智能化技术在电站检修中的应用研究

余道武

（浙江华业电力工程股份有限公司）

1 引言

现阶段，许多电站已经实现了无人值班的管理模式，但是由于技术、设备等方面的问题，这种管理模式实施得并不彻底，依然存在着管理成本高且效率低的问题。尤其是在设备检修环节，需要打破固定思维模式，优化调整检修计划管理，提高智能化检修水平。在自动化监测、远程诊断分析的基础上，利用智能学习技术，挖掘海量数据中的隐藏关联信息，可实现检修方案的智能优选，提高电站检修的质量和效率。

2 智能化技术在电站检修中应用的必要性

在传统的电站检修管理中，更多的是采用定期检修模式，根据实际工作开展情况，报送检修计划，经审批后予以执行，这种管理模式存在着一定的弊端。比如，有些设备运行状态良好，如果按计划进行检修，会降低电站发电能力，增加检修成本，而有些设备存在较多缺陷，可能经常会由于各种故障被迫停运检修，无法正常执行发电和检修计划，从而形成更严重的故障损失。因此，定期检修缺乏灵活性，不能根据电站实时运行情况动态调整检修工作，使管理单位处于被动地位，难以保证电站检修的综合效益。同时，随着电站规模的不断扩大以及管理模式的持续更新，对人员的综合素质要求越来越高，存在着人员数量不足、素质跟不上需求的问题，经常出现因人为因素产生的检修安全事故，不但管理成本高，而且效率较低。采用智能化管理模式，运用互联网、大数据、云计算、人工智能等先进技术，能够加快电站运行管理的数字化、自动化、精细化水平，更加全面准确地感知设备实时运行状态数据信息，经过联合远程分析诊断，作出科学检修决策，有效降低了对人员素质的依赖，优化了管理资源配置，确保电网系统的安全稳定运行。实施智能检修管理是行业发展的要求，也是技术设备升级的要求，能够推动电站的提质增效，实现高质量可持续发展。

3 智能化技术在电站检修中的具体应用研究

3.1 智能巡检技术

3.1.1 总体方案设计

采用智能巡检技术，在常规计算机监控系统远程巡屏的基础上，创建智慧巡检系统，可以自动完成现场及设备实时监视工作，并生成巡检报告，一旦发现异常情况，可以自动报警，给出处理决策。根据电站设备布置情况及巡检要求，设计智能巡检管理系统，主要包括智能感知系统、数据平台服务器、智能监视控制系统、网络传输系统等部分，其中，智能感知系统由巡检机器人、设备传感器、智能摄像机、声音采集器等组成，数据平台服务器布置在统一数据中心，网络传输系统则由交换机、无线AP 等设备组成。各感知设备能够自动采集数据信息，统一存储传输到数据管理平台，计算机监控系统对数据信息进行实时监控并报警，管理人员在移动终端就可以接收到相关信息。在人工智能、机器学习、大数据等技术的支持下，构建巡检标准模型，智能巡检系统可以自动从数据中心拾取实时巡检数据，并将数据与模型特征值对比分析，如果存在异常情况就会发送信号给管理人员，按照工作流程处理相关问题，实现智能巡检的效果[1]。

3.1.2 具体设备监控

在总体框架方案的基础上，针对具体设备监控进行智能化设计。以水电站智能巡检为例，在水轮机室安装设备传感器、智慧摄像机、智能声音采集器等装置，摄像机可以360度自动转动，全方位摄取图像，智能巡检系统可以根据声音、图像数据对比检查是否存在管路渗漏、震动、异响等问题，校核位移传感器位置，保证巡检工作的正常开展。在水轮机室外配备智能巡检机器人，拾取机组调速器、电机温度、压力表、阀门渗漏等图像以及电机运行声音，用于巡检系统的分析判断。同样，在发电机层、主变及电抗器平台、出线场及GIS室、用电层及机旁盘层等设备也要配备相应的智能巡检机器人、智能摄像机，采集设备运行图像和声音信息，实时判别各种设备的运行异常状态，实现自动化监控巡检的作用。

3.1.3 数据传输应用

为了保证巡检数据的顺利传输，需要在电站内各层布置无线路由，巡检机器人、智能摄像机采集到的数据通过无线路由传输到数据中心，在无线信号覆盖前，可以通过光缆进行数据传输。通过智能巡检应用平台，能够制定、修改巡检计划，生成巡检报告，设置巡检点表、巡检频次、巡检路径，监控巡检点状态，利用不断完善的设备特征模型，实时判断分析设备状态，对异常情况作出声光报警，向移动端发送信息。根据实际工作需求，做好智能巡检平台登录及控制权限管理，保证系统运行的安全性和稳定性，对于发现的巡检异常点，可以通过控制巡检感知设备重点监视，加密巡检频次，提高巡检工作的质量和效率[2]。

3.2 智能检修技术

3.2.1 远程诊断检修

远程诊断检修系统主要是通过采集、读取统一数据平台中的自动化监测数据，利用模型识别、特征计算等分析技术，实时掌握电机、变压器等设备的运行状态，开展趋势预测分析，根据预测结果作出技术诊断和维护决策，有针对性地进行设备优化和维护消除。在此基础上，根据电站设备运行历史数据模型分析，结合检修计划安排和设备实时状态，构建机组状态检修决策方案，调整常规检修计划，有效节约检修成本，提高电站运行效率。基于大数据、互联网、智能传感器等技术应用，打造由智能采集终端、传感器设备、巡检无人机、监测机器人等构成的自动监测系统，全面采集相关数据信息，通过光纤通信和无线通信保证数据传输的稳定性，同时，利用双重供电模式，维护系统的稳定运行。数据采集系统应该根据环境变化自动调整数据采集时间和频率，并初步进行数据修正，在数据采集自动化的基础上，实现数据分析智能化，实现实时在线检测和智慧诊断，以自动化监测为基础，集合信息科学、计算机、大数据、云计算、人工智能、图像识别等相关技术，基于互联网平台进行在线监测、模型分析、图像分析。通过远程诊断系统，不同角色能够以不同权限进入系统访问控制，从而使各个层级都能掌控电站运行管理情况，远程进行检修沟通决策，注重防火墙设计，在实现协同管理的同时，保证关键业务和关键信息的安全性，能够及时发现和防御系统入侵。远程诊断系统能够展示包括实时运行参数、机组设备数据、安全运行天数等综合信息，具备健康状况分析、评价对比分析、决策历史分析曲线等状态监测功能以及能效分析、效益优化功能，并对设备状态、检修决策、检修评价、检修资料等方面进行管理，利用检修评估结果做出科学的实时检修决策。

3.2.2 智能学习自修

机器学习是人工智能的核心技术，涉及多个领域、多门学科，研究计算机模拟、实现人类学习行为，通过不断获取新知识、新技能，组织完善系统知识结构，改善系统自身性能，在大数据环境下，利用机器学习技术能够更加高效地获取知识，而且朝着智能数据分析的方向发展，基于大数据挖掘、分析、处理的机器学习能够获得更为精准的预测成果。除了在线监测、远程诊断检修功能的实现，充分利用机器学习技术，能够深度学习不同工况和运行方式下的电站设备维护检修策略，通过模拟学习，获取知识、技能，持续优化改善系统自身性能，当出现类似问题后，能够自动完成故障诊断处理工作，实现有效的缺陷自愈效果。从某种角度上讲，智能学习和设备自愈是远程诊断决策的高级阶段，在智能系统与感知设备、现场机器人的协同作业下，可以及时解决电站生产运行过程中相对简单、频繁发生的维护消除工作，比如，水电站中经常出现的堵漏、疏排、紧固检修作业，从而实现智能感知、分析、决策、执行，尽可能减少人工检修工作，避免因人工操作失误导致的检修事故[3]。

3.2.3 数字孪生大修

数字孪生技术充分利用了物理模型、传感器采集、运行历史等渠道获取的数据信息，集成了多学科、多概率、多尺度的仿真过程，能够在虚拟空间中完成映射，反映对应实体装备的全生命周期过程，在智能建造领域应用具有较高的关注度。利用数字孪生技术进行电站智能检修具有一定的必要性和可行性，通过融合物理实体电站与数字孪生模型，实现相应的功能与应用，可视化实时显示电站运行状态，并对电站设备的发展趋势进行预测。创建数字孪生智能大修数字化管理系统，可以实现电站机组智能化检修决策。首先，针对电站机组进行实景重构、数字孪生建模，根据电站构成，应用图云匹配算法，研究纹理图像与模型自动配置模式，构建电站孪生场景，结合相关设备资料，应用模型溯源技术，建立设备部件孪生体，实现设备与模型的精准映射，完成精细化建模。管理人员可以通过操控孪生模型实现设备现场及远程互动，并利用机器学习算法和人工智能迭代更新模型数据，实现电站设备的自动故障诊断、异常预警处理。其次，开展数字孪生智能检修策划，收集整理电站大修的各种资料，分析研究典型检修案例，结合电站检修流程数字孪生模型，构建机组大修资源库，打造检修资源配置预测模型，实现电站检修的全过程、全资源管控，在电站全景数字孪生模型的支持下，进行电站检修措施方案推演、大修风险推演、行车作业方案推演。评估各类推演方案，实现智能化优选检修作业方案的目的，并针对实际大修任务合理设计检修作业项目，通过检修作业仿真，动态展示检修场景和实施要点，确保大修作业的标准化实施。最后，根据检修前后全景感知数据，构建基于机器学习的检修效果评估模型，完善检修评估指标体系，全面真实地反映检修效果，实现精准评估。另外，在物联网技术的支持下，能够实现数据共享、协同运维的效果[4]。

4 结语

综上所述，针对现阶段电站管理存在的不足之处，加快技术变革十分必要，通过大数据、互联网、云计算、人工智能、信息模型、数字孪生等技术的结合应用，能够推动电站管理的智能化转型。在电站巡检过程中，运用智能化技术，能够自动发现异常情况，给出预警信号，降低人工巡检工作强度，在设备检修过程中，运用智能化技术，不但能够实现在线诊断和远程协同决策，而且能够通过智能学习实现设备自愈，利用数字孪生技术还可以实现数据全息感知与管理，为智能化检修决策提供支持。