国产欧美日韩精品a在线观看-国产欧美日韩精品一区二区三区-国产欧美日韩精品综合-国产欧美中文字幕-一区二区三区精品国产-一区二区三区精品国产欧美

摘要：工業互聯網是我國信息化技術發展應用的一個重點發展方向，發電企業智能電站的研究和應用正在積極推進。結合工業互聯網技術，對工業互聯網在發電企業的總體應用進行了探討，對火電機組部分具體功能應用進行了介紹，并進一步對工業互聯網的星云架構及發展進行了展望。工業互聯網技術在智能電站中的推廣應用，將為兩化融合提供一條具體的解決道路。

關鍵詞：工業互聯網；智能電站；特征值；星云架構

Abstract: Industrial internet is a key direction of the development and application of information technology in China, and the research and application of intelligent power station in power generation enterprises are being actively promoted. Combined with industrial internet technology, the overall application of industrial internet in power generation enterprises is discussed, some specific functional applications in thermal power units are introduced, and the nebulous framework and development of industrial internet are further proposed. The promotion and application of industrial internet technology in intelligent power station will provide a concrete solution for the integration of the industrialization and informatization.

Key words: Industrial internet; Intelligent power station; Characteristic value; Nebular framework

以信息化帶動工業化、以工業化促進信息化，走新型工業化道路是兩化融合的基本要求，其核心就是傳統工業化企業需要以信息化為支撐，追求可持續發展模式。發電行業過去的兩化融合在公司集團側多體現在企業管理信息化方面，如辦公自動化、ERP、數據中心、集團級生產監管等方面，這些信息化系統的建設一定程度地提升了企業管理水平，但與生產過程的融合還可進一步深入。兩化融合在電廠側的信息化建設方面，主要體現在MIS（ERP）、SIS、網絡系統安全等方面的建設，這些構成了電廠側生產管理過程的基礎信息化體系。

隨著電力行業的改革、能源結構及布局的調整、以“云、大、智、物、移”為特征的新技術發展等環境的變化和影響，發電企業的信息化發展內容有了新的內涵和擴展空間，兩化融合發展戰略賦予了新的內涵和實現途徑^[1、2]。借助新的信息化技術，如工業互聯網、智 能電站等，兩化融合的應用領域已經逐漸擴展到風電、 光伏等；已建設的信息化系統在電站應用功能上也在不斷優化，如燃料管理已經基本實現煤場無人值守、自動采集化驗、優化摻配等功能；新的智能化信息技術得到不斷創新和應用。

工業互聯網作為新一代信息技術與制造業深度融合的產物，日益成為新工業革命的關鍵支撐和深化“互聯網+先進制造業”的重要基石，對未來工業發展將產生全方位、深層次、革命性影響。2020年，國家將工業互聯網作為新型基礎設施加快推進。

1 華能集團工業互聯網介紹

在新一代信息技術與制造技術深度融合的背景下，在工業數字化、網絡化、智能化轉型需求的帶動下，以泛在互聯、全面感知、智能優化、安全穩固為特征的工業互聯網應運而生。工業互聯網是“互聯網+”的一個重要發展方向^[3]，作為全新工業生態、關鍵基礎設施和新型應用模式，通過人、機、物的全面互聯，實現全要素、全產業鏈、全價值鏈的全面連接，正在全球范圍內不斷顛覆傳統制造模式、生產組織方式和產業形態，從而推動傳統產業加快轉型升級、新興產業加速發展壯大。

工業互聯網由美國GE公司2012年提出便直接涉及企業的生產過程^[4、5]。最初GE提出了工業互聯網“數據湖”概念，即從工業設備和網絡中獲取數據，然后利用生產大數據分析工具進行存儲、分析和可視化，智能化信息可以供決策者在必要時實時使用或直接實現智能決策，并直接提升企業生產效率，如優化節能降耗、提供設備狀態檢修等等，所以工業互聯網的直接目的是推動實體工業的高質量發展。

工業互聯網平臺是工業互聯網的核心技術，通過匯聚全業務、全類型數據資源，全面支撐其他智能化應用。華能集團AIdustry平臺便是以大數據、人工智能為核心的流程性行業工業互聯網平臺，可拓展到電力、鋼鐵、化工、煤炭等行業。AIdustry平臺為流程性行業設備管理、狀態檢維修、安全生產、運行優化、經營管理提供分析診斷、智能運維、決策支持等服務，以提高工作效率和管理水平，降低經營成本，輔助科學決策和戰略管理。平臺核心功能是實現數據采集、存儲、處理以及應用開發、數據分析等功能，在電力、鋼鐵、化工、煤炭領域建立產業化智能應用生態體系，通過采集企業各類生產設備數據，利用AIdustry工業大數據平臺提供智能化分析工具，實現設備預測預警、故障診斷、運行優化等。同時依托AIdustry工業互聯網平臺，建立開放、共享、共建、共贏的運營模式為企業創造更高效益。

AIdustry工業互聯網平臺包含邊緣層、平臺層、應用層三層，其總體架構如圖1所示。

圖1 AIdustry工業互聯網平臺總體架構

總體架構中的應用層功能分為三個層級：一是廠級的智慧電廠層面，包括設備狀態、健康評估、故障預警與診斷、性能優化、決策支持等功能；二是集團級智慧經營層面，包括生產實時監控、機群發電調度、機群對標尋優、市場預測、上網競價管理、計劃與綜合業務管理、財務管理、績效管理等；三是包含上下游企業的供應鏈協同功能。

2 工業互聯網在火電機組中的智能應用

智能電站是以自動化、數字化、信息化為基礎，綜合應用互聯網、大數據等資源，充分發揮計算機超強的信息處理能力，集成統一的一體化數據平臺、一體化管控系統、智能傳感與執行、智能控制和優化算法、數據挖掘以及精細化管理決策等技術，形成一種具備自趨優、自學習、自恢復、自適應、自組織等特征的智能發電運行控制與管理模式，以實現安全、高效、環保的運行目標，并具有優秀的外界環境適應能力^[6~8]。

智能電站以統一的管控一體化平臺作為支撐，基于智能安全圍繞智能生產控制（設備層和控制層）和智能生產管理（生產監管層和管理決策層）兩個方面，形成一種具備自動趨優的全過程優化控制、自學習分析診斷、自恢復故障預警處理、自適應多目標優化、自組織精細管理等特征的智能發電運行控制與管理模式。

通過AIdustry工業互聯網平臺可以將人工智能技術應用到發電領域。利用AIdustry平臺開發的基于設備特征值的電站設備狀態檢修研究，可得到表征工業設備本質屬性的特征值，并以此作為判定設備健康狀態的判據，使狀態檢修真正能在發電廠得到落實和應用，該研究成果已經在水電機組中得到驗證和應用^[9、10]。

為了更好地推廣AIdustry平臺，華能集團在國內首臺1000MW超超臨界燃煤機組上進行了新的驗證和應用，同時對智能電站的部分應用功能進行了研究，并對磨煤機爆燃預警、爐管安全智能監測、污染物優化控制分析及智能控制、節能指標智能分析及優化指導等進行了功能驗證。

玉環電廠裝機4×1000MW超超臨界燃煤機組，是我國首座投入商業運行的國產百萬千瓦等級超超臨界火力發電廠。玉環電廠作為國家“863”計劃中引進超超臨界發電技術、逐步實現國產化的依托工程，于2004年6月28日開工建設，1號機組2006年11月28日投產，4號機組2007年11月25日投產。鍋爐設備為哈爾濱鍋爐廠有限責任公司生產的超超臨界參數、變壓運行直流爐、單爐膛、一次中間再熱、平衡通風、露天布置、固態排渣、 全鋼構架、全懸吊結構、八角雙切圓燃燒方式的Π型燃煤鍋爐。鍋爐額定過熱蒸汽壓力為27.46MPa.g，額定過熱蒸汽溫度為605℃，額定過熱蒸汽流量為2953t/h。每臺鍋爐配置6臺高效可靠的HP中速磨煤機，磨制后的煤粉分四根煤粉管道引出磨煤機，在鍋爐前后墻經煤粉分配器一分為二，把煤粉送向鍋爐的同一層的8個煤粉燃燒器噴口。鍋爐的汽水流程從省煤器系統開始，一次汽水系統以內置式汽水分離器為分界點，從水冷壁入口集箱到汽水分離器為水冷壁系統，從分離器出口到過熱器出口集箱為過熱器系統，之后為二次汽水再熱器系統，結構布置上省煤器系統位于尾部煙道，分隔屏過熱器、屏式過熱器、末級過熱器和末級再熱器分別布置于上爐膛、折焰角和水平煙道內。

2.1 磨煤機爆燃預警應用

沿海電廠在燃用以印尼煤為代表的高揮發分、高水分進口煤種時，制粉系統爆燃事件時有發生，對機組的穩定運行和設備安全造成嚴重影響。盡管磨煤機和粉管爆燃的機理和原因較為清晰，但因爆燃邊界條件、反應時間和設備環境的復雜性和變動性，一般較難有直接簡單的預防措施和方法，單靠運行人員的觀察分析很難做到磨煤機和粉管爆燃事故的預警并提前采取措施，往往通過一些具體的運行措施解決^[11、12]。 目前，磨煤機和粉管爆燃的預防主要采用數學方法（主要為樣本仿真學習）對已有的測量數據（一次風粉參數、擋板開度、磨煤機電流、給煤流量等）進行處理達到預警目的^[13、14]。

利用AIdustry平臺中的AI算法，獲取磨煤機在過去2年中不同運行工況下的運行參數進行模型的自學習建模，通過工業機理對獲得的數據模型進行參數修正，利用專家知識設定具體規則得到模型數據庫和煤粉爆燃預警模型。再將歷史上發生爆燃的故障數據納入驗證，模型可準確有效地提前發出預警信息。實際應用中，通過實時采集的運行參數與模型數據庫中的數據進行比對實現磨煤機和粉管爆燃事故的預警。磨煤機和粉管爆燃模型如圖2所示。

圖2 磨煤機和粉管爆燃模型

2020年4月3日，磨煤機和粉管爆燃監測系統對某機組磨煤機E發出四次報警，報警記錄和特征值變化如圖3、圖4所示。

圖3 報警記錄

圖4 磨煤機和粉管爆燃監測系統特征值和給煤量變化

在實際生產現場，15:58:38該磨煤機風量、壓力等參數發生大幅度的波動，運行人員通過人工監盤立即發現了該現象，并判斷4號機組磨煤機E發生了爆燃，于16:00:41秒緊急打閘了磨煤機。可見，與人工發現比較，磨煤機和粉管爆燃監測系統報警提前4分鐘以上，可以為運行人員提前干預、更及時發現和處理起到輔助作用，對防止設備惡性損壞、降低修復時間、減少發電損失有著積極作用。

2.2 爐管安全智能監測應用

超超臨界鍋爐管爆管，特別是大型機組參與調峰的運行條件下的鍋爐管爆管，是造成機組非停的主要原因之一。據統計爐管爆管導致的非計劃停運占電廠非停事故的50%~70%左右，且單次爆管造成的經濟損失巨大。電站運行經驗通常是在超超臨界鍋爐的水冷壁、末級過熱器和末級再熱器等受熱面布置大量的壁溫測點，通過對這些鍋爐管壁溫監測以實現對鍋爐管超溫、堵塞等進行判斷及預測^[15]。對單個受熱面管的傳熱過程可以精確地給出物理模型及數學方程^[16]，但實際鍋爐有大量的受熱面管、燃燒側煙氣溫度的波動、煙溫測點的缺失等原因，再加上復雜的燃燒工況，使得鍋爐管壁溫預測往往采用數學分析方法實現^[17]，而基于物理模型的研究預測還不成熟^[18]。

玉環電廠每臺鍋爐安裝有2500多個壁溫測點^[19]，之前對于爐管壁溫的監視和異常判斷，一般采取常規的人工篩查和基于固定閾值超限報警，需要耗費大量的人員精力對測點進行監視，同時存在頻繁的誤報或漏報現象。因此迫切需要新的方法對超超臨界鍋爐受熱面壁溫進行及時和有效的分析，提高鍋爐管監測的準確性和可靠性，減少因鍋爐爆管而導致的機組非停。

基于工業互聯網的AIdustry平臺，提出一種基于機器學習嶺回歸算法的爐管安全智能監測方法。該方法建立了爐管溫度與鍋爐工況、空間位置等多維數據之間的數據模型，通過數據的整合與人工智能技術，實現爐管溫度和運行工況的實時分析和監測，精準預測爐管溫度變化和劣化趨勢，提前預警爐管異常。同時對故障類型進行有效區分和定位，指導運行人員及專業人員優化操作方式和及時分析處理，指導檢修人員利用調停、檢修機會開展精準消缺和重點排查。

爐管安全智能監測系統的應用，提高了發現管壁超溫和預防管壁超溫的效率，降低了鍋爐受熱面超溫次數、時長和幅度，避免了鍋爐受熱面由于超溫造成的損傷。同時可以對爐內各個部位的壁溫分布進行分析，表征出鍋爐火焰中心和熱力場分布情況，對燃燒調整優化有著一定的指導意義，提高了機組安全性。圖5為一起電廠成功預警實例的“后墻中部入口第484管”曲線趨勢圖。2019年4月28日23點51分超高溫報警，其中藍色曲線為該測點實時溫度曲線；紅色線是真實報警記錄時間段；淺藍色線是算法模型報警時間段。可以看出算法模型提前約90秒報警，能起到及時提示運行人員通過燃燒調整、汽溫控制等手段提前遏制或減少壁溫超溫情況的作用。

圖5 超溫預警事例

實際生產運用中，2019年9月智能系統提示2號機組四過47屏-10點壁溫異常（但未超金屬材料報警溫度），為機組調停消缺中針對性排查檢修提供了很好的指導依據和方向。在2020年2月19日調度對該機組調停期間，電廠按照提示對該管開展針對性排查發現異物堵塞，驗證了系統提示的準確性和及時性，使潛在隱患得到及時消除，有效避免了該隱患繼續發展引起的停機。說明該系統確實起到精準診斷、準備故障分析的作用。

3 工業互聯網在發電領域的發展

工業互聯網的重要特征之一是互聯共享，不但要考慮集團企業內部單位的數據連接與共享，還要考慮產業連接與基于生態的聯合創新研發，因此在技術層面必須納入統一數據標準、數據應用安全和平臺建設等基本要求。智能電站更強調具體單位的專業功能應用，著眼于電站安全、可靠、環保、節能的智能化應用，目前主要圍繞電站安全、檢修、運行、燃料、物資、財務等核心業務展開智能化應用的研究，還包括電站5G網絡建設，機器人、無人機、穿戴設備等智能器具的使用；同時應用的重點在智能生產控制和智能數據分析決策上，因而在內涵上與工業互聯網有著不同的側重點。

以上成功的應用案例證明，可以充分借助工業互聯網技術加速智能化電站的建設，由此派生的工業智聯網可看作是工業互聯網技術進一步推廣應用的一個細分方向^[20]。工業互聯網和智能電站之間基本可看作面和點的關系，是一個有機體，符合下文所述的“星云架構”部署策略。工業互聯網與智能電站針對電站的智能化所關注的內容沒有太大差別；工業互聯網注重全面整體的系統構架，廣度上可無限擴展，智能電站注重具體功能的深入應用；智能電站是推進發電企業工業互聯網建設的核心內容，如果沒有電廠的智能化，發電企業工業互聯網的平臺將失去其應用的動力；智能電站可看作工業互聯網中的一個重要節點，而工業互聯網的范圍不限于目前已有的智能電站。

工業互聯網的核心是互聯和智能^[21]。傳統的數據處理方法往往在數據孤島上進行，基于某一個設備或系統的某一方面進行分析研究，使智能電廠的深度及廣度應用遇到瓶頸。例如，已有的煤場優化管理、配煤優化摻燒、燃料成本等都得到較為廣泛的推廣和應用，但如果沒有大數據平臺的支撐，燃料全過程的智能管理很難實現。一方面煤場優化管理、配煤優化摻燒、燃料成本、節能調度在不同的系統中實施^[22、23]，需要跨系統的數據共享，另一方面煤場的煤質識別、入爐煤軟測量、燃料成本精度不夠等問題^[24、25]，可能需要專業的智能方法解決。這使燃料全過程的智能管理基于現有的條件難以實現，而利用工業互聯網技術、AIdustry平臺以及邊緣計算工具KDM可為已有的這些問題提供解決思路和途徑。

在發電領域，除了工業互聯網在智能電廠側的應用外，在發電公司（集團）還可以實現工業數據及應用的共享共聯。自2005年以來，各發電集團公司先后實現了電廠、區域公司、集團生產實時數據的共享共聯，建立了電廠、區域/產業公司和集團的三級生產實時監管系統^[26~29]。2012年，華能集團完成了ERP系統的建設，構建了以財務為核心的大集中企業管理系統，2019年，基于互聯網、大數據、人工智能技術的發展，提出了基于“星云架構”的工業互聯網體系。 星云架構中的“云”基本沿用原有云架構、云計算等概念，可以認為未來的工業互聯網在工業領域中是跨行業、跨企業集團、跨廠區、跨地域部署的，所以工業互聯網架構形態應該相似于傳統互聯網的基本形態。但是工業領域的計算節點或平臺分布又具有很強的企業特征和專業技術要求，即企業往往是具有較為獨立特征的技術節點，形成各種形態的“星”狀分布。而企業內部往往又需要有許多分布式的計算節點，大的企業集團有核心計算節點或數據中心，很像宇宙中的恒星，其下屬企業的計算節點基本上圍繞集團的核心計算節點進行通訊和數據交換，類似于星際中的行星。這樣，“星”與“云”共同組成了工業互聯網的形態，可稱之為“星云架構”。

國內、外一些專家提出的工業互聯網多層架構，均是指每個企業內部的工業互聯網的“平臺架構”，包括本文圖1所示的“AIdustry工業互聯網平臺總體架構” 均是如此。而跨出每個企業，在工業互聯網的角度整體 來看就應該是“星云架構”了。星云架構圖如圖6所示。

圖6 星云架構圖

基于星云架構的工業互聯網為企業提供了跨設備、跨系統、跨廠區、跨地區的全面互聯互通，使企業可以在全局層面對設計、生產、管理、服務等制造活動進行優化，實現工業大數據的采集和共享，在更大范圍內打破物理和組織邊界的能力，便于打通企業內外、供應鏈上下游、供應鏈之間的數據孤島，實現資源有效協同，為企業的技術創新和組織管理變革提供新的抓手，實現價值創造從傳統價值鏈向價值網絡的拓展。

4 結語

工業互聯網是實現兩化融合戰略的重要手段。華能集團工業互聯網的應用證明，工業互聯網技術的推廣一方面將助推智能電站的智能化應用；另一方面，基于星云架構的工業互聯網將通過跨電站的數據共享，形成更大的生態化應用。與此同時，智能電站中的智能化建設與應用必將借助工業互聯網網絡化的優勢獲得迅速發展。在加速推廣智能電站的同時，需要全面打開視野，更加注重整體、系統性架構設計，將工業互聯網的諸多概念、技術一并落實，以推動工業互聯網和智能電站的共同進步。

★基金項目：國家工信部工業互聯網創新發展工程（平臺方向）2018工業互聯網平臺試驗測試環境建設項目；受華能集團總部科技項目“HNKJ19-H34智能電站關鍵技術研究及應用”資助。

作者簡介：

朱衛列（1960-），男，浙江天臺人，工學碩士，現任中國華能集團有限公司首席信息師、國資委國資監管信息化專家組副組長，享受國務院政府津貼專家，主要從事工業互聯網、工業智能化、信息化以及發電企業管理。

王智微（1970-），男，四川自貢人，正高級工程師，工學碩士，現就職于西安熱工研究院有限公司，主要從事電站清潔燃燒和電站信息化技術的研究工作。

范偉寧（1974-），男，北京人，高級工程師，現任華能信息技術有限公司總經理，主要從事信息化管理、發電企業信息系統建設工作。

蔣 斌（1983-），男，貴州遵義人，工程師，現任華能國際電力股份有限公司玉環電廠副廠長，主要從事火力發電廠安全生產、技術管理工作。

謝 勇（1973-），男，安徽馬鞍山人，高級工程師，現任華能國際電力股份有限公司玉環電廠高級專家，主要從事火電廠電氣專業技術管理。

參考文獻：

[1] 李培楠,萬勁波.工業互聯網發展與“兩化”深度融合[J].中國科學院院刊,2014,29(2):215-222.

[2] 周劍,徐大豐.兩化融合的概念內涵和方法路徑研究[J].產業經濟評論,2015,(5):12-19.

[3] 于佳寧.“互聯網+”的三個重要發展方向[J].物聯網技術,2015,(4):3-4.

[4] 楊帥.工業4.0與工業互聯網：比較、啟示與應對策略[J].當代財經,2015,(8):99-107.

[5] 沈蘇彬,楊震.工業互聯網概念和模型分析[J].南京郵電大學學報(自然科學版),2015,35(5):1-10.

[6] 劉吉臻.智能發電：第四次工業革命的大趨勢[N].中國能源報,2016-07-25．

[7] 劉吉臻,胡勇,曾德良,等.智能發電廠的架構及特征[J].中國電機工程學報,2017,37(22):6463-6470.

[8] 楊新民,陳豐,曾衛東,等.智能電站的概念及結構[J].熱力發電,2015,44(11):10-13.

[9] 朱衛列.我國工業互聯網應從“重平臺”轉向“重應用”[EB/OL].新華網,2019-10-9.http://www.xinhuanet.com/energy/2019-10/09/c_1125082002.htm.

[10] 朱衛列,王智微,李振華.基于設備特征值的電站設備狀態檢修[J].熱力發電,2018,47(12):72-76.

[11] 唐忠順,王海秀.磨煤機一次風口爆燃原因及控制措施[J].中國電力,2011,44(5):49-51.

[12] 李衍平.磨煤機停運中爆燃的原因分析[J].浙江電力,2015,(10):69-71.

[13] 陳斌源,朱軍.基于徑向基函數神經網絡的中速磨煤機故障診斷[J].發電設備,2011,25(5):323-326.

[14] 肖黎,羅嘉,歐陽春明.基于半監督學習方法的磨煤機故障預警[J].熱力發電,2019,48(4):121-127.

[15] 王小華,張戰鋒,黃偉珍,等.1000MW機組鍋爐低負荷下管壁超溫診斷及運行優化調整[J].熱能動力工程,2019,34(8):80-86,94.

[16] 錢林峰,徐光明,陶磊.大型電站鍋爐高溫受熱面管金屬壁溫影響因素及評價[J].中國特種設備安全,2019,35(6):33-37.

[17] 鄧博,徐鴻,郭鵬,等.變負荷下超（超）臨界機組過熱器壁溫預測[J].中國電力,2018,51(3):13-20.

[18] 王智微,吳文祥,李虹銳.大型電站鍋爐爐膛出口煙氣溫度實時測量方法[J].熱力發電,2016,45(9):74-80.

[19] 杜寶華,王大鵬,董雷,等.超超臨界1000MW機組鍋爐高溫受熱面爐內壁溫測量及分析[J].熱力發電,2013,42(7):118-122.

[20] 王飛躍,張軍,張俊,等.工業智聯網：基本概念、關鍵技術與核心應用[J].自動化學報,2018,44(9):1606-1617.

[21] 朱衛列.華能集團首席信息師朱衛列：工業互聯網的核心是互聯和智能[EB/OL].兩化融合服務平臺,2019-01-17.http://www.cspiii.com/sx/rgyy/zggd/2019-01-17-5493.html.

[22] 徐創學,王智微,羅凱,等.基于SAP的火電廠數字化煤場管理系統的開發及應用[J].熱力發電,2011,40(8):78-82.

[23] 賴菲,王智微,郭翔,等.火電機組節能發電調度系統研究(一)系統概述[J].熱力發電,2009,38(9):92-94.

[24] 謝云明,駱曉玲,王智微,等.入爐煤低位熱值實時計算方法研究及應用[J].熱力發電,2014,43(4):124-127.

[25] 賴菲,劉超飛,王智微,等.發電廠多時段最優經濟調度系統研究[J].電力信息與通訊技術,2012,10(6):30-33.

[26] 王智微,褚貴宏,胡洪華,等.華能國際火電運行指標監管系統的研究開發[J].電力信息化,2006,4(6):51-53.

[27] 徐創學,劉魯清,王智微,等.區域(省級)發電公司生產實時監管系統的研發[J].熱力發電,2012,41(3):7-11.

[28] 黃志勇,賴菲,王智微,等.粵電集團生產實時監測系統[J].熱力發電,2012,41(7):105-107.

[29] 王大鵬,杜保華,王智微,等.基于關鍵技術經濟指標與生產數據的集團監管平臺[J].電力信息與通信技術,2014,12(2):55-59.

摘自《自動化博覽》2020年8月刊