基于大数据的设备状态监测系统设计及应用

巩 宇，曾广移，李德华，陈泽阳，万芳清

（1.调峰调频发电有限公司，广东省广州市 510000；2.北京华科同安监控技术有限公司，北京市 100043）

0 引言

传统的水电设备状态监测系统通常独立配置，布置零散，彼此没有关联。一方面单个系统测点有限，监测内容不全面，无法全方位反映设备状态。另外设备状态监测系统数据通常存储在就地主机，存储空间有限，无法长期、完整保存，大量有用信息被舍弃，影响了设备状态分析、评价结论的正确性。随着水电企业数字化、智能化的发展，要求打破各个系统间的壁垒，融合各个系统数据，建立统一的数据存储及应用平台，在设备全生命周期内对其状态进行全方位、多维度的监测、分析和评价，为生产管理决策提供可靠的技术支撑。

调峰调频发电有限公司下属各个电厂均为不同设备配置了状态监测系统，但是这些系统大多各自独立建设，没有统一的规划，缺乏统一的数据模型，彼此没有关联，应用分散，不满足调峰调频发电有限公司信息化管理要求。为此，需按照“整体规划、统一规范、分区建设，应用融合”的原则，依托大数据存储及处理技术，搭建一个系统、规范、柔性的设备状态监测系统，建立集团级状态监测数据中心与应用中心，接入并融合各个设备状态监测子系统数据，对数据进行统一存储与管理，并在此基础上开发高级应用软件，实现设备状态的全方位监测、分析、评估及诊断，为设备的安全稳定运行、状态检修以及公司的其他决策提供全面、准确的支持。

1 系统目标

调峰调频发电有限公司基于大数据的设备状态监测分析系统的建设具有以下3个目标：

（1）多源数据接入：接入公司下属各厂机组状态监测系统、调速器状态监测系统、主变压器油色谱监测系统、GIS设备状态监测系统以及监控系统等数据，并将数据传输到广州总部数据中心进行存储。

（2）全景数据中心构建：搭建数据存储及管理云平台，利用大数据管理及存储技术，对各个监测子系统传过来的数据进行统一管理、存储。

（3）轻量化应用中心构建：基于大数据挖掘、分析技术，采用轻量化、插件式的思路，构建设备状态监测应用中心，实现对设备的远程状态监测、分析、评价及故障诊断。

2 系统总体架构

图1为系统的总体架构，主要分为3层：第一层为数据接入层，开发数据接口软件，构建数据接入平台，接入各电话设备状态监测子系统数据，获取设备状态信息；第二层为数据中心层，在集团总部构建数据存储及管理云平台，部署实时数据库，关系数据库，内存数据库、文件数据库等，对数据进行统一管理、存储，并通过数据服务层向各个应用提供数据服务。第三层为用中心层，在该层部署应用运行管控平台，采用轻量化策略，遵循统一开发规范，开发各种设备状态监测高级应用软件，实现设备状态的远程监测、分析和评价等功能。

图1 系统总体架构Figure 1 System overall architecture

3 系统网络结构

系统由各种服务器及网络交换机、纵向加密装置、正向隔离装置等网络设备组成，按层次划分为数据采集层、数据中心层及应用中心层，如图2所示。

数据采集层设备包括数据采集前置服务器、数据通信服务器、纵向加密装置、正向隔离装置等。数据采集前置服务器部署在各个电站现地，每个电厂配置1台，用于接入设备状态监测系统数据，并通过专用网络传送到公司总部，由部署在公司总部的数据通信服务器接收并存入数据中心数据库；由于各厂监控系统数据已经送至总部集控中心，因此，监控系统数据通过集控中心III区接口服务器接入；此外，系统还在总部III区部署1台离线数据接口服务器，用于接入试验数据，缺陷记录等离线数据。

数据中心层设备包括实时数据库服务器、关系数据库服务器、数据预处理服务器等，部署在公司总部III区。实时数据库服务器用于存储状态监测实时数据，包括特征数据及原始数据；关系数据库用于存储测点信息、设备档案、统计结果、评估及诊断结论等；预处理服务器用于对数据进行预加工，以便对应用软件复杂的数据需要做出快速的反应。

应用中心层设备包括应用服务器、应用管控服务器等，部署在公司总部III区。应用服务器用于部署各种轻量化应用软件，应用管控服务器用于部署应用管控平台，对应用软件的部署、运行进行管控。

图2 系统网络结构Figure 2 System network architecture

根据《电力系统二次防护安全规定》及南方电网有关网络安全防护规范要求，各电话和总部之间的数据通信加设了纵向加密装置，安全II区和III区之间通信加设单向网络隔离装置。

4 数据采集层

4.1 数据采集

系统将接入调峰调频发电有限公司下属天生桥水电站、鲁布革水电站、广州蓄能电站、惠州蓄能电站多个状态监测系统数据、监控系统数据及部分离线数据。这些系统来源于不同厂家，通信方式及数据接口不统一，给数据接入工作带来了挑战。在进行数据采集平台的设计时，需要充分考虑数据来源的多样性、数据种类的多样性、通信方式的多样性以及通信协议的多样性。为此，系统将常用的通信协议做成独立的模块，根据现场需要配置到数据采集前置服务器上，以满足现场数据接口多样性的要求。系统支持通过以太网口及串口接入数据，支持接入结构化数据、半结构化数据和非结构化数据；支持常用的通信协议，包括IEC61850、IEC104、Modbus等。对于部分无法通过标准协议进行通信的系统，由通信双方根据数据的特点制定合适的通信协议进行通信。

4.2 数据远距离传输

设备状态监测系统测点众多，数据产生的频率高（通常为秒级甚至毫秒级），数据量巨大，是名副其实的大数据。在有限的带宽下，如何将大量数据从现地远距离传输到达总部数据中心，并保证数据的实时性和完整性，是系统设计的重点和难点。尤其当设备出现异常时，状态监测系统通常会以井喷的方式瞬间产生大量额外数据（如快速录波数据等），这些数据如果不加处理就直接进行传输，有可能会因为数据量过大导致传输网络瘫痪。此外，当数据产生的速度大于传输速度时，部分来不及传输的数据可能会被新的数据覆盖，导致数据丢失。

为解决上述问题，调峰调频发电有限公司设备状态监测系统采用基于消息队列的数据传输机制，如图4所示。

（1）采集到的状态数据首先被写入消息队列，消息队列具有缓存机制，可以缓存一定时间的数据，缓存时间的长短可以根据需要进行设置。

（2）通信程序定期遍历消息队列，将新数据通过网络传输到数据中心，数据成功传输后，将会被从消息队列中移出，尚未传输的数据将留在消息队里中。通信程序可以根据网络带宽的情况，限定每次传输数据量的大小。如果数据产生的速度大于传输的速度，来不及传输的数据将会被缓存在消息队列中，在随后的空闲时间里再进行传输。这样可确保数据都无一遗漏地得到传输，也可保证传输的稳定性。

图3 数据接入模型Figure 3 Data access mode

（3）数据采集前置服务器缓存最近3天的数据，当电厂和数据中心之间的网络中断，在网络恢复后，中断期间的数据可以续传回数据中心。

振摆系统等数据量大，产生频率高，其中的原始波形数据量尤其庞大，直接传输将给网络带来压力，通信的实时性和稳定性容易受到影响。对于这部分数据，系统通过时频转换，将波形转为相应的频谱，缩小数据量后再传输。

图4 数据传输模型Figure 4 Data transmission model

5 数据中心层

设备状态监测系统产生的数据量巨大，其中既有结构化数据，也有部分半结构化数据和非结构化数据。数据存储策略要能够对这些数据进行有效管理和存储，既要保证数据的完整性和正确性，又要能够快速高效地为各个应用软件提供数据查询服务。

调峰调频发电有限公司设备状态监测系统综合运用实时数据库、关系数据库、内存数据库及文件数据库来管理和存储数据，根据数据的不同特点，采用不同的存储方式。

（1）分布式实时数据库：部署在计算机集群上，用于存储实时状态数据，包括全部特征量及原始数据。实时数据库的优点是对数据的存储及读取都非常快速，且具有在线压缩机制，可以在线对数据进行压缩存储，最大限度减少存储空间。采用分布式部署机制可以发挥多机并行工作的优势，进一步提高数据存取速度，增加系统的稳定性和可靠性。实时数据库的缺点是数据库本身不存储不同测点数据之间的逻辑关系，无法根据逻辑条件对数据进行查询。

（2）关系数据库：关系数据库可以存储数据及数据之间的关系，适用于存储设备参数、数据挖掘及计算结果、状态评估及故障诊断结论等。关系数据库在存储这些数据的同时，也存储他们之间的逻辑关系，便于根据一定的逻辑条件对数据进行查询，在一定程度上弥补了实时数据库的不足。

（3）内存数据库：内存数据库对数据的操作在内存中进行，存取极为快速，反应敏捷，适用于实时显示、流式计算、预警报警等低延时的应用场景。将部分常用数据缓存到内存数据库中可以提高系统的反应速度。对于某些复杂的计算，可以将数据从实时数据库和关系数据库中提取出来，加载到内存数据库中，在内存数据库进行运算，以提高运算速度。

（4）文件数据库：用于存储半结构化及非结构化数据，如报表、图片、视频、音频等。部分特殊的数据，如振摆波形数据、故障案例数据等亦可以文件形式进行存储。

系统数据存储的设计时限为10年，可通过扩展计算机集群节点的方式增加存储空间，延长数据存储时间。系统在数据中心设置数据服务层，为应用中心的各个应用程序提供数据服务，实现应用层和数据存储层的分离。高级应用无须关心数据存储的细节，有利于提高应用的可靠性和可扩展性。

6 应用中心层

6.1 轻量化应用策略

系统采用轻量化应用的策略，每个应用软件被设计为相对独立的功能，解决某个具体问题，或关注某个设备状态。应用软件的轻量化设计在降低内部的复杂度的同时，又有利于提升其内在的深度。同时，由于轻量化的应用软件结构和功能相对简单，有利于快速更新、迭代，能够以较小的代价对业务逻辑的变化做出快速反应。

图5 数据存储策略Figure 5 Data storage strategy

6.2 应用开发框架和管理平台

系统部署统一的应用开发框架和管理平台，各个应用软件均按照统一的规范进行各种统计、分析、组态，并最终由应用管理平台以插件的形式统一部署、管理和运行。由于不同的应用软件均在同一框架下开发和管理，有利于保持应用软件的一致性。

6.3 应用集市

基于轻量化应用的策略，系统设计了应用集市的功能。各种轻量化的应用软件部署在应用集市上，不同的用户可以根据自身需要和权限到应用集市中选择相应的软件进行使用。

6.4 应用软件功能

系统应用软件功能包括全景数据展示、预警告警、专业分析、大数据分析、状态评价、故障诊断等。

6.4.1 全景数据展示

综合机组状态监测系统、局部放电监测系统、调速器监测系统、监控系统、主变压器油色谱监测系统、GIS设备监测系统数据等，采用二维图、三维图、动画等多种可视化手段，通过GIS地图、结构图示意图、主接线图、表格、波形图、频谱图、轴心轨迹图、空间轴线图、瀑布图、趋势图等方式，全方位、多维度对设备状态进行监测，展示设备实时状态。

6.4.2 预警告警

预警告警功能包括动态阀值报警、趋势预警、故障预警等。

（1）动态阀值报警：水轮发电机组为多工况运行，在不同工况下状态差异较大的。针对这一特点，系统提供动态阀值报警功能，可设定不同工况下的报警阀值，根据机组运行工况自动匹配报警阀值，实现精确报警。

（2）趋势预警：对趋势的缓变和跳变进行预警。

（3）故障预警：结合故障诊断知识库，实时对设备的状态进行分析，对可能存在的故障进行判断，当检测出故障时发出报警信号。

6.4.3 专业分析

系统针对不同的监测对象及数据，开发对应的专业分析工具，对数据进行深入分析，包括：通过波形图、频谱图、轴心轨迹图、主轴状图、瀑布图、级联图、轴心位置图对振动数据进行分析；通过二维图、三维图对局部放电大小及相位进行分析；通过大卫三角法、三比值法、立体图示法对油色谱数据进行分析等；

6.4.4 大数据分析

利用大数据分析算法（回归、聚类、分类）等，对数据进行挖掘，把握数据的特征以及其发展变化趋势，为分析和评价设备状态提供依据。

（1）数据分布特征分析：利用回归、聚类、分类等算法，分析参数的分布特征及其关联因子（如季节、温度等）。

（2）对比分析：对比同类设备相同工况下的参数及其变化，评价设备之间的优劣；对比同一设备相同工况下不同时间的参数，分析设备状态变化趋势。

（3）关联分析：分析参数之间的关联关系，揭示参数之间的密码，更全面、深入掌握设备特性。

（4）统计分析：统计机组在各个工况下的运行时间、泵的累计运行时间、重要开关动作次数等。

图6 全景数据展示Figure 6 Panoramic data display

6.4.5 状态评价

状态评价包括设备状态评价、专项故障评估、试验数据评价等功能：

（1）设备状态评价：根据制定的设备状态评价标准与规则，综合在线监测数据、离线缺陷数据、检修维护记录等对设备各个部分的状态进行评价，最终汇总得出设备整体评价，用评价结论指导设备运行及检修。

（2）专项故障评估：根据监测到的实时数据，结合历史趋势变化，对常见故障进行专项分析和判断，包括：转子质量不均衡、磁拉力不均衡、轴瓦松动、瓦隙安装过大/过小/不均匀、水力不平衡等。

（3）试验数据评价：对试验数据进行自动统计、分析，评估试验结果是否符合要求。

6.4.6 故障诊断

建立常见故障诊断知识库，利用故障树推理机技术，结合人工智能神经网络技术、机器自学习技术等对设备常见故障进行诊断。故障诊断知识库涵盖发电机质量不平衡、磁拉力不平衡、水力不平衡、压力脉动过大、大轴弯曲或不对中、导轴承间隙调整不当、导轴承轴瓦磨损、导轴承润滑不良、转动部件摩擦、导水部件故障、发电机定子铁芯松动、发电机三相电流不平衡等故障。知识库提供开放接口，用户可以根据实际情况对知识库进行修改，包括增加故障类型，修改判断逻辑以及定值等。故障诊断推理机以故障树推理机技术为基础，结合人工智能神经网络技术及机器自学习技术，可对常见故障进行推理，得出诊断结论，指导设备的运行和检修。

7 结束语

调峰调频发电有限公司基于大数据的设备状态监测分析系统已初步建成并投入试运行。系统共接入天生桥电站、鲁布革电站、广州蓄能电站、惠州蓄能电站机组状态监测系统、监控系统、调速器监测系统、主变压器油色谱监测系统、局部放电监测系统、GIS设备监测系统等30多个子系统，超过10万个测点的数据。系统实现了设计的各项功能，包括全景数据展示，预警报警、数据分析、大数据挖掘及分析、状态评价及部分典型故障的诊断等。系统的建成，在集团级实现了设备状态的远程监测，打破现有的以“现场分析诊断”为主的工作模式，并能突破地域限制，联合各级专家对故障进行远程会诊，提高工作断效率，节约成本开支。同时，状态监测数据中心的建立，对数据进行统一管理和存储，有利于积累数据，为后续的其他高级应用打下坚实的基础。