北极星电力网首页
广告投放 | 会员服务




北极星“光伏+”研讨会 2018中国分布式储能峰会 北极星售电研讨会 第三届燃气轮机中国论坛2018
热门关键词:
要闻评论市场报道项目 访谈政策数据技术企业人才财经管理国际人物会展会议培训论坛招标媒体回顾
您当前的位置:北极星电力网 > 新闻频道 > 火力发电网 > 报道 > 正文

华北电力大学鲍镇:利用大数据最终实现电厂运营的智慧化转型

北极星电力网新闻中心  来源:电力头条APP    2018/5/8 15:48:08  我要投稿  

北极星火力发电网讯:“机器学习能够帮助电厂运营智慧化,利用电厂已有的大量的数据,再加上机器学习的算法体系,以及各个电厂的个性化配置,最终帮助完成实现电厂运营的智慧化转型。”华北电力大学科技园人工智能实验室博士鲍镇在中国能源研究会节能减排中心与华北电力大学国家大学科技园联合举办“2018年智慧电厂论坛(第一期)”上发表演讲时表示。北极星电力网全程对会议进行直播,如需了解更多的会议直播,请联系微信号:13693626116

华北电力大学科技园人工智能实验室博士鲍镇《智慧电厂运营解决方案》

各位领导,专家,下午好!很荣幸在这里跟大家分享“智慧电厂运营解决方案”这个话题,我是主讲人鲍镇。

这个话题将从五个方面为大家来展开:

第一,背景介绍。我将从北京介绍引出现在存在的问题,以及我们可能解决的问题。

第二,我所理解的智慧运营的经营理念是什么样的。

第三,它会经历什么样的蜕变过程。

第四,怎样做落地的方案设计以及实施。

第五,我们想要帮助电厂想要达到的终极目标。

第一,背景介绍。

这是我的一些个人简介,我毕业于华北电力大学,目前是华北电力大学科技园人工智能实验室的负责人,我们研究的一些成果在中国的创业大赛上获得了知名奖项,我也是团队的技术负责人。我的主要研究方向,是机器学习在电力工业中的应用,说到机器学习其实大家应该并不陌生,因为在我们周围、身边其实已经充满了机器学习应用的案例,比较时髦的现在比如说无人驾驶技术,还有AlphaGo的围棋,是通过增强学习来实现的,还有百度的主页搜索,还有新闻推荐,甚至喜欢逛淘宝,也能看到商品推荐。但是刚刚郭处长也提到,实际上机器学习在工业上的应用目前并不多,我本人也是在这个研究领域当中。我研究的主要方向是它在电力工业中的应用,具体现在是有六个大方向,电力市场博弈策略、工业的在线异常检测、需求响应、数据中心优化等等这些方向,和我们今天的话题相关的就是电力市场博弈策略和工业的在线异常监测这两块。

首先我们要做电厂的规划设计,还要做组织规划设计,包括行政人员、生产人员,接下来是生产人员的生产培训以及我们的工程实施。电厂建设完之后我们会进行生产运行,还有市场营销。在生产运行和市场营销两个层面,其实就是我们今天比较关注的两个话题,一个是运、一个是营。机器学习具体能给这两个方面带来什么样的价值呢?刚刚郭处长也提到,设备的状态检修,还有故障预警、异常匀净避免非停等等,我们是不是可以利用这些做到这个内容,我讲的更多的是细化的东西,我们在这方面怎么利用机器学习帮大家解决市场营销层面的问题。

接下来看看我所理解的智慧运营的经营理念是什么样的。我认为有四个层次:

1,经济层面。首先应该是包含设备的经济性,然后是运行的经济性,还有人员配比、人员计划安排的经济性。

2,安全层面,主要是指资产安全和人身安全。

3,稳定层面,稳定层面就是正常工况下我们怎么去避免或者减少黑屏的时间,怎么样去保障社会是在健康运行的状态,变化工况的稳定是指在不同工况切换的时候,我们怎么样去保障切换的平缓过度。

4,盈利层面上,前面三层面讲的是怎么样发电经济,后面讲的是发电怎么赚更多的钱。

为什么做这个事情呢?因为我觉得机器学习,我始终坚信机器学习能够帮助电厂运营智慧化,帮助他完成这么一个蜕变。

首先,设备蜕变。首先有这些数据,这些数据专家结合自己的经验和对电厂的理解,能够做出准确的判断。实际我们的机器学习通过分析这些数据也可以对设备做一个状况的感知。他背后的技术原理就是机器学习中提到的有监督的回归预测技术,还有无监督的技术。

这里给大家讲一个案例,这是一个色带,是一个状态变化的色带,由深绿色、变成浅绿色、变成红色,这个时候是亚健康的状态。我们气筒感知出了这个事情,通过对它进行维护,之后又变成了绿色健康状态。是怎么做的呢?实际上跟郭处长讲的很像,但是我们是细化,细化到了可实施的阶段,就是对原始数据进行加工,利用机器学习的算法进行加工,横轴代表时间,有两条曲线,一条曲线是实际的指标值,还有一条曲线是我们机器学习算法加工出来的一个对比值、参照值,当他们两条线重合的时候,我们认为是一个健康的状态,有偏差的时候我们认为是亚健康的状态,这个时候又重合了,变成了健康的状态。大家这里可以看到,通过指标的感知,对指标体系的设计,我们可以完成对全局设备的状态感知。生产管理人员拿到这些感知的数据之后,我相信他能够更加合理的对设备进行经济上、安全上以及稳定上的管理。

看完设备再看看系统层面的蜕变,这里看到的是独立系统,实际上电厂中的一个系统应该是处于上下游之中的,他不应该是独立存在的,所以每个系统之中有一个配合的关系,在我看来他应该是一个全局生态,而且每个系统之间、每个信号之间斗狠有可能有一些错综复杂的关系。我们怎么去做的呢?我们实际上是通过机器学习中的概率模型、还有数据网络技术,先对它的关系进行梳理,梳理完之后再用无监督的方法和数据监督的手段对这些关系进行预测,一旦有这个关系有问题的时候就会预警,这就是日常预警。

展示一个案例,这是一台机组下面有很多系统,每个系统下面有很多独立的子系统,每个独立的子系统下面会有一些信号,点击信号之后可以看见,这里有很多需要监测的信号,就是来自于本系统的信号,还有许多来自于外部系统的信号,我们研究成果里把这些信号全部融合在一起,最终对这些需要监测的信号做出一个上下限的计算,这里的上下限和DCS的预警是不一样的。所以在我们计算之后又有一个上下限,而且是一个实施动态的,一旦超出这个上线或者下限,我们可能会找到一个小的点,我们定位他为异动,当点击异动的时候可以看到这个异动是什么情况?详细数据是什么?为什么会产生这个异动?是哪些信号影响了他?怎么影响他的?这个信号影响他的量是多少?这里会提供辅助决策的信息画面。生产管理人员通过这个画面就能非常清晰的找到异动所产生的原因,是根上的原因,并不是表面的原因,是通过现象看到本质。我们找到原因之后会把这些异动异常全部推送到主控画面,使整个机组、整个系统,包括所有信号的异常都推送过来。

生产管理人员通过这个画面能够了解到的信息是一个全局的,他能够看到所有系统中具体是哪个信号在什么样的时间点、产生什么样的异常、我应该怎么样去解决他,快速的找到问题、定位问题的原因,再帮助他消除问题。大家这里可以看到,我们提供的系统层面的解决方案,实际上是一个有机的整合,系统之间的整合,以及每个信号之间是有关联生态的,生产管理人员通过我们提供的解决方案,也能够对系统在经济、安全、稳定层面上做出一个更加科学的判断和计划。

设备和系统都已经发生变化了,人应该怎么应对呢?我们知道在DCS画面上可以看到很多实时数据,我们需要分析这些数据,并且记录事件有没有异常、缺陷等等。我们认为我们系统是可以主动识别这些事件的,然后把它记录下来。

给大家展示一个案例,这里就是我们的一些研究成果,给电厂记录下来所有的机组、所有的系统、所有的信号一段时间记录的信息,点开每一个信息之后就可以看到具体是什么样的事件,这里展示出来,大概晚上12点钟,有一个机组是超出了我们计算的上限值,所以一直是红色的点,因为这个信号异常导致了锅炉的组装量也发生了异常,他就把这些信息记录下来。这张图是非常有意思的画面,给大家解释一下,在同一家电厂不同的技术人员对一个问题有可能有多种看法,而且每个人都会有自己的思路,没法量化这些问题,我们通过机器学习的算法是能够对于每一个系统、不同的信号组成一个量化的关系,每一个信号两两之间是什么样的关系,我们把摸不见、看不着的东西,量化成可视化的图,通过机器学习的手段,最终生产者和管理者拿出这些信息之后展示出来就是不同电脑点、不同工况、不同系统、不同信号当中是什么样的关系,有利于它去找到问题的根源,避免下一次问题发生,以及做出科学的计划。

接下来我们看一看营销层面会发生什么样的蜕变,这里也是大家比较关心的,过去是计划发电,简单讲我今天可能知道昨天的曲线是什么样的,2009年现货市场开放之后,我们需要去面对的是寻找客户,而且要面对客户的用电需求和不确定性,我们还要去面对竞争者,也就是其他发电厂他会做出什么样的竞争行为和不确定性,以及电网结构他的行为和不确定性,面对这些不确定性我们该怎么做呢?我们要提出一个发电策略,这个技术原理是非常复杂的,这里简单的讲一下。主要包含了我们在电力市场传统中讲到的机组组合等等技术,还需要结合博弈论中的均衡,怎么样满足这个均衡条件,还有我们的机器学习技术和增强学习技术,通过这个组合出来的就是发电的竞价策略。

目前我们能够做的是把握住市场先机,具体我想分两个层次去讲,第一,我们需要对用户的行为、用户的历史数据进行分析,去预测用户的用电是什么样的趋势,把它的不确定性量化,这是第一点。第二,需要对电厂自身的发电成本做出一个实时动态的归纳,因为不同的工况下用不同的煤种煤耗是不一样的,结合这两者再去向电网提出一个有利于自身的竞争方案,最终达到的目的是全局的,就是说如果我要报24小时的竞价策略,我需要保证24小时每个小时竞价策略达到总和的经济效益是最大的,所以这里说的是市场层面的优化。

怎么落地?大家听到这都是一些机器学习的算法体系,是需要一个载体的,我们设计的方案就是,在电厂内部会植入一套我们的私有云平台,我们把这些机器学习的算法体系放到这些私有云平台中,结合已有的DCS、SIS,最终放在生产管理者面前的是一套网页,还有一套手机APP,简单概括来讲实际上就是,利用电厂已有的大量的数据,再加上我们的机器学习的算法体系,以及各个电厂的个性化配置,最终帮助他完成的就是实现电厂运营的智慧化转型。

接下来,想帮助电厂达到的终极目标是什么样的。我们其实已经在运行监测方面做到了一个全局的运行检测、异常运行等等,我们想要帮助电厂达到的终极目标实际上是全局的最优控制,我们已经实现了设备的状态感知,最后想帮助达到精准的状态检修。第三个方面,我们需要帮助电厂去提供怎么样的辅助决策信息,帮助去量化风险以及最大化经济效益。谢谢大家!

(发言为电力头条App根据速记整理,未经本人审核)

分享到:
投稿联系:陈女士  13693626116  新闻投稿咨询QQ: 1831213786
邮箱:chenchen#bjxmail.com(请将#换成@)
北极星电力网声明:此资讯系转载自北极星电力网合作媒体或互联网其它网站,北极星电力网登载此文出于传递更多信息之目的,并不意味着赞同其观点或证实其描述。文章内容仅供参考。
热门推荐
相关专题

关闭

重播

关闭

重播

广告直拨:   媒体合作/投稿:陈女士 13693626116点击这里给我发消息

关于北极星 | 广告服务 | 会员服务 | 媒体报道 | 营销方案 | 成功案例 | 招聘服务 | 加入我们 | 网站地图 | 在线帮助 | 联系我们 |

版权所有 © 1999-2018 北极星电力网(Bjx.Com.Cn) 运营:北京火山动力网络技术有限公司

京ICP证080169号 京ICP备09003304号-2 京公网安备 11010502034458号 电子公告服务专项备案