水力發電行業全產業信息鏈整合平臺：水電站與物聯網

2017-09-25 09:39:20 E小水電　點擊量：評論 (0)

摘要水力發電行業經過20年的高速發展，取得了巨大的成就，同時，也積累了許多行業共性的問題。本文通過大數據分析的方法，在水電站油水氣機電統一視角下，采用SAAS(Software-as-a-service)模式，通過技術創新和商

摘要

水力發電行業經過20年的高速發展，取得了巨大的成就，同時，也積累了許多行業共性的問題。本文通過大數據分析的方法，在水電站油水氣機電統一視角下，采用SAAS(Software-as-a-service)模式，通過技術創新和商務模式創新，構建《水力發電行業全產業信息鏈整合平臺》，實現“資源可視、設備可查、業務互動、數據共享"，為使用者提供“數據推送、業務推送和知識推送"。

1引言

制造業本身的問題，不可能在制造業層面得到完善解決，只有上升到其所處的產業生態環境。所有產業都是由無數的節點鏈接而成，節點內企業按部就班地運作，在國家產能落后的情況下是有效的，但在目前國家產能過剩時，則是產業“散、亂、差、弱"的根本原因。國內一流的電商只完成了交易節點，就產生了巨大的經濟效益，《水力發電行業全產業信息鏈整合平臺》基于精深的專業背景針對產業所有專業所有環節整合，尤其突出了人的主觀能動性作用，將會對“互聯網+水電"在產業領域實施積累寶貴經驗，并對其他制造業起到良好示范作用。目前我國水電行業普遍存在以下問題：

（1）電廠側運行、維護、營銷、管理方面：沒有對大量的數據價值深人挖掘，不能精準制定檢修、維護計劃。沒有策略使資源轉化率最高、設備運行工況最優沒有技術手段應付目前經濟下行態勢下的棄水限電。

（2）制造廠耗費大量的時間跑市場、抓信息，但沒有形成售前、制造和運行的全生命周期介人的商務模式在質保期過后，制造廠與電廠幾乎失去聯絡。

（3）政府側在防汛抗旱、科學用水上投人了大量財力，但沒能消除信息孤島，致使在異常情況下手足無措。

（4）一方面是行業積累的大量工程問題無人解決，另一方面是大量工程技術人員閑置、科研院所課題匱乏。

如何實現水電站集成開放、堅強可靠、經濟高效、管理智能的效率、效益最大化，如何調動廣大制造廠、設計院、科研院所工程技術人員的積極主動性，并跨界為政府防汛抗洪、科學用水提供決策，搭建《水力發電行業全產業信息鏈整合平臺》，是一條水電發展必經之路。

2平臺的總體架構

平臺架構見圖1。該平臺由數據中心、技術構架和商務模式3個部分組成其中，數據中心相對獨立，匯總電站的所有模擬量和開關量，而技術構架和商務模式互為依托，對采集的所有生產實時數據，用人工智能的方法進行分析，為水電站的生產、經營提供支撐，實現“資源可視、設備可查、業務互動、數據共享"，為使用者提供“數據推送、業務推送和知識推送”。

圖1水力發電行業全產業信息鏈整合平臺架構

3平臺的實現

3.1數據中心

大數據是2012年到現在最熱的一個詞。對水電站來說，“全息"即為“大數據"，即采集所有的模擬量和開關量，然后對這些數據進行分析。眾所周知，水電行業是一個后掠式行業，許多工程實踐是沒有教科書和先例的，即使行業普遍采用的計算程序，也是理論加經驗的系統，因為這些系統在開發的時候，先作了一些科學假設，而這些假設大多是經驗的、體系的，甚至是為了簡化計算而人為的假設，所以這些系統只是幫助我們決策，并沒有完全反映事物的客觀規律，而反映事物的客觀規律永遠是那些可能被我們忽視的基礎數據。

目前有許多電廠也在積極規劃和實施數據中心項目，但有一種現象值得關注和探討，數據中心項目中在拼傳輸速度、檢索速度，傳輸速度達到秒級，檢索速度達到8s檢索10億條特征數據，而且，數據中心的數據基本是時域空間的數據，是管理數據，是歷史數據，水電站的設備狀態是一個從量變到質變的漸變過程，該過程可能是數月、數年甚至數十年，海量的秒級的時域數據對設備生命周期而言太細，而對于需要瞬態分析的，如過渡過程、振動分析、接力器調節過程分析又太粗，而且沒有頻域空間數據。一個水電站系統，實質上是由設備硬件系統（主機、輔機等）、自動化系統（計算機監控、保護、電源）、信息化系統（OA、MIS、資產管理、水情等）組成。自動化系統主要是對主機、輔機的信號采集、傳輸、控制和保護，信息化主要是數據處理和業務應用，過度地追求傳輸速度、檢索速度，會忽略我們采集數據的目的，又陷入硬件的比拼，忽視應用功能的規劃、梳理和實施，故我們的數據中心：服務器部署于電信數據中心，每5min帶時間戳抓取電廠數據，滿足實際工程應用的需要。

3.2系統的技術架構

3.2.1計算機IT

面向服務（SOA）架構是一種業務驅動的IT架構方式，將應用系統分為數據層、業務層和展示層，支持對業務進行整合，使其成為一種相互聯系，可重用的業務任務或者服務。SOA能夠幫助企業提高業務流程的靈活性，增強企業底層的IT基礎架構，并重用現有投資。系統采用角色、密碼登陸，可根據不同的電廠、崗位等，實現信息屏蔽、數據共享和業務互動。

SOA的實現：系統管理員可根據要求在系統運行中增加新開發的業務和減少要剔出的業務、增減人員、變更人員權限，不影響其他的業務界面，保持系統的健壯性和穩定性。

3.2.2人工智能算法

人工智能分為強人工智能和弱人工智能，強人工智能觀點認為有可能制造出真正能推理（Reasoning）和解決問題（Problem_solving）的智能機器，并且，這樣的智能機器將被認為是有知覺的，有自我意識的，目前，強人工智能的研究處于停滯不前的狀態，全世界最先進的強人工智能智力水平能達到5歲兒童的智力。弱人工智能觀點認為不可能制造出能真正地推理(Reasoning)和解決問題（Problem_solving)的智能機器，這些機器只不過看起來像是智能的，但是并不真正擁有智能，也不會有自主意識。主流科研集中在弱人工智能上，并且這一研究領域已經取得可觀的成就，本系統就是基于專家系統的弱人工智能系統。

目前，人工智能領域熱衷于單一算法的研究，應用也較為單一，而水電站系統為油、水、氣、機、電耦合的復雜巨系統，任何單一的算法都無法取得滿意的效果，水電站綜合管理平臺涉及水輪機、發電機、調速器、閥門、勵磁、氣系統、水系統和操作人員等多個系統，是多主體計算，是大數據的大融合，同時，也是現有人工智能研究成果的大融合，由于是多主體，故采用分布式人工智能，各主體間協調、協作，為多領域知識多處理范型智能系統。基于多專業、多學科的專家系統程序包和工程經驗，同時要考慮采集過程中信號數據的擾動，實現真值維護。系統采用模擬人類思維的產生式系統，實現約束傳遞，通過真值維護，實現智能回朔。對采集量進行濾波、降噪，用歐拉法解決數據的并行問題，用拉格朗日法解決數據的串行問題，充分考慮實時數據的并發特性，進行大數據處理。通過大數據，實現歸納學習、統計學習，通過操作人員的處理問題方式，實現強化學習。對水電站系統進行不同尺度的有限元化，用知識系統對各有限元進行規則關聯，尊重事實，用數據說話，推崇知識和理性，用數據創新，給數據以生命，給系統以智能。

平臺的核心在于真值維護。

平臺的關鍵在于知識提取。

3.2.3業務實現

在SOA構架下，在油、水、氣、機、電統一視覺下，對水電站常規業務進行梳理，以安全生產管理制度和崗位職能為主線，對水電站管理系統進行共性提取和個性細化。

主要業務內容：系統管理、數據中心、運行管理、梯級調度與優化運行、檢修管理、設備技術管理、報表系統等。

3.2.4商務模式

傳統的軟件系統是作為商品來賣的，而通過幾十年的軟件產業的發展，單純作為商品來賣的軟件系統在世界范圍內幾乎都走到窮途末路，原因很簡單，隨著硬件技術的進步，需求的變化，客戶在支付巨額的軟、硬件維護、管理、升級的費用后，還得配備相應的計算機系統管理人員，這讓客戶很難接受。而軟件的本質就是要不斷地升級、維護，否則軟件就會喪失先進性，如何解決這個難題，我們采用的是SAAS(Software-as-a-seruce），將軟件的“所有權"從客戶轉移至供應商；將技術基礎設施和管理等方面（如硬件與專業服務）的責任從客戶重新分配給供應商；在大數據的支撐下，通過專業化和規模經濟降低提供軟件服務的成本；針對特征化的水電站個體做長期的技術支持、服務和咨詢工作,SAAS模式更關注軟件作為服務給企業所創造的經濟利潤，在這種模式下，如何積極主動地為客戶提供更優質的服務，是軟件企業的根本。

本平臺項目不是傳統意義上的賣產品、賣系統、賣軟件，而是在計算機軟件供應商和電站資深專業技術人員共同努力下，提供精深的水電專業運營、管理、服務平臺，是基于大數據、云計算的物聯網應用系統，是一種永續發展、永續完善和永續服務的商務模式。

4結論

中國水電經過改革開放30多年的建設發展，特別是2005-2007年的井噴式建設，目前水電廠開發建設已經進人飽和期，根據水電行業現狀和西方成熟水電的發展規律，中國水電已進人運維時代。下一步面臨的是設備的運行、維護與技術提升的需求。

自動化系統的目標是使電站更“強壯"，而信息化系統的目標是使電站更“智慧"。

我們的目標是推動水電產業關鍵數據的開放共享，構建面向領域的大數據開放平臺，通過大數據激發平臺參與者的創造性，讓注冊會員和注冊專家的智慧在保證數據安全和知識產權的前提下，自主推動平臺的永續發展，提升行業運行效率。

原標題:水力發電行業全產業信息鏈整合平臺 | 水電站與物聯網