|
在互联网信息技术爆发式发展的今天，各行各业的数据量都是海量增长。在这个时代，人工传统的分析手段已经远远不能满足于数据分析的需求，因此大数据分析手段已经成为一个必不可少的分析手段，尤其在智慧电厂之中。 随着火电机组的装机容量增加和信息化、现代化技术的发展，电厂内人员数量越来越少，但是实时的数据量是越来越大。因电厂规模的不同，每秒钟每个电厂的数据量可能从1万到10万的等级，每天可能有上千万甚至上亿的数据量。这些数据量，虽然说相对于整个互联网行业来说，达不到一个大数据的标准，但是对于传统的火力发电厂数据分析来说，人工的分析手段已经无法驾驭这些数据，去挖掘潜在价值。如何对这些数据进行一个实时的深度分析，挖掘数据背后隐藏的价值用于提升生产，这都是一个亟待解决的问题。 目前来看，数据应用主要集中在三个方面：生产数据分析、设备可靠性分析、能耗分析。 生产数据 对于生产数据，电厂要更关注数据如何能实时地分析机组的健康状态和机组的能效诊断，既安全和效益。安全方面，保证设备安全经济运行，使机组实时地运行在一个最经济的工况，通过对生产数据的分析保证设备的可靠性和机组运行的经济性，这个是数据分析最终的结果。 设备可靠性 对于设备的可靠性。电厂传统的监测大部分还是基于一个报警和保护的作用，但实际上很多参数的变化在达到报警值之前，其实已经有明显趋势的变化。 监测系统有成百上千个数据实时显示，靠人工的手段很难说实时监控到每个数据在什么时候偏离了最初的原始值或者是我们的期望值。我们如何在这个数据开始变化的时候就能够监测到，给人员以提醒，这个是数据分析的一个重要的应用。 能耗分析 另外就是对于机组实时的能耗分析。如何从机组运行过程中，成百上千个参数来综合判断机组的能耗水平是否偏离设计值，是哪个参数引起的，都需要通过这种数据分析的手段，实时地给运行以指导。 很多发电公司面临这么几个问题：一是海量的生产数据得不到有效利用。在信息化过程中，电厂有多套信息系统，例如检修一体化、巡点检系统、绩效考核系统等等，这些系统都在实时采集数据，但是很多时候这些数据都只是存储在硬盘里，而没有用于指导生产。 二是设备的状态检修困难，缺乏科学判断依据。很多时候电厂的设备检修都是基于计划检修或者是故障检修。 三是检修人员对现场运行的判断，没有一个有效的手段，判断设备运行在什么状态。现场设备出现问题之前分析、解决问题的能力不足，没有能够有效在隐患发生之前及时发现。 数据系统保障安全 云酷科技的锅炉三维可视化防磨防爆系统，通过对过往锅炉检修数据的收集分析，形成有效的基于数据分析的防磨防爆管理体系：从体系建设、运行管理、检修管理等多个维度入手，建立管理台账、动静态设备台账、壁温监控分析、算法补全热力图分析、大数据劣化分析、检修推荐等功能，为防磨防爆管理思想的落实与管理体系的建设提供平台支持与展现手段。 系统已先后服务35家电厂，覆盖各种大小的生物质锅炉、燃煤锅炉，其中生物质电厂24家 30MW机组，燃煤电厂1家200mw机组、7家300MW机组、3家600MW机组、2家1000MW机组共计55余台锅炉，在数据的收集与应用上，做到了行业领先水平，为电厂锅炉的安全运行提供有效的技术工具保障。
| 
楼主
标题置顶
标题高亮
