基于大数据挖掘与规则引擎的智慧辅助监盘系统研究.pdf

:/基于大数据挖掘与规则引擎的智慧辅助监盘系统研究周慧 王瑶 罗仁强 党俊榜 肖振馨 赵航(.湖南大唐先一科技有限公司 湖南 长沙.大唐陕西发电有限公司延安热电厂 陕西 延安)摘 要:为提高电厂监盘智能化水平 以大数据技术为支撑 依托各类先进的机器学习算法 提出一种基于大数据挖掘与规则引擎的智慧辅助监盘系统 该系统建立发电企业各类系统和设备的预警模型 能精准发现参数与设备状态异常 降低运行人员监盘压力 在设备故障早期进行预警 并对所发生预警信息进行故障识别与故障处理指导 测试结果表明 该系统有利于实现对电厂设备状态的全面监测 进一步提高机组运行水平和设备健康水平关键词:大数据技术 机器学习 智慧辅助监盘 故障识别与处理指导中图分类号:文献标志码:文章编号:()收稿日期:修回日期:(.):.:引言随着大数据技术的不断发展 智慧电厂的建设也在逐步深入 智慧辅助监盘作为智慧电厂建设中的“点睛之笔”宗旨就是计算机代替人完成部分重复繁琐的监盘工作 在保证机组安全稳定运行的同时提高监盘效率 解放部分劳动力 目前国内已有的监盘系统产品多是注重机组与系统设备状态的监测与故障预警 少有对系统与设备的故障识别、故障处理指导的研究 邱志勤提出了一种基于相似理论的智能监盘系统 对设备隐患进行提前预警 雷元金等提出了一种基于人工智第 卷第 期 湖 南 电 力 年 月能算法的大型水电站智能监盘系统 对系统和设备的重要参数进行监测与预警 因此 本文提出一种大数据挖掘技术与规则引擎相结合的智慧辅助监盘系统 将设备状态监测与预警、设备故障识别与故障处理指导有效地集成在一起 实现对电厂系统设备状态全方位的分析监测与把控 系统架构基于大数据挖掘与规则引擎的智慧辅助监盘系统采用/结构 以网络服务器和 机为硬件基础 以人工智能平台等为软件基础 确保数据的准确性和软件系统的可拓展性 系统架构示意如图 所示 系统架构可分为:支撑层、核心业务层和应用层三个层级图 系统架构示意图)支撑层:包括私有云平台、实时数据库、人工智能分析平台、规则引擎、关系数据库和历史数据采集程序等)核心处理层:包括数据采集与处理、算法模型和规则计算 数据采集与处理支持历史数据批量采集、实时数据采集、数据处理(包括数据聚合、数据转换、数据探索、数据清洗等)算法模型支持基于 神经网络多目标回归的状态预警建模、支持向量机多目标回归的状态预警建模、基于多元状态估计的状态预警等算法 规则计算支持报警综合指标计算及规则引擎配置与实时计算)应用层:包括大数据分析建模、监盘画面展示、配置管理、系统管理等应用 业务实现系统主要基于多元状态估计、随机森林、多目标回归等大数据算法 对电厂各个系统设备的健康状态进行评估、重要参数进行预测 同时利用 规则引擎对系统故障预警信息给出异常描述及处理指导 主要的业务实现流程如图 所示图 业务实现流程 关键技术 大数据分析与建模 数据采集与存储系统支持多种异构数据源的数据抽取 包括关系型数据源(支持、等)、半结构化数据源(如 文件等)、数据文件(如 文件等)同时支持能返回结构化数据的 接口和 接口等支持实时数据与历史数据采集 实时数据采集采用实时数据镜像程序写入 或者写入 历史数据采集采用程序写入到/平台提供多种分布式数据存储方式 包括分布式文件系统、时序数据库等 每种方式都采用大数据分布式存储技术 并且适合不同用途的数据存储 数据挖掘大数据分析是对大量结构化和非结构化的数据进行分析处理 从中获得新的价值 具有数据量大、数据类型多、处理要求快等特点)数据探索:对从电厂厂级监控信息系统采集的机组历史运行数据进行深入摸底 主要利用基本统计量分析 对采集的各个参数的最大值、最小值、中值及平均值等进行分析)数据预处理:由于电厂运行数据中可能包含噪音、不完整、甚至不一致的数据 还有数据内容不满足挖掘的要求 数据建模前需对涉及的数据对象进行预处理 主要运用异常值处理、相关性分析、稳定性分析等异常值处理:对采集的历史数据中出现的测点异常的值、参数拉直线的值和不符合当前实际工况的值进行过滤或替换处理相关性分析:在大量的设备参数中 利用 相关性原理 筛选出相关性低且能够全面反映设备状态的参数作为特征参数稳定性分析:利用稳定性分析组件 自由设置运行时长 筛选出连续稳定运行超过所设置的运行第 卷第 期 湖 南 电 力 年 月时长的健康样本)可视化建模:采用图形化、流程化的方式进行大数据挖掘工作 找出背后的规律 主要利用多元状态估计算法对各种电力设备和系统的运行状态进行评估)模型评价:通过算法对大量样本进行训练得到一个模型 模型具有隐藏在海量数据中的价值 需要评价模型质量、是否能在实际应用中发挥预测或指导作用 规则引擎 规则引擎是一种基于 的规则引擎提供规则集、决策表、决策树等多种类型的业务规则设计工具 包含嵌入式、本地、分布式计算及独立服务四种运行模式 本系统中 规则引擎采用分布式计算模式 利用规则集的业务规则设计工具建立监盘故障诊断专家系统规则库以 文件的形式存储系统推理所需要的规则 系统根据大数据分析出来的故障数据对电力系统及设备故障进行诊断 系统根据规则库中配置的规则自动匹配预警事件 输出对应的故障操作指导 规则引擎调用与故障推理过程如下)规则引擎配置:以 文件的形式将模型涉及的参数导入成规则引擎库文件 配置监盘异常知识库 对预警事件名称、产生的原因及处理指导进行配置 对每一个预警事件赋予唯一事件编号通过库文件配置导入模型参数信息 利用规则集配置预警事件产生的条件)规则引擎调用:对大数据平台输出的模型结果进行封装 用 接口调用模型结果 通过模型状态值触发规则引擎)执行规则:对模型结果与规则设定的值进行比对 执行并返回对应的预警事件编码)输出结果:通过规则引擎返回的预警事件编码 读取并返回预警事件编码对应的事件名称、原因分析及处理指导 多元状态估计算法多元状态估计技术()是一种基于特征驱动的多变量时间序列分析方法 可以通过监测电力系统设备实时运行参数与历史运行参数的相似度来对系统或设备的状态进行计算和评价 算法利用系统或设备在各个工况下历史运行的健康样本构建典型样本数据库 利用在历史健康样本学习到的状态参数关系来评估每一个新监测实时样本的健康状态 功能要求 设备状态监测与预警机组监测页面:从安全性、故障预警、自动投入三个维度对电厂系统或设备状态评分进行展示综合三个维度的评分对系统或设备整体健康状态评分进行展示 界面设置预警信息按钮 可查看当前发生的预警事件和预警参数信息 点击对应的系统或设备可链接到对应的系统监测界面系统监测页面:分系统或设备对预警模型监测参数的实际值、期望值、偏差及模型健康度进行展示 同时用颜色表示参数和模型的预警等级 红色表示一级预警 黄色表示二级预警 当前发生的预警事件的名称和状态以事件列表的形式展示 点击对应的预警事件 则会显示对应事件的异常描述、原因分析与处理指导的详细信息 供运行值班员进行预警事件处理使用 设备故障识别与处理指导系统内置异常处理知识库 根据设备监测参数进行预警原因规则树推理 并给出运行处理建议运行异常或设备异常时 系统发出预警并自动关联异常知识库 给出异常调整或诊断提示信息 便于运行人员查找原因 进行运行调整或现场设备检查处理 异常知识库是一个开放的诊断知识积累平台 能自动监视和记录系统运行异常和关键设备的异常发展过程、可能原因、征兆和措施等 可进行诊断知识的快速添加 并在再次发生同样征兆或异常时自动提示相关异常处理知识 数据分析与统计趋势分析页面:提供设备状态健康度曲线分析 包括监测参数的实际值与期望值曲线、设备健康度曲线 运行人员可以通过“选择分析测点”的下拉框选择需要查看的参数 还可以通过查看各个参数的历史数据 分析系统或设备参数的劣化趋势事件统计页面:支持历史异常预警时间的查询 包括不同机组、系统、设备发生的预警频次、预警无效次数、累计持续时长等 测试结果以某电厂 号机组制粉系统 磨煤机的运行数据作为系统功能测试数据来源 选取该机 年 月至 年 月的历史运行数据为训练第 卷第 期 周慧等:基于大数据挖掘与规则引擎的智慧辅助监盘系统研究 年 月样本 每隔 采集 组数据 共计 组数据 年 月 日 磨煤机出口风、粉温度高导致磨煤机故障 选取故障发生前后约 (:)的运行数据为测试数据 共计 组数据 选取代表制粉系统中磨煤机主电机电流等 个相关性弱的关键参数进行建模分析将采集的训练样本写入人工智能平台进行大数据分析与挖掘 包括对数据进行预处理、相关性分析、稳定性分析及典型样本选取等 将筛选出来的健康训练样本和典型样本接入多元状态估计预警组件 得到监测参数的健康固定上下限值和健康偏差上下限值 具体参数预警上下限值见表 表 参数预警上下限值参数健康固定上下限值健康偏差上下限值磨煤机主电机电流/磨煤机进出口差压/磨煤机出口风粉混合物温度/磨煤机煤位/给煤机瞬时给煤量/()磨煤机主电机电流、磨煤机进出口差压、磨煤机出口风粉混合物温度、磨煤机煤位、给煤机瞬时给煤量的监测与估计结果如图 所示()磨煤机出口风粉混合物温度()估计偏差图 磨煤机出口风粉混合物温度监测与估计结果()给煤机瞬时给煤量()估计偏差图 给煤机瞬时给煤量监测与估计结果()磨煤机进出口差压()估计偏差图 磨煤机进出口差压监测与估计结果()磨煤机主电机电流第 卷第 期 湖 南 电 力 年 月()估计偏差图 磨煤机主电机电流监测与估计结果()磨煤机煤位()估计偏差图 磨煤机煤位监测与估计结果由图 可知 磨煤机主电机电流、磨煤机进出口差压和磨煤机煤位预测精度较高且残差较小 均属于正常状态 但磨煤机出口风粉混合物温度和给煤机瞬时给煤量在 年 月 日:的监测参数有明显增大的趋势且超出了健康固定上限值 对应的估计偏差超出了健康偏差上限值 表明故障发生 系统触发 规则引擎 根据事件编码发出预警指导信息并给出异常描述、原因分析与处理指导测试结果表明 基于大数据挖掘与规则引擎的智能辅助监盘系统对电厂系统或设备运行状态进行预测具有较好的效果 能够有效地对电力系统或设备运行状态进行实时监测 帮助运行监盘人员发现设备和参数的异常 更加全面地实现对电厂系统设备状态的监测 结语本文研究基于大数据挖掘与规则引擎的智能监盘系统 依托各类先进的机器学习算法 从生产监测大数据中挖掘出各类系统和设备的参数变化规律 准确发现和提示运行控制异常事件 可以降低运行人员监盘压力 有效提高机组运行可靠性 同时 运行异常诊断知识库还集成了电厂运行专家、电厂运行专工和值长的经验和智慧 历史健康数据挖掘更是传承了机组历史运行经验 综合而言 基于大数据挖掘与规则引擎的智能监盘系统的有效实施与应用将会提升机组的监盘效率与运行水平参考文献 耿林霄 郭亦文 杨猛 等.基于大数据智能控制一体化平台架构的智慧监盘关键技术研究.热力发电 ():.王佳梓 王桂玲.“云端”大数据驱动的预见性电厂设备维护.华电技术 ():.杨新民 肖勇 陈丰.火电厂监控系统现状及发展.热力发电 ():.徐彪 欧阳帆 朱维钧 等.基于绕组分布的大型汽轮机组定子接 地故 障定位 方法.湖南电 力 ():.郭亦文 耿林霄 胡勇 等.大数据智能控制一体化平台及其体系架构.热力发电 ():.张晋宾 周四维.智能电厂概念及体系架构模型研究.中国电力 ():.邱志勤.基于相似理论的智能监盘系统研究.水电站机电技术 ():.雷元金 李世豪 刘毅非 等.基于人工智能算法的大型水电站智能监盘系统研究.轻工科技 ():.王璐玮 尹朝庆 葛守飞.基于 规则引擎的汽车发动机故障诊断专家系统研究与开发.交通与计算机 ():.陈峥 尹耕 康晓东 等.基于大数据平台的电力设备运作状态监测系统研究.电力大数据 ():.张文建 梁庚 李庚达 等.智慧化全数字技术及其在电厂中的应用.中国电力 ():.苗丹 严中华 张志伟 等.规则引擎在电网操作票系统中的应用研究.华北电力技术 ():.蔡园园.电力行业流程管理中规则引擎的设计与实现.南京:东南大学.陈星宇.基于多元状态估计的中速磨煤机运行状态诊断和故障预警研究.杭州:浙江大学:.肖黎 罗嘉 欧阳春明.基于半监督学习方法的磨煤机故障预警.热力发电 ():.王禹新.基于专家系统的制粉系统故障诊断的研究.北京:华北电力大学.胡杰 唐静 谢仕义 等.基于大数据技术的电厂设备状态评估和预警应用研究.华电技术 ():.刘涛 刘吉臻 吕游 等.基于多元状态估计和偏离度的电厂风机故障预警.动力工程学报 ():.刘涛.基于多元状态估计的电站风机故障预警研究及系统开发.北京:华北电力大学(北京).作者简介周慧()女 工程师 通信作者 从事智慧电厂相关产品开发工作第 卷第 期 周慧等:基于大数据挖掘与规则引擎的智慧辅助监盘系统研究 年 月