发电企业大数据分析技术应用

摘要：本文对于大数据相关概念展开介绍，明确发电企业大数据分析应用的必要性，对其具体运用思路展开分析，并对技术运用阶段的重点问题作出论述。

关键词：大数据；分析技术；发电企业；应用

随着大数据的发展，为电力企业电力数据的挖掘和分析提供强有力支持。借助数据分析，将电力设备的潜力挖掘出来，不断提高其使用附加值，使设备能够高效运行，提高电力运行效益。与此同时，利用大数据分析，还能为生产管理以及设备运维提供可靠依据，按照发电企业的管理工作特点，开发出数据分析管理系统，科学利用分析技术，解决电力企业管理面临的难题。因此，对于大数据分析在电力企业中的应用深度分析具有重要意义。

1大数据相关介绍

1.1大数据概述

大数据主要指难以及时捕获、处理以及管理各类数据集合，大数据技术可应用可从上述数据当中将关键信息提取出来，并找到数据潜在价值。利用大数据，可建设云计算平台，建立数据库、组成分布式系统，对于重要数据扩展储存，并将电网中的价值资源充分挖掘出来。使用大数据展开数据处理不必对数据随机抽样以及分析，即可对复杂的数据展开高效处理。由此可见，依托于现代化技术的大数据在数据处理方面更加专业，加工能力更强，能够将数据变为帮助企业盈利的信息，使产业增值[1]。

1.2大数据特点

大数据技术应用期间具有如下特点：（1）真实性；（2）价值性；（3）多样化；（4）高速性；（5）处理数据量大。数据处理数量从以往TB级上升到PB级或者EB级。通常来讲，1TB相当于1024GB，1PB相当于1024TB，1EB相当于1024PB，由此可以推出1EB相当于230GB。其多样化特点主要体现在数据结构方面，有结构数据、非结构数据。结构化数据主要指利用文本形式而储存的数据，在科技迅速发展过程，大部分数据逐渐向非结构方向发展，对数据管理提出巨大挑战。互联网的发展，使得传统文本数据，逐渐变为图片、视频和音频多种形式的数据，数据形式更加多样化，对于处理过程要求更高。大数据应用期间数据总量、价值密度二者之间成反比。例如：从视频数据角度分析，时长为1h的视频，其中具备的价值数据可能仅有短暂的几秒。如何利用数据分析方法将短暂的价值数据进行提取大数据应用的要点。当前，全球数据总量超过35.2ZB，由此可见，数据处理快速性和企业管理水平有直接影响。

2发电企业中大数据分析的应用必要性

2.1数据分析特点

发电企业使用以往方式展开设备故障的诊断，需要建立机理模型，处理流程如下：（1）选择模型算法；（2）建立修正模型；（3）输入数据信息；（4）输出数据结果。在模型分析之前需要进行修正工作，利用修正以后的模型将实时数据代入其中，并将最终结果输出。此分析法使用过程可能存在问题，即经修正以后机理模型和设备实际运行状态存在偏差，由于机理模型属于假定条件下的理想模型，难以解决其存在的偏差问题。同时，将样本数据作为代入数据展开计算，数据的选择和全集数据之间进行对比无论是表征性，还是代表性都有所不足[2]。运用大数据分析，数据处理流程有三个步骤：（1）选择全集数据；（2）使用数据算法；（3）分析数据结果。可选择大量数据中的最优化集合、劣质化集合以及稳定性集合等，对于未来情况展开预判，进而评价电力企业目前生产方式的合理性。借助条件判断、数据推演等方式整理电力企业各项数据信息，并进行分析和统计，最后将设备、系统、工艺等存在的联系找出，建立发电厂的数据分析管理系统，充分利用数据分析法对于监测点信息进行预测和报警，为运维操作提供指导，不断优化运维参数以及生产方式。数据模型的应用下，实现监控海量的观测点，利用数据平台，将设备运行最佳工况曲线提取出来，并利用DCS科学调整设备参数。

2.2应用必要性

部分发电企业利用SIS系统，也称“厂级监控”，对于设备运行状态进行管理，辅助设备故障诊断以及考察分析相关工作。但是在实践应用当中，效果还有待提升。主要原因在于我国计算机应用理论方面的完善性有待提升，部分机理模型的使用在设备故障诊断以及性能判断方面精准度不高，和实际存在差别较大。同时，发电企业在日常设备管理时，由于设备性能之间存在差异性，单纯依靠此管理系统可能导致结果精准性不足。常常是故障发生之后才发生警报信息，导致故障逐渐恶化，处理不及时，影响系统运行稳定性，并且维修费用高昂，还可产生发电损失，使电力设备损坏等问题。因此，急需利用大数据技术，对于电力系统中的设备故障展开精准诊断，提高电力企业管理效益[3]。

3发电企业中大数据分析的实践应用

3.1应用于生产管理

发电企业利用大数据分析可掌握发电机组运行期间逐渐积累的各类工况信息，寻找设备运行的自由状态，为发电机组的性能改进提供指导，转变其不稳定的运行方式，并结合机组经济运行目标，完成评价曲线的建立，经过分析设备运行产生的历史数据，进而获得设备运行的稳定状态，不断提高其运行效率。数据分析在企业生产管理层面的运用流程如下：（1）从机组运行工况的历史数据出发，综合分析，建立预警体系，辅助机组平稳运行，并对其运行状态展开实时监测。（2）按照机组运行的历史数据以及实际运行工况，通过大数据对于机组度电利润展开实时计算，并将其最优工况匹配其中。由于当前电力企业属于竞价上网这一环境之下，通过数据分析机组设备运行，可为企业电力营销提供有力支持，并提高发电效率和经济收益。（3）在数据分析的支持下，能够将实时度电工况以及利润二者相互匹配，找到机组设备自由化运行状况，明确其运行操作，保证相关人员管理过程对于设备合理操作，使设备运行过程能够自动实现状态优化，不断提高设备运行效率和机组发电产量。

3.2应用于设备运维

电力企业设备运维也是管理工作要点，大数据分析也可应用其中，以此技术作为基础，搭建数据管理平台，并对设备数据以及历史信息搭建模型，对于各类数据展开实时对比，分析设备运行状态，展开自动化判断，能够实现故障发生之前或者发生之初发出警报，为相关人员提供有力参考，辅助运维工程师随时掌握设备实际状态，高效展开设备检修，有助于设备利用效率的提升。大数据分析的应用，转变了以往电力企业使用被动方式对于设备管理的模式，建立新型检修机制，实现“预知即检测”和“预知即维修”的管理业态。大数据分析具体在设备运维层面的运用主要体现在如下几方面：（1）利用大数据平台能够对设备过往数据进行分析，并且对照当前工况数据信息展开机器学习，对于目前设备工况加以预测，如果发现实时数据和标准数据之间存在偏差，或者出现错误信息，就会及时发出警报，告知运维人员，以便其采取干预措施，避免异常问题、设备故障不断扩大，带来巨大经济损失。（2）依托大数据平台，还能建立动态化设备状态评价系统，经过分析，从海量的历史数据当中，精准找出电力设备处于正常工况之下的运行指标，并对含有振动测点电力设备实时状态展开登记并评定，使运维人员明确设备的健康状态[4]。（3）结合电力设备的运行规程，利用数据分析进行仿真，并且实时预警。电力生产以及操作期间，通过仿真系统以及DCS系统，展开实时对比，综合分析，明确预警状态，为电力生产和操作提供辅助，以免产生人为操作失误，造成安全事故或者损坏电力设备等问题，保证电力企业设备运行效益。

4发电企业应用大数据分析技术的注意事项

4.1注意数据清洗相关问题

大数据分析在实践应用过程需要对接入数据随时展开清理，确保流入系统当中的数据和分析模块具体要求高度相符。结合电力企业的业务特点，利用公里定理以及决策树算法，将原始数据内部噪声数据高效剔除，并进行处理，保证数据具备完整性。运行智能设备阶段，设备可能受到外界干扰存在问题，不能将运行状态以及实时数据信息精准传达出来，若输入数据属于错误数据，那么分析结果的准确性也无从谈起。由于噪声数据可能存在于系统当中，对于分析结果产生影响，导致结果和实际设备状态二者之间存在过大偏差，故此，需要对噪声数据展开精准化处理。大数据分析具体流程工业性特点明显，而商业数据处理使用的清洗方法和发电企业信息数据处理存在差异。如：当发电机组运行工况以及实际负荷存在变化时，难以利用商业数据处理过程使用的聚类算法，这样会将价值数据剔除。对此，发电企业需要结合实际管理需求，开发适合企业实践应用的数据算法以及数据清洗方式。发电企业中，无论是SIS系统，还是DCS系统，在具体应用方面，都存在数据信息获取不精准这一问题，为保证数据信息完整，将噪声数据问题解决，尝试从如下几方面入手：（1）保证测量设备使用过程高度可靠，部分发电企业利用现场总线这一技术，通过总线设备，获取周期、非周期等类型数据，能够较好地掌握设备状态，并判断其工况是否正常，明确异常代码能否对设备使用以及数据获取真实度产生影响。如果企业未使用现场总线，则可利用HART协议对于上述信息进行采集，对于测量仪表各项指标进行确认。因此，建议企业设计信号接收系统时，可利用变送器取代开关，使用模拟量信号取代以往以开关信号对于数据进行分析的方式，提高数据获取准确性[5]。（2）设计DCS和大数据分析两个系统数据接口时，着重考虑DCS系统接入一侧参数信息获取质量，由于该信息属于系统内部检测信息，若测点信息显示GOOD，代表数据采集通道正常。（3）利用业务规则，完成数据校验，并展开参数设置，可重点对于冗余数据参数加以设计。利用决策树算法对于相关生产工艺应用期间温度信息、压力信息数据进行传递，并校验其关系。需要注意，对比商业数据的校验方法，电力数据采用的数据分析方法有所不同。

4.2做好偶然事件的分析工作

大数据分析商业数据主要按照人类行为展开分析，具有主动性特点，得出的结论存在偶然性。比如：当消费者购买某款产品后，通过大数据对于消费者行为展开分析，推测消费者可能需要和该商品相关联的产品，但是上述行为之间没有必然联系。对于发电企业，主要的分析对象为发电设备以及发电系统，上述对象并不具备主动性，所以利用数据分析将电力系统以及电力设备之间的运行规律进行寻找，并利用特定规律对于生产和管理工作展开指导，可能会发生这一现象，即某一设备、系统等采集到错误信息时，导致分析结果出错的问题，结果评价也会出现错误。因此，为避免上述问题出现，需要在数据分析应用之前对于电力系统或者供电设备监测数据进行校验，将问题解决关口前移。

5结束语

总之，计算机技术的发展促使大数据相关技术得到了快速发展，将其应用到电力企业管理工作当中，为企业经营以及设备运维提供更多支持。虽然大数据分析在电力企业当中的应用取得了巨大突破，但是，由于工业企业、商业二者之间存在差异，故此，电力企业在运用大数据分析阶段，不可完全按照商业用法，可将此技术作为具体问题分析工具，在应用过程，明确数据清洗存在的问题，找到优化策略，对于偶然事件展开详细分析，精准找不同数据之间关联，才能发挥大数据分析的应用价值，为电力企业创造更高经济效益，使企业得以长远发展。

参考文献

[1]杨鑫,张庆海,杨旭,成涛.大数据分析技术在发电企业的应用[J].集成电路应用,2018,35(11):49-51.

[2]郭建华.大数据技术在火力发电企业生产经营中的应用[J].贵州电力技术,2017,20(03):26-28.

[3]佘俊,莫国柱,黄嘉东等.大数据技术在发电企业数据中心的应用与挑战[J].电工技术,2016(01):130-131.

[4]冯蕊.大数据时代下数据挖掘技术在电力企业中的应用分析[J].中国战略新兴产业,2017(24):94+96.

[5]覃鑫,叶耿,古哲德.数据挖掘技术在电力企业大数据的应用[J].广西电力,2019,42(02):40-43.

作者：宋子涛 任党培 张秋霞 于楚凡 王一帆 单位：国家电投集团中央研究院