基于数据挖掘技术的火电厂设备状态监测系统

摘 要： 基于数据挖掘技术，构建火电厂设备状态监测系统，以期有力保障火电厂安全和电网稳定运行。针对现有分布式控制系统（DCS）在突发性数据和隐性数据分析能力上的缺陷，在PI数据库系统下优选决策树算法，与域名生成算法（DGA）相结合，结合数据挖掘技术，实现火电厂设备的状态监测和故障诊断。数据挖掘和分析技术可大幅提高监测系统有效性和故障识别率，具有推广应用的潜力。

关键词：火电厂；分布式控制系统；PI数据库；数据挖掘；决策树；域名生成算法

中图分类号：TP274 文献标识码：A 文章编号：2095-8412 （2017） 06-024-04

工业技术创新 URL： http： // DOI： 10.14103/j.issn.2095-8412.2017.06.006

引言

随着我国经济水平的不断提高，电力行业发展极为迅猛。迅速增加的用电量使得用电网络日益庞大，采用的电气设备越来越多，同时电力系统运行压力也在不断增加。电力系统中出现任何重大的故障都会带来一系列的连锁反应，从而造成严重的经济损失[1-3]。火电厂传统的“故障检修”模式和“定期计划检修”模式不再满足现代化电厂的发展需求，不利于设备的健康管理。本文立足于火电厂设备运行现状，提出以电厂内现有的分布式控制系统（Distributed Control System， DCS）为基础，结合业界常用的PI数据库中的历史数据和实时监测数据，利用决策树算法与域名生成算法（DGA），对火电厂设备进行运行状态的监测和故障诊断，保证电厂设备运行安全[4， 5]。

1 火电厂现有设备监测系统现状分析

随着计算机技术、现代传感技术和数据处理技术的发展，火电厂内的设备管理正在逐渐摆脱传统的“故障检修”模式和“定期计划检修”模式，一种新型的檢修模式——“状态检修”浮出水面[6]。该模式基于火电厂内设备的历史检测数据和实时数据提出检修方案。区别于以往模式，“状态检修”能够利用各种监测数据和设备状态判定方法，对设备的实时状态进行评估，并且不影响设备的正常运行。

DCS能够采用各种传感器采集火电厂内各种设备的运行状态信息。DCS监测点布置在火电厂内部多数设备上，将采集的各种参数信息传输于此，为火电厂设备的监控管理提供技术手段。管理人员可以根据信息对设备的运行状态进行简单分析，故此方式过度依赖于管理人员的设备管理经验，并且一些早期的隐性故障不容易被发现，对大数据的分析能力不强。因此，一些专家提出了故障诊断系统，即依赖现代计算机技术，结合数学算法，利用计算机代替人脑，在大量的监测信息中筛选有用信息，对设备的状态做出正确的评估[7， 8]。故障诊断系统能够及时了解火电厂内设备的运行状况，获取隐性故障的状态量，采用智能诊断技术及时判别隐性故障，提出解决方案，保证火电厂内设备的运行安全。

2 分布式控制系统

2.1 系统结构

分布式控制系统（DCS）又称“集散控制系统”，是相对于集中控制系统而发展的新型工业控制系统。DCS基本构成机构包括操作员站、现场控制站、工程师站和网络系统。各结构的职能如下：

（1）操作员站实现人机对话，采用高性能计算机对设备的监测系统监测结果进行存储、显示和输出。

（2）现场控制站是整个DCS的过渡站，主要功能是将现场采集的信息经过预处理后上传至服务器，并对被控对象进行有效控制。一旦现场控制站死机，现场设备将失去控制，影响系统安全，所以现场控制站一般采用工业级硬件[9]。

（3）工程师站具有较高权限，能够进行组态工作，DCS的监视、采集、控制、数据处理、报警等功能都是由其实现的。

（4）网络系统可以将分散独立的各个站点有机连接在一起，各个站点之间的数据往来都依赖于此[10]。

DCS摆脱了原有的单一低层控制功能，已经发展成为一种集高层监督、控制、采集和管理于一身的综合管理控制系统。DCS的结构如图1所示。

2.2 系统功能

火电厂对监测系统的要求包括：监测设备不能干扰电气设备的正常运行；监测系统能够连续运行，并且能够存储大量数据；监测设备能够进行自检，并具有良好的抗干扰能力，以及较高的、在线可调的灵敏度。

监测系统的功能包括信号变送功能，信号处理功能，数据采集、传输、处理及存储功能，故障诊断功能，以及权限管理。具体介绍如下：

（1）信号变送功能可以将火电厂设备的各种模拟量，通过传感器转换为电信号进行传递。经常监测的模拟量包括：振动、电压、电流、温湿度、压力和开关量等。

（2）信号处理功能可以对传输的电信号进行滤波、放大处理，将信号的幅值调整为合适的电平。

（3）数据采集功能可以通过A/D转换，将模拟量转变为数字量进行处理，将采集到的各种信息传输给故障诊断算法进行处理。数据的传输采用具有高抗干扰能力的光纤。数据处理功能可以对采集的信号进行进一步的处理，通过滤波、去噪等手段提高信噪比，更好地提取设备运行状态的特征值。数据存储是采用工业级PI数据库实现的，以改变原有DCS自带数据库的不足。

（4）故障诊断功能采用决策树算法对设备状态进行评估，利用历史数据库、设备实时状态数据以及决策树算法实时监测设备的运行状态，及时识别隐性故障，并给出检修策略。

（5）权限管理功能对不同的管理人员赋予不同的权限，高级权限用户可以创建低权限用户，并且可以为低权限用户授权。

3 数据挖掘与分析技术

信息和数据资源是有利用价值的资产。数据挖掘技术建立在历史数据、经验数据的基础上，建立状态诊断对照库，利用计算机系统的实时性，对设备进行状态监测及故障诊断。为了实现火电厂设备状态监测的需求，采用的数据库必须具有先进的压缩技术、充足的采用点数、优良的系统访问结构、良好的开放性以及广泛的数据接口。DCS自带的专用数据库数据采集及监视功能强大，能够采集多数的状态数据，但实时和历史数据的存储能力欠佳。本文采用PI数据库解决这一问题，建立实时数据平台，为火电厂的设备监测提供数据保障。

3.1 PI数据库

PI数据库是美国OSlsoft公司开发的基于Client/Server结构的商业化软件应用平台，能够连接底层控制网络和上层管理信息系统，PI在工业的信息集成中具有重要的作用。PI系统由服务器端软件、分析工具和可视化工具三部分组成。PI数据库能够帮助用户实现数据到信息、信息到生产力的转换，为用户提供可靠、准确、实时的信息。PI数据库弥合了业务控制到业务管理之间的信息缺口，可以直接采集各种传感器信息，获取运行过程中的实时数据，并将其转化为公共、有效的信息。PI数据库具有较强的安全保障体系，能够精细到对每个数据点进行安全管理，从而提高整个系统的安全性。同时，PI系统具有采集效率高、读取速率快的特点，支持独有的螺旋门压缩技术，支持多种客户端的用户程序，具有非常强的安全性、稳定性、开放性和兼容性。

3.2 决策树算法

PI数据库中诚然积累了大量火电厂内设备的状态信息，但如何提取数据中海量数据的特征、建立准确的故障诊断模型，才是状态监测系统的关键。数据挖掘技术提供了数据分析的技术手段，可以智能地、自动地在大量的数据中提取有用信息。数据挖掘常采用的算法有决策树归纳分类算法、粗糙集理论、人工神经网络、朴素的贝叶斯分类算法等。本文选用基于决策树的故障诊断算法，其具有生成的分类规则容易理解、计算量合理、可以高效处理非数值型数据、灵活性好等优点。决策树建立过程如图2所示。

决策树算法步骤为：

（1）将所有的样本数据定义为S，计算每个属性的信息增益度的值，将信息增益度最大的属性A定义为决策树的第一级；

（2）按属性A的值n，将S分为n个样本子集Si；

（3）按照步骤1中的方法，在每个样本子集Si中选择信息增益度最大的属性作为该级的节点；

（4）重复步骤1、2、3，直至本级中所有的子集都为同一类别。

3.3 域名生成算法

火电厂内的监测点设备主要包括发电机组、变压器、气体绝缘密闭式组合电器、电容型设备以及线路避雷器。同步发电机是火电厂的核心装备，其稳定性直接影响了电能的质量和整个网络的安全。发电机在运行过程中容易受到振动、腐蚀，以及热量和机械力的影响。变压器在电网中起到了电能转换、电能重新分配的作用。

预防性的电气试验不能发现带电情况下的潜伏性故障，只能通过在线监测实现对变压器类电气设备的故障诊断，此时可求助于域名生成算法（DGA）。DGA技术不仅可以判别变压器类电力设备的故障类型，还能够判断故障的严重程度。其检测是依据局部过热、局部电晕放电和电弧产生的烃、氢、CO、CO2等气体。本文以变压器在线监测数据为例，进行设备的在线监测与故障诊断，最终建立如图3所示的故障诊断决策树。

4结束语

火电厂的设备在线监测与故障诊断对发电厂的日常安全生产具有重要作用。传统DCS虽然在监测方面具有强大的功能，但在数据存储方面存在不足之处，缺乏数据样本支持。本文在现有DCS的基础上，基于PI系统数据库，结合决策树算法和域名生成算法，提出火电厂在线监测诊断方案，并以变压器的故障诊断为例提出决策树模型，期望能够大幅提高监测系统有效性和故障识别率，并投入推广应用。

参考文献

[1]顾全局， 全文涛， 沈海华. 电动机监测技术在发电厂辅机状态监测中的应用[J]. 上海电力， 2005（5）：519-521.

[2]白会贤， 牛玉广， 刘吉臻. DCS电源供电系统的可靠性定量分析[J]. 自动化仪表， 2009， 30（7）：19-21.

[3]孔永科， 薛立军， 王立超，等. 火电厂负荷供电故障机理分析与解决策略[J]. 工业技术创新， 2016， 3（6）：1155-1159.

[4]田爱军. 火电厂热工设备保护系统优化分析与研究[J]. 工业技术创新， 2016， 3（1）：53-56.

[5]苏鑫， 吴迎亚， 裴华健，等. 大数据技术在过程工业中的应用研究进展[J]. 化工进展， 2016， 35（6）：1652-1659.

[6]巨康怡. 火电厂DCS控制系统优化研究与应用[D].西安： 西安电子科技大学，2015.

[7]李成志. 火电厂DCS控制系统故障的应急处理及预防措施的分析[J]. 科技资讯， 2013（21）：124-125.

[8]苏宏伟， 贾林. 核电设备在线状态监测与故障预警系统的研究与设计[J]. 工业技术创新， 2015（2）：216-220.

[9] 侯云海， 孙德华， 库国柱，等. 电氣监控系统（ECS）在火电厂（DCS）监控的探讨[J]. 电气开关， 2014， 52（5）：89-93.

[10]雷亚国， 贾峰， 周昕，等. 基于深度学习理论的机械装备大数据健康监测方法[J]. 机械工程学报， 2015， 51（21）：49-56.

Abstract： The equipment condition monitoring system is built for thermal power plants based on the data mining technology， to ensure the safety of power plants and the stable operation of power grids. In view of the existing limitations of distributed control system （DCS） in the analysis of burst and implicit data， optimization of decision tree algorithm is carried out in the PI database system combined with the domain generation algorithm （DGA）， for the formation of data mining technology， as to realize the state monitoring and fault diagnosis for power plant equipment. It will greatly improve the effectiveness of monitoring system and the rate of fault identification， and has the potential of popularization and application.

Key words： Thermal Power Plant； Distributed Control System； PI Database； Data Mining； Domain Generation Algorithm

推荐访问:火电厂 监测系统 数据挖掘 状态 设备