2. 内蒙古建设股份有限公司, 呼和浩特 010020;
3. 华北电力大学, 河北 保定 071003
2. Inner Mongolia Construction Corporation, Hohhot 010020, China;
3. North China Electric Power University, Baoding 071003, China
近年来,电力企业为了增强竞争力,提高企业经济效益,通过深度融合数字化技术与工业生产过程,企业的信息化水平不断提高。数字化是指将许多复杂多变的信息转化为可以度量的数字或数据,再以这些数字、数据建立恰当的数学模型,以数字形式表现出非离散数据,在计算机内部进行处理的过程。在电力行业中,通常认为各级控制信号、管理内容及现场设备单元等内容都进行了数字化处理,这样的电厂即可以被称为数字化电厂。智能电厂则是数字化电厂的延伸和发展,指电厂在数字化基础上,结合信息与自动控制技术、智能发电技术、分析决策技术、大数据、移动互联、三维可视化等技术建立的新型电厂。
1 智能电厂定义虽然社会、企业、学术界对电厂智能化的讨论由来已久,专家学者们都发表过各自见解,但对智能电厂的解释并不统一,我国相关权威机构也尚未对“智能电厂”做出严格定义或制订统一标准。为了促进行业健康发展与电厂的技术进步,2015年8月成立了中国智能电厂联盟,成员包括中华人民共和国工业和信息化部、中国信息化推进联盟电力专业委员会、中国自动化学会发电自动化专业委员会、中国电机工程学会热工自动化专业委员会、电力行业热工自动化技术委员会,以及中国华能集团有限公司、中国大唐集团公司等多家发电集团。
中国智能电厂联盟于2016年12月对外发布了《智能电厂技术发展纲要》[1],该纲要中对智能电厂做出了如下的定义:智能电厂(Smart Power Plant, SPP)是以现代数字信息化技术、通信技术以及智能传感与执行、智能控制和管理决策等技术为基础,从而形成智能发电模式,以实现更高效、安全、环保运行,并与智能电网相互协调的发电厂。
总之,1个标准的智能电厂应具有5个特征:善于感知,精于计算,巧于决策,准于执行,长于学习。
2 智能电厂架构智能电厂能够实现电厂的智能管理、智能生产,其整体架构体系示意图如图 1所示。一般情况下,可以将智能电厂分为4个层级,从最低级到最高级依次为智能设备层、智能控制层、智能生产监管层以及智能管理层[2]。各层级间分工明确,并且互相高度契合,在满足所有安全标准的前提下,以最高效的状态进行信息流及指令流的交互。
|
图 1 智能电厂架构图示意图 |
智能设备层作为智能电厂最为基础的1层,包含电厂内数目繁多的现场测控设备、工艺设备和装置及基础网络系统,主要有:
(1)现场总线设备;
(2)在线分析仪表;
(3)炉内检测设备;
(4)智能执行机构;
(5)智能巡检机器人;
(6)视频监控与智能安防系统;
(7)可穿戴检测系统;
(8)无线网络设备;
(9)软测量技术系统;
(10)特种先进检测设备等。
这一层级的主要作用是完整、实时地感知所有设备收集的信息,将信息向控制层共享,并且对控制层发出的指令进行响应。
作为数字化电厂的延伸,智能电厂可通过嵌入式系统将电厂生产过程及全寿命周期中产生的现象、信号、图像、文字等非离散数据转换成数字信息,存入实时/历史数据库,方便之后对状态参数、设备信息等数据进行处理,为电厂做好大数据利用工作提供支持。
现场总线设备及其控制系统(FCS)是自动化技术发展的必然产物[3-4],其结构示意图如图 2所示。现场总线是用于工业控制领域的数字化通信系统,遵循国际电工委员会(IEC)批准、颁布的国际标准——IEC 61158通信协议,因此,只要是遵守该通信协议的智能终端所采集的数据,都能够进入FCS。FCS结构简单,能够远程监视现场设备,并通过设备管理软件对数据进行处理,具有记录设备运行状态、提前预测设备故障等功能,达到提前维护、降低故障发生的目的。
|
图 2 现场总线设备及其控制系统示意图 |
随着科技不断进步、智能终端的不断发展,各种智能设备(如智能手机)等将迅速进入工业现场智能设备层,现在已经可以实现智能机器人参与巡检、探伤等应用。此外,许多先进测量技术及设备的不断出现(如炉内检测设备,红外线检测设备,软测量技术等),让技术人员更容易了解生产现场、掌握运行设备状态,使设备的重要状态参数达到更高精度的控制(如烟气含氧量、锅炉煤质成分分析、煤粉流量、飞灰含碳量、锅炉热量、汽轮机排气焓等)[5-6]。合理的智能控制层能够有效地降低调校、维护设备的工作量,提高设备、系统运行的可靠性。
2.2 智能控制层智能控制层为4个层级中最为核心的1层,主要负责对设备层共享的实时信息进行处理(包括智能诊断与优化运行控制、系统安全防护等)[7],并且监控设备运行状态,以使智能电厂能够平稳高效地运转。智能控制层主要功能有数据处理,智能诊断,深度学习等,可以对以下生产系统进行优化:
(1)机炉协调控制系统;
(2)锅炉燃烧系统;
(3)脱硫脱硝系统;
(4)负荷控制系统;
(5)主蒸汽压力定值设置;
(6)汽轮机冷端;
(7)制粉系统;
(8)吹灰系统等。
电厂生产过程以及机组特性复杂,各系统需根据外界工况的变化不断进行调整。随着大数据及数据分析、智能控制算法、多目标优化等技术的发展,越来越多的新技术被应用到生产控制过程中,满足了机组安全、经济、环保运行等多样化需求。
机组自启停APS系统可实现机组启动和停止过程的自动化控制,提高机组启停操作的正确性和规范性,达到减轻运行人员劳动强度、缩短机组启停时间、提高机组自动化水平的目的。通过优化机炉协调控制系统、主蒸汽压力定值、燃烧优化系统、汽轮机冷端、脱硫及脱硝等系统的运行状态,可以实现提高机组经济、环保性能的目的[8]。
基于大数据技术的运行优化系统不但能够实时计算各设备的经济性能指标,还可随时掌握机组的健康运行状况,指导技术人员对不良设备及时进行维护,提高机组的安全可靠性[9-10];在机组出现故障时,能够提供故障主因判断、事故处理意见,为故障处理人员提供技术支持,实现状态监测和故障诊断的目的。
2.3 智能生产监管层智能生产监管层主要对电厂内的生产设备进行智能化运行、维护管理,通过汇集全厂的历史数据和参数信息,将智能控制层中的功能应用到生产管理中,实现整个系统的优化升级。该层级主要包括能量管理、在线仿真系统、负荷优化、燃烧优化、三维可视化技术、状态监测与故障诊断等,同时将工作结果提供给智能管理层,作为智能管理的决策依据。
2.4 智能管理层智能管理层主要负责将电厂所属的资产、人力资源等所有项目打破地域间隔的局限,进行智能化管理,实现智能决策,提高整个电厂的管理水平。该层级包括生产、资产、财务、人力资源等所有项目的管理系统,如安全生产监控系统、企业资源计划系统、专家诊断与辅助决策系统等。
智能电厂架构中的上述4个层级既各有分工,又相辅相成。智能设备层嵌入生产过程,实现电厂信息的数字化处理,为智能电厂提供了数据支持;智能控制层和智能生产监管层可整合电厂数据信息,利用现代化生产技术辅助生产,实现机组安全经济运行;智能管理层汇集各种信息,完成智能决策,提高电厂的运营管理水平,帮助电力企业实现经济效益的提升。
3 智能电厂新技术介绍智能设备更新换代的频率日益加快,相关智能技术发展也日新月异。在电力领域经过一系列的探索,电厂的智能化建设也已经进入到了全新阶段。越来越多先进、高效、安全的智能技术在机组上不断被采用[11-13],提高了电厂的智能化程度,这些经验也可以为其他工业领域提供借鉴。
3.1 炉内智能检控技术对于许多危险区域,智能设备具有巨大的优势,通过使用最优的光学图像处理、激光、光谱及先进测量技术(如炉内煤粉调配、煤种来源及粉尘等污染物排放分析等),可实现很多环节的全局闭环优化控制。
从系统层级考虑,将大数据、检测技术、设备性能、智能控制算法整合在一起并寻找出最优方案,不仅能够实现炉内温度、气体成分等参数的实时监测并自动进行调整,还可以达到效率与环保指标综合寻优、实时闭环最优控制的目的。
3.2 虚拟现实辅助检测维修技术近年来,虚拟现实技术发展迅速,目前已经达到可以在培训、施工作业中高度配合使用的水平。在培训与模拟施工作业时,使用虚拟现实技术能够快速直观地增强工人的真实感受,并且在目前计算机强大的运算能力支持下,搭配合适的算法或软件即可在短时间内提高作业人员的施工质量及效率。虚拟现实技术对于提高人员操作水平、保障生产安全、帮助设备检修维修等方面都有重要作用。
3.3 智能巡检技术目前电厂大都具有适合于智能巡检机器人巡检的平坦无障碍物通道,对于部分狭窄且危险的区域,可在穿戴安全防护服的情况下,由专业巡检人员携带智能采集终端到达受限区域进行巡检工作。
电厂可以利用大数据技术实现自身数据的挖掘利用,通过对历史数据进行充分解析,结合实时数据分析、深度学习,能够极大地增强巡检工作的预知性及互动性,达到电厂设备的实时检测、在线评估以及及时给出最优检修、保养等辅助决策方案。
3.4 工业控制系统信息安全技术智能电厂系统庞杂、功能多样,但1套可靠的信息安全防护系统更是不可或缺,“工业4.0”时代的信息安全显得尤为重要[14]。在此背景下,基于“可管、可控、可知、可信”安全理念研发的工业控制系统信息安全技术,能够有效地保障智能电厂所有设备和系统信息的保密性、真实性及可靠性等。
为了保证智能电厂的正常运行,免遭黑客及木马程序的恶意入侵,达到非授权人员无权限登录和修改任何数据的目的,工业控制系统信息安全技术将发挥非常重要作用,防止电厂因黑客的入侵而致使系统瘫痪和失控情况的发生。
3.5 远程专家诊断技术为了解决常规的绝对值报警监测手段存在的不足,可以利用智能诊断技术主动向电厂运行人员提供预警信息,使以往被动的检测方式变成主动的检测方式,最大限度地避免因设备故障引起的停机事故,节约人力物力,降低运营成本。
专家远程诊断技术能够让技术人员在第一时间对数据信息进行深度的评估与分析,使得电厂管理者甚至集团的决策层、各个职能部门都能随时掌握机组的运行状况;当有问题或者事故发生时,可以直接远程提供辅助决策方案,并指挥抢修工作。
4 智能电厂的效益分析由于我国人均资源少,现阶段经济发展步入了“新常态”,国家对于环境和经济发展同等重视,智能电厂必然会成为未来的发展趋势。随着智能发电技术的不断进步,智能电厂在安全、经济、环保等方面的效益将进一步得到体现。
4.1 安全效益智能机器人参与安全巡检,可以避免人员进入危险环境;三维定位、智能两票与电子围栏等技术的应用,能够对工作人员进行授权,并对未授权人员误入设备间进行报警和监控,杜绝错误操作的发生,实现安全生产。从数字化到智慧化,实现了智能决策,提高了生产管理的安全性。
4.2 经济效益随着信息化和工业化的进一步融合,传统的电力企业通过科技创新、使用新技术,克服过去粗放式的发展管理模式,可实现降本增效的目的。
利用状态监测与故障诊断技术,能够提早发现机组设备异常,定位故障原因,减少机组停运次数,降低运行成本;利用节能优化等优化技术,可以提高各系统、设备的运行效率,提升全厂经济效益。
4.3 环保效益我们国家的能源现状一直是多煤、贫油、少气,火电机组依旧承担着超过总发电量60%的发电任务。升级到智能电厂后,通过科学精准地控制生产成本,优化提升环保设施的运行水平,可以使日渐衰落的传统火电厂重新焕发活力。
基于大数据的运行优化系统可以使机组保持最优运行状态,智能脱硫、脱硝系统的投运,更能满足机组环保运行的需要。
对于国家发展来说,环境保护与经济发展并非不可兼得。目前看来,环保要求的日益提高正在倒逼产业升级,智能电厂可以占得先机,通过合理整合系统、提高资源利用率,带来非常可观的长期收益;而落后的传统电厂终将会被淘汰,使得电力行业中“劣币驱逐良币”的问题得到根本改善,智能电厂的优势会得到充分体现,促进国民经济的健康可持续发展。
5 国内智能电厂的发展现状随着计算机、互联网、通信技术的不断发展,数据信息的价值日益体现,各电厂都迫切希望利用大数据技术实现更多的盈利。国内许多发电集团都开展了以大数据技术应用为基础的智能电厂建设工作[8-9]。
5.1 京能集团京能集团是较早开展数字化电厂探索的电力投资集团之一,北京京能高安屯燃气热电有限公司是国内第1家数字化热电厂。2015年,该公司首创将互联网技术与传统电力行业相结合,利用云计算和大数据平台,应用大数据技术开展生产管理与三维仿真培训等工作,实现了岗前培训以及施工作业前的三维模拟训练。施工人员可预先在虚拟平台上练习真实环境下的施工操作,当出现错误或者不规范的操作时,系统会及时发出警告。这种方式不但实现了教学考试相结合,经过反复练习,工人能熟练地掌握各项操作,而且能够节省实际操作时间,避免盲目施工带来的各种风险。
京能十堰热电有限公司也将进行智能电厂建设,在2台350 MW超临界供热发电机组上采用FCS系统,实现机组自启停功能;通过采用大数据三维仿真技术、数字化全周期寿命管理技术,实现电厂在项目全周期内可视化、实时化、数字化、互动化、仿真化、流程化等目标,为下一步智慧电厂的建设奠定基础。
5.2 中国大唐集团公司2016年4月,中国大唐集团公司姜堰燃机热电有限责任公司以燃机为试点进行了智慧电厂建设,打造集团公司智慧电厂样板工程。2016年10月,中国大唐集团公司、东南大学、南京科远自动化集团股份有限公司、中国大唐集团科学技术研究院有限公司共同签署了智慧电厂战略合作协议。2016年末,中国大唐集团公司与美国通用电气公司达成合作意向,共同组建了“北京国际电力数据监测诊断中心”。该中心旨在利用“大数据”“云计算”技术,为中国大唐集团公司提供量身定制的解决方案,推动中国大唐集团公司向更高水平的发电企业迈进。
2017年8月,姜堰燃机热电有限责任公司2台机组成功“双投”,成为国内首家智慧电厂,实现了安全生产管理、运行优化、三维可视化智能培训、三维可视化故障诊断、三维数字化档案等5项功能。继姜堰燃机热电有限责任公司之后,大唐南京发电厂、大唐淮南洛河发电厂也相继开展了智慧电厂的建设工作[10]。
5.3 中国神华能源股份有限公司国华电力分公司中国神华能源股份有限公司国华电力分公司通过采集所属电厂中75类重要设备的数据信息,对电厂进行大数据管理。通过充分利用大数据技术,企业加强了内部运行管理,积极探索了节能减排、减人增效的可实施方案;另外,还在扩大市场、输出技术与服务、环境保护等方面,尽可能充分利用大数据技术开展工作。
2017年9月,神华集团有限责任公司与360企业安全集团联合成立大数据协同安全技术国家工程实验室——清洁能源大数据安全技术研究中心,在“互联网+大数据”模式下,公司各项业务拓展迅速。
5.4 江苏国信集团股份有限公司江苏国信集团股份有限公司利用企业原有数字电厂基础,同时开展建设了高邮热电有限公司、仪征热电有限公司2个燃机智慧电厂示范项目。每个电厂项目均可以分为智能检修、智能设备、智能运行、厂级智慧决策及集团级智慧决策共5个部分。集团公司可以通过智能设备管理、智能感知安全管理等手段,结合现已逐步成熟的大数据分析、工业机器人及三维可视化等相关技术,高水平地完成“电力流、业务流、信息流”一体化融合,实现智能电厂的建设目标[11]。
5.5 山西格盟国际能源有限公司2017年,山西格盟国际能源有限公司完成了山西赵庄鑫光发电有限公司2×660 MW低热值煤发电工程的建设工作。通过整合以往积累的大量数据并借助互联网技术,电厂迅速完成了建立数据仓库及三维模型的工作,实现了全天候的三维信息监视。利用大数据技术,将理论最优模型投入实际生产过程中,并且进行了系统优化升级;通过三维可视化技术,对设备进行精准的可视化诊断及动态寿命管理工作;结合智能感知技术,达到了行业内领先的安全管理水平;利用在线指标统计及分析等相关技术,能够为企业的管理决策人员提供可靠的辅助决策方案[12-14]。
总之,经过一系列智能化建设后,更有利于电厂管理者或相关技术人员开展设备的故障诊断及寿命管理等工作,并且通过不断优化升级,可以使决策方案更加科学合理。
6 结语智能电厂得益于其智能化的发电生产过程,利用诸多实用可靠的新技术,将生产控制中心与智能管理中心相结合,进而达到智能管控一体化。在生产控制、信息安全、运营管理三大方面全部实现智能化,保证了节能减排、减人增效、实时监控、安全维护、精细管理、效益增长目标的实现。
随着技术的不断进步,智能电厂功能会越来越丰富,会从构建虚拟电厂开始,就可以在工艺流程、设备选型等方面进行全面优化,达到技术升级、降低造价的目标。目前,智能电厂软件系统主要在计算机和手机端运行,随着智能终端技术的发展,可穿戴设备将嵌入到电厂生产层,结合三维技术、VR技术,更高级的智能电厂(或智慧电厂)必将普及。
| [1] | 中国自动化学会发电自动化专业委员会, 电力行业热工自动化技术委员会. 智能电厂技术发展纲要[M]. 北京: 中国电力出版社, 2016. |
| [2] | 王曦钊, 刘胜军, 王德军, 等. 智能电站框架研究与信息化工程实践[J]. 电信科学, 2016, 32(4): 181–185. |
| [3] | 杨新民, 肖勇, 陈丰. 现场总线技术在火电厂的应用[J]. 热力发电, 2014(9): 76–78. |
| [4] | 张学孟, 刘智铭. 数字化电厂建设的关键技术及发展[J]. 广东电力, 2012, 25(9): 35–39. |
| [5] | ZHAO Z, ZENG D L, HU Y, et al. Soft sensing of coal quality[J]. Thermal Science, 2015, 19(1): 231–242. DOI:10.2298/TSCI131207024Z |
| [6] | 湛腾西, 郭观七. 电厂烟气含氧量的智能混合预测方法[J]. 仪器仪表学报, 2010, 31(8): 1826–1833. |
| [7] | 刘吉臻, 胡勇, 曾德良, 等. 智能发电厂的架构及特征[J]. 中国电机工程学报, 2017, 37(22): 6463–6470. |
| [8] | MENG X, XIANG C. Big Data Management:Concepts, Techniques and Challenges[J]. Journal of Computer Research & Development, 2013, 50(1): 146–169. |
| [9] | 许继刚, 郑慧莉. 电厂自动化的现状与未来[J]. 自动化博览, 2016, 33(9): 38–42. |
| [10] | 南京科远自动化集团股份有限公司. 南京科远助力姜堰电厂实现智能化运营[J]. 自动化博览, 2017(9): 58–61. |
| [11] | 吴国潮, 滕卫明, 范海东, 等. 智能化电厂建设中的问题与功能探讨[J]. 自动化博览, 2016(8): 82–85. |
| [12] | 陈世和, 张曦. 基于工业4.0的智能电站控制技术[J]. 自动化博览, 2015(9): 42–50. |
| [13] | 李泉, 尹峰, 陈波. 超临界机组主汽温模型预测控制研究[J]. 浙江电力, 2016, 35(10): 40–42. DOI:10.3969/j.issn.1007-1881.2016.10.010 |
| [14] | 陈春霖. 面向智能电网的信息安全主动防御保障体系建设[J]. 中国信息安全, 2016(11): 54–57. DOI:10.3969/j.issn.1674-7844.2016.11.018 |
2018, Vol. 36 