论文部分内容阅读
摘 要 介绍数据挖掘技术在设备状态监测系统中的应用原理,分析有数据挖掘技术的设备状态监测系统在SIS系统中的应用,以及设备状态监测系统构建企业级的设备性能管理平台,通过对SIS系统中的实时/历史数据的挖掘,将传统的发生故障之后的报警转变成更加先进的在故障发生之前进行预警,进而提高电厂设备的可靠性、安全性和可利用率,减少非计划停机等故障。
关键词 数据挖掘;设备状态监测系统;预警
中图分类号 TP 文献标识码 A 文章编号 1673-9671-(2010)091-0165-02
目前的SIS(Supervisory Information System火电厂厂级监控系统)应用的发展和实践主要分为两个方向:一是以机组的经济性生产为目标,如机组级和厂级的性能计算及耗差分析,机组之间的负荷分配等SIS应用模块;另一个是以机组和设备的安全稳定生产为目标机组,如设备的故障分析及诊断等SIS应用模块。从电力生产角度来看,SIS系统作为电厂的生产管理基础,其应用的好坏往往决定了一套SIS系统的投运成功与否。
现在各个电厂的SIS中都存有海量的历史数据,如何把这些历史数据使用起来对电厂来说一件非常重要的事情,而带有数据挖掘技术的设备状态监测系统正好填补了此需求。从SIS平台扩展性和SIS应用的实用性两个方面入手,其中在机组和设备的安全性应用方面,采用设备状态监测系统,通过对SIS数据库实时/历史数据的挖掘,将传统的系统设备故障事后预警转变成更加先进的故障事前预警。此外通过SIS系统中设备状态监测系统的实现,构建起厂级的系统设备性能管理平台,为系统和设备的故障分析和将来更加先进的检修作业模式打下基础。
1 数据挖掘
数据挖掘(Data Mining),就是从存放在数据库,数据仓库或其他信息库中的大量的数据中获取有效的、新颖的、潜在有用的、最终可理解的数据的非平凡过程。
数据挖掘的步骤包括:①数据收集;②数据清理和转换;③模型构建;④模型评估;⑤报告;⑥预测;⑦应用集成;⑧模型管理。通过这些步骤,以及在这些步骤中所用到的一些统计学等方法,即可形成数据挖掘的引擎,形成了设备状态监测系统的核心,如图1:
图1 典型的数据挖掘系统
2 用带有数据挖掘技术的设备状态监测系统的监测步骤
在实际电厂应用中,设备状态监测系统一般部署于SIS系统平台中,整个系统结构拓扑图如图2所示,其中厂级实时/历史数据库系统包括机组所有控制系统测点,通过以下步骤实现系统、设备和参数的监测及预警。
图2
1)在已有大量历史数据的数据库的基础上建立模型。在数据挖掘技术中,首先要针对机组的各个子系统和现场运行的主辅机设备建立模型。也就是说,在已经有海量数据的SIS系统的数据库中,把需要建立模型的数据进行清理及转换成该设备状态监测系统能识别的数据,然后根据模型的需求,来建立数据模型。由于SIS数据库中保存着大量的设备原始数据,而这些原始数据之中有反映设备运行规律和设备参数之间藕合关系的大量信息,通过对SIS数据库中海量历史数据的分析处理得到的设备动态数据模型可以最真实的反应现场设备的运行规律和设备各参数之间的耦合关系。
由于利用数据挖掘技术对历史数据的分析创建模型的方法可以采用非参数建模方式,因此可以避免传统的约束参数型静态建模,避免了无法精确反应现场设备实际情况和需要大量专家人工干预的弊端,可以极大地提高设备动态模型创建的效率和精度。数据挖掘的此种建模方式几乎可以解决所有机械或流程设备的建模,无需传统监测方法中新增测量设备才可实现设备的状态监测,可大大节约投资。
2)通过数据挖掘中的模型产生的预测值对设备进行监测。根据数据挖掘技术中的非参数建模技术产生的模型可针对现场设备的每一个参数测点产生实时预测值,实时预测值不仅仅取决于当前设备的运行状态,也取决于设备和系统测点之间复杂的耦合关系和设备的历史运行规律,也就是说实时预测值的产生是以大量的历史数据为基础,再根据模型中的各个测点的关系而实时产生的。通过高精度的预测值和实际运行值之间的比较和统计学分析等算法,实现针对现场参数、设备和系统的早期故障预警。譬如,当单个参数的实测值和预测值发生较大的偏差时,可检查现场传感器的信号是否准确,当设备或系统的多个测点设备发生持续较大偏差时,则可根据偏差范围的大小发布设备和系统的相应预警,提醒相关设备管理人员进行故障的早期处理,避免故障升级和扩大。
另外,通过设置预警条件,设备的管理和使用人员可结合实际情况进行设备性能状态的预警等级分类和预警约束条件的定义,提高设备性能早期故障预警的可靠性和实际可操作性。
3)根据数据挖掘的预测值与实际测量值的比较分析设备设备故障。通过设备实测值和预测值的对比,可以分析出一个设备乃至系统中,哪个测点对于引起故障的可能性最大,因此可定义设备发生早期故障的故障点。比如,一些大型风机的实际测点可多达几十个,而引起设备故障的原因往往只有几个测点,通过设备状态监测系统,用户可根据预警提示,只需关注最需要关注的早期故障测点,电厂可安排相关部门和人员结合设备预警等级,安排故障分析和检修维护作业计划,并通过设备的早期故障处理积累、建立起设备在线运行的动态维护专家知识库。根据设备早期预警信息分析潜在事故中的参数的“贡献率”,即该参数对引发该现象所占的百分比,找到潜在引发设备事故的可能,并安排合适的设备检修维护计划,实现设备的按计划维护,提高设备的可靠性和实际运行效率,将可能发生的设备事故消灭在萌芽中,进而减少非计划停机事故的发生,提高电厂的生产效率。另外所有的设备早期预警处理结果可以录入到整个设备状态性能管理系统中,通过现场设备的早期故障预警处理分析的不断累积,逐渐形成针对现场设备专有的专家知识库。
图3
综上所述,通过具有数据挖掘技术的设备状态监测系统,对SIS数据库实时/历史数据的挖掘,可在SIS系统中建立起参数、设备和系统的早期故障监测预警系统,可有效地将传统的系统设备故障事后预警转变成更加先进的故障事前预警,为系统和设备的故障分析和将来更加先进的检修作业模式打下基础。
3 带有数据挖掘技术的设备状态监测系统的特点
和传統的设备监测等相对封闭的系统相比,基于历史数据挖掘技术的设备状态监测系统具有以下技术特点,如表所示:
在实际应用中,通过设备状态监测系统可以非常方便的实现参数、设备和系统级的在线监测和故障早期预警,提高电厂设备的可靠性、安全性和可利用率,减少非计划停机等故障。
参考文献
[1]侯子良.再论火电厂厂级监控信息系统[J].电力系统自动化,2002,26(15):1-3.
[2]马欣欣.火电厂优化软件的应用及前景[J].中国电力,1999,32(6):41-44.
[3]马欣欣.火电厂优化软件的应用及前景(续)[J].中国电力,1999,32(7):52-56.
关键词 数据挖掘;设备状态监测系统;预警
中图分类号 TP 文献标识码 A 文章编号 1673-9671-(2010)091-0165-02
目前的SIS(Supervisory Information System火电厂厂级监控系统)应用的发展和实践主要分为两个方向:一是以机组的经济性生产为目标,如机组级和厂级的性能计算及耗差分析,机组之间的负荷分配等SIS应用模块;另一个是以机组和设备的安全稳定生产为目标机组,如设备的故障分析及诊断等SIS应用模块。从电力生产角度来看,SIS系统作为电厂的生产管理基础,其应用的好坏往往决定了一套SIS系统的投运成功与否。
现在各个电厂的SIS中都存有海量的历史数据,如何把这些历史数据使用起来对电厂来说一件非常重要的事情,而带有数据挖掘技术的设备状态监测系统正好填补了此需求。从SIS平台扩展性和SIS应用的实用性两个方面入手,其中在机组和设备的安全性应用方面,采用设备状态监测系统,通过对SIS数据库实时/历史数据的挖掘,将传统的系统设备故障事后预警转变成更加先进的故障事前预警。此外通过SIS系统中设备状态监测系统的实现,构建起厂级的系统设备性能管理平台,为系统和设备的故障分析和将来更加先进的检修作业模式打下基础。
1 数据挖掘
数据挖掘(Data Mining),就是从存放在数据库,数据仓库或其他信息库中的大量的数据中获取有效的、新颖的、潜在有用的、最终可理解的数据的非平凡过程。
数据挖掘的步骤包括:①数据收集;②数据清理和转换;③模型构建;④模型评估;⑤报告;⑥预测;⑦应用集成;⑧模型管理。通过这些步骤,以及在这些步骤中所用到的一些统计学等方法,即可形成数据挖掘的引擎,形成了设备状态监测系统的核心,如图1:
图1 典型的数据挖掘系统
2 用带有数据挖掘技术的设备状态监测系统的监测步骤
在实际电厂应用中,设备状态监测系统一般部署于SIS系统平台中,整个系统结构拓扑图如图2所示,其中厂级实时/历史数据库系统包括机组所有控制系统测点,通过以下步骤实现系统、设备和参数的监测及预警。
图2
1)在已有大量历史数据的数据库的基础上建立模型。在数据挖掘技术中,首先要针对机组的各个子系统和现场运行的主辅机设备建立模型。也就是说,在已经有海量数据的SIS系统的数据库中,把需要建立模型的数据进行清理及转换成该设备状态监测系统能识别的数据,然后根据模型的需求,来建立数据模型。由于SIS数据库中保存着大量的设备原始数据,而这些原始数据之中有反映设备运行规律和设备参数之间藕合关系的大量信息,通过对SIS数据库中海量历史数据的分析处理得到的设备动态数据模型可以最真实的反应现场设备的运行规律和设备各参数之间的耦合关系。
由于利用数据挖掘技术对历史数据的分析创建模型的方法可以采用非参数建模方式,因此可以避免传统的约束参数型静态建模,避免了无法精确反应现场设备实际情况和需要大量专家人工干预的弊端,可以极大地提高设备动态模型创建的效率和精度。数据挖掘的此种建模方式几乎可以解决所有机械或流程设备的建模,无需传统监测方法中新增测量设备才可实现设备的状态监测,可大大节约投资。
2)通过数据挖掘中的模型产生的预测值对设备进行监测。根据数据挖掘技术中的非参数建模技术产生的模型可针对现场设备的每一个参数测点产生实时预测值,实时预测值不仅仅取决于当前设备的运行状态,也取决于设备和系统测点之间复杂的耦合关系和设备的历史运行规律,也就是说实时预测值的产生是以大量的历史数据为基础,再根据模型中的各个测点的关系而实时产生的。通过高精度的预测值和实际运行值之间的比较和统计学分析等算法,实现针对现场参数、设备和系统的早期故障预警。譬如,当单个参数的实测值和预测值发生较大的偏差时,可检查现场传感器的信号是否准确,当设备或系统的多个测点设备发生持续较大偏差时,则可根据偏差范围的大小发布设备和系统的相应预警,提醒相关设备管理人员进行故障的早期处理,避免故障升级和扩大。
另外,通过设置预警条件,设备的管理和使用人员可结合实际情况进行设备性能状态的预警等级分类和预警约束条件的定义,提高设备性能早期故障预警的可靠性和实际可操作性。
3)根据数据挖掘的预测值与实际测量值的比较分析设备设备故障。通过设备实测值和预测值的对比,可以分析出一个设备乃至系统中,哪个测点对于引起故障的可能性最大,因此可定义设备发生早期故障的故障点。比如,一些大型风机的实际测点可多达几十个,而引起设备故障的原因往往只有几个测点,通过设备状态监测系统,用户可根据预警提示,只需关注最需要关注的早期故障测点,电厂可安排相关部门和人员结合设备预警等级,安排故障分析和检修维护作业计划,并通过设备的早期故障处理积累、建立起设备在线运行的动态维护专家知识库。根据设备早期预警信息分析潜在事故中的参数的“贡献率”,即该参数对引发该现象所占的百分比,找到潜在引发设备事故的可能,并安排合适的设备检修维护计划,实现设备的按计划维护,提高设备的可靠性和实际运行效率,将可能发生的设备事故消灭在萌芽中,进而减少非计划停机事故的发生,提高电厂的生产效率。另外所有的设备早期预警处理结果可以录入到整个设备状态性能管理系统中,通过现场设备的早期故障预警处理分析的不断累积,逐渐形成针对现场设备专有的专家知识库。
图3
综上所述,通过具有数据挖掘技术的设备状态监测系统,对SIS数据库实时/历史数据的挖掘,可在SIS系统中建立起参数、设备和系统的早期故障监测预警系统,可有效地将传统的系统设备故障事后预警转变成更加先进的故障事前预警,为系统和设备的故障分析和将来更加先进的检修作业模式打下基础。
3 带有数据挖掘技术的设备状态监测系统的特点
和传統的设备监测等相对封闭的系统相比,基于历史数据挖掘技术的设备状态监测系统具有以下技术特点,如表所示:
在实际应用中,通过设备状态监测系统可以非常方便的实现参数、设备和系统级的在线监测和故障早期预警,提高电厂设备的可靠性、安全性和可利用率,减少非计划停机等故障。
参考文献
[1]侯子良.再论火电厂厂级监控信息系统[J].电力系统自动化,2002,26(15):1-3.
[2]马欣欣.火电厂优化软件的应用及前景[J].中国电力,1999,32(6):41-44.
[3]马欣欣.火电厂优化软件的应用及前景(续)[J].中国电力,1999,32(7):52-56.