论文部分内容阅读
摘要：本文通过对设备智能诊断技术在智慧电厂当中应用的实际价值入手，从三个层面系统地阐述了该技术在智慧电厂中的应用现状和未来发展趋势。即现状、可行性以及实现框架三个层面，希望能够为智慧电厂的未来发展以及智能诊断技术的应用和推广提供合理参考。
关键词：智能诊断;设备系统;智慧电厂
引言：近年来，我国电力行业的发展可以使用突飞猛进来形容，我国各大电厂已经实现了不同程度的数字化和智能化，总之数字化电厂不仅仅是一个信息化的操作平台，更是未来电厂设备运行和发展的最终目标。
一、设备智能诊断技术在智慧电厂中应用的价值
我国电厂发展的实际要求是“安全、经济、环保”，在众多发展指标当中，安全是第一要义。电厂中设备的运行状态分析与诊断是发电厂进行生产的核心环节，电力企业普遍对于此项工作都投入了大量精力和高度重视。但相关工作需要专业的技术人员参与数据监测和诊断，因此，对于技术的要求较高，一方面，需要技术人员具有深入的专业能力，另一方面，也需要工作人员具有强烈的责任心和工作经验。
对于现代社会的发电厂而言，智慧电厂的诊断技术能够保障设备诊断工作有效实现，设备机组对于工作过程中产生的海量数据完成采集、整理以及分析，属于顺应时代发展趋势的电力行业革命第一步[1]。
二、设备智能诊断技术在智慧电厂当中的应用
（一）应用现状
自20世纪90年代人工智能技术开始发展和推广以来，我国许多相关技术的研究机构和实验室都在当时同步开展了设备智能诊断技术的相关研究，并逐渐将该技术投入电力行业、冶金行业等工厂中使用。此类研究火热了一段时间之后，研究人员根据该技术当时的发展情况判断此项技术的发展前景一般，无法按照研究预期发挥其价值。对于发电厂而言，设备故障诊断工作需要严格符合要求，不仅要准确找出故障所在，还要对于故障准确度进行进一步的提升。由此可见，故障诊断是智能诊断技术的核心，此过程专业的工作人员需要准确掌握可能导致设备产生故障的具体原因和特征，以便在后续的设备故障诊断过程中再次发挥价值。但实际上虽然近年来我国始终有研究人员从事相关的技术研究，但实际上该技术在近几年的电力行业发展过程中并没有取得明显进展。
相关研究作为发展智慧电厂智能诊断技术的前提条件，需要不断进行深入研究，上文提到该技术近几年在电力行业并没有明显发展，主要表现在于以下四点：
第一是大量的相关研究集中在设备故障诊断的算法方向，如：相关技术研究过程中将遗传算法、神经网络等复杂算法被应用到故障诊断的领域，又叫做先进诊断技术，虽然能够查询到的资料和论文不少，但实际上进行相关研究的实验室并不多，最终产生的研究结果更是凤毛麟角。
第二是脱开设备对象的特征研究诊断方法以及技术。故障诊断工作是智能诊断技术的核心，需要熟悉各种设备故障特点和零部件结构功能，总之是需要从系统层面开展设计工作。但是近几年展开的故障诊断工作大多数仅针对单个设备零件，简单讲就是技术较基础，对于设备故障中的疑难问题研究不足。
第三是实验研究与实际工程之间的差异，电力行业的智能设备诊断工作具有“接地气”的典型特点，导致许多实验项目的研究与实际的工程还存在较大差异。以国内的学术研究对于设备故障的研究为例，实际关于设备摩擦等故障的研究内容与工程中设备产生的故常类型存在差异甚至可以用“南辕北辙”来形容，因此部分研究成果在智能诊断技术当中投入使用会对智慧电厂计划的落实起到反效果。
第四是我国针对设备故障的研究和诊断系统大多数是针对振动信号展开的，即对于设备负荷、电流量、温度等因素的重视程度存在严重不足之处，不能再实际应用过程中振动数据和工程落实过程联系起来，导致实验得出的振动数据不够准确。实际上，振动数据与实验过程之间的关系包含许多设备特征，运转正常的电力设备，理论上产生的振动数据智慧与转速有关，与实验过程中产生的其他参数没有关联。研究人员按照实验产生的振动数据以及过程参数之间的关系，能够在后续智能诊断过程中将许多较为相似的设备故障区分开来。由此可见，设备诊断过程中对于过程参数利用的深入程度实际上是技术人员故障诊断水平高低的判断。
（二）发展可行性
众所周知，在进行智能诊斷工作之前需要完成几个前提条件，即完备的设备状态数据文件、丰富的工作经验以及先进的数据提取技术等。本小节主要根据上述几点智能诊断技术的可行性展开分析，希望能够达到以小见大的效果。
首先是完备的设备状态数据，智能化电厂需要数字化电厂提供工作平台，与20世纪90年代的情况相比，当前我国的发电厂数据获取方面已经有了明显的进步。主要原因在于我国发电厂目前基本都配备了SIS系统以及TDM系统，上述系统能够将振动数据和过程参数有效结合起来，在专家到达电厂后，可以根据技术人员提供的数据迅速开展设备的故障诊断工作。在我国电力行业目前的技术水平下，已经完全能够实现，即便专家不到电厂，也能够自行利用上述系统提供的数据进行设备故障诊断工作。
其次是丰富的工作经验，与当前发展速度越来越快的人工智能技术相比而言，专家系统已经能够完全模拟专家团队对故障设备的判断和最终决策，十分适合在电厂设备故障智能诊断系统当中使用。实际上该系统研发成功后，首先在医疗诊断系统中投入使用，主要是由于电厂设备故障诊断与医疗故诊断相似度较高，因此能够达到通用的目的。此外，智能故障诊断系统在进一步研究时，需要充分重视系统的学习能力，因此系统需要具备较强的兼容性和模块性，能够保障在科学技术不断发展的过程中能够进行自主升级。
最后是先进的数据提取技术，提取数据是专家到达电厂开展设备故障诊断前需要进行的工作。专家能否从大量的设备故障数据当中准确发现有价值的内容，很大程度的决定了其自身对于设备故障判断的准确性，若能够在海量数据中发现不稳定振动和真空之间的关系，设备故障也就可以得到妥善解决。
我国设备智能诊断系统的现实技术当中发展较好的技术已经有较多种类，如：智能Build-in Test技术，就是设备内提供自动检测技术，也是联机测试新的发展方向。该技术是从美国航空电子业界的研究发展而来，近年来在我国迅速发展已经隐隐有超越发达国家的势头。
（三）实现框架
设备智能诊断系统的实现框架可以从两个方面展开分析，一方面是该系统的功能和运行特点，在数据的采集过程中，一是需要收集过程参数，二是要收集振动数据，其中前者的数据来源是DCS系统，而后者的来源则受TDM系统。在信号处理阶段，工作人员需要利用信号处理模块，通过小波分析等手段将获得的原始信号进行预处理。在特征表示阶段，特征表示的模块中含有许多多样性功能，例如频域特征等。频域特征指的是包括均值、标准差等多项数据的时域特征统计结果。在特征提取阶段，工作人员会使用多种提取方式结合的方法，从数据中提炼过程参数，并与单场实际的设备故障信息相结合，最终确认故障类型。
另一方面是故障特征提取工作，即振动信号特征提取法、故障波形匹配和相关分析，需要强调的是在对振动数据和过程参数进行分析时，需要保障对于相关系数的考虑，还要探究智能设备故障分析系统的时间延迟。
结束语：综上所述，将设备智能诊断技术应用到智慧电厂当中，是我国乃至世界未来电力行业发展的主要趋势，其中电厂数字化系统--SIS，和用于状态监测的TDM系统都能够为设备智能诊断系统提供良好的发展和运行平台，由此可见，此项研究具有良好的发展前景。
参考文献：
[1]陈孔和.设备智能诊断技术系统在智慧电厂的应用研究[J].电子世界，2019（24）：164-165.
关键词：智能诊断;设备系统;智慧电厂
引言：近年来，我国电力行业的发展可以使用突飞猛进来形容，我国各大电厂已经实现了不同程度的数字化和智能化，总之数字化电厂不仅仅是一个信息化的操作平台，更是未来电厂设备运行和发展的最终目标。
一、设备智能诊断技术在智慧电厂中应用的价值
我国电厂发展的实际要求是“安全、经济、环保”，在众多发展指标当中，安全是第一要义。电厂中设备的运行状态分析与诊断是发电厂进行生产的核心环节，电力企业普遍对于此项工作都投入了大量精力和高度重视。但相关工作需要专业的技术人员参与数据监测和诊断，因此，对于技术的要求较高，一方面，需要技术人员具有深入的专业能力，另一方面，也需要工作人员具有强烈的责任心和工作经验。
对于现代社会的发电厂而言，智慧电厂的诊断技术能够保障设备诊断工作有效实现，设备机组对于工作过程中产生的海量数据完成采集、整理以及分析，属于顺应时代发展趋势的电力行业革命第一步[1]。
二、设备智能诊断技术在智慧电厂当中的应用
（一）应用现状
自20世纪90年代人工智能技术开始发展和推广以来，我国许多相关技术的研究机构和实验室都在当时同步开展了设备智能诊断技术的相关研究，并逐渐将该技术投入电力行业、冶金行业等工厂中使用。此类研究火热了一段时间之后，研究人员根据该技术当时的发展情况判断此项技术的发展前景一般，无法按照研究预期发挥其价值。对于发电厂而言，设备故障诊断工作需要严格符合要求，不仅要准确找出故障所在，还要对于故障准确度进行进一步的提升。由此可见，故障诊断是智能诊断技术的核心，此过程专业的工作人员需要准确掌握可能导致设备产生故障的具体原因和特征，以便在后续的设备故障诊断过程中再次发挥价值。但实际上虽然近年来我国始终有研究人员从事相关的技术研究，但实际上该技术在近几年的电力行业发展过程中并没有取得明显进展。
相关研究作为发展智慧电厂智能诊断技术的前提条件，需要不断进行深入研究，上文提到该技术近几年在电力行业并没有明显发展，主要表现在于以下四点：
第一是大量的相关研究集中在设备故障诊断的算法方向，如：相关技术研究过程中将遗传算法、神经网络等复杂算法被应用到故障诊断的领域，又叫做先进诊断技术，虽然能够查询到的资料和论文不少，但实际上进行相关研究的实验室并不多，最终产生的研究结果更是凤毛麟角。
第二是脱开设备对象的特征研究诊断方法以及技术。故障诊断工作是智能诊断技术的核心，需要熟悉各种设备故障特点和零部件结构功能，总之是需要从系统层面开展设计工作。但是近几年展开的故障诊断工作大多数仅针对单个设备零件，简单讲就是技术较基础，对于设备故障中的疑难问题研究不足。
第三是实验研究与实际工程之间的差异，电力行业的智能设备诊断工作具有“接地气”的典型特点，导致许多实验项目的研究与实际的工程还存在较大差异。以国内的学术研究对于设备故障的研究为例，实际关于设备摩擦等故障的研究内容与工程中设备产生的故常类型存在差异甚至可以用“南辕北辙”来形容，因此部分研究成果在智能诊断技术当中投入使用会对智慧电厂计划的落实起到反效果。
第四是我国针对设备故障的研究和诊断系统大多数是针对振动信号展开的，即对于设备负荷、电流量、温度等因素的重视程度存在严重不足之处，不能再实际应用过程中振动数据和工程落实过程联系起来，导致实验得出的振动数据不够准确。实际上，振动数据与实验过程之间的关系包含许多设备特征，运转正常的电力设备，理论上产生的振动数据智慧与转速有关，与实验过程中产生的其他参数没有关联。研究人员按照实验产生的振动数据以及过程参数之间的关系，能够在后续智能诊断过程中将许多较为相似的设备故障区分开来。由此可见，设备诊断过程中对于过程参数利用的深入程度实际上是技术人员故障诊断水平高低的判断。
（二）发展可行性
众所周知，在进行智能诊斷工作之前需要完成几个前提条件，即完备的设备状态数据文件、丰富的工作经验以及先进的数据提取技术等。本小节主要根据上述几点智能诊断技术的可行性展开分析，希望能够达到以小见大的效果。
首先是完备的设备状态数据，智能化电厂需要数字化电厂提供工作平台，与20世纪90年代的情况相比，当前我国的发电厂数据获取方面已经有了明显的进步。主要原因在于我国发电厂目前基本都配备了SIS系统以及TDM系统，上述系统能够将振动数据和过程参数有效结合起来，在专家到达电厂后，可以根据技术人员提供的数据迅速开展设备的故障诊断工作。在我国电力行业目前的技术水平下，已经完全能够实现，即便专家不到电厂，也能够自行利用上述系统提供的数据进行设备故障诊断工作。
其次是丰富的工作经验，与当前发展速度越来越快的人工智能技术相比而言，专家系统已经能够完全模拟专家团队对故障设备的判断和最终决策，十分适合在电厂设备故障智能诊断系统当中使用。实际上该系统研发成功后，首先在医疗诊断系统中投入使用，主要是由于电厂设备故障诊断与医疗故诊断相似度较高，因此能够达到通用的目的。此外，智能故障诊断系统在进一步研究时，需要充分重视系统的学习能力，因此系统需要具备较强的兼容性和模块性，能够保障在科学技术不断发展的过程中能够进行自主升级。
最后是先进的数据提取技术，提取数据是专家到达电厂开展设备故障诊断前需要进行的工作。专家能否从大量的设备故障数据当中准确发现有价值的内容，很大程度的决定了其自身对于设备故障判断的准确性，若能够在海量数据中发现不稳定振动和真空之间的关系，设备故障也就可以得到妥善解决。
我国设备智能诊断系统的现实技术当中发展较好的技术已经有较多种类，如：智能Build-in Test技术，就是设备内提供自动检测技术，也是联机测试新的发展方向。该技术是从美国航空电子业界的研究发展而来，近年来在我国迅速发展已经隐隐有超越发达国家的势头。
（三）实现框架
设备智能诊断系统的实现框架可以从两个方面展开分析，一方面是该系统的功能和运行特点，在数据的采集过程中，一是需要收集过程参数，二是要收集振动数据，其中前者的数据来源是DCS系统，而后者的来源则受TDM系统。在信号处理阶段，工作人员需要利用信号处理模块，通过小波分析等手段将获得的原始信号进行预处理。在特征表示阶段，特征表示的模块中含有许多多样性功能，例如频域特征等。频域特征指的是包括均值、标准差等多项数据的时域特征统计结果。在特征提取阶段，工作人员会使用多种提取方式结合的方法，从数据中提炼过程参数，并与单场实际的设备故障信息相结合，最终确认故障类型。
另一方面是故障特征提取工作，即振动信号特征提取法、故障波形匹配和相关分析，需要强调的是在对振动数据和过程参数进行分析时，需要保障对于相关系数的考虑，还要探究智能设备故障分析系统的时间延迟。
结束语：综上所述，将设备智能诊断技术应用到智慧电厂当中，是我国乃至世界未来电力行业发展的主要趋势，其中电厂数字化系统--SIS，和用于状态监测的TDM系统都能够为设备智能诊断系统提供良好的发展和运行平台，由此可见，此项研究具有良好的发展前景。
参考文献：
[1]陈孔和.设备智能诊断技术系统在智慧电厂的应用研究[J].电子世界，2019（24）：164-165.