运行方式下机组经济型的对比分析，判断当前泵运行方式是否合理，并提醒经济指标（泵用电率、总煤耗）最小的泵运行方式。
▶智能烟气脱硝
防止环境污染的重要性，已作为世界范围的问题而被尖锐地提了出来。随着现代工业生产的发展和生活水平的提高，大气污染成了人们十分关注的问题。发电厂锅炉燃煤产生的烟气中包含大量大气污染物，如SO2、NOX（氮氧化物）、粉尘颗粒等，为降低大气污染，需要在排放前对烟气进行脱硫脱硝处理。
目前发电厂在进行脱硝过程中，对氨气的投入存在着过量投入和投入不足的现象。氨气注入不足就会降低还原转化效率，导致出口NOx排放不达标。氨气投入过量，不但不能减少NOx排放，反而因为过量的氨导致NH3逃逸出反应区，一方面逃逸掉的氨气造成资金的浪费，环境污染。
另一方面逃逸的氨气，也会与空气中的SO3生成硫酸氨盐(具有腐蚀性和粘结性)，使位于脱销下游的设备堵塞与腐蚀。因此如何准确地控制脱硝过程中的氨气投放来达到污染物达标排放、减少运行成本、降低生产能耗是企业的目标。
基于数据驱动的智能脱硝应用模型就是为了实现精准的脱硝控制产生的，其核心是利用历史脱硝过程中积累的大量检测数据，结合统计分析机器学习算法，构建出口NOx和氨气逃逸率的预测模型。
在实际的应用过程中，根据当前的工况情况、锅炉运行状况，SRC检测点、氨气投入量等数据，预测未来一段时间内SRC出口的NOx浓度以及氨气逃逸率，并将结果反馈到工控系统中，通过工控系统与喷氨系统的交互，来达到控制氨气投入的目的。
预测模型的构建根据系统的实际特征可使用时序类如循环神经网络预测算法，也可选择回归类预测算法如XGBoost等。需要注意的是，在特征构造的过程中一方面要考虑系统的时滞性，由于设备庞大、测点分布空间广，这就导致同一时间点上测得的数据，不是对同一对象的测量值，可使用时间滞后相关性分析（TLCC）等方法进行研究。另一方面需要考虑工况的变化，电力需求决定锅炉燃烧系统负荷，进而影响脱硫脱硝系统，稳态、非稳态、非稳态到稳态过度。

通过智能脱硝系统的运行，对SCR出口烟气中的NOx浓度和氨气逃逸率进行预测，提前感知未来一段时间内出口烟气的变化，变被动的氨气控制机制为主动的氨气调节机制，实现氨气投放的精准控制，从而达到控制污染物达标排放、减少运行成本的目的。
助力电厂精细运营，提升经营管理水平
▶供应商评价
随着时代的快速发展，物资供应商都在不断地寻找与电厂进行合作的机会，因此，电厂用户如何选择合适的供应商是企业面临的难题之一。需要同时考虑市场风险、交货风险、资信风险等方面的因素，进行多方面的分析与评估，才能确定优质的供应商。图片
电厂在以往对供应商的管理上，虽然已经进行了多方面尝试，然而在对供应商实际的管理中，主要侧重于单方面的管理，不能做到对供应商进行整体评价。因此，必须建立完整的评价体系及其动态调整的分配机制，帮助企业及时掌握风险资讯，以提高应变能力和抵御外部风险的能力。

综合供应商基本信息、投标行为、供货行为、价格差异等多维度指标，利用熵值法、Topsis、层次分析法等综合评估的算法，实现不同维度不同指标的权重设定，建立供应商评价模型，优化电厂供应链管理流程，从数据角度全方位提升了电厂管理供应商的水平，为保障原材料产品质量，有效控制、降低成本，提高采购安全性、增强应对外部供应商变化的敏捷性均做出了贡献，有效促进采购管理科学化，加强供需之间的联系与合作，使电厂在面对市场供给的变化时，够快速的做出反应。
▶原料市场价格预测
原料费是电厂发电中占据最大成本份额的部分，原料市场价格预测对原料采购策略制定和成本控制至关重要。电厂在生产过程中对原料的采购管理受市场价格波动影响较大，迫切需要从‘业务经验’向‘智能化’转化，为电厂原料采购决策提供有力支撑。
原料市场价格预测就是借助机器学习工具通过不同区域、不同原料历史价格数据，结合市场、环境、政策等因素的变化，对煤炭等原料的未来一段时间价格走势、涨跌进行精准预测。这里可使用的预测方法包括基于时间序列算法、基于回归预测算法。注意在进行原料价格预测时，算法只是决定预测准确度的一个方面，更多的取决于所搜集数据的准确度及数据量，由于原料的价格影响因素较多，需要尽可能地将其波动影响因素都考虑在内。
通过对原料价格的预测，使业务部门对煤炭等原料全国范围内的价格有明确的认知，进一步提升公司原料采购管理成效，促进公司原料采购管理的整体能力提升。
▶能耗分析
电厂是一个庞大的多变量、高维度、非线性系统，能耗是生产过程中非常重要的一个生产因素，能耗的大小关系企业的切实经济利益，当前生产过程中对能源的消耗管理是粗矿式的，与智慧工厂建设的目标不符，如何实现能源消耗的精细化管理是企业当前急需解决的问题。
传统能耗分析方式往往依靠运行人员经验或运行规程去发现问题，但是随着投运时间的累积，经验与规程都不能准确反映机组的能耗性能，缺乏能耗的综合性分析，无法体现出能源消耗的异常情况及产生波动的原因。
能耗分析模块的构建是通过对企业生产过程中的水、电、煤、气等能耗指标以及相关影响因素指标的梳理，依据能量平衡、质量平衡的原理，利用综合评价、对比分析、钻取分析等多种分析手段实现企业耗能总体评分、异常耗能发现、耗能异常定位及原因追溯等功能，为企业进行能耗监控及管理提供数据支撑。
总结
本文主要介绍了美林数据在火力发电企业智能化转型的过程中的实践应用，从安全运行、节能减排、经营管控多方面对电厂数据进行深入挖掘，助力电厂实现自动化与智能化，全面提升电厂的生产技术和经营管理水平。
当然，在电力企业的数字化转型过程中，还有更多的应用场景待发掘，我们也将继以“释放企业数据价值，提高企业经济效益”为目标，挖掘更多智能化应用点，助力企业成功转型。

上一篇：【数据挖掘算法分享】机器学习平台——回归算法之决策树回归下一篇：生产部长修炼宝典②：企业如何利用大数据分析平台实现生产异常的快反和处置？

Tempo大数据分析平台

Tempo商业智能平台

Tempo人工智能平台

Tempo数据工厂平台

Tempo数据治理平台

Tempo主数据管理平台

Tempo指标建设平台

自助式可视化分析

算法模型管理

指标管理解决方案

数字指挥中心

湖仓一体解决方案

智能场景应用构建

主数据应用监管

数据中台

发电

电网

制造

油气

煤炭

高校

政企

金融

科研院所

DCMM认证

DAMA认证

内容中心

帮助中心

美林数据

合作生态

美林新闻

行业资讯

产品简介

Tempo大数据分析平台

Tempo商业智能平台

Tempo人工智能平台

Tempo数据工厂平台

Tempo数据资产管理平台

Tempo主数据管理平台

相关推荐

美林新闻/NEWS

大数据分析技术如何助力火电智能化转型实践案例分享

联系我们

400-608-2558 029-8869-6198

扫码关注我们

扫码立即咨询