本發(fā)明涉及電廠設(shè)備管理，尤其涉及一種電廠智慧管理和監(jiān)控方法。

背景技術(shù)：

1、在電力工業(yè)領(lǐng)域，隨著信息技術(shù)的飛速發(fā)展，電廠的管理和監(jiān)控技術(shù)也經(jīng)歷了從傳統(tǒng)的人工管理到自動化、智能化管理的轉(zhuǎn)變。早期的電廠管理主要依賴于人工巡檢和簡單的監(jiān)控系統(tǒng)，這些方法在數(shù)據(jù)處理能力、實時性及準(zhǔn)確性方面存在較大局限。近年來，雖然一些先進(jìn)的監(jiān)控技術(shù)如scada系統(tǒng)、dcs系統(tǒng)等在電廠得到了廣泛應(yīng)用，但這些系統(tǒng)往往只能實現(xiàn)數(shù)據(jù)的集中監(jiān)控，而在設(shè)備狀態(tài)預(yù)測、故障診斷及智慧管理方面仍有所不足。首先，現(xiàn)有技術(shù)在對設(shè)備數(shù)據(jù)信息的采集與處理上，往往缺乏實時性和一體化，導(dǎo)致無法全面、準(zhǔn)確地反映電廠設(shè)備的運(yùn)行狀態(tài)；其次，現(xiàn)有的知識庫構(gòu)建方法未能充分利用三維模型的優(yōu)勢，使得電廠管理系統(tǒng)的智能化水平受限。再次，雖然已有技術(shù)能夠進(jìn)行機(jī)組效率分析和能耗分析，但缺乏有效的故障檢測手段，難以實現(xiàn)對潛在故障的早期預(yù)警；最后，現(xiàn)有監(jiān)控技術(shù)在應(yīng)對設(shè)備行為的實時監(jiān)測和策略調(diào)整方面，缺乏靈活性和針對性。而我方發(fā)明的電廠智慧管理和監(jiān)控方法，通過對設(shè)備數(shù)據(jù)的實時采集與預(yù)處理，構(gòu)建一體化三維模型，并在此基礎(chǔ)上建立知識庫和全生命周期電廠智慧管理系統(tǒng)，有望在機(jī)組效率分析、能耗分析、故障檢測以及實時監(jiān)測等方面實現(xiàn)顯著提升，從而為電廠的穩(wěn)定運(yùn)行和智慧化管理提供有力支持。

技術(shù)實現(xiàn)思路

1、鑒于上述現(xiàn)有存在的問題，提出了本發(fā)明。

2、因此，本發(fā)明提供了一種電廠智慧管理和監(jiān)控方法，能夠解決傳統(tǒng)的三維模型更新機(jī)制缺乏自適應(yīng)能力，導(dǎo)致模型與實際設(shè)備狀態(tài)存在較大偏差，從而影響能耗分析的準(zhǔn)確性；能耗關(guān)鍵因素識別方面，現(xiàn)有技術(shù)對生產(chǎn)數(shù)據(jù)和環(huán)境數(shù)據(jù)的挖掘不夠深入，難以找到降低能耗的有效操作參數(shù)組合的問題。

3、為解決上述技術(shù)問題，本發(fā)明提供如下技術(shù)方案，一種電廠智慧管理和監(jiān)控方法，包括：

4、對電廠內(nèi)設(shè)備進(jìn)行數(shù)據(jù)信息實時采集，對采集數(shù)據(jù)進(jìn)行預(yù)處理，利用預(yù)處理后的數(shù)據(jù)信息構(gòu)建一體化三維模型；

5、提取一體化三維模型的數(shù)據(jù)信息建立知識庫，將知識庫歸入全生命周期電廠智慧管理系統(tǒng)；

6、在電廠智慧管理系統(tǒng)中建立生產(chǎn)期能量審計模型進(jìn)行機(jī)組效率分析和能耗分析，利用機(jī)組效率和能耗分析構(gòu)建深度學(xué)習(xí)模型，通過深度學(xué)習(xí)模型進(jìn)行故障檢測和故障預(yù)警；

7、在電廠內(nèi)部署分布式智能監(jiān)測節(jié)點(diǎn)，實時監(jiān)測設(shè)備行為，在不同數(shù)據(jù)區(qū)間進(jìn)行設(shè)備參數(shù)調(diào)整。

8、作為本發(fā)明所述的一種電廠智慧管理和監(jiān)控方法的一種優(yōu)選方案，其中：所述數(shù)據(jù)信息實時采集包括，采集電廠設(shè)備的幾何數(shù)據(jù)、物理參數(shù)、電氣數(shù)據(jù)、環(huán)境數(shù)據(jù)、安全數(shù)據(jù)、維護(hù)和操作數(shù)據(jù)、傳感器和監(jiān)測設(shè)備數(shù)據(jù)；

9、所述幾何數(shù)據(jù)包括設(shè)備尺寸、設(shè)備的布局和相對位置、建筑物和基礎(chǔ)設(shè)施的幾何參數(shù)；所述物理參數(shù)包括各部分的溫度數(shù)據(jù)、管道和容器內(nèi)的壓力數(shù)據(jù)、設(shè)備的振動頻率和幅度；所述電氣數(shù)據(jù)包括電氣系統(tǒng)的運(yùn)行數(shù)據(jù)、電源和負(fù)載的分布情況、電纜和連接器的布局和狀態(tài)；所述環(huán)境數(shù)據(jù)包括空氣質(zhì)量、濕度水平、照明條件；所述安全數(shù)據(jù)包括火災(zāi)探測系統(tǒng)的狀態(tài)、安全防護(hù)裝置的位置和狀態(tài)；所述維護(hù)和操作數(shù)據(jù)包括設(shè)備的運(yùn)行時間、維護(hù)和檢修歷史、操作人員的活動記錄；所述傳感器和監(jiān)測設(shè)備數(shù)據(jù)包括傳感器位置和類型、監(jiān)測設(shè)備的數(shù)據(jù)輸出。

10、作為本發(fā)明所述的一種電廠智慧管理和監(jiān)控方法的一種優(yōu)選方案，其中：所述的預(yù)處理包括，對收集的數(shù)據(jù)進(jìn)行清洗、去噪、標(biāo)準(zhǔn)化和數(shù)據(jù)融合；

11、所述數(shù)據(jù)清洗包括移除無效、錯誤和不完整的數(shù)據(jù)；

12、所述數(shù)據(jù)標(biāo)準(zhǔn)化包括，最小—最大標(biāo)準(zhǔn)化，即根據(jù)數(shù)據(jù)的最小值和最大值應(yīng)用以下公式對數(shù)據(jù)進(jìn)行轉(zhuǎn)換：

13、

14、其中，x為原始收集數(shù)據(jù)，xmin為收集數(shù)據(jù)最小值，xmax為收集數(shù)據(jù)最大值，xstd為標(biāo)準(zhǔn)化后的數(shù)據(jù)；

15、所述數(shù)據(jù)融合包括選擇機(jī)器學(xué)習(xí)算法將不同源的特征值進(jìn)行融合，通過投票和加權(quán)平均來生成最終數(shù)據(jù)；

16、利用預(yù)處理后的優(yōu)化數(shù)據(jù)構(gòu)建一體化三維模型，提取一體化三維模型的數(shù)據(jù)建立知識庫。

17、作為本發(fā)明所述的一種電廠智慧管理和監(jiān)控方法的一種優(yōu)選方案，其中：所述建立知識庫包括，對電廠智慧管理系統(tǒng)進(jìn)行需求分析，建立長期和短期目標(biāo)，針對需求分析對提取到的數(shù)據(jù)進(jìn)行分類，構(gòu)建知識體系結(jié)構(gòu)，根據(jù)知識體系選擇技術(shù)對知識庫進(jìn)行運(yùn)行和維護(hù)；

18、分析一體化三維模型提取的數(shù)據(jù)，形成知識條目，構(gòu)建知識庫系統(tǒng)，將知識庫系統(tǒng)歸入電廠智慧管理系統(tǒng)，并進(jìn)行集成。

19、作為本發(fā)明所述的一種電廠智慧管理和監(jiān)控方法的一種優(yōu)選方案，其中：所述機(jī)組效率分析包括，在生產(chǎn)期審計模型中利用從知識庫中提取的數(shù)據(jù)信息進(jìn)行機(jī)組效率的計算，并對不同機(jī)組效率區(qū)間的設(shè)備狀態(tài)進(jìn)行區(qū)分，公式如下：

20、

21、其中，η為機(jī)組綜合效率指數(shù)，t0為審計周期起始時間，tf為審計周期結(jié)束時間，m為機(jī)組數(shù)量，pj(t)為第j個機(jī)組在時間t的功率輸出，ej(t)為第j個機(jī)組在時間t的能量輸入，etotal(t)為在時間t總能量輸入，λj為第j個機(jī)組的能量衰減系數(shù)；

22、η的值域為[0，+∞)，當(dāng)0≤η<0.7時，判定機(jī)組效率低于正常運(yùn)行水平且設(shè)備出現(xiàn)故障，需進(jìn)行參數(shù)調(diào)整并對設(shè)備進(jìn)行維護(hù)，調(diào)整后進(jìn)行機(jī)組效率計算，直至調(diào)整后計算的η達(dá)到正常運(yùn)行水平；當(dāng)0.7≤η≤1，判定機(jī)組效率正常，設(shè)備運(yùn)行正常，繼續(xù)維持當(dāng)前操作和設(shè)備參數(shù)，并實時監(jiān)測設(shè)備狀態(tài)；當(dāng)η>1時，表示機(jī)組效率超出正常運(yùn)行水平，監(jiān)測設(shè)備出現(xiàn)檢測誤差，需重新檢測并進(jìn)行重新計算。

23、作為本發(fā)明所述的一種電廠智慧管理和監(jiān)控方法的一種優(yōu)選方案，其中：所述能耗分析包括，提取知識庫數(shù)據(jù)，在生產(chǎn)期審計模型中進(jìn)行能耗分析，根據(jù)不同能耗區(qū)間對設(shè)備狀態(tài)進(jìn)行調(diào)整，能耗計算公式如下：

24、

25、其中，eeff為電廠能耗效率指數(shù)，即表示在整個周期內(nèi)輸入能量轉(zhuǎn)換為有用輸出能量的能力，ts為審計周期起始時間，tl為審計周期結(jié)束時間，n為電廠內(nèi)不同能耗系統(tǒng)的數(shù)量，ei(t)為第i個系統(tǒng)在時間t的能耗，ez(t)為在時間t的總能耗，ei，base為第i個系統(tǒng)的基準(zhǔn)能耗；

26、當(dāng)eeff≥0時，為正常運(yùn)行區(qū)間，表示設(shè)備處于正常運(yùn)行，繼續(xù)保持當(dāng)前操作和維護(hù)流程；

27、當(dāng)-0.1≤eeff<0時，為警告區(qū)間，表示設(shè)備存在異常，需檢查并維護(hù)能耗高于正常運(yùn)行水平的系統(tǒng)，并進(jìn)行設(shè)備參數(shù)調(diào)整，調(diào)整后重新計算能耗，直至eeff達(dá)到正常運(yùn)行區(qū)間；

28、當(dāng)eeff<-0.1時，為故障區(qū)間，表示設(shè)備已發(fā)生故障，應(yīng)立即停止設(shè)備運(yùn)行，進(jìn)行故障檢查，更新維護(hù)計劃，更新后重新計算eeff，直至達(dá)到正常區(qū)間。

29、作為本發(fā)明所述的一種電廠智慧管理和監(jiān)控方法的一種優(yōu)選方案，其中：所述構(gòu)建深度學(xué)習(xí)模型包括，通過知識庫提取預(yù)處理后的機(jī)組效率和能耗歷史數(shù)據(jù)，將數(shù)據(jù)分割成時間序列片段，輸入到lstm模型中；

30、構(gòu)建lstm深度學(xué)習(xí)模型包括，確定lstm層的數(shù)量、隱藏單元數(shù)量和輸入輸出層，利用提取的數(shù)據(jù)對模型進(jìn)行訓(xùn)練，調(diào)整超參數(shù)以優(yōu)化模型性能；所述優(yōu)化模型性能包括，通過交叉驗證獲得參數(shù)設(shè)置，利用正則化技術(shù)防止過擬合，結(jié)合模型預(yù)測結(jié)果調(diào)整模型性能，并利用優(yōu)化的深度學(xué)習(xí)模型實時監(jiān)控設(shè)備的性能，并根據(jù)新數(shù)據(jù)對設(shè)備進(jìn)行故障預(yù)警。

31、作為本發(fā)明所述的一種電廠智慧管理和監(jiān)控方法的一種優(yōu)選方案，其中：所述設(shè)備參數(shù)調(diào)整包括，在電廠內(nèi)部署分布式智能監(jiān)測節(jié)點(diǎn)，實時監(jiān)測設(shè)備行為，當(dāng)深度學(xué)習(xí)模型進(jìn)行機(jī)組效率和能耗分析時，當(dāng)0≤η<0.7或eeff<-0.1時，設(shè)備出現(xiàn)故障，系統(tǒng)發(fā)出立即停止運(yùn)行機(jī)組效率和能耗低于正常運(yùn)行水平的設(shè)備，并進(jìn)行檢修及設(shè)備參數(shù)調(diào)整，調(diào)整后繼續(xù)進(jìn)行監(jiān)測及機(jī)組效率和能耗計算，直至達(dá)到正常運(yùn)行水平；當(dāng)0.7≤η≤1和eeff≥0時，設(shè)備運(yùn)行正常，繼續(xù)維持當(dāng)前操作和設(shè)備參數(shù)，并繼續(xù)對設(shè)備進(jìn)行實時數(shù)據(jù)監(jiān)測；當(dāng)η>1或-0.1≤eeff<0時，監(jiān)測點(diǎn)繼續(xù)進(jìn)行實時監(jiān)測，重新提取數(shù)據(jù)通過深度學(xué)習(xí)模型對機(jī)組效率和能耗繼續(xù)進(jìn)行計算，通過計算結(jié)果調(diào)整設(shè)備參數(shù)。

32、一種計算機(jī)設(shè)備，包括存儲器和處理器，所述存儲器存儲有計算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計算機(jī)程序時實現(xiàn)一種電廠智慧管理和監(jiān)控方法的步驟。

33、一種計算機(jī)可讀存儲介質(zhì)，其上存儲有計算機(jī)程序，其特征在于，所述計算機(jī)程序被處理器執(zhí)行時實現(xiàn)一種電廠智慧管理和監(jiān)控方法的步驟。

34、本發(fā)明的有益效果：本發(fā)明方法不僅確保了數(shù)據(jù)采集的實時性和預(yù)處理的高效性，而且通過一體化三維模型的構(gòu)建，為電廠管理提供了直觀的視覺輔助，使得管理人員能夠更加深入地理解設(shè)備間的相互作用；知識庫的融入，為智慧管理系統(tǒng)注入了決策支持的能力，使得系統(tǒng)能夠基于歷史數(shù)據(jù)和實時信息進(jìn)行智能化的決策。特別是在機(jī)組效率分析和能耗分析的基礎(chǔ)上，深度學(xué)習(xí)模型的運(yùn)用極大增強(qiáng)了故障檢測的預(yù)見性和準(zhǔn)確性，降低了維修成本和停機(jī)風(fēng)險；分布式智能監(jiān)測節(jié)點(diǎn)的部署，則如同為電廠裝上了無數(shù)敏感的神經(jīng)末梢，能夠?qū)崟r感知設(shè)備狀態(tài)的變化，及時進(jìn)行策略調(diào)整和故障預(yù)警，從而保障了電廠的連續(xù)穩(wěn)定運(yùn)行，實現(xiàn)了資源優(yōu)化配置和風(fēng)險最小化，為電廠的可持續(xù)發(fā)展提供了強(qiáng)有力的技術(shù)支撐。