近日,由中國設(shè)備管理協(xié)會組織的“2023行業(yè)設(shè)備管理與技術(shù)創(chuàng)新成果交流大會”在浙江省溫嶺市召開。會上,中海油珠海天然氣發(fā)電有限公司、中海石油氣電集團(tuán)有限責(zé)任公司和朗坤智慧共同完成的“中海石油氣電集團(tuán)智能電廠設(shè)備預(yù)警與故障診斷”項(xiàng)目,榮獲管理類創(chuàng)新成果一等獎。同時(shí),公司鑒于在該項(xiàng)目中貢獻(xiàn)突出,被推選為“2023年度最佳協(xié)作單位”。
隨著電力行業(yè)設(shè)備日趨復(fù)雜化、集成化、高速化、信息化、智能化,以及大數(shù)據(jù)技術(shù)的發(fā)展應(yīng)用,傳統(tǒng)故障診斷技術(shù)已不能滿足復(fù)雜大型設(shè)備快速準(zhǔn)確的故障診斷需求,必須突破故障診斷與維護(hù)保障關(guān)鍵技術(shù),充分利用大數(shù)據(jù)信息和一體化網(wǎng)絡(luò)技術(shù),提高電力設(shè)備的快速故障檢測、診斷和維修保障能力,實(shí)現(xiàn)設(shè)備運(yùn)維智能化,充分發(fā)揮設(shè)備效能。
朗坤智慧基于中海油氣電集團(tuán)有限責(zé)任公司數(shù)字化轉(zhuǎn)型需求,依托蘇暢工業(yè)互聯(lián)網(wǎng)強(qiáng)大技術(shù)平臺底座能力,量身定制了一套設(shè)備預(yù)警與故障診斷系統(tǒng),跳出傳統(tǒng)故障診斷技術(shù)范疇,通過專家領(lǐng)域知識與人工智能融合的技術(shù)路線,解決了專家規(guī)則不足、專家規(guī)則過多、故障模式有限、命中率低、機(jī)群間無法泛化與共享等問題,實(shí)現(xiàn)故障診斷技術(shù)的“質(zhì)”的飛躍。
該系統(tǒng)以氣電集團(tuán)公司生產(chǎn)云為基礎(chǔ)平臺,利用電廠DCS工控系統(tǒng)、SIS實(shí)時(shí)監(jiān)控系統(tǒng)、各類專項(xiàng)傳感器等其他類系統(tǒng)進(jìn)行生產(chǎn)系統(tǒng)自動控制和數(shù)據(jù)采集,構(gòu)建基于大數(shù)據(jù)的綜合運(yùn)營技術(shù)平臺,統(tǒng)一對數(shù)據(jù)進(jìn)行智能化分析管理,開展智能電廠機(jī)群統(tǒng)一監(jiān)管、性能分析與優(yōu)化、設(shè)備可靠性維護(hù)、安全生產(chǎn)管理四大應(yīng)用建設(shè),從數(shù)據(jù)服務(wù)、治理、視覺識別、融合聯(lián)動、機(jī)組性能分析、專家指導(dǎo)互助、預(yù)警和決策模型搭建等方面,提升電廠智能化建設(shè)能力。
系統(tǒng)綜合應(yīng)用大數(shù)據(jù)分析、AI計(jì)算等先進(jìn)技術(shù)手段,通過提供模型預(yù)警、規(guī)則預(yù)警的構(gòu)建、訓(xùn)練,以及多維度的分析、統(tǒng)計(jì)及聯(lián)動功能,直觀展示管轄范圍內(nèi)的設(shè)備運(yùn)行狀況、故障分布及故障趨勢,為設(shè)備異常狀態(tài)提供實(shí)時(shí)預(yù)警,為狀態(tài)檢修提供依據(jù)。在設(shè)備類型模型、生產(chǎn)工藝結(jié)構(gòu)模型構(gòu)建的基礎(chǔ)模版之上,構(gòu)建珠海電發(fā)電機(jī)組的數(shù)字化模型,包含機(jī)組設(shè)備的特征參數(shù)、運(yùn)行工況、機(jī)理診斷、參數(shù)預(yù)警、設(shè)備狀態(tài)評價(jià)等結(jié)構(gòu)化數(shù)字模型,提供機(jī)組報(bào)警趨勢對比、報(bào)警處理率統(tǒng)計(jì)、系統(tǒng)報(bào)警統(tǒng)計(jì)、設(shè)備類型告警統(tǒng)計(jì)等全廠預(yù)警總覽功能。24小時(shí)實(shí)時(shí)計(jì)算評價(jià)設(shè)備的通訊狀態(tài)、能效狀態(tài)、運(yùn)行狀態(tài)、健康狀態(tài)、運(yùn)維狀態(tài)。
圖上數(shù)據(jù)為模擬演示
此外,系統(tǒng)還基于專家領(lǐng)域知識及設(shè)備歷史維修記錄建立了故障知識和故障案例庫,通過機(jī)理分析及專家對設(shè)備運(yùn)維的經(jīng)驗(yàn)、理解洞察,抽取設(shè)備失效模式。同時(shí)結(jié)合人工智能技術(shù),構(gòu)建失效模式的機(jī)器學(xué)習(xí)模型。在融合領(lǐng)域知識的同時(shí),解決機(jī)群間無法泛化與共享的問題;通過故障案例匹配度算法將故障報(bào)警記錄與案例庫中已有的數(shù)據(jù)做匹配,實(shí)現(xiàn)更為精確的診斷結(jié)論。
系統(tǒng)自上線應(yīng)用以來,對“燃機(jī)、汽機(jī)、鍋爐、電氣”四大專業(yè)、36種136臺設(shè)備進(jìn)行監(jiān)測和預(yù)警,關(guān)鍵設(shè)備覆蓋率100%,通過大數(shù)據(jù)分析實(shí)現(xiàn)了機(jī)組運(yùn)行全工況分析和自動尋優(yōu),進(jìn)一步降低了電廠的電氣耗;通過設(shè)備故障預(yù)警及診斷、設(shè)備可靠性評估的實(shí)施,為關(guān)鍵設(shè)備檢修提供科學(xué)決策依據(jù),變被動為預(yù)測性維修,設(shè)備可靠性顯著提升,兩套機(jī)組非停小時(shí)數(shù)和日常檢維修費(fèi)用下降明顯。截至2022年12月,電廠關(guān)鍵設(shè)備的異常運(yùn)行狀態(tài)并預(yù)警48次,其中有效報(bào)警41次,設(shè)備得到了及時(shí)處理,避免了設(shè)備長期帶病運(yùn)行而進(jìn)一步劣化造成損壞甚至機(jī)組跳機(jī)事故發(fā)生。