水力发电行业全产业信息链整合平台：水电站与物联网

2017-09-25 09:39:20 E小水电　点击量：评论 (0)

摘要水力发电行业经过20年的高速发展，取得了巨大的成就，同时，也积累了许多行业共性的问题。本文通过大数据分析的方法，在水电站油水气机电统一视角下，采用SAAS(Software-as-a-service)模式，通过技术创新和商

摘要

水力发电行业经过20年的高速发展，取得了巨大的成就，同时，也积累了许多行业共性的问题。本文通过大数据分析的方法，在水电站油水气机电统一视角下，采用SAAS(Software-as-a-service)模式，通过技术创新和商务模式创新，构建《水力发电行业全产业信息链整合平台》，实现“资源可视、设备可查、业务互动、数据共享"，为使用者提供“数据推送、业务推送和知识推送"。

1引言

制造业本身的问题，不可能在制造业层面得到完善解决，只有上升到其所处的产业生态环境。所有产业都是由无数的节点链接而成，节点内企业按部就班地运作，在国家产能落后的情况下是有效的，但在目前国家产能过剩时，则是产业“散、乱、差、弱"的根本原因。国内一流的电商只完成了交易节点，就产生了巨大的经济效益，《水力发电行业全产业信息链整合平台》基于精深的专业背景针对产业所有专业所有环节整合，尤其突出了人的主观能动性作用，将会对“互联网+水电"在产业领域实施积累宝贵经验，并对其他制造业起到良好示范作用。目前我国水电行业普遍存在以下问题：

（1）电厂侧运行、维护、营销、管理方面：没有对大量的数据价值深人挖掘，不能精准制定检修、维护计划。没有策略使资源转化率最高、设备运行工况最优没有技术手段应付目前经济下行态势下的弃水限电。

（2）制造厂耗费大量的时间跑市场、抓信息，但没有形成售前、制造和运行的全生命周期介人的商务模式在质保期过后，制造厂与电厂几乎失去联络。

（3）政府侧在防汛抗旱、科学用水上投人了大量财力，但没能消除信息孤岛，致使在异常情况下手足无措。

（4）一方面是行业积累的大量工程问题无人解决，另一方面是大量工程技术人员闲置、科研院所课题匮乏。

如何实现水电站集成开放、坚强可靠、经济高效、管理智能的效率、效益最大化，如何调动广大制造厂、设计院、科研院所工程技术人员的积极主动性，并跨界为政府防汛抗洪、科学用水提供决策，搭建《水力发电行业全产业信息链整合平台》，是一条水电发展必经之路。

2平台的总体架构

平台架构见图1。该平台由数据中心、技术构架和商务模式3个部分组成其中，数据中心相对独立，汇总电站的所有模拟量和开关量，而技术构架和商务模式互为依托，对采集的所有生产实时数据，用人工智能的方法进行分析，为水电站的生产、经营提供支撑，实现“资源可视、设备可查、业务互动、数据共享"，为使用者提供“数据推送、业务推送和知识推送”。

图1水力发电行业全产业信息链整合平台架构

3平台的实现

3.1数据中心

大数据是2012年到现在最热的一个词。对水电站来说，“全息"即为“大数据"，即采集所有的模拟量和开关量，然后对这些数据进行分析。众所周知，水电行业是一个后掠式行业，许多工程实践是没有教科书和先例的，即使行业普遍采用的计算程序，也是理论加经验的系统，因为这些系统在开发的时候，先作了一些科学假设，而这些假设大多是经验的、体系的，甚至是为了简化计算而人为的假设，所以这些系统只是帮助我们决策，并没有完全反映事物的客观规律，而反映事物的客观规律永远是那些可能被我们忽视的基础数据。

目前有许多电厂也在积极规划和实施数据中心项目，但有一种现象值得关注和探讨，数据中心项目中在拼传输速度、检索速度，传输速度达到秒级，检索速度达到8s检索10亿条特征数据，而且，数据中心的数据基本是时域空间的数据，是管理数据，是历史数据，水电站的设备状态是一个从量变到质变的渐变过程，该过程可能是数月、数年甚至数十年，海量的秒级的时域数据对设备生命周期而言太细，而对于需要瞬态分析的，如过渡过程、振动分析、接力器调节过程分析又太粗，而且没有频域空间数据。一个水电站系统，实质上是由设备硬件系统（主机、辅机等）、自动化系统（计算机监控、保护、电源）、信息化系统（OA、MIS、资产管理、水情等）组成。自动化系统主要是对主机、辅机的信号采集、传输、控制和保护，信息化主要是数据处理和业务应用，过度地追求传输速度、检索速度，会忽略我们采集数据的目的，又陷入硬件的比拼，忽视应用功能的规划、梳理和实施，故我们的数据中心：服务器部署于电信数据中心，每5min带时间戳抓取电厂数据，满足实际工程应用的需要。

3.2系统的技术架构

3.2.1计算机IT

面向服务（SOA）架构是一种业务驱动的IT架构方式，将应用系统分为数据层、业务层和展示层，支持对业务进行整合，使其成为一种相互联系，可重用的业务任务或者服务。SOA能够帮助企业提高业务流程的灵活性，增强企业底层的IT基础架构，并重用现有投资。系统采用角色、密码登陆，可根据不同的电厂、岗位等，实现信息屏蔽、数据共享和业务互动。

SOA的实现：系统管理员可根据要求在系统运行中增加新开发的业务和减少要剔出的业务、增减人员、变更人员权限，不影响其他的业务界面，保持系统的健壮性和稳定性。

3.2.2人工智能算法

人工智能分为强人工智能和弱人工智能，强人工智能观点认为有可能制造出真正能推理（Reasoning）和解决问题（Problem_solving）的智能机器，并且，这样的智能机器将被认为是有知觉的，有自我意识的，目前，强人工智能的研究处于停滞不前的状态，全世界最先进的强人工智能智力水平能达到5岁儿童的智力。弱人工智能观点认为不可能制造出能真正地推理(Reasoning)和解决问题（Problem_solving)的智能机器，这些机器只不过看起来像是智能的，但是并不真正拥有智能，也不会有自主意识。主流科研集中在弱人工智能上，并且这一研究领域已经取得可观的成就，本系统就是基于专家系统的弱人工智能系统。

目前，人工智能领域热衷于单一算法的研究，应用也较为单一，而水电站系统为油、水、气、机、电耦合的复杂巨系统，任何单一的算法都无法取得满意的效果，水电站综合管理平台涉及水轮机、发电机、调速器、阀门、励磁、气系统、水系统和操作人员等多个系统，是多主体计算，是大数据的大融合，同时，也是现有人工智能研究成果的大融合，由于是多主体，故采用分布式人工智能，各主体间协调、协作，为多领域知识多处理范型智能系统。基于多专业、多学科的专家系统程序包和工程经验，同时要考虑采集过程中信号数据的扰动，实现真值维护。系统采用模拟人类思维的产生式系统，实现约束传递，通过真值维护，实现智能回朔。对采集量进行滤波、降噪，用欧拉法解决数据的并行问题，用拉格朗日法解决数据的串行问题，充分考虑实时数据的并发特性，进行大数据处理。通过大数据，实现归纳学习、统计学习，通过操作人员的处理问题方式，实现强化学习。对水电站系统进行不同尺度的有限元化，用知识系统对各有限元进行规则关联，尊重事实，用数据说话，推崇知识和理性，用数据创新，给数据以生命，给系统以智能。

平台的核心在于真值维护。

平台的关键在于知识提取。

3.2.3业务实现

在SOA构架下，在油、水、气、机、电统一视觉下，对水电站常规业务进行梳理，以安全生产管理制度和岗位职能为主线，对水电站管理系统进行共性提取和个性细化。

主要业务内容：系统管理、数据中心、运行管理、梯级调度与优化运行、检修管理、设备技术管理、报表系统等。

3.2.4商务模式

传统的软件系统是作为商品来卖的，而通过几十年的软件产业的发展，单纯作为商品来卖的软件系统在世界范围内几乎都走到穷途末路，原因很简单，随着硬件技术的进步，需求的变化，客户在支付巨额的软、硬件维护、管理、升级的费用后，还得配备相应的计算机系统管理人员，这让客户很难接受。而软件的本质就是要不断地升级、维护，否则软件就会丧失先进性，如何解决这个难题，我们采用的是SAAS(Software-as-a-seruce），将软件的“所有权"从客户转移至供应商；将技术基础设施和管理等方面（如硬件与专业服务）的责任从客户重新分配给供应商；在大数据的支撑下，通过专业化和规模经济降低提供软件服务的成本；针对特征化的水电站个体做长期的技术支持、服务和咨询工作,SAAS模式更关注软件作为服务给企业所创造的经济利润，在这种模式下，如何积极主动地为客户提供更优质的服务，是软件企业的根本。

本平台项目不是传统意义上的卖产品、卖系统、卖软件，而是在计算机软件供应商和电站资深专业技术人员共同努力下，提供精深的水电专业运营、管理、服务平台，是基于大数据、云计算的物联网应用系统，是一种永续发展、永续完善和永续服务的商务模式。

4结论

中国水电经过改革开放30多年的建设发展，特别是2005-2007年的井喷式建设，目前水电厂开发建设已经进人饱和期，根据水电行业现状和西方成熟水电的发展规律，中国水电已进人运维时代。下一步面临的是设备的运行、维护与技术提升的需求。

自动化系统的目标是使电站更“强壮"，而信息化系统的目标是使电站更“智慧"。

我们的目标是推动水电产业关键数据的开放共享，构建面向领域的大数据开放平台，通过大数据激发平台参与者的创造性，让注册会员和注册专家的智慧在保证数据安全和知识产权的前提下，自主推动平台的永续发展，提升行业运行效率。

原标题:水力发电行业全产业信息链整合平台 | 水电站与物联网