浙江集团技术研究院张震伟：基于工业互联网的智能电厂赋能共享服务平台

“赋能平台的特点：一是能够实现集团生产、各种资源的集成、共享；第二是实现机理与数理的融合，通过各种模型实现数字孪生；第三是提供各级生产业务人员能够自主敏态建模，还有一个是业务流程化开发，方便业务管理人员直接动手，避免IT进行中间的转换；第四是综合展示层面数据的输出和应用。”

——浙江浙能技术研究院有限公司工业信息化研究所主管张震伟

4月27-28日，华北电力大学技术转移转化中心与中关村华电能源电力产业联盟联合主办的2021年智慧电厂论坛（第一期）在广东深圳成功举办。浙江浙能技术研究院有限公司工业信息化研究所主管张震伟主旨发言。

直播专题:2021年智慧电厂论坛（第一期）

文字实录如下：

张震伟：大家好！很高兴在这个论坛上跟大家做交流，主要是根据浙能集团近年在信息化智能电厂建设方面，以及我在这方面的想法，跟大家做一个交流。

本人有30多年的电厂从业经历，从最早的电厂运行到现在进入研究院，一直是从事发电生产技术的研究和实施。

主要分四个部分：智能电厂、浙能实践、赋能平台、系统演示。时间关系，部分内容跳过去，交流的时间可以具体探讨。

智能电厂的背景和目标我不展开讲。

发电产业发展的态势，大家也都清楚，我们处于发电产业的中游，上游有发电装备，下游有电网。我们既要把上游的发电设备用好，又要保证下游的发电质量，且要完成发电生产任务，目前来说网源协调、多能发展、综合能源的形势下，煤电的情况越来越复杂，这也是大家参与这个论坛都该去思考的一些问题。

国内智能电厂建设，在2019年发电专委会做了调研，整体评价不是很高，也不是很好。说明智能电厂目前面临的问题较多，需要走的路比较长。目前得出的结论是，国内还没有完整意义的智能电厂建成。尽管各个集团，包括央企、地方发电集团也都在做有意义的探索和尝试，但问题比较复杂，所以我带着浙能集团的经验和思考跟大家来分享。浙能集团在智能电厂建设的目标围绕本质安全、高效清洁、人机协同、智慧决策方面。

智能电厂到底要如何做，存在哪些问题，这里面就是大家思考的着眼点，包括我们在这方面的行动路线也都不一样，接下来我把浙能集团想法跟大家做一个交流。

大家知道发电生产，包括工业生产，它主要的目标就是围绕两个问题，一个是安全，一个是效率。安全方面，包括人员、设备、环保安全。在经济性、效率方面也有三个维度：一个是设备运行的优化，还有一个是维检修优化，第三是生产管理的优化，流程怎么能够重组，怎么能够通过智能电厂和传统的发电生产有更高质量的发展。

发电生产能力要素，归为三个方面：设备、人员、管控。目前来看设备应该是更重要的，随着整个发电装备技术发展，包括自动化、信息化以及数字化的发展，目前靠人已经很难去做超临界大机组运行管理。所以生产管理基本上还是以设备为主，有什么样的设备就有什么样的效率，就有什么样的安全，这基本上也是以后技术发展整体的方向。

设备存在哪些问题？如何来解决设备的问题？设备的问题可以从两个方面：一个是设备的功能，另外一个设备的性能。功能就是设备要做什么事情，性能是要做到什么程度。对问题的分析，能提出一个问题是很好的事情，我们能找到一个问题的解决方法。如果问题都提不出来，所有的工作思路可能也都是比较盲目的。我们怎么能够发现问题，问题是什么，主要从这几个方面，一个是定性的，一个是定量的。定性的就是要做什么事情，定量的就是要做到什么程度。

生产管理层面也存在很多的管理方法，目前智能电厂为什么被大家都看中，因为智能电厂要做的就是生产管理上实现更高质量。什么叫更高质量，什么叫高水平的管理，大家都知道，传统的是事后、被动的，现在提出关口前移，能不能做预测性的管理，这也是智能电厂首要的任务。

近年浙能集团在高质量发展，沿着一条比较确定的技术目标在前进。

首先设备的改造，没有设备为基础，再好的想法、再好的智能化也是不一定能够完全实现的。2011年到2016年浙能集团首先做的是通流改造。2014年到2017年浙能集团做了超低排放，这两条在本质上改变了设备能效和环保的问题。从2019年开始浙能集团提出智能电厂的示范建设，主要是安全、高效、清洁和智能的发电生产。信息化，浙能集团起步也比较早，在2008年，浙能集团有一个远程诊断的项目，从这个项目留下来到现在一个重大的资产就是故障预警系统，浙能集团在故障预警以及远程诊断方面也是做了一个比较有益的探索。从2016年开始，浙能集团开始筹划智能电厂，也做了功能的规划和总体的规划，2019年开始以台州第二发电厂作为示范，到目前基本上也是研发差不多了，所以在这里也是跟大家做一个产品的汇报。

远程诊断预警，这是智能电厂的标配。预警的机理：利用历史数据形成个性化的模型，再通过个性化的模型，通过相似性的原理进行估算，比较出实际值，和实际状况比较接近的历史的健康的样本。这样通过实际值和评估值残差的比较，形成对当前工况的判断，我们当前的工况是不是有异常，是不是有问题，问题的严重性到底是什么程度，最后形成预警的发布。

预警的建模方法比较多，有机理的，有经验的，经验里面又有曲线简单的拟合，还有一个是数据驱动，包括大数据、人工智能的应用。

（见PPT）预警建模的步骤，在这里我也不展开讲。

这是预警业务流程，这些工作都是我们从2008年开始，到目前已经在用的。

预警取得的实效，我们怎么看预警的模型好不好，预警的趋势判断结论准确不准确，在这里也跟大家分享一下。

下面这个图，凝汽器真空，这是比较典型的，在这里也是作为典型的样本来进行介绍。我们怎么来看这个预警模型做得好不好，通过这个图就能比较直观地看出来。这个图上凝汽的真空在左边和右边是两个截然不同的情况，趋势左边代表的是我的设备运行正常，右边代表的是设备有故障、有异常。在正常的时候我们要做什么事情？我们就要来分析这个模型好不好，通过左边这个趋势图大家可以看到有两条曲线，一个是蓝色，一个是绿色，蓝色的曲线就是生产运行的实际值，绿色的曲线是模型，计算机通过大数据拟合出来的相似性，计算出来的结果。如果当我们这个模型建得比较好，而且我们这个设备也是在正常运行、健康的时候，我们这个实际值和计算机算出来的预估值应该是比较贴近，比较拟合的。这一块可以从数据的残差来判断，另外就是根据它的变化趋势来分析。所以从左边这个部分可以看到我们的模型还是比较健康的，一旦凝汽真空出现问题的时候，就能准确进行报警。这也是一个报警的机理，我们把数据和机理结合起来。

（见PPT）这是应用实例，风机振动的检测。风机振动在电厂里面也是比较常见的故障，通过这个案例可以看到，上面是预警报警的情况，下面一个是预警销缺以后模型表现出来的预警的趋势，跟前面的凝汽真空是反过来的。

这个是加热器水位的报警，不展开讲。

接下来跟大家讲一下从2016年智能电厂规划到现在的功能，包括示范建设，现在做的智能电厂总体的架构。核心部分就是中间的赋能共享服务，这是我们建的智慧大脑。

怎么认识智能电厂，怎么认识机理和数，智能电厂和人的认识是差不多的，这个图是我做的一个直观的展示，随着我们的认知能力和我们的认知实践的发展，我们也经过了经验常识到科学、超验智能的过程。

赋能平台主要是要完成什么任务？首先要把集团资源整合，包括集团专家资源，能够充分利用我们集团的大数据、工业互联网的资源，把功能赋予电厂，帮助电厂实现功能的转移，包括实现轻量化。我们也知道智能电厂意味着以后电厂就是一个车间，它就是能够独立自主运作的，但这个自主运作离不开一个管控的中枢，这个中枢的功能就必然要进行一个转移，实现资源的共享。

这个平台的技能，包括理念、大数据，人工智能算法，数据处理能力，赋予我们的专家，赋予各级生产技术人员，相当于我们这个技术层面，要处理重复、机械的工作，让机器来干，人来干我们适合的工作，比如有一些例外的，有一些异常的，特殊的工作，这也是通过我们这个平台实现，所有的人员通过云边端的协同，把各种人员整合到一起，通过我们这个平台来实现资源的共享、协同作业。

有了这一套赋能平台，通过这个平台赋予设备智能化。设备智能化高级应用怎么来获得，不是通过DCS，因为DCS只能解决敏捷性的问题，在整个管控层面有两个问题，一个是怎么能够及时反映，另外一个是慢的控制。跟人一样，我们每个器官、每个机体功能都有它自己的功能，但是我们的大脑又起到一个协调、思维的作用。所以我们的云、边、赋能系统也是把这一块的结构进行了分工，把DCS这个快速敏捷功能、边缘计算的功能发挥出来，也能把我们集团的智慧大脑进行有效的整合。

还有赋能平台的部署，就是按照云、边、端来部署。云端就是集团侧，边缘端就是电厂，端侧就是设备侧。

接下来给大家介绍一下赋能平台，它实际就是一个数字孪生，什么叫做数字孪生，这里做一个简化的模型，实际上就是要达到虚实对应，利用虚拟的孪生，通过数据建模，利用知识图谱，把各种信息整合成策略，再推送到生产过程，实现生产高效智能化的管控。

赋能平台运行机制，里面包括了赋能的要素，包括驱动的要素，以及赋能共享的建模构建的平台，以及我们的发布，还有电厂部署应用。

（见PPT）这是赋能平台的业务流程。包括数据物理感知到数据融合，以及赋能共享，以及云、边、端的闭环，还有智能应用、各种展示业务的发布。

总结一下赋能平台的特点：一是能够实现集团生产、各种资源的集成、共享。第二是实现机理与数理的融合，通过各种模型实现数字孪生。第三是提供各级生产业务人员能够自主敏态建模。还有一个是业务流程化开发，方便业务管理人员直接动手，避免IT进行中间的转换。第四是综合展示层面数据的输出和应用。

（见PPT）这是实例模型演示。

下面有一个简单的系统演示的视频，给大家分享一下。

大家可以看一下整个的业务流程，这个模型怎么建，所用的模块，我们这个组件怎么用。

这是数据的导入，通过拖拽把各种算子测定，配置好了以后进行数据导入跟数据预处理，包括人工打标签。数据处理好了以后会进行训练、测试。测试也要选取测试的样本，前面训练的时候肯定是从历史数据里面挑选了健康模型的样本，我们这个模型后面建得好不好，能不能准确识别异常，还要通过相应的样本数据来进行测试。测试完成以后，我们可以发现对历史上发生的一些典型的用例的判断，它的准确性、灵敏性，是不是符合我们模型构建的要求。

下面一个是推理诊断模型的构建，也是一样的，包括推理诊断规则的配置、数据的导入，以及模型的构建，最后也是一个模型，是一个测试的过程。

这是综合的展示，故障诊断，在建模建好以后，它会实时投入运行，把信息展示在画面上。

模型建好，它可共享，涉及到模板，可以通过集团内不同的厂区进行快速的复制和推广，这样就可以做到成果的最大化。

浙能集团智能电厂的愿景

产业数字化和数字产业化。通过智能电厂的示范建设，接下来在集团内部进行智能电厂的推广应用，包括后期的提升。随着新能源的崛起，传统燃煤发电这个行业的出路怎么样，以后的发展怎么样，这也是浙能集团要考虑的问题，所以后续也会考虑把燃煤发电智能电厂的宝贵经验，包括赋能平台推广到新能源、油气、石化行业，意味着智能电厂赋能平台要实现数字产业化，把它商品化，这也是我们今天在产品上跟大家分享的原因。

（见PPT）这一块的总体架构就是这样一个框图，大家可以看一下，有想法或者感兴趣的可以跟我会后继续沟通交流。这张图是2018年做好的，这几年我感觉大家对这个图好像不是很关注，大家可以有个人的想法，但是我们会按照浙能集团的目标和愿景一直努力。如果有志同道合的，我们也可以一起来做这个事情，因为我想智能化毕竟是我们整个产业共同的目标、共同的事情，浙能集团也本着开放、共赢的定位，愿意跟各行各业的厂家或者是用户一起结队同行。

（来源：北极星电力网，发言为北极星电力网根据速记整理，未经本人审核，如需转载请完整转载全文不允许删减）