抽水蓄能電站群設備狀態(tài)大數據分析系統(tǒng)建設和應用

　　在新型電力系統(tǒng)加速建設背景下，隨著抽水蓄能電站越來越多，傳統(tǒng)設備運維管理模式與人力資源、設備可靠性要求日益提升的矛盾日益顯現，需要應用數字技術為業(yè)務賦能，推動電站設備管理數字化轉型，提升管理效能。傳統(tǒng)的抽蓄電站群運維管理存在以下問題：

　　1、設備數據集成體系不完善，各電廠數據分散、信息孤島普遍存在，缺乏統(tǒng)一完善的設備數據集成體系;

　　2、數據分析挖掘未成體系，數據分析缺乏成體系的系統(tǒng)架構，對運維決策支持力度不足;

　　3、傳統(tǒng)的專家分析系統(tǒng)智能化水平偏低，數據分析場景與實際業(yè)務存在偏差。

　　根據上述問題，本成果開發(fā)了抽水蓄能電廠設備大數據決策分析與可視化系統(tǒng)XS-1000D，接入了南網儲能(600995)公司管轄的9個廠站的全量生產數據，且該系統(tǒng)的先進技術架構為未來抽蓄電廠爆發(fā)式增長預留了足夠的資源，為抽蓄設備現代化信息化運維管理體系打造了戰(zhàn)略性裝備，目前已在南網儲能公司各運維單位得到了廣泛應用，井且取得了良好的應用效果。

　　2.1數據集成

　　項目研究了面向多源數據的統(tǒng)一數據模型和自適應通訊協(xié)議，開發(fā)了模塊化數據傳輸程序，兼容行業(yè)內各系統(tǒng)數據，保證數據大規(guī)模并發(fā)式傳輸和存儲，匯聚了南網儲能公司7個抽水蓄能電廠、2個常規(guī)水電廠70余個系統(tǒng)超過35萬個測點的數據，建成了行業(yè)內首個抽水蓄能電站群設備狀態(tài)大數據智能分析平臺。

　　2.2平臺建設

　　本項目采用南方電網公司統(tǒng)一部署的云平臺資源，建設統(tǒng)一門戶和模塊化數字應用，實現數據源和應用端有效隔離，具有強可移植性，構建抽蓄電站群數據服務和應用工具，為開發(fā)數字應用提供支持：

　　2.3算法體系建設

　　結合抽蓄電站群設備數據分析實際需求和數理特征，開發(fā)了抽蓄電站群通用性算法組態(tài)工具，支持多指標并行輸出、自動持久化，實現了無代碼經驗的用戶也能夠通過拖拉拽的方式快速、動態(tài)部署狀態(tài)評價數據分析應用。

　　組態(tài)算法方面，采用“場景引領-數據驅動-算法支持-實踐檢驗”研究模式，提出發(fā)電電動機、水泵水輪機、勵磁、調速器等全系統(tǒng)超過一千個設備狀態(tài)評價算法，并通過模塊化的自由調度，與設備狀態(tài)評價規(guī)則聯動，提煉機組各系統(tǒng)的數據分析標準設計，形成了一系列具有自主知識產權的抽蓄電站設備多源數據狀態(tài)智能分析方法，可推廣至行業(yè)應用。

　　時序智能算法方面，以抽水蓄能機組連續(xù)時序數據為主要研究對象，如軸瓦溫度，研究建立機組軸瓦溫度的預警模型，通過測試驗證發(fā)現，利用機器學習算法構建機組的預警模型能夠準確地預測設備正常溫度，及時對偏離正常溫度的測點數據進行預警，相比于原有的傳統(tǒng)預警系統(tǒng)，靈活性和靈敏性有了極大提高。

　　機器視覺算法方面，基于“邊側AI網關機器視覺識別算法模型的統(tǒng)一部署，邊側接入網關廠站側實時視頻流、識別結果等信息的統(tǒng)一匯聚，基于輕量化YOLOv5s6先進的目標檢測框架，研發(fā)了漏油、漏水、刀閘指示器等快速圖像識別算法。通過現場測試驗證發(fā)現，該類圖像識別算法能在有限的邊緣側AI計算資源的條件下，極大地提高圖像識別準確率，有效保障算法的識別響應速度達到現場應用要求。

　　2.4智能應用部署

　　基于數據分析算法體系，面向抽水蓄能實際運維場景開發(fā)大量的智慧數字應用，開發(fā)了實用性強的各系統(tǒng)數據分析可視化工具，涵蓋數據對比分析、相關性分析、核心指標分析等，實現從系統(tǒng)到部件的數據分析一線貫通;開發(fā)了關鍵設備數據可視化應用，通過數據驅動實現實時狀態(tài)、統(tǒng)計分析和旋轉軌跡可視化的動態(tài)可視化立體模型，設備多維度可視化監(jiān)測。

　　開發(fā)了異常鉆取分析功能，實現“企業(yè)—電站—機組—系統(tǒng)—部件—算法”的貫穿式數據鉆取分析。使技術人員關注的數據范圍快速從一個宏觀的面，逐步下鉆并聚焦到一個最基本的算法結果上。實現技術人員既能快速評估系統(tǒng)總體狀態(tài)，又能快速定位到風險薄弱環(huán)節(jié)，實現信息傳遞上整體和局部的高效結合。

　　開發(fā)了數據報表報告生成功能，并設計了抽水蓄能電站各專業(yè)、各系統(tǒng)數據巡檢和狀態(tài)分析標準，將數據分析算法和南網設備狀態(tài)評價規(guī)則進行動態(tài)關聯，實現系統(tǒng)定期或一鍵自動生成設備狀態(tài)分析報告，為設備運維提供決策支持。蓄能機組標準數據分析算法也能為行業(yè)提供支持，填補行業(yè)空白。

　　2.5應用實踐促進業(yè)務轉型

　　通過數據分析技術的應用，推動業(yè)務數字化轉型，將設備大數據分析與RCM檢修策略優(yōu)化決策體系融合，提升RCM決策的準確度;制定數據資產管理相關規(guī)范，常態(tài)化提升數據質量和應用質量，建立數據分析管理機制，常態(tài)化應用數據分析結果為運維決策提供支持，將現場人工設備狀態(tài)分析轉為云端機器數據自動分析，提升勞動生產率和效率。

　　3.1經濟效益

　　本項目每年產生的經濟效益約1763萬，通過設備大數據分析技術有效實現勞動生產率的提升、提高設備穩(wěn)定性。專業(yè)數據巡檢、設備狀態(tài)分析評估工作的機器替代率達到90%以上，新增電廠的專業(yè)技術人員定額從12人減少至9人。

　　2022年至今，與公司系統(tǒng)外單位抽水蓄能電站簽訂了成果轉化協(xié)議，因本項目數字化相關成果轉化獲得合同價款收入預期超千萬元。

　　3.2社會效益

　　該系統(tǒng)，獲得中國水力發(fā)電工程學會鑒定組最高評價“國際領先”，獲中國水力發(fā)電工程學會2023年度科技進步獎，入選電力智能巡檢卓越技術應用案例、清馨獎數智力實踐先鋒項目，亮相第六屆數字中國建設峰會，在國際數字能源展作為抽水蓄能領域唯一重大成果發(fā)布，獲得中央電視臺“新聞直播間”“朝聞天下”等媒體廣泛報道。

　　主要社會效益包括：

　　(1)推動業(yè)務數字化轉型，提出并實現了基于大數據分析的設備運維管理模式，提升設備可靠性，融合RCM檢修策略優(yōu)化決策體系，提升RCM決策的準確度。

　　(2)改變傳統(tǒng)現場人工設備巡檢運維模式，推進了機器替代，減少人員重復工作，不斷提升設備維護效益，提升勞動生產率。

　　(3)打造現代化產品化數字化裝備，形成一系列具有自主知識產權的抽水蓄能電站設備的多源數據智能挖掘方法并推廣至行業(yè)應用，推動行業(yè)技術進步。

　　本項目高度產品化，整體遷移方便，且對水電設備運維實際業(yè)務幫助極大，建議行業(yè)內水電、抽水蓄能電站標準化配置本項目成果，提升設備可靠性、全員勞動生產率。

　　供稿單位：南方電網儲能股份有限公司

　　來源： 中國上市公司協(xié)會