2023火电厂智能监盘系统可研报告

-18-火电厂智能监盘系统可行性研究报告2022年10月

一、项目背景及必要性1.1项目背景近年来，随着大数据、云计算、物联网、移动应用、人工智能等智能化前沿技术的快速发展，社会上对于各行业与新兴信息技术融合的讨论不绝于耳，国家层面更是提出了“互联网+”、“中国制造2025”、“新基建”等前瞻性发展战略，智能化将成为各行业今后发展的必然趋势。早在2016年，国家发改委、能源局、工业和信息化部联合印发了《推进“互联网+”智慧能源发展的指导意见》和《中国制造2025-能源装备实施方案》，指出要以改革创新为核心，以“互联网+”为手段，以智能化为基础，促进能源和信息深度融合。因此，对于传统发电行业，智能化也是大势所趋。目前，行业内关于智能发电、智慧电厂的研究蓬勃发展，不少厂商也开发出了比较成熟的应用产品，如运行智能监测、设备故障诊断、智能巡检机器人等，在一定程度上提升了电厂的智能化水平。另一方面，随着节能降耗、电力市场竞争的压力日益增大，传统发电企业如何提质增效、增强市场竞争力成为了企业生死攸关的问题。通过信息化与智能化转型，深挖设备节能降耗潜力、提高机组运行水平、降低人工成本，成为了发电企业提升竞争力的不二选择。基于大数据分析技术的智能监盘系统能够整合设备状态信息，实时监测设备运行状态，提前预测设备异常，帮助运行人员将机组控制在最佳水平，减轻运行人员的监盘压力，助力电力企业提质增效，提高竞争力。1.2项目必要性目前火电厂主要依靠运行人员通过DCS进行机组监控及调整，DCS画面较多，监盘人员需要频繁翻页查看参数，工作强度大，监盘压力高。DCS并不直接显示参数正常区间，设置的报警阈值也主要以保护设备安全为目的，监盘人员需要依靠经验判断参数异常，并不能及时发现参数异常波动，且24小时轮流倒班的工作模式对运行人员精神状态影响很大，时常出现由于精神状态不佳导致误操作造成机组非停的事故，愿意从事运行工作的年轻人越来越少。火电厂主要通过DCS参数异常报警和设备巡、点检来发现异常，往往发现异常时故障已经发生，或者设备已经出现一定程度的损坏，属于事后报警，如果能提前预警，在故障发生的早期监测到异常，提前处理，将可避免故障造成的损失，节省大量人力、物力、财力，提高电厂运行管理水平。因此，需要一个具有并行计算能力的大数据平台对运行参数连续进行分析和计算，能自动发现参数或设备异常并进行预警，辅助运行人员监视参数，让计算机去替代人做一些重复性、繁琐的工作，降低生产一线员工的劳动强度，解放生产力，让运行人员能专心调整参数，提高机组运行的安全性和经济性，提高生产效率，具有十分重要的意义。二、相关企业实践现状及发展趋势2.1国内外相关领域的业务现状目前，得益于大数据、云计算、人工智能、物联网等信息技术的高速发展，行业内关于智能发电、智慧电厂的研究也在蓬勃发展，基于电厂SIS、MIS系统保存的海量运行、管理数据，不少厂商也开发出了比较成熟的应用产品，如运行优化、设备故障诊断、智能巡检机器人、智能安全管控、智能两票等，在一定程度上提升了电厂的智能化水平。在运行监盘方面，相关厂商和电厂也开发了智能监盘方面的产品，主要技术方向为整合监盘参数、减少监盘界面、改进报警模式、设备故障预警等，取得了较好的应用效果。随着神经网络等机器学习算法的广泛应用和大数据分析技术的迅速发展，为满足火电设备运行优化等现实要求，基于大数据分析的设备运行优化技术被日益重视，已成为世界范围的研究与开发热点。2.1.1国外研究现状世界主流的电厂分布式控制系统(distributedcontrolsystem,DCS)供应商都已推出面向节能降耗的优化运行软件。瑞士ABB公司设计的电站运行优化软件包Optimax、美国Pegasus公司的NeusIGHT和PowerPerfecter电站优化控制系统以及丹麦DONG能源公司的Turabs火电厂在线性能监测和优化系统具有性能监测和诊断功能，且集成应用了神经网络算法。国内电厂安装这些软件后，发电效率有了一定的提高，但由于软件缺乏针对性，且优化范围不够系统，电厂的节能潜力还有待进一步挖掘。2.1.2国内研究现状针对机组性能在线监测以及运行优化，国内人员也开展了相关的研究工作，主要集中在高等院校的能源电力相关院系、电力行业的研究院所以及面向电力行业的科技企业。有西安交通大学的“微机在线运行能损分析装置”、华北电力大学的“机组经济性在线监测诊断指导系统”以及西安热工研究院研发的“机组动态经济运行分析系统”、山东电力研究院开发的“电厂节能管理评价系统”以及清华大学、浙江大学、东南大学等研制的各种监测系统。这些机组性能在线评估模块只包含一些基本指标且针对特定机组，尚未形成可推广的、真正实用的集状态监测与性能评估的平台。目前亟需开发成本可控、不断迭代优化、适合我国国情的实时监测和节能优化技术。2.2领先实践的成功案例江苏利电能源集团下属的利港电厂自主开发了一套智能监盘系统，已得到实际应用，取得了较好的效果。利港电厂开发智能监盘系统的目的是降低运行人员监盘工作量、减少运行人员。利港电厂智能监盘系统在深入挖掘和分析海量运行数据基础上，建立预测模型和评价模型，从设备安全性、系统安全性、经济性、运行状态等五个维度对机组不同系统的健康度进行实时量化评价和打分，监盘人员只需观察系统分数，当分数降低时，通过逐层点击监控画面就可发现异常，大大减轻了监盘人员工作量。应用了智能监盘系统的机组只需原来2/3的运行人员就可满足监盘要求，达到了减员的目的。三、需求分析3.1现有业务及信息系统分析3.1.1业务现状现有发电机组运行监盘主要通过DCS组态画面进行运行监控。通常1台机组需要配备8-10名运行人员，在启停机的关键阶段需要人员更多。老厂人员离职率较高，愿意从事运行工作的年轻人越来越少，运行人员呈现老龄化趋势，人员不足的矛盾日益凸显。3.1.2信息系统现状现有企业资源一体化系统（ERP）集成了生产管理、经营管理的业务流程、价值链数据，厂级监控信息系统（SIS）集成了控制系统的生产过程数据，但前者侧重运行管理，后者主要提供了实时组态画面展示、经济指标的计算和监测以及小指标绩效考核。3.1.3问题分析SIS存储了海量生产数据，但系统仅从节能管理角度出发提供了能耗计算、报表和考核管理等功能，并未实现历史数据的深度挖掘、实时分析与指导。现有DCS监控界面较多，监盘人员需要频繁翻页查看参数，工作强度大，监盘压力高；DCS并不直接显示参数正常区间，设置的报警阈值为一个或多个固定的上下限值，监盘人员需要依靠经验判断参数异常，并不能及时发现参数异常波动；当DCS发出报警时往往故障已经发生，或者设备已经出现一定程度的损坏，属于事后报警。因此，需要应用智能监盘系统来解决上述问题。3.2目标需求整合机组运行参数进行界面整体展示，减少运行人员劳动强度；实时监测机组系统、设备参数变化，基于大数据分析技术和实时/历史数据建立运行参数监测模型，基于设备多维参数的监测进行运行状态的实时监测；实时提示设备状态异常，实时分析设备异常原因，实时展示并提示运行操作人员和运行管理人员，提升机组设备运行可靠性，提升企业市场竞争力。四、建设目标和内容4.1建设原则和策略4.1.1建设原则在实际建设中遵循以下原则：系统可用：功能可落地、可复制，最小代价满足最迫切应用的需求。系统安全：人员权限清晰可控。系统易用：直观展示应用，满足电厂生产人员操作便捷的需求。系统易维护：满足设备状态维护监测、现场环境易变动需求。系统易扩展：满足硬件扩容、模块扩展需求。系统开放易集成：满足多方顶层业务数据接入需求。4.1.2建设策略项目建设按照“整体规划、统一标准、注重实效、适度超前”的总原则，基于“服务生产，面向管理，辅助决策”的设计思想，着眼于未来和发展，同时注重结合目前公司设备管理实际情况，进行统一总体规划设计。在系统建设过程中，借鉴国内外先进的思想和理念，引入过程管理思想，强化面向服务的管理理念，采用先进信息技术工具，支持对信息化基础设施的流程管理、远程监控和性能分析，支持运行维护人员的知识共享，保障IT资源的价值发挥。加强信息安全意识培养，将安全组织与人员、安全技术与产品、安全流程与体系进行有机结合，建立完善的信息安全管理体系。建立和完善相关专业技术标准和信息标准，建立标准化体系，为实现数据共享和应用扩展奠定并夯实基础；采用成熟稳定的技术，建设行业领先的业务应用和分析模型，发挥企业专业技术水平优势，实现知识效益最大化；坚持经济、实用原则，尽量利用现有资源，发挥资源再利用，坚持在先进、高性能前提下合理投资，以期在成本最佳的前提下获得最大的管理效益、经济效益和社会效益。4.2建设目标以提高电厂监盘智能化为宗旨，以大数据平台为支撑，建设基于大数据分析技术的智能监盘系统，帮助运行人员精准发现参数异常，降低运行人员监盘压力，建设故障预警模型，在设备故障早期进行预警，提高机组运行水平和设备健康水平。4.3建设内容4.3.1业务架构从机组启停过程和停机后监视以及机组运行过程监视角度出发，进行机组设备状态监测模型搭建、引入异常预警机制及知识指导，并进行异常归档统计与分析，从而实现机组实时辅助监盘，提升机组运行优化的智能化水平，业务框架图如下所示：4.3.2业务蓝图设计从机组运行控制和设备维护角度做到基于大数据平台的无缝沟通和智能提醒，实现机组运行优化实时建议和设备运行维护提醒。此系统的应用将改变以往反复切换画面的繁琐操作，将重要异常提醒集中在一个大屏画面进行展示。运行人员通过智能监盘画面可以快速了解当前设备或运行参数的异常，同时参看异常知识库，快速定位问题、分析问题，从而及时跟踪和处理运行过程可能存在的问题。运行专工或生产管理人员可以调用异常归档记录进行异常处理过程分析。4.3.3系统功能1) 大数据分析平台，为数据实时监控、设备状态预警等提供数据采集、数据计算、数据处理、数据挖掘、数据存储、数据服务等功能和工具。2) 智能辅助监盘，整合设备、系统各项监控参数。参数超出标准运行数据时发出报警。3) 智能事故预警。在设备异常发生初期参数异常且尚未造成严重后果之前及早发出预警。4) 异常处理指导。在系统发出预警时，发出针对设备异常的查找、处置提示，指导值班人员进行处置。5) 异常归档与分析。对系统发出预警的事件存档，对异常事件发生的原因、频次、持续时长分析，进一步实现设备健康状况分析。五、技术方案和技术路线5.1系统架构搭建基于hadoop存储的大数据平台。梳理发电企业的数据资产，基于数据资产管理实现业务系统之间的数据集中管控及共享，打破数据孤岛。大数据平台实现实时/历史数据库、关系数据库等数据源的数据采集、存储、清洗、挖掘建模、分析、联机查询，依托于大数据和人工智能算法，挖掘各系统的数据价值。深化各类智能应用，采用可视化技术进行展示，助力发电企业打造更安全、更可靠、更实用的智能监盘系统。5.2技术路线本项目以火电企业机组监盘智能化作为主要研究内容。基于项目研究目标进行同类项目实地调研与文献学习，与电厂运行管理人员、监盘人员进行交流和探讨，了解目前监盘过程中存在的痛点与不足，以及希望智能监盘具备的功能，从优化监盘界面、智能报警、故障预警、故障指导、统计分析五部分功能应用出发，进行需求整理与分析，形成智能监盘产品方案。将方案进行分解，具体化，结合详细设计方案开发升级产品，并经多轮测试，直至达到应用要求。5.3技术方案5.3.1 大数据平台大数据平台包括大数据集成、大数据存储、大数据分析与挖掘、主数据管理、大数据服务、维护工具。大数据平台基于Hadoop技术，覆盖大数据采集、存储、处理、分析、共享等于一体的一站式平台。采用先进的大数据和机器学习技术，内置多种海量数据存储方案、大数据处理方法和分析挖掘算法；支持结构化数据、半结构化数据和非结构化数据的采集、存储、分析挖掘、检索；提供统一的数据服务访问机制。（1） 数据集成针对数据整合与集成的需求，需要一套功能完整、成熟、先进的数据采集ETL工具来完成数据采集的工作。ETL工具将各个分子系统的分散的、重复建设的、异构的等散乱数据通过一定的规范整合到统一的处理平台，然后提供统一的管理和访问。同时，利用大数据强大的处理能力，高效的解决传统架构无法解决的统计汇总，数据分析、决策等。数据采集是建设大数据平台的基础，数据包括结构化非结构数据采集，采集需求包括批量采集和增量采集。数据的来源包括关系数据库、实时/历史数据库、文件、控制系统。数据清洗，指的是通过技术手段对抽取的数据进行甄别和清洗，如冗余数据，无效数据，质量较差的数据等等。平台应提供行列转换、交叉表、值转换、空值填补、异常值处理、类型转换、多源行合并、多源列合并等数据清洗和集成的处理方法。（2） 主数据管理规范、统一业务系统数据使用的共享，建立统一的数据管理仓库，优化数据质量，增强系统的集成能力，实现数据的有效性、准确性、完整性、一致性和及时性。建立标准的主数据仓库，实现高质量数据采集、管理、共享的主数据管理标准。强化主数据管理要求，实现对数据创建、变更、注销等全生命管理的标准流程。建立主数据共享流程的业务模型，实现企业级各系统数据的一定程度的整合、规范，打破各系统间因数据不一造成的数据壁垒。建立主数据管理数据来源，实现数据来源的管控机制，提升数据质量，保证平台数据的准确性、真实性。建立主数据共享检查机制，未验证通过的数据不能进行数据共享使用。建立统一的数据平台，保证业务系统数据来源的单通道机制，真实反映企业业务情况，为企业统一业务模型和决策分析奠定基础。（3） 数据服务满足平台不同数据访问，包括关系数据库RDBMS、分布式文件系统HDFS、数据仓库Hive、NoSQL数据库HBase、实时数据库。应用通过权限访问数据服务。提供访问权限配置、服务注册、应用注册、数据访问方法创建及参数配置等功能。（4） 数据存储大数据存储需要满足海量存储、安全存储和快速读取的要求。其中海量存储包括容量和数据文件量两个方面。平台数据存储采用大数据分布式存储技术，支持系统存储容量能够以比较低的成本存储海量数据并能实现快速平滑扩展。为保障数据安全存储不丢失，对数据进行至少一次备份，当服务器出现故障，能够自动恢复数据。为了支持数据快速读取和并发访问，平台提供索引机制，能够快速定位数据。另外，平还提供多种分布式存储方式，包括分布式文件系统、时序数据库、列式数据库、内存数据库和数据仓库。每种方式都采用大数据分布式存储技术，并且适用不同用途的数据存储。分布式文件系统适合存储百兆字节以上大体量的文件，如视频文件、音频文件、日志文件等；时序数据库适合存储随时间时刻在变化的数据，如从传感器采集的数据；列式数据库适合快存、快取的数据存储，如数据库数据、小文件等；内存数据库适合快速访问的存储数据，如缓存数据、中间结果数据、反复使用的数据等；数据仓库适合存储经过处理形成了专门用途的结构化数据，如数据集市。数据采用哪种方式存储，可以在采集模块中选择合适的存储方式，即可使用不同的机制把数据存储相应的位置。（5） 数据挖掘数据挖掘是对大量结构化和非结构化的数据进行分析处理，从中获得新的价值，具有数据量大、数据类型多、处理要求块等特点。大数据挖掘过程由数据抽取、数据探索、数据预处理、选算法建模、模型评估、模型应用组成。平台提供大数据可视化建模工具，采用图形化、流程化的方式进行大数据挖掘工作。数据价值的挖掘过程采用全可视化操作，挖掘数据隐藏的“价值”。平台集成K-Means聚类、GMM高斯混合模型、随机森林、神经网络、SVM支持向量机、FP-growth关联规则、OLS最小二乘法、EM最大期望值、决策树、线性回归、岭回归、梯度提升树、广义线性等大量机器学习算法，能够满足电力系统各种大数据分析挖掘需求。5.3.2 智能辅助监盘智能辅助监盘系统整合各系统运行参数进行整体画面展示，减少运行人员翻看画面次数，各项参数按照机组、系统、设备的层次进行展示。机组层的参数如负荷、主蒸汽温度\压力、再热蒸汽温度\压力、发电煤耗等；系统层按不同的系统分别展示，如锅炉制粉系统给煤机给煤量、磨煤机电流等，风烟系统炉膛负压、风机转速电流、排烟温度等，汽水系统排汽压力、凝结水流量、给水流量、减温水流量、循环水流量、开闭式水流量等，电气系统各变压器进出口电压\电流、厂用电10KV\380V母线电压、升压站进出口电压\电流等；设备层则在系统层下一级展示，如汽水系统凝结水泵频率、电压、电流、转速、流量、进出口压力，风烟系统送风机电压、电流、转速、振动、动叶开度，电气系统主变压器进出口电压、电流、润滑油温度\油位、散热风机转速等。依托于大数据分析技术，辅助监盘系统可以做出比DCS更精确的报警提示。目前DCS的报警原理为对某一运行参数设置一个或多个固定的上限和下限，当参数超过这个区间时，就会发出报警，这样的报警及时性无法得到保证，报警发出时机组已经异常运行了一段时间，留给运行人员调整的时间也不够。在机组启动、运行和停机的不同状态下，辅助监盘系统除了设置单个参数的上、下限报警值外，还与标准运行数据进行对比，标准运行数据是系统基于大数据分析技术利用海量历史正常运行数据对搭建好的系统、设备模型进行训练，在不同工况条件下，模型会得到一个系统、设备的正常运行数据区间，当某项参数超过这个区间时，系统判定异常，发出报警提示。双重报警功能的设置不仅能充分保证设备的安全，更能提前发现运行异常，留给运行人员充足的时间进行处理。（1）机组启动监测机组启动过程中，本系统全程监控机炉电系统、设备各项参数变化情况，并对关键启动节点设置报警提示。机组实时启机数据与基于大数据分析技术对历史成功启动数据进行分析得到的标准启机数据进行对比展示，可实现启机全过程的有效监控。（2）机组运行监测机组运行状态，本系统通过实时参数与根据大数据分析技术得到的标准运行数据相对比，实现对机组及其主要辅机系统实时监视，实现机组安全、经济运行。（3）机组停机监测机组停机后状态，本系统通过重点监视机组停运后汽机润滑油、密封油、汽缸温度及氢系统等相关参数，防止发生设备事故。5.3.3预警模型搭建智能监盘异常预警通过深入挖掘和分析海量历史运行数据，建立预警模型，从设备安全性、系统安全性、经济性、运行状态等5个维度对机组健康度进行实时量化评价。通过预警模型预测每个参数的期望值，与实时值进行比较，发布偏离预警，提前预警到故障的征兆，减轻运行人员繁重的监盘工作。通过设备级、系统级、机组级三级健康度评价体系评价整台机组的健康度。异常预警通过大数据分析算法挖掘设备健康运行样本的关联性和耦合性，对正常运行状态进行预测，将提升设备状态监测、评价与诊断的及时性、准确性和快速性，为设备故障和劣化提供预警，让设备处于实时可控状态，同时提升设备建康度，实现由“事后检修”向“事前维护”的转变。异常预警系统分析重要监测参数，依据大量历史数据中隐含的参数关联性、耦合性以及设备正常运行的样本数据，建立基于大数据机器学习算法的设备预警模型。系统对不同系统的设备特征进行建模，通过大数据挖掘算法对机组运行历史数据进行学习训练，形成一个设备、系统和机组的应有状态以及由数据驱动的动态报警阈值，并将其与实时运行状态进行比较，以判断现有状态是否依然正常。当机组、系统或设备出现不同级别的预警提示时，系统能通过不同颜色进行标识展示，同时会对测点的健康状态进行排序，把引起该异常的主要测点罗列出来，便于运行人员进行故障定位和查找原因。本系统结合机组系统特点、规程、二十五项反措及典型事故案例，通过对发电机本体、变压器、汽轮机本体系统、真空系统、加热器系统、风烟系统、重要辅机等主要设备建立预警模型，实现早期预警、事故判断、辅助处理等功能。（1）发电机本体模型发电机铁芯、线棒温度、氢温及其变化速率异常时提前预警，提示运行人员检查氢温冷却系统及可能引起温度升高的故障点，防止因处理不及时造成事故扩大；油氢差压异常时提前预警，提示运行人员进行调整，防止发生发电机跑氢、进油事件的发生；内冷泵电流、内冷水箱水位、内冷水流量及其变化速率异常时提前预警，避免因内冷泵故障、现场存在泄漏点等因素造成发电机断水。（2）变压器模型变压器温度及其变化速率异常时提前预警（不同季节进行温度修正），提示运行人员检查风扇运行情况及台数，尽早发现变压器短路、绝缘故障等异常现象，为处理争取时间。（3）汽轮机本体系统模型汽轮机本体重要参数（胀差，轴位移，轴承振动值、温度及回油温度）及其变化速率异常时提前预警，防止动静部分摩擦、振动大；主汽温度和缸温及其变化速率异常时提前预警，防止汽轮机进水；监视机组启动过程中缸温与胀差的对应关系，判断汽轮机滑销系统的卡涩故障等；润滑油压、润滑油温等参数异常变化时提前预警，防止断油烧瓦；重要保护参数通过多点对比，及时判断热工变送器或开关异常，防止保护误动。（4）真空系统模型凝汽器真空在对应工况下经验值偏差过大或下降速率过快时提前预警（不同季节进行温度修正），并查看其它影响真空参数是否发出预警（如：抽气设备运行参数、轴封压力、循环水压力、循环水温升等），快速判断故障点，为事故处理争取时间；同时可对凝结水过冷度、凝结器端差、循环水温升等影响机组经济性参数实时监控，提示运行人员进行循环水泵运行方式优化等节能操作。（5）加热器系统模型通过对加热器水位、疏水调整门开度、疏水温度、给水流量、抽汽温度综合判断加热器泄露并提前预警，防止汽轮机进水；对应负荷下的加热器温升、给水温度不能满足时提前预警，提示运行人员检查运行参数是否正常，若无效则应利用停机机会检查加热器结垢、水侧隔板情况，提高机组运行经济性；除氧器压力、温度、水位异常时提前预警，避免发生汽轮机进水、给水中断、给水泵汽化甚至除氧器破裂等严重事件的发生。（6）风烟系统模型吸风机电流、动叶开度、风量等参数异常时提前预警吸风机失速危险，提示运行人员及时进行参数调整；通过对风烟系统差压的监控，提前预警系统堵塞现象，提示运行人员及时进行吹灰，持续超标应利用停机机会进行检查；空预器轴承温度、电机电流及其变化速度异常时提前预警，提示运行人员加强就地检查。（7）重要辅机模型重要转机运行参数（电流、出力、油温、油压、轴承温度、电机线圈温度等）及其变化速率异常时提前预警（不同季节进行温度修正），提示运行人员就地检查故障点，避免事故扩大；重要转机联锁应投未投或异常切除时及时报警，及时提示运行人员进行检查；重要转机自动调节装置指令与反馈或指令与实际出力偏差大时及时预警，提示运行人员就地检查是否为调节装置卡涩，避免因发现、处理不及时造成事故扩大。5.3.4 异常处理指导运行异常或设备异常时，系统发出预警并自动关联异常知识库，给出异常调整或诊断提示信息，便于运行人员查找原因，进行运行调整或现场设备检查处理。异常知识库是一个开放的诊断知识积累平台，能自动监视和记录系统运行异常和关键设备的异常发展过程、可能原因、征兆和措施等，用户可进行诊断知识的快速添加，并在再次发生同样征兆或异常时自动提示相关异常处理知识，从而实现电厂运行异常调整和设备故障的知识捕捉、积累和传承。异常知识库最终要实现对异常的精准判断，降低运行人员异常判断的劳动强度。异常知识库包含设备模式库和案例库。模式库通过挖掘和自学习来自动生成运行中异常诊断的规则表及模型库，能建立知识库经验、案例和模型之间的规则判断关系，将预警信息通过判断算法自动给出可能的异常模式，形成异常预警事件，以供运行人员参考。案例库是将完整的异常诊断单总结成案例，将同类型设备、同一设备异常自动归档，实现用户之间的知识共享。案例库也可以提取异常模式，通过判断公式的编辑添加到异常模式库。5.3.5 异常归档与分析智慧监盘系统可以对发出预警的事件进行存档，能够随时查看历史报警数据。运行人员可以在系统中录入报警原因，通过统计人为参数设置不当、设备状态调整不当或设备本身性能劣化等不同的报警原因，对不同报警原因发生的频次、持续时长进行分析，可以提醒运行人员重点监视易不当设置的参数和设备，并总结经验教训，对于开始劣化的设备进行重点监视，提前做好维修、更换的准备，进一步实现设备健康状况管理。5.4集成方案系统接口：已有实时库XDB6.0的实时/历史数据采集接口；ERP数据采集接口5.5系统安全本系统严格按照各级有关二次系统安全防护的文件要求进行设计。首先，在网络安全区接口处部署网络正向隔离装置，用以实现数据的单向传输；其次，在数据采集汇聚的交换机上，为了防止各接口系统在接入时形成互联，每个系统与采集机之间都部署了单向隔离装置；最后，在数据采集机上我们采用双网卡配置，两块网卡分别配置不同网段的IP地址，从而实现网络的逻辑隔离。5.6系统硬件配置原则序号项目配置说明单位数量1服务器1)2*2.1GHz8核CPU

2)8*16G内存

3)2*高性能4端口千兆网卡

4)2*480GSSD+3*2TSAS万转硬盘5台2关系数据库mysql1套3服务器操作系统linux5套5.7主要创新点1) 智能监盘系统整合发电机组各系统运行参数进行界面整体展示，减少了监盘人员频繁翻看DCS界面次数；报警机制为通过实时运行参数与模型生成的标准运行数据进行对比形成，报警更及时、准确；2) 异常预警功能基于历史运行数据训练的成熟模型，可以判断设备状态，提前发现设备异常隐患，实现异常早期预警；3) 异常处理指导功能关联异常知识库，当系统发出预警时给出异常指导建议，帮助运行人员快速定位异常，获取解决办法；4) 异常归档与分析功能可以对异常事件发生的原因、频次、持续时长进行分析，可以帮助运行人员总结经验、帮助值长\专工分析设备健康状况，促进设备健康管理。六、项目实施6.1项目组织及分工项目建设期成立一个体制完善、层次分明、分工合理的项目型组织结构，及时解决项目推进过程中的问题，明确各小组责任与沟通机制，提高工作效率，确保项目质量，降低项目建设风险。建议形成下表所示的项目组织结构：组织角色说明耒阳公司项目管理委员会由耒阳公司项目建设负责人牵头，与系统相关专业部门管理人员及技术人员组成。定期碰头，任务包括协调项目人、财、物资源，关注项目每阶段的进展，并对重大事件做出决定，项目经理将项目的进展情况每月向项目管理委员会定期做出汇报。项目管理办公室项目经理对整个项目生命周期负责；负责项目跟踪，并给委员会提供适当的建议和决议；与委员会和其他客户方的管理组人员交流项目运作情况；负责资源收集；监控项目预算；负责保证所有可交付项目在协议时间里复查并签署通过。咨询顾问提供有关本系统管理业务上的一切咨询活动。业务支持由项目经理领导，承担项目具体的实施工作，应由企业主要业务部门的领导或业务骨干组成。关系到项目实施能不能贯彻到基层，每个模块与业务组必须有固定人员组织，他们带着业务中的问题，通过对应用系统的掌握，寻找一种新的解决方案和运作方法，并用新的业务流程来验证。最后协同企业一起制订新的工作规程和准则，他们的工作还包括对其所在单位的培训工作。信息[IT]支持配合系统上线实施；提供系统运行的IT环境、IT需求及IT支持。实施单位质量总监监督项目管理的各项制度是否严格被执行；组织项目阶段评审。项目经理确保每个阶段任务的按时完成；计划和协调项目的运作；为本项目的实施提供质量保证；有规律的准备和递交状态报告；根据项目整体的运行状况，不断更新项目计划和报告；履行、管理实施工作。管理项目预算、人员、资源、日程、产品、质量。设计组为建立系统，进行分析、设计。开发组为建立系统，进行开发、测试。实施组负责数据接入工作，系统安装、调试和对用户的系统管理培训；承担系统的二次开发工作。专业组对项目建设的专业领域进行分析，提供咨询和必要的支持。服务组负责系统售后服务及技术支持。系统集成组网络设计、布线、网络设备安装调试；服务器系统的安装和调试；对用户进行系统管理培训。商务组负责项目建设的商务方面需求的整理、分析和协调。6.2项目总体计划1）项目建设期计划开工日期：2020年12月，计划竣工日期：2021年12月。2）实施进度计划任务名称开始时间完成时间主要内容及交付项可行性研究2020.122021.1基于大数据分析的智能监盘系统总体可行性研究，交付《基于大数据分析的智能监盘系统》审查稿。专家审查2021.22021.2组织可研评审，根据评审意见完善报告，交付《基于大数据分析的智能监盘系统》最终稿。项目调研2021.12021.3形成调研报告和课题研究方案。基于大数据分析的智能监盘系统客户需求调研分析，组织需求评审，根据评审意见完善报告，交付《基于大数据分析的智能监盘系统项目立项建议书》、《基于大数据分析的智能监盘系统需求规格说明书》。招投标2021.32021.3完成项目招投标签订合同2021.42021.4签订项目合同系统设计2021.42021.4设计系统各个具体业务模块，包括系统需要分析、系统概要、详细与数据库设计、系统接口设计、系统测试用例设计等，交付《基于大数据分析的智能监盘系统概要设计说明书》、交付《基于大数据分析的智能监盘系统数据库设计说明书》等。系统编码2021.42021.5根据项目需求，进行系统所需功能的软件开发。系统测试2021.42021.8系统测试、模型调试项目实施2021.92021.11项目安装、项目调试、项目试运行项目验收2021.122021.12项目验收资料准备项目验收七、效益和风险分析7.1效益分析7.1.1经济效益系统上线后，预期每年通过降低运行人员投入、管理费用和减少机组非停事故节约100-200万元，项目投资回收期约为1-2年（含建设期）。