摘要：随着整个人类社会科学技术水平的飞速发展、社会生活水平的不断提升，大数据、云计算、物联网、移动互联网等新概念不断涌出，电力工业行业也发生着翻天覆地的变化，“智能电厂”的概念在此种环境下应运而生。通过智能电厂的大数据应用优化，数据采集也更加科学，电厂运行管理水平得以有效提升，使得火电厂的人性化与安全性特征更加明显。因此，本文通过对智能电厂大数据应用理论的阐述，并对智能电厂实施过程中的大数据应用优化的分析。
关键词：智能电厂；大数据；应用
在信息时代，大数据与物联网等技术的涌现推动了电力工业行业发展，基于信息网络技术的智能电厂概念应运而生。智能电厂以数字化电厂为前提，借助智能控制与处理分析技术，使火电厂在任何电网要求以及气象与排放等环境的条件下都能提供环保稳定的电能，逐步向一体化电厂转型。智能电厂在故障诊断与生产管理等方面，尤其从控制层面入手实施智能管理方式，对电厂管理水平完善有着积极的促进作用。
1智能电厂大数据应用理论
大数据是近年来受到广泛关注的新概念，是指通过对大量的、多种类和来源复杂的数据进行高速地捕捉、发现和分析，用经济的方法提取其价值的技术体系或技术构架。大数据不仅包括单纯的数据，同时还包括对这些数据进行处理的理论和方法。火力发电厂大数据主要分为两类：①有关生产运行相关数据；②涉及到企业管理等相关数据。本文主要对与智能电厂控制层实施过程中关系密切的生产运行数据进行研究，这些运行数据之间不是完全独立的，存在比较复杂的耦合关系。火力发电厂大数据的特点主要包括以下几个方面：①数据来自各种不同的设备和系统；②数据量大、维数多、数据种类多；③大数据对电厂运行可靠性、经济性均具有巨大的价值；④各数据之间存在着复杂关系需要挖掘，且大多数情况下有实时性要求。
鉴于火力发电厂生产运行大数据的特殊性。火电厂大数据的应用可分为创建目标数据源、数据处理、数据分析、对数据分析所得规则知识等信息进行解释、对所得规则知识进行应用验证；以上步骤中的数据处理、数据分析、数据规则知识信息解释三个部分为大数据应用过程中的关键技术。
（1）火力发电厂大数据多样性以及不精确性、不完整性等特点，这种复杂的数据环境要求必须对数据源中的数据进行处理，可采用统计学方法剔除由于精度等原因产生的异常数据和部分冗余数据；采用聚类分析的方法对数据源中的数据进行抽取和集成，为后续数据分析的合理性提供有效的支持。
（2）数据分析是大数据发挥其核心价值的重要流程，常用的数据分析技术主要有数据挖掘、机器学习、统计分析、神经网络、模糊理论等，分析的结论可用于推荐系统、专家系统、运行指导、决策支持系统等方面。
（3）对于数据分析的结果，其核心内容是数据规则、数据知识等的具体表述方法，如果没有合适的表述方法，使用者往往难以理解，甚至会误导使用者；一般的表述方法仅是文本、图表等电脑终端的直观显示，随着云技术的不断发展，标签云、人机交互技术等可视化技术的解释方法被逐步应用[5]，数据分析得到的规则、知识等信息的解释逐步向最佳的数据解释效果方向发展。
2大数据应用优化分析
2.1报警优化
火电厂DCS系统的发展日益完善，功能与监控点数逐步提高，也逐步具备荧光字报警等功能。但机组调试过程中，受设计施工等因素影响，DCS系统运行常出现报警泛滥的情况，导致报警信息数据量庞大，限制了报警系统作用的发挥。理想的报警组态设计要求每天的报警数量不可超过300个，每个小时的报警数量不可超过12个，每10分钟的报警数量不可超过2个。故需根据运行人员可接受的报警数，科学布置报警系统组态计划。
除此之外，还需要根据重要程度设置多级别的报警类型。为减少无效报警信息，确保信息精确度，可以采用主元分析法。首先了解各报警极限参数，以此作为后级警报项。
期刊文章分类查询,尽在期刊图书馆以某机组功率信号为例，从报警分析入手研究，确定采样周期后，在DCS数据库中选择多项运行数据展开主元分析。同时采用分类的方式将历史数据分为验证集与校正集两部分，通过Matlab分析了解主元分析结果的真实性，根据各主元数相对的残差平方根曲线将最小残差平方根，将其对应的主元个数作为机组功率报警异常优化中综合考虑的重点。同时将主元个数的报警信息当作二级报警信号，从而提高机组功率报警信息的针对性、准确性。
2.2阀门流量特性偏差调整
汽轮机调节汽门作为DEH系统的主要执行机构，出现流量特性偏差时会引起节流大量损失、调频响应负荷不当等问题，会直接降低机组安全运行的可靠性。该问题可从汽轮发电机组入手分析，由于影响阀门流量曲线异常的因素较多，故加强曲线校正，确保机组处于正常工作状态。改善阀门流量曲线的步骤如下，一是选择数据源，选择多组相关参数，包括机组主蒸汽压力、机组负荷、主蒸汽温度、各阀门指令等。二是结合所选取的历史运行数据，采用模糊神经网络对历史数据进行建模，得出阀门开度同主蒸汽流量的神经网络模型，为下一步阀门流量特性曲线优化做好准备。
在其基础上，另选择多组数据通过弗留格尔公式得出流量数值，并对比模型数值，以此验证模型计算数据的准确度。三是从单阀条件入手分析，围绕实际运行数据，利用模糊神经网络，拟合该情况下的流量曲线。校正后的曲线开度增大，优化了负荷响应成效。在实践中设置重叠度时，通常是在开阀后压力与主气压力间比值超过0．85时再开启下一个阀门，以此优化各阀门重叠度。根据单阀、顺阀方式下矫正前后的流量曲线，发现矫正前后曲线差异较大，且在相同综合流量指令下，其不同的高压调节法开度变化也存在不同。具体表现为拐点更加光滑，拐点前的流量曲线，对负荷响应成效相对提高，且阀门重叠度降低，机组性能随之得到优化。
2.3控制系统性能
火电厂由于工艺繁琐，控制系统运行离不开PID设备的控制，但在实践中，大部分的热控技术人员对系统控制的有效性无法及时评判。此类问题可从电厂热工控制入手，采用大数据方法对当前控制系统性能进行评定。评定控制系统性能的方法多种多样，但系统性能计算、控制系统参数识别、思想控制系统设计与控制系统诊断决策是每种方法都必不可少的内容。实施步骤一般先是计算当前系统性能，收集处理控制器输出信息。然后根据系统特性，合理选择系统评定准则。围绕准则评定系统性能，了解控制性能是否达标或是需要维护等操作。最后根据性能评估结果，分析系统性能滞后的影响因素，为系统性能维护提供价值依据。
近年来，对以闭环回路运行数据为基础的控制系统建模研究越发深入，相比传统或现代控制理论的建模，现在可供选择的方法更加多样，效果也更加显著。除此之外，基于支持向量机，神经网络等计算理论的建模方法也有了长足的进步。但合理选取控制系统性能评估准则仍是一件难度较高的工作，目前应用最为广泛的仍然是基于最小方差准则，或者改进最小方差准则的控制系统性能评估准则。
3结语
智能电厂工作涉及多个方面，应用大数据理论可以优化其各个阶段的控制程序和控制方式，对保障其整体工作质量等具有重要意义。相关人员必须加强重视，合理开展生产和设备管理工作，保障其工作质量。在此基础上开展后续各项工作，可以有效保障其工作质量。
参考文献：
[1]刘洋.智能电厂实施过程中的大数据应用探析[J].科技风,2019,382(14):197+206.
[2]王忠杰,文乐,杨新民.大数据在智能化电厂中的应用研究与展望[J].中国电力,2019,52(03):138-144.
[3]刘新龙,贺悦科,孟晓伟,etal.智能电厂实施过程中的大数据应用研究[J].电气技术,2018(6).
[4]徐建业.大数据在智能电厂的应用[J].山东工业技术,2017(17):180-180.
[5]张少男.智能电厂实施过程中的大数据应用研究[J].科技创新导报,2019(14).
论文作者:张青
论文发表刊物:《电力设备》2019年第22期
论文发表时间:2020/4/13
标签：数据论文; 电厂论文; 智能论文; 性能论文; 控制系统论文; 机组论文; 方法论文; 《电力设备》2019年第22期论文;