2023燃煤电厂智慧电厂典型设计规范

燃煤电厂智慧电厂典型设计规范2023年6月

范围本文件提出了煤电智慧电厂建设的总体要求、基本原则、系统架构、功能要求、技术方案等内容。本文件适用于XXXX集团有限公司（以下简称“集团公司”）燃煤火力发电厂智慧电厂的全生命周期建设与管理。规范性引用文件下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本适用于本文件。GB/T20270信息安全技术网络基础安全技术要求GB/T20271信息安全技术信息系统通用安全技术要求GB/T20272信息安全技术操作系统安全技术要求GB/T20273信息安全技术数据库管理系统安全技术要求GB/T21052信息安全技术信息系统物理安全技术要求GB/T22239信息安全技术网络安全等级保护基本要求GB/T23000信息化和工业化融合管理体系基础和术语GB/T23001信息化和工业化融合管理体系要求GB/T23002信息化和工业化融合管理体系实施指南GB/T23003信息化和工业化融合管理体系评定指南GB/T23020工业企业信息化和工业化融合评估规范GB/T30976工业控制系统信息安全GB/T32919信息安全技术工业控制系统安全控制应用指南GB/T36073数据管理能力成熟度评估模型GB50174数据中心设计规范GB50311综合布线系统工程设计规范GB/T50549电厂标识系统编码标准DL/T261火力发电厂热工自动化系统可靠性评估技术导则DL/T655火力发电厂锅炉炉膛安全监控系统验收测试规程DL/T656火力发电厂汽轮机控制及保护系统验收测试规程DL/T657火力发电厂模拟量控制系统验收测试规程DL/T658火力发电厂开关量控制系统验收测试规程DL/T659火力发电厂分散控制系统验收测试规程DL/T701火力发电厂热工自动化术语DL/T748火力发电厂锅炉机组检修导则DL/T774火力发电厂热工自动化系统检修运行维护规程DL/T838燃煤火力发电企业设备检修导则DL/T924火力发电厂厂级监控信息系统技术条件DL/T1022火电机组仿真机技术规范DL/T1212火力发电厂现场总线设备安装技术导则DL/T1492火力发电厂优化控制系统技术导则DL/T5175火力发电厂热工控制系统设计技术规定DL/T5226发电厂电力网络计算机监控系统设计技术规程DL/T5295火力发电建设工程机组调试质量验收及评价规程DL/T5428火力发电厂热工保护系统设计规定DL/T5437火力发电建设工程启动试运及验收规程DL/T5456火力发电厂信息系统设计技术规定DL/T5512火力发电厂热工检测及仪表设计规程T/CEC164火力发电厂智能化技术导则《中华人民共和国网络安全法》国能安全〔2015〕36号《电力监控系统安全防护总体方案》国家发展改革委第14号令《电力监控系统安全防护规定》工业和信息化部《工业控制系统信息安全防护指南》工业和信息化部《工业互联网网络建设及推广指南》工业和信息化部《关于深入推进信息化和工业化融合管理体系的指导意见》中国自动化学会发电自动化专业委员会《智能火电厂技术发展纲要》中国企业联合会《智慧企业指引（2018）》XXXX集团有限公司智慧企业建设管理办法（试行）（大唐集团制〔2020〕199号）XXXX集团有限公司《智慧电厂技术指引——火电（2022）》XXXX集团有限公司《信息机房建设准则》术语定义DL/T701、T/CEC164界定的以及下列术语和定义适用于本文件。3.1煤电智慧电厂以新一代信息技术与燃煤火力发电技术深度融合为本质，以数字化、网络化、智能化、无人化为方向，以数据、平台、网络、算法为关键要素，具有泛在互联、全面感知、智能优化、精准管控、安全稳固等特征的工业互联网形态，促进燃煤火力发电厂绿色、低碳、灵活、低成本运行，达到快速适应市场变化的要求，与风、光、水、储、智能电网及需求侧相互协调，与社会资源和环境相融合的燃煤火力发电厂。3.2智能发电设备燃煤火力发电机组主/辅生产设备和智能组件的有机结合体，具有测量数字化、控制网络化、状态可视化、功能一体化和信息互动化特征的设备。3.3智能控制平台在传统控制系统的基础上，配置智能控制器、计算服务器、实时数据库服务器、高级值班员站、高级应用服务网等资源，融合数据分析、智能计算引擎、先进控制、人工智能等技术，实现发电厂智能检测、状态监测及诊断预警、智能控制与高效运行的软硬件平台。3.4智慧管理平台以大型数据库系统为基础，融合云计算、大数据、物联网、移动应用、人工智能等技术，整合实时数据资源，机组设计、施工、维修数据资源，全厂人力、财务、设备数据资源，以及电网、集团、市场信息，实现发电企业的智能安全、智能管理与智能服务，为电厂人员与设备安全、精细化管理及优化决策提供一体化管理平台。总则总体要求智慧电厂应按照“节能降耗、减人增效、主动安全、精益管理、互联互通、集约协同”的建设思路，采用“云大物移智”等先进技术推动数据、技术、流程、组织等要素互动创新和持续优化，实现资产、数据、人员优化组合，使电厂具备自适应、自学习、自趋优、自恢复、自组织、自演进能力，持续提升系统效率、可靠性和灵活性，提升创新发展、智能发展和绿色发展水平，逐步实现生产智能化、管理智慧化、运行少人化，为燃煤火力发电厂高质量发展提供全方位支撑。（1）智慧电厂建设应以安全高效、绿色低碳、灵活智能为目标，进一步提升发电厂的快速响应能力、精益管理能力、低碳环保能力，建成智慧化的高质量能源供应基地。（2）智慧电厂建设应在发电厂规划、设计、建设、运营、改造全生命周期过程中，应用互联网、大数据、人工智能、5G、区块链等新一代信息技术，实现发电技术与新一代信息技术的深度融合。（3）智慧电厂建设以“两体系、两平台”为基本架构，两体系包括智能控制体系和智慧管理体系，两平台包括智能控制平台和智慧管理平台。（4）智能控制体系应以分散控制系统（DCS）为基础，融合先进检测技术、数据分析、智能控制、神经网络等技术，实现发电厂安全、高效、稳定运行。（5）智慧管理体系应融合云计算、大数据、物联网、移动应用、人工智能等技术，全面整合与优化发电厂建设所需IT资源、数据资源及基础设施资源，加强数据共享和综合分析，为发电厂人员与设备安全、精细化管理及优化决策提供支撑。建设原则坚持顶层设计原则应深入研究智慧电厂的实际需求、技术特征和发展规律，做好智慧电厂总体架构的顶层设计规划，应遵循统一规划、统一设计、统一建设、统一管理的原则，有序推进相关技术研究和示范工程建设。坚持“三效三用”原则应深入调研电厂设备和管理现状，做好各功能模块的投入产出分析，确保智慧电厂建设取得实效。要将提高“效益、效率、效能”作为智慧电厂建设的根本目的，将“实用、好用、管用”作为基本评判标准，着眼于提高价值创造能力，注重提高投入产出比，让智慧化真正发挥实在作用。推进数据直接采集、报表自动生成、操作机器替代等技术应用，将基层员工从繁杂、低效、重复性的劳动中解放出来，提高工作效率和质量，让员工在电厂智慧化转型中更有幸福感、获得感。坚持以智能控制和闭环管理为核心的原则应统筹协调生产大区和管理大区智慧化进展，更加重视生产大区智能化，特别是智能控制技术的研究和应用，逐步推进各类智能模块的闭环控制以及模块之间的流程衔接和数据贯通。坚持循序渐进务实推进的原则应充分认识智慧电厂建设是一个长期的过程，不可一蹴而就，要坚持问题导向、需求导向和目标导向相结合，逐步推进智慧化在电厂各方面的研究和应用。智慧电厂架构总体架构煤电智慧电厂建设应以功能为目标，以数据为核心，以网络信息技术为基础，依托智能控制平台和智慧管理平台构建智能控制体系和智慧管理体系，满足发电厂的智慧运营需求。系统架构煤电智慧电厂系统架构一般分为智能设备层、智能控制层、智慧管理层三层架构，以智能设备为基础，以智能控制平台和智慧管理平台为支撑，通过各类智能应用实现控制智能化和管理智慧化。智能设备层在电厂原有各类设备基础上，通过各类先进测量仪表应用提高对设备、环境状态的感知能力，通过视频音频感知设备、机器人等智能作业装备的应用提高执行能力，替代危险环境、重复操作等场景下的人工作业，通过常规生产控制网络、管理信息网络与物联网、工业无线、5G+等网络技术，建设安全、高效、灵活的网络基础设施，提供实现控制智能化和管理智慧化所需要的感知、执行和通讯能力。智能控制层采集生产数据并进行存储和处理，采用先进控制算法和人工智能技术构建智能化高级应用，拓展传统DCS的算力和功能，实现智能控制和智能运行，达到智能、高效及安全生产。以智能控制平台为核心，采用高级应用服务器+智能控制器方式建设智能控制平台，以生产信息全集成为基础，搭建智能控制环境、数据分析环境、智能计算环境，对外兼容DCS系统，对内统一智能控制层应用接口，提供标准化接口和运算环境，保证第三方应用和算法模块的植入。融合专家经验、热力学机理、先进高级算法、数据分析、数据挖掘、机器学习、人工智能等技术，提供智能监盘、智能诊断、智能控制、优化运行等功能，达到电厂智能化运行控制要求。根据智慧电厂建设需要，智能控制平台可分为机组级智能控制平台和厂级智能控制平台。智慧管理层融合云计算、大数据、物联网、移动应用、人工智能等技术，通过智慧管理平台全面整合与优化智慧电厂建设所需的基础设施资源、IT应用资源及数据资源，加强数据共享和综合分析，消除信息孤岛，实现系统间的业务功能协同和集中服务。建设覆盖电厂安全、生产、设备、物资、经营、燃料、应急等业务的管理体系，实现对全厂设备资产数字化、可视化、智能化的监控与管理，以及生产经营各环节的风险辨识、应急处置、智能巡（点）检、智能维修、智慧工地、智慧决策、智慧燃料等功能，为电厂人员与设备安全、精细化管理及优化决策提供支撑。数据架构智能控制层数据架构通过智能控制平台ICS实现数据共享、应用集成、数据交互，通过功能部署实现软硬件一体化集成，实现数据、算法、算力的深度融合，其数据架构分为数据源层、数据处理层和数据应用层。（1）数据源层是生产现场系统、传感器及智能终端的生产数据，主要来源是DCS系统中的实时数据，智能传感器和智能终端等边缘设备的数据经处理可送到DCS系统和ICS平台采集层。（2）数据处理层分为链接层、数据存储和智能计算三个子层。其中链接层主要是进行数据采集，通过DCS私有通讯协议传输到数据存储层中，数据存储层将数据进行高效存储和交互，并增加加密认证模块，形成ICS数据库，对各高级应用提供统一应用数据接口。智能计算层将数据进行计算、分析、特征提取、智能计算形成ICS专有算法库。（3）数据应用层是人机交互层，充分利用数据分析和ICS专有算法库构建的智能模型，提取数据中重要知识，构建高级智能应用，完成智能控制和智能运行，面向机组运行人员使用。智能管理层数据架构智慧管理层的数据架构分为数据源、数据处理和数据应用三层结构。（1）数据源包括SIS数据、智能控制平台数据、智能终端和一些其他系统采集的外部数据。（2）数据处理层提供统一数据通讯接口和统一数据服务接口，实现数据读取一致性、数据时钟一致性和数据应用便捷性，推进业务流程贯通、数据共享和数据互通，支撑通用业务处理、智慧生产管理、智慧燃料、智慧决策等应用。数据处理层包括数据采集、数据管理和智能计算三部分。数据处理是实现数据规范、安全、准确的关键和保障，具备数据模型管控、数据知识管理、指标管理、数据资产目录管理、平台管理和平台运维的能力；智能计算通过实时计算、智能分析、智能建模等为应用层提供算法基础。（3）数据应用层在数据处理的基础上，进行业务流程和生产相关业务的应用层融合、互通，构建各类智慧管理应用。网络架构煤电智慧电厂的网络架构按照安全分区原则，分为生产控制大区（安全I区和安全II区）和管理信息大区，智能控制平台建设于安全Ⅰ区，智慧管理平台建设于管理信息大区。网络和信息安全防护按照等保2.0要求进行建设。智能设备层总体要求智能设备层为智能控制和智慧管理各项功能的实现提供先进的感知、执行、通讯能力。在智能感知设备方面，既包括煤质在线监测、炉膛温度监测等使用先进物理化学检测方法的仪表设备，也包括基于摄像头、音频采集等与人工智能技术相结合的新型工业感知设备；在智能装备方面重点采用各类机器人巡检和操作技术；在网络通讯设备方面提供安全、高效、灵活的网络基础设施，提供各类智慧应用所需要的通讯能力。智能感知设备基础设施应包括智能先进仪表、定位设备、视频系统、门禁系统等。智能先进仪表（1）应运用新型可靠的智能型仪表和设备，完善对电厂系统和设备的运行状态进行监测，提高机组自动化水平，为其它智能型元素提供丰富的基础数据。为提高设备的开放性、互操作性、互换性以及数字化和智能化，智慧电厂应在现场设备层采用现场总线技术。（2）现场仪表(压力、流量、液位、化学成分分析和调节型执行机构)宜采用支持现场总线通讯协议或Hart协议的仪表，并配置相应的智能设备管理系统，收集现场各类仪表运行状态等信息并实施有效管理，提供有效信息给其它智能元素。（3）燃煤电厂典型的先进检测设备包括入炉煤质在线检测、锅炉风粉在线测量、炉内燃烧在线检测、锅炉智能燃烧炉内温度场在线监测、锅炉烟气飞灰含碳量测量、脱硝装置氨逃逸浓度在线检测、脱硝出入口烟气组分分布在线检测、激光测振等。定位设备在智能电站中的人员及货物管理与调度、生产安全管理、人员/访客定位管理等均需要高精度的定位，根据定位的技术原理和使用信号源的不同，可将定位技术分为WiFi定位、蓝牙定位、UWB定位、RFID定位、卫星定位（北斗）、视频定位等，可根据电厂应用场景的不同合理选择定位技术。视频系统视频监控系统包括工业电视监控和安防监控，主要负责对电厂重要区域进行全天候的常规视频监控，同时能与其它子系统进行报警联动，满足生产监控或安全管理的要求。除了常规视频监控外，采用360°全景鹰眼摄像机、视频拼接技术、特殊区域监控以及智能视频监控技术，全面采用1080p以上高清摄像机，以此提高系统的实用价值。（1）智能视频监控智能视频监视系统利用计算机视觉与人工智能技术，建立图像与事件描述之间的映射关系，分辩、识别关键目标物体，借助计算机的数据处理能力过滤图像中无用的或干扰信息、自动分析、抽取视频源中的关键有用信息，对电厂监控区域实时智能监控。智能视频技术应用包含生产运行监控和安全监督管理两个方面，生产运行监控视频应在生产区域架设专用视频网，安全监督管理视频应纳入全厂智慧管理区。（2）智能视频联动1）生产区域视频联动。可将先进的视频图像分析技术与智能发电平台相结合，实现控制系统与视频系统联动，智能识别跑冒滴漏、误动拒动、介质监视、巡检定位、跑偏堵料、异常告警等生产情况，警示给运行人员，必要情况下可紧急自动联动必要设备，保障生产安全。2）安全管理区域视频联动。安全管理智能视频宜通过全厂一体化视频网络传输，且智能摄像头布置数量应充分考虑覆盖性和合理性。智能安全管理视频识别宜具备人脸识别、周界防护、人员追踪定位、安全防护器具佩戴识别（安全帽，安全带，工作服）、违规吸烟、跑冒滴漏、高空坠物、火焰烟雾（煤场火灾联动喷淋消防）、重大危险源、非法闯入、重要物品移动检测、违规作业、脱岗替岗、着装违规、全时高危作业等功能。（3）人员行为安全管控。采用人工智能深度学习等技术对人员非安全行为及物品进行识别，对监控视频数据进行现场人员行为及目标物品的准实时分析，及时有效发现可能性的违规行为，针对生产环境中人员的安全隐患进行预警。如生产区域不带安全帽、吸烟、电子间使用手机、高处作业不系安全带等内容，针对人物面部表情、情绪、身体体征、人员体态、步态等数据的分析，判断人员健康情况。（4）设备缺陷及环境危险识别。应用AI视频技术构建基于人工智能的视频数据识别预警系统，将设备缺陷、环境异常等报警信息推送至生产控制大区智能控制平台进行处理。门禁系统门禁系统应用包括以下内容：（1）门禁管理：智能电站应按业务需求在主要区域及设备间设置门禁，采用刷卡进出+开门按钮方式，配合电子锁进行准入控制，实现人员车辆管理功能。（2）在线巡查管理：基于固定巡查作业需求，利用现有的门禁和视频监控资源，将门禁读卡器作为巡查点，灵活配置巡查路线，定期安排巡查员按路线进行巡查，从而实现对巡查工作及时有效的监督和管理。结合视频关联、报警联动、电子地图、报表等功能，实现巡查工作的自动运行、全方位调度和可视化管理。（3）考勤管理：应满足各种考勤需求，包括：时段与班次定义、人员排班、考勤规则及节假日定义、刷卡记录及考勤结果查询、考勤调整、报表等功能。可统计出每个员工的出勤、迟到、早退、请假、加班、出差等状况，有定制的周、月、年等统计报表，有查询和打印功能。（4）访客管理：应在电厂门卫处安装访客系统，实现来访人员登记、拜访流程管理功能。（5）通道管理：对进出厂区人员身份进行识别，记录进出人员数据和人员身份信息。（6）车辆管理：采用车牌识别技术对进出车辆进行权限识别，并对进场后的车辆进行视频跟踪。智能装备智能装备包括二维码及RFID标签、智能工器具、先进测控设备、智能采制化设备、智能盘煤设备、作业机器人等。二维码及RFID标签（1）二维码可作为现场设备与后台设备管理软件的连接桥梁，与设备标识编码一一对应；（2）扫二维码可查看设备静态信息，包括设备台账信息、技术参数、技术规范、设备出厂及安装信息等；（3）扫二维码可查看设备的动态信息，包括设备缺陷工单记录、检修工单记录、工作票记录、设备异动、物资维修领料记录等信息；（4）扫二维码进行缺陷录入。智能工器具智能工器具包含：智能巡点检设备、智能穿戴装备、智能防误防护设备无人机、智能移动测速仪等，其中智能穿戴设备包括：智能安全帽、智能巡检眼镜、智能手环、智能手表、智能执法仪、智能耳机、智能胸牌等。通过具备通讯技术、视频技术、语音技术、无线技术、定位技术、热成像技术等功能的智能工器具，结合物联网、移动工具，实现现场作业更安全、更高效、更便捷。智能采制化设备（1）智能采制化设备实现全自动采样、制样，应包括采样、打包、喷码、送样、解包、制样、气动传输、封存样、调取存查样等环节的全过程数字化管理功能。（2）对煤质实时化验，应能够测定煤炭发热量、水分、灰分、挥发分、含碳量和全硫等成分。针对不同煤种、煤质、数量，应自动生成采样制样方案，自动获取采制数据，为煤场、燃料管理提供数据。（3）应支持煤样的采制一体化和自动封装，对煤样的信息进行屏蔽。（4）应支持化验仪器联网运行、化验过程在线监控、自动生成化验报告的功能。智能盘煤设备智能盘煤设备应支持激光三维测距和连续扫描式盘点功能，具备对各种复杂形状、复杂地形、复杂环境情况下的料堆进行快速准确的盘点测量，激光安全等级要达到一级安全标准。盘煤仪可采用固定式或者导轨式，实现对煤场存煤的自动盘点。作业机器人机器人用于代替人工完成急、难、险、重和重复性的工作，主要用在变电站巡检、机房巡检、电缆沟巡检、管道检测等工作，包括日常巡检机器人（如轮式机器人、挂轨式机器人等）、专业检测机器人（如锅炉受热面检查、煤质化验等）、现场操作机器人（如电气开关操作、凝汽器清洗等）。网络设施网络设施是发电厂进行数据采集、传输、通讯、安全防护等工作的关键设备，建设智慧电厂应以互联网、物联网技术为基础，实现设备、环境、人员、平台之间的互联互通、泛在感知，为实现智能控制、智慧管理提供网络通信基础。智慧电厂的网络设施包括生产控制网、管理信息网、工业无线网、通讯网、网络安全防护设备等。边缘计算基础设施边缘计算基础设施的建设是整体云网边端协同的重要组成部分，其边缘计算能力应为边缘人工智能推理提供算力支撑，支持智慧电厂各类数据预测应用场景，同时为云端过滤绝大部分过程数据，降低云端负荷。应考虑海量信息存储和信息交换的要求，厂级数据平台主干网宜按照万兆网络标准设计；充分预留外部接口，配置相应防护措施以保证厂级信息系统安全；服务器与存储设备的配置需满足云计算和云储存技术的要求。5G+局域网基于“5G+局域网”的思路，开展电厂网络设施建设及部署，在传统局域网的基础上同步建设5G专网，实现局域网和5G+网络的结合。探索工业WiFi无线设施与5G+网络建设结合使用的方式。利用5g专网低延迟高带宽的性能传输视频信号，探索泛5g网络例如NB-IOT网络的低带宽、低耗能造价低特性传输温度信号、振动信号等。智能控制层智能控制平台总体要求智能控制平台以发电过程的智能化、信息化为基础，融合先进建模、智能控制、数理统计、数值分析等技术，具备自学习、自寻优、自决策、智能预测、运行优化的开发能力，同时具有满足工业标准的数据传输、数据存储、数据处理方式，形成一套可扩展、可执行、高效运行、模块化开发的智能控制平台。统建要求智能控制平台建立在基础设施和智能装备层的基础上，对发电厂的生产及辅助装置实施控制、优化和诊断。在分散控制系统（DCS）基础上，架构的几种模式一一对应将发电领域的专业知识注入人工智能模型中，并与先进控制技术相集成，实现智能电厂生产运行的智能监控。智能控制平台主要由机组级子平台和厂级智能控制中心两部分构成。为满足系统运行安全性、实时性要求，智能控制平台应部署在生产Ⅰ区，应具备双电源冗余功能设计。新建机组应统筹考虑智能控制平台建设。采用高级服务器方案、统筹考虑工控网络安全、独立建设闭环控制逻辑。通讯数据的数据可靠性判定问题。系统架构及主要功能智能控制平台是DCS系统功能的拓展和延伸，是各个高级应用的支撑框架，具备支持智能控制、智能分析、智能诊断等高级算法的开发和部署环境，通常采用高性能控制器和高性能服务器建设。智能控制平台应遵循工控网络安全的要求，按照DCS分散控制系统现有网络结构和标准以太网协议实施部署，实现智能控制平台与DCS系统网络通讯。常见的网络架构有图1和图2两种。网络结构1：智能控制器和智能服务器均部署在DCS系统的冗余网络A、B中，A、B网相互隔离，以DCS专有的以太网协议进行通讯连接。网络结构2：智能控制器部署在DCS系统的冗余网络A、B中，智能服务器通过具有A、B、C、D四种网络的操作员站部署在C、D网中，且A、B、C、D网相互隔离，以DCS专有的以太网协议进行通讯连接。网络结构1网络结构2主要功能：（1）智能控制平台部署在生产Ⅰ区，通过满足工业标准的通讯接口实现与原DCS系统双向数据传输，同时具备数据诊断功能。（2）智能控制平台应具备高级算法开发环境和部署环境、算法封装及加密、模块化组态、画面组态等功能，能够满足智能控制、数据建模、数据分析等技术实施。（3）采用智能控制平台时，各个应用模块应与原有DCS系统实现无扰切换，不对系统造成干扰。（4）智能控制平台提供人工智能、大数据分析等工具，具备典型的测量算法、预测控制、神经网络建模、运行优化等算法库，具备模块化开发环境可进行宏命令调用、元数据描述，为实现智能控制和运行优化，提供便捷的组态、调试、运行环境；用户可以根据自身算法需求，在智能控制层上开发相应的算法模块，具备高度开放应用开发、算法封装加密的功能。（5）平台环境为先进测量、智能控制、高级建模等提供所需的组态、运行、维护环境。（6）智能控制平台具有与常规控制器相同的运行调度环境，并能满足先进测量算法、复杂建模技术、智能控制策略的高实时、低时延、高可靠性执行的需求。（7）提供资源配置工具，将智能分析和计算的结果导入控制过程中，并采用先进控制方法提升控制品质，改善生产运行效果。（8）基于智能控制平台，部署智能监盘、智能控制、智能诊断、优化运行等功能。智能监盘智能监盘系统应利用数据挖掘、预测分析、深度学习等人工智能技术，结合电厂运行规程要求和运行管理需求，对发电生产工艺参数进行预测、分析、评价，并合理展示结果信息，实现智能化系统辅助决策的重要作用，提高运行人员监盘效率，降低劳动强度，提升机组运行的安全性、经济性。智能监盘系统部署方式灵活，配置方便，既可部署在智能控制平台作为ICS的一部分辅助运行监盘人员，也可以部署在智慧管控平台独立应用。具体实施方案根据具体情况和实际需求而定。智能监测采用机理建模计算、统计计算等数据分析技术，实现生产系统中能量流、水系统、热系统、电系统的运行状态分析、展示，进一步提高监控效率。水热电平衡1）一般要求工质与能量平衡监控实现对电能和热能等消耗的统计，便于查清能量的输入、有效利用及损失情况，实现电厂能量平衡的监控。通过监测汽机系统、锅炉系统、水处理系统等各系统的用能和用水情况，掌握和了解全厂用能和用水，对用能和用水数据的整理和分析,计算出各用户单元的用能和用水量。为电厂科学用能、制定节能措施，为管理提供借鉴。以上所有的计算量都能在所有机组之间进行定量对照与比较。2）具体要求（1）全厂热平衡在规定的平衡期内和发电厂热平衡系统的边界内，对全厂热力系统总的热量输入、输出及损失之间的数量关系进行平衡，查清各生产环节热量的输入、有效利用及损失情况，实现电厂热平衡监控。（2）全厂电平衡对全厂电能平衡进行在线统计监测，掌握厂用电范围内输入电能和有效电能之间的平衡关系，明确厂用电分布情况，明确厂用电消耗可控和重点控制的部分。实时展示发电机组有功电能的输送、转供、分布及厂用变压器损耗等全面情况，显示厂用电范围内输入电能和有效电能等之间的平衡关系，反映电厂和机组的厂用电分布状况和辅机耗电水平、厂用变压器损耗及外供用电量情况，帮助电厂人员客观量化的整体评估电能消耗状况。根据电厂实际情况确定厂用电体系并建立厂用电电平衡系统图，根据现场已有的测点条件，配置电能平衡相关计算公式，对一个平衡期的电度量进行计算和结果展示。（3）全厂水平衡对全厂水平衡进行在线统计监测，掌握厂用水范围内输入水量和用水量之间的平衡关系，明确厂用水分布情况，明确厂用水消耗可控和重点控制的部分。通过对发电厂各种取、用、排、耗水的测定，查清发电厂用水状况，找出节水潜力，制定切实可行的节水控制措施和规划，实现电厂水平衡监控。智能报警智能报警应综合采用机理建模、数据分析、人工智能等先进技术，优化报警能力，大幅度减少无效报警，快速定位报警根源，保证操作人员有足够的响应时间，并能够提供适当鉴别信息和做出指导，提高机组的监控品质。一般要求（1）报警设计应确保报警功能可靠、高效、易用，满足机组实际需求；（2）应使得报警的展现方式和负荷量不超过运行人员的处理能力；（3）宜设置报警管理中心程序，对报警项进行配置与维护、监控与评价，实现报警功能的优化。主要功能要求（1）应支持用颜色变化、声音、闪烁、语音区别不同类型报警项，报警声音可根据需要进行调节和屏蔽；（2）应支持对报警数据进行修改，可支持报警数据批量的导入导出操作；（3）应具有报警配置功能，可对报警点属性、报警窗口属性、报警发生时的文字、声音属性等进行设置，比如报警原因、报警处理记录等信息；（4）可支持设定标签、分类，能够快速索引指导报警处理流程及应急预案；（5）应具有维护记录，可按照行为、时间、人员进行追溯；（6）应具有跟报警有关数据的归档、打印等功能；（7）应具有报警统计分析功能，如报警活动的频率、类型、优先级、异常报警及班、值内统计信息；（8）可支持应用数据可视化的方法对报警总体状态和特征进行直观、多维展示，如柱状图、饼图等图表；（9）应支持设定多种查询条件，按照测点、日期、类型等条件检索历史报警数据；（10）应具有滋扰报警抑制功能，进行异常报警的特征分析，采取系统和设备运行状态相关的限值设定、优先级调整、多变量关联分析等措施抑制或消除滋扰报警项；（11）应具备手动抑制和自动抑制两种功能。报警展示（1）可按照实时列表方式显示系统发送的报警、自诊断等信息；（2）可支持用户根据需要在列表界面进行报警项分类、过滤显示；（3）可支持按照报警项发生时间、报警等级等进行排序显示；（4）可支持显示每一条报警的时间、描述、实时状态、来源等信息；（5）可支持在列表显示窗口进行报警项检索；（6）应具有弹出光字牌报警功能；（7）应支持对光字牌窗口大小、行列数、起始位置、颜色、报警文本属性、报警灯属性等进行配置；（8）应支持按照报警项类别、所在工艺系统等进行分类显示。智能预警智能预警系统应基于大数据分析技术、人工智能技术、在线建模技术以及专家系统来构建，在发生异常还未恶化为严重故障时即可预警，为运行人员留有足够的时间处理异常，并结合专家经验，诊断出设备的故障类型，及时提醒运行人员进行运行操作调整，提高机组的可靠性。一般要求（1）智能预警系统应以系统、设备、参数为主线，按重要程度进行分级分类，对过程报警进行整合，形成精确报警，避免大量误报警，同时，提供越限预警、故障主因诊断、辅机设备及部件劣化趋势、误操作等报警提示信息；（2）通过对实时数据库中存储的海量历史及实时数据进行自动挖掘，智能预警系统可自动根据不同工艺系统的设备特征进行离线或在线建模，可将机组实时运行数据代入机组及工艺系统的工况预警模型中进行运算和分析，得出不同工艺段、设备参数及工艺子系统的运行故障诊断及事故预报信息，能够自动对设备的健康状态异动和潜在故障进行早期预警，能够自动发现各种潜在的故障关联点，并对外提供信息访问及发布服务；（3）智能预警系统应具备收集设备基础信息，组建设备特征量模型，建立设备数模模型，包括关键部件清单、状态特征量、故障特征量，通过设备以往运行数据的收集整理，确定设备劣化状态特征量和故障特征量。参数预警常规重要参数异常（1）应具备工艺参数非正常变化预警功能，工艺参数包括但不限于：主蒸汽压力、主蒸汽温度、出口蒸汽温度、过热蒸汽温度、主汽流量、空预器入口烟温、排烟温度等；（2）应具备设备本体参数异常预警功能，设备本体参数包括但不限于：电流、压力、功率、轴承温度、电机轴承温度、电机定子线圈温度、绕组温度等；（3）应显示各参数实时数据曲线、预测数据曲线、残差值曲线等信息，并以红色点标识是否触发预警，以及首次触发预警时间、报警次数等信息；（4）应根据参数偏差情况进行测点异常分级预警；（5）应具备参数预警信息统计与历史查询功能。2）锅炉受热面超温预警（1）应对锅炉高温受热面管屏汽温及壁温进行在线模式识别、数据处理与系统仿真，实现炉内壁温动态显示、超温统计、热偏差甄别、强度和氧化寿命以及积灰状态等的状态监测；（2）宜通过大数据分析及人工智能预测技术，综合利用外部影响因素与历史壁温变化，对测点的变化趋势、超温测点、水冷壁减薄和氧化皮程度进行评估；（3）监测受热面应包含：水冷壁、低温过热器、屏式过热器、末级过热器、低温再热器、末级再热器。设备预警1）数据建模分析预警（1）可充分利用生产过程历史数据，采用数据建模方法得到关键参数或设备状态的预测值。数据建模方法包括但不限于统计分析、神经网络、经典机器学习（如SVM）等方法；（2）可将模型预测值与实时测量值进行比对，实现动态预警；（3）构建模型时，应选择与设备运行状态密切相关的特征参数，使用其长周期历史数据进行预处理和模型训练；（4）构建模型时，可收集故障样本数据进行故障模型的训练，也可收集正常状态样本数据进行正常状态模型的训练。一般现场的故障样本数据量较少时，可选择后者。2）振动监测分析预警（1）应实时采集电厂机组的过程数据和振动分析数据，连续在线监测设备或系统运行的重要状态参数，及时了解设备或系统的运行状况，为事故征兆的预警提供重要的数据资料；（2）可根据专家经验、运行规程、振动频谱分析理论等形成故障知识库，结合实时数据分析诊断结果，协助运行和检修人员决策；（3）可采用傅里叶变换、经验模态分解等数据处理方法，对原始振动信号进行预处理、去噪声、重采样、时频域转换等，振动信号分析特征图谱包括但不限于：时域波形、数据列表、棒图、幅值趋势图、轴心轨迹、频谱、波德图、极坐标等。3）风机性能监测预警（1）可根据风机常规压力、温度、流量和软测量技术，计算风机的各项指标；（2）可根据风机工作点在风机设计性能曲线上的位置，实现风机工作状态的监测以及性能的预警，指导风机的优化运行和检修安排；（3）应通过图、表等方式显示性能计算结，监测结果应包括：两侧风机的性能偏差、风机运行与设计状况的偏差等，为运行人员提供优化运行的支持和判断。经济性指标异常预警一般要求（1）应建立完善的经济性指标体系，指标定义应满足国家、行业、集团的通用技术标准、规范，并能够预先设置通用指标体系及计算方法，也支持通过灵活配置的方式实现指标的设置和调整。（2）应支持经济性指标的自定义管理功能，可以通过新增指标，定义指标数据源、计算模型、计算频率、展现方式来实现经济性指标的配置。经济性指标系统应具备在线计算的能力，以计算整个电厂的各种效率（锅炉、汽机、发电机组及其辅助系统等）、损耗（燃料、水、电、热耗等）及性能参数等，并能在系统平台上显示，主要包含：（1）企业总体性能计算与分析，掌握电厂总体运行经济性状况；（2）工况分析模块应将各种工况下的模型建立在历史数据上，可采用历史最佳方法来指导操作；（3）可以负荷、环境条件、设备组合等为限定条件，计算当前工况下性能指标；（4）应将当前指标与同工况下的历史最佳指标相比较，若优于后者，则维持现操作状态，并将当前可控操作数值替代历史最佳值，存入数据库；否则，给出指导，建议将当前可控参数调整到历史最佳；（5）应记录典型工况状态（包括主要参数、设备、效率等）；（6）应自动建立典型工况优化运行方案及经济性评价，并根据优化方案，对当前过程进行评估与指导。异常识别与自动推送应急处置卡应根据参数的异常变化和报警信息，判断设备与系统的异常与故障，并根据规程进行异常与故障的紧急处置，监护处置过程关键参数（尤其带连锁保护的参数）变化趋势，协调动作防止事故扩大，并记录事故发生过程中的状态变化、参数变化。一般要求（1）应能对常见异常和故障的主动识别；（2）可对连锁保护相关参数变化的主动监视；（3）可将异常处置的标准化提示；机组设备故障自动推送应急处置卡（1）记录故障处置卡录入库应按照权限实现增添修改，应与故障报警进行关联，发生异常报警、故障时应自动推出；（2）应根据参数的异常变化和报警信息，判断设备与系统的异常与故障，并根据规程进行异常与故障的紧急处置，监护处置过程关键参数（尤其带连锁保护的参数）变化趋势，并记录事故发生过程中的状态变化、参数变化；（3）应保证DCS报警系统及时、准确、简洁、有效地发出报警信息。（4）应具备常见异常和故障的主动识别功能；（5）应具备对连锁保护相关参数变化的主动监视功能；（6）应具备异常处置的标准化提示；（7）对于设备故障的问题、原因及解决措施应进行结构管理存储，发生异常报警、故障时可及时查询。辅助定期工作定期切换（1）可根据设备的运行时间和顺序、设备定期工作内容、周期以及设备健康度，按照设备轮换管理要求，在保证机组工艺安全的前提下定期启停相关设备，实现长期运行设备的定期轮换及定期试验；（2）可采用系统提示与运行人员确认的方式实现定期工作自动执行；（3）可实现定期工作执行过程无人干预，自动生成定期工作记录，减少运行人员工作量。（4）可根据电厂制定的运行规程、检修规程等相关文件，依据机组的运行状况优化各项定期工作的执行时间，并自动提醒运行人员处理各项定期工作；（5）应对当期工作自动进行任务提示和超期提醒，将定期工作情况统计作为考核的依据，实现电厂精细化和标准化管理。（6）应结合智能监盘模块，实现机组起停机、设备定期切换、吹灰、定期试验等常规操作的设备启动流程的监护工作，并在DCS完成相应的组态，在运行人员授权后，完成常规定期试验，设备的定期切换等工作；（7）应具备自主完成经过智能监盘提醒的定期工作的能力；（8）在机组自动控制逻辑、APS、ABS等系统的基础上，可指导监盘人员对机组、设备异常事故进行处理，对突发事件按规定处理，并辅助进行处理过程的全程主动监护；（9）可结合智能规划方法，在保证机组工艺安全的前提下实现长期未运行设备的定期试转和相关系统与设备的定期试验，可采用系统提示与运行人员确认的方式实现。智能控制智能控制建立在传统自动控制基础上，采用先进的控制技术和完善的控制策略，充分挖掘影响因素，搭设更广域的控制模型，利用自适应、自学习的自动辨识功能掌握机组特性，使调整目标更明确、响应更迅速、预判更精准、调节更平稳，满足机组经济性运行需要。一般要求（1）智能控制应使煤电机组适应环境多变、煤质多变、工况多变的条件，克服煤电机组大迟延、大惯性、强耦合的控制难点，满足生产过程控制性能提升、经济性能改善和安全运行需要。（2）智能控制包含负荷响应与调节能力优化、重要参数运行品质优化、灵活性控制等内容。（3）可采用机理分析、机器学习等多种方法建立工艺过程动态模型，深化工艺过程机理分析与应用，结合预测控制、自抗扰、自适应等先进控制策略，优化机组主要工艺过程的运行控制性能，提升机组的锅炉燃烧、涉网调节、节能运行、主参数调控等控制能力，实现机组在不同工况下的快速、深度、稳定调节。（4）采用智能控制器实现智能控制逻辑，应满足如下条件：1）智能控制器与常规控制器可同时读取实时数据网络的实时信息；2）应设计独立的智能控制逻辑安全投退功能，运行人员可无条件切换至常规控制逻辑，并保证切换过程安全无扰动，只有在智能控制逻辑工作正常后才允许切换至智能控制逻辑；3）智能控制逻辑的模拟量指令应设置合理的高低限限制，并无扰并入常规控制逻辑；4）智能控制逻辑的模拟量指令投入和退出过程应有相应的跟踪和速率保护；5）智能控制逻辑的开关量指令宜采用指令切换或脉冲的方式并入常规控制逻辑；6）智能控制逻辑对常规控制逻辑的开关量指令应在智能控制逻辑投入运行后方能有效；7）当需要用长指令时应在常规控制逻辑侧进行保持。智能燃烧功能要求（1）实现炉内（二维/三维）温度场实时在线测量。（2）实现锅炉分级燃烧精细配风及自动控制。（3）实现锅炉效率、NOx排放量同时优化。（4）实现锅炉左右燃烧偏差预警及调节。（5）实现锅炉受热面超温燃烧调节。（6）实现入炉煤质工业分析实时在线监测。系统架构煤粉锅炉燃烧智能控制主要由炉膛在线测温、炉膛状态预警、入炉煤质在线分析、锅炉燃烧实时智能控制四个部分组成。技术方案炉膛在线测温系统：建立煤粉炉内气固流动与化学反应耦合的三维全尺寸CFD计算模型；并对其采用结构化网格进行网格划分，以适应物性、流场和温度梯度的变化；采用设计数据和现场运行数据进行模型校正，提高模型的准确性。依据所建立的模型，开展不同负荷、配煤方式、配风方式和循环风量下的变工况数值试验，通过模拟变工况下锅炉内的燃烧状态，如速度场、温度场、组分场和煤粉颗粒运动轨迹，获得锅炉在多工况、大操作范围下的燃烧动力场数据。建立变工况下锅炉三维高精度燃烧动力场样本数据库，依托本征正交分解、机器学习等先进大数据算法，融合现场数据源，构建燃烧状态实时重建模块，模块可以根据现场获得的运行数据实时计算和重构炉内的燃烧动力场数据。炉膛状态预警系统：判断水冷壁实时壁温分布、各级受热面进出口烟温是否存在左右偏差，当偏差达到预警阈值进行预警。入炉煤质在线分析：根据磨煤机进出口风、煤混合物质量平衡、热量平衡计算煤质实时水分、使用机器学习、深度学习算法例如（Xgboost、Lstm）建立煤质实时发热量、灰分、挥发分与磨煤机参数的回归模型。锅炉燃烧实时智能控制系统:使用历史数据建立各风门开度与锅炉效率、NOx排放量、水冷壁壁温、受热面壁温、受热面进出口烟温、空预器进口烟温回归模型。使用统一参数，对锅炉效率、NOx排放量、水冷壁壁温、受热面进出口烟温、空预器进口烟温等进行评价，建立评价函数。使用寻优算法例如（遗传算法、粒子群算法等）在回归模型与评价函数基础上进行风门寻优，获取评价函数最优的风门开度输出指导燃烧优化。智能吹灰功能要求实现各受热面沾污的实时监测。实现各受热面吹灰策略优化并进行吹灰控制。改变原有的定时吹灰模式，做到按需吹灰。系统架构智能吹灰智能控制主要由以下两个部分组成：（1）受热面沾污监测：基于热力学机理，计算各受热面清洁因子，反应各受热面沾污状况；基于人工智能算法建立各受热面灰污监测模型,对两类模型进行统筹评价分析。（2）受热面吹灰策略智能控制平台：根据各受热面清洁因子、灰污监测模型计算结果，通过系统判断进行吹灰控制，实现按需吹灰。技术方案（1）应以传热效率、蒸汽消耗量最优为目标，根据受热面进出口烟气焓与蒸汽焓计算各受热面清洁状态换热系数与实际换热系数，获得各受热面清洁因子.（2）通过大数据挖掘分析获取历史数据中各受热面吹灰前后蒸汽侧、烟气侧参数，建立不同工况受热面沾污程度与蒸汽侧、烟气侧参数对应标签，使用人工智能算法判别各受热面实时沾污程度。（3）根据热力学计算受热面清洁因子与人工智能算法获得各受热面沾污程度统筹评价，建立锅炉辐射受热面、对流受热面及空气预热器受热面污染监测模型，确定炉内各受热面的实际传热状态。（4）根据实际传热状态，嵌入不同工况及不同煤质在线调整功能模块，适时提出不同部位吹灰指导策略，给出吹灰信号实现“按需吹灰”。（5）结合不同负荷下炉内受热面的理想传热状态，通过安全性、经济性分析权衡吹灰带来的收益和支出，确定当前工况下锅炉各受热面的吹灰方案，给出运行人员操作指导，或自动启动相应的吹灰程控系统。智能协调控制功能要求实现控制参数自适应调节。实现工况迁移的模型自适配。实现机组负荷、主汽压等参数的精准、快速控制需求。实现变煤种工况下煤质在线辨识及校正。实现深度调峰区间的湿态CCS控制。系统架构智能协调控制主要由锅炉主控和汽机主控组成，采用智能控制算法（如：智能PID、预测控制、模糊控制、鲁棒控制等）作为主控制器，具有协调控制对象模型在线辨识、控制参数自寻优、智能前馈控制等环节。技术方案智能协调控制是在原协调控制的基础上进行的智能化升级，包含智能控制算法、智能前馈控制、模型辨识、模型自适应、控制参数自寻优、湿态CCS模式等部分。具体如下：实现配煤掺烧工况下煤质在线精准辨识及校正。实现复杂工况下协调控制系统模型高精度动态构建，以及具备工况迁移策略的模型快速匹配。采用软测量、数值分析等方法，建立智能前馈控制回路，实现锅炉侧快速响应、精准控制。采用智能控制算法（包括模型预测控制、鲁棒控制、智能PID、神经网络等），实现协调控制参数自适应。实现协调控制系统干湿态转换，具备深度调峰下的协调控制。智能主（再）汽温控制功能要求实现主（再）汽温控制参数自适应调节。实现主（再）汽温在工况迁移时的控制模型自动适配。具备多种再热汽温协同最优控制手段（如：烟道挡板、再热器减温水、烟气再循环等）。具备主汽温各级过热蒸汽温度级联控制功能。系统架构智能主（再）汽温控制采用先进控制算法（如：智能PID控制、预测控制、模糊控制、鲁棒控制等）作为主控算法，具有控制对象模型在线辨识、控制参数自寻优、智能前馈等环节。主汽温控制由各级过热汽温控制环节组成，各级过热汽温具备级联双向传导。再热汽温具备多种调节手段，且多种手段协同控制，实现经济性、安全性双目标最优控制。技术方案智能主（再）汽温控制包含先进控制器、智能前馈、模型辨识、模型自适应、控制参数自寻优以及智能控制策略等内容。具体如下：建立主（再）热汽温控制流程系统参数级联传递规则。实现复杂工况下主（再）汽温系统模型高精度动态构建，以及具备工况迁移策略的模型快速匹配。采用软测量、数值分析等方法，建立主（再）热汽温智能前馈预测控制回路，实现精准、快速的前馈控制环节。采用先进控制算法（包括模型预测控制、鲁棒控制、智能PID、神经网络等），实现主（再）热汽温控制参数自适应。再热汽温控制采用多种方式协同控制，克服不同控制方式惯性时间、控制增益等差异，以机组运行经济性和安全性为控制目标，实现多种方式耦合控制。智能调频控制功能要求满足电网一次调频品质的要求。具备多种调频手段系统控制。满足一次调频的同时保障机组运行安全性的要求。系统架构智能调频控制应由锅炉侧一次调频、汽机侧一次调频以及多种辅助一次调频方式组成，并具备协同优化控制。当AGC与一次调频冲突时，应设计有一次调频优先的控制逻辑。技术方案锅炉侧一次调频应充分考虑锅炉大惯性和一次调频快速性的矛盾，建立适当的锅炉侧一次调频回路，及时补充机组蓄热。一次调频应充分结合汽轮机进汽调门非线性特征，主要克服非线性区间进汽流量线性化控制难点。建立凝结水节流蓄热综合利用模型，考虑除氧器水位、各级加热器水位的安全运行边界，实现凝结水节流系统蓄热的充分利用，补充输出一次调频响应。开展大频差下一次调频试验，结合试验数据设计大频差下一次调频控制。具备一次调频快动慢（缓）回功能。智能除尘功能要求（1）实现除尘器实时运行参数可视化功能；（2）实现跟随机组负荷、出口烟尘浓度变化除尘器智能优化运行功能；（3）实现除尘器每个电场及整个除尘器的电耗实时计算与统计功能。系统架构智能除尘主要由以下四个部分组成：（1）运行参数在线监测系统：包括各电场电压、电流、进出口烟气温度、出口烟尘浓度、灰斗温度、料位数据的监测、统计、分析等功能。（2）运行参数实时智能控制系统：根据机组负荷、出口烟尘浓度（每个通道出口均安装烟尘监测装置）数据，实时调整各电场运行参数，保证除尘器在出口烟尘浓度满足要求的情况下，节能降耗。（3）运行参数迭代优化系统：采用迭代法，并引入AI技术，构建除尘控制的机器学习模型，实时跟踪运行工况，基于大数据和深度神经网络，系统通过自我学习不断进行模型的迭代完善与智能控制寻优，最大限度节能降耗。（4）智能可视化展示平台：通过建立智能可视化模型，将除尘器的主要参数和指标进行可视化展示。技术方案（1）通过对除尘器运行参数的实时监测，并反馈至运行参数实时优化控制系统，系统控制除尘器电场运行参数随机组负荷、除尘器出口烟尘浓度进行优化调节，解决人工无法实时调节所有电场运行参数的问题而导致的能耗浪费；（2）能耗实时计算及统计，基于大数据和深度神经网络，系统通过自我学习不断进行模型的迭代完善与智能控制寻优，作为下次对比选择的技术运行参数模式；（3）智能可视化展示平台主要为建立除尘器三维模型，并立体显示除尘器各部分运行情况，包括立体可视系统画面、电场的电流、电场的电压、烟气温度、出口烟尘浓度、能耗指标对比等。通过内置报表模板和数据可视化系统，实现除尘器运行数据的可视化展示和智能统计。智能脱硫功能要求（1）实现脱硫系统的一键启停和主要设备的自动化控制。（2）实现供浆泵智能优化控制。（3）实现浆液循环泵与氧化风机等高耗能设备的优化节能控制。（4）实现脱硫系统关键信息的可视化展示。系统架构脱硫系统智能优化控制系统主要由以下三个部分组成：（1）脱硫系统运行数据在线监测系统：通过在线仪表实时监测脱硫系统运行参数，为智能控制提供数据基础。（2）脱硫实时智能优化控制系统：通过构建智能模型，对脱硫系统主要设备进行智能优化控制，实现脱硫系统的闭环控制，同时达到达标排放、节能降耗的目的。（3）智能可视化展示平台：通过建立智能可视化模型，将脱硫系统的主要参数和指标进行可视化展示。技术方案（1）通过合理安装先进在线监测仪表实时监测脱硫系统运行参数，测点应具有良好的代表性。运行参数包括但不限于：进/出口SO2浓度、进/出口O2浓度、进/出口烟气量、进/出口烟气温度、吸收塔阻力、除雾器阻力、浆液密度、浆液pH、吸收塔液位、所有泵电机的电流、旋流器压力、石膏含水率等。（2）通过智能算法构建脱硫系统智能控制系统，实时引入运行参数，如机组负荷、进/出口SO2浓度、进/出口烟气量、浆液pH、浆液密度等参数，利用神经网络智能算法对数据进行计算，建立智能算法模型，将模型部署在生产一区的服务器中，运行中将实时运行数据传输到服务器中进行计算，对运算结果开展智能分析，根据分析结果实时调整设备运行参数，实现脱硫系统的智能优化控制。（3）通过引入脱硫系统运行数据和设备参数，建立脱硫系统可视化模型，将脱硫系统进行数字化展示。智能脱硝功能要求（1）实现变负荷工况下SCR进口NOx浓度预测。（2）实现SCR出口烟道各区域NOx浓度场、氨逃逸浓度场高精度监测。（3）实现SCR各区域喷氨精准控制，保证SCR出口烟道NOx浓度场CV值小于15%，氨逃逸浓度场小于2ppm。系统架构（1）精准喷氨控制硬件设备：根据SCR装置及进出口烟道流场数值模拟结果，在SCR出口烟道加装在线NOx分区测量装置、在线氨逃逸测点，并加装分区喷氨量调节阀。（2）精准喷氨控制软件系统：根据机器学习、深度学习算法实现SCR进口NOx浓度预测，根据预测结果及SCR出口烟道NOx浓度场、在线氨逃逸浓度场，基于烟气流场分布自动调整喷氨量调节阀进行喷氨量实时控制。技术方案（1）在现有PID控制系统基础上，根据CFD数值模拟获得的SCR进出口烟道烟气流场分布加装SCR出口在线NOx浓度测点、在线氨逃逸测点、SCR入口加装分区喷氨量调节阀；选取与NOx生成关键参数作为模型输入，以SCR入口NOx浓度作为模型输出，通过实际测量结果修正预测模型，获得准确的SCR入口NOx浓度预测模型。（2）以SCR入口NOx浓度为喷氨前馈参数，加入喷氨量闭环控制。确保锅炉在变负荷、变工况的快速调整，缩短控制滞后性。（3）根据测点偏差生成各分区喷氨量调节阀控制逻辑，根据SCR入口NOx浓度预测值生成控制前馈，确定喷氨总量，共同生成最终控制指令；根据控制前馈喷氨总量与实际喷氨总量偏差进行控制指令调整。精处理智能控制功能要求实现精处理系统的运行状态诊断和预警。实现精处理再生系统树脂再生过程的智能图像图像识别判断。实现精处理再生系统水量和酸碱耗量的能耗分析。系统架构（1）视窗图像采集系统：通过智能摄像头实时监测树脂分离塔、阴再生塔、阳再生塔、树脂储存罐等窥视窗内设备图像，为智能图像识别提供数据基础。（2）智能图像识别系统：利用神经网络模型建立图像识别系统，对树脂再生过程输送、混合及分离等关键节点进行图像识别和判断。（3）智能控制平台：通过对精处理周期制水量和出水水质实现混床运行状态诊断；通过对再生过程中用水量、废水量及酸碱耗量等计算分析，实现精处理系统的能耗分析。技术方案（1）智能图像识别系统算法研发，通过图像采集系统获取视窗视频图像，利用图像噪声消除算法、图像特征提取算法等技术手段对图像进行预处理，根据再生控制节点标注窥视镜目标，训练神经网络模型，利用训练好的神经网络模型从视频流图中检测窥视镜目标，并利用ResNet的图像分类模型训练图像分类模型；（2）深度学习智能图像识别系统建设，将训练好的神经网络模型移植到智能计算盒中，实时分析摄像机采集的视频流，利用MaskR-CNN的边界框定位模型完成窥视镜目标检测、图像分类、分界线标定任务，实现对树脂混合、分层、反洗等情况进行精确定位，完成关键节点的智能识别判断。（3）通过对混床实际制水量和理论制水量的对比分析实现精处理混床运行状态诊断和预警；通过对再生水耗、酸碱耗量及废水量的计算分析，实现精处理系统的能耗分析。智能诊断智能诊断基于模式识别、机器学习和专家系统等方法，实现对工艺系统、设备运行状态和控制系统的在线监测及故障诊断。可进行故障自动处理，实现设备和功能故障自恢复，提高监控效率和生产安全性。一般要求（1）可基于先进监测技术尽可能收集各类运行数据信息，如传统控制系统信号、振动频谱、油液质量、红外探测等，为故障诊断积累数据基础。（2）可建立基于多种典型性工况下的设备特征模型，利用故障所对应的征兆，实现对异常工作状态的快速诊断。（3）可通过数据分析相关算法，对设备长周期的数据样本进行统计分析和学习训练。通过数据模型分析设备劣化趋势，判断设备是否存在早期异常，并对出现异常的部件进行诊断和分析异常原因。（4）可将运行专业知识和经验、运行规程、设备设计资料等表达和固化为专家知识库，通过推理分析方法，进行设备故障识别诊断，并给出严重程度和维修建议。（5）可将报警过程与诊断过程联动，实现自动分析报警根源。（6）可在智能发电平台的报警和预警画面上，对各类设备故障进行报警和可视化展现。汽轮机智能诊断功能要求（1）在线实时监测汽轮机组的各项运行参数。（2）数据实时分析处理，给出关键特征信息的趋势变化及预警。（3）具备故障智能预警、故障智能诊断、设备劣化分析等功能。系统架构（1）实时监测系统：在线监测汽轮机热力数据、运行参数、振动等参数。（2）数据分析系统：能够对采集的数据进行处理，得到汽轮机运行的关键特征信息及其变化趋势，辅助运行人员、故障诊断人员进行调整和诊断。（3）故障智能预警系统：根据汽轮机的振动、运行参数等信息，通过阈值、趋势、特征值等方式的智能预警，给出故障预警信息。（4）故障智能诊断系统：能够根据数据得出汽轮机故障原因，给出处理建议。（5）设备劣化分析系统：实现设备的寿命分析，得出设备的健康状态。技术方案（1）构建机组热力系统完整的数字孪生模型，对汽轮机运行参数和指标实时跟踪监视，并利用人工智能算法，对关键测点、重点特征指标进行不同程度的告警和预警，形成有效的监测与预警防护。（2）基于机组数字化孪生模型，综合考虑机组汽轮机通流部分机理与参数仿真模型，构建通流部分参数预测曲线，对汽轮机通流部分例如结垢、冲蚀、主汽门卡涩、叶片断裂等典型故障形成智能化的诊断指导。（3）通过对汽轮机组振动的原始数据进行分析处理，如时频域分析，包络分析等方式，得到振动特征值，对不同的运行工况设定自适应阈值，能够对汽轮机组的阈值、趋势增幅、趋势增速等方式进行预警，同时设定多级预警机制，及时对设备进行干预。（4）根据转子设备故障诊断机理进行建模（转子不平衡、润滑不良、联轴器故障、轴承故障等），利用历史故障数据库进行诊断模型优化训练，同时将人工智能算法与诊断机理模型进行融合，实现选择汽轮机的智能诊断。锅炉智能诊断功能要求实现对垂直水冷壁壁温的预测，发现潜在的超温趋势，对超温原因进行分析，并提出操作建议。实现对主、再热蒸汽偏差值的预测，发现潜在的偏烧趋势，对偏差原因进行分析，并提出操作建议。实现获取高温受热面材料性能衰减速率计算，评估爆管危险区域。实现锅炉耗差分析,统筹锅炉热效率、汽机热耗计算机组节能潜力,提出优化指导建议。系统架构（1）垂直水冷壁超温、主、再热汽温偏差诊断：根据水冷壁超温、主、再热汽温偏差现象，通过专家系统、数值模拟和大数据分析的递归判断，确定原因并及时给出应对建议。（2）锅炉受压元件寿命计算评估:锅炉受压元件寿命计算评估模块针对机组高温关键设备（末过、屏过、末再）提供全寿命周期的在线状态监控、风险预警、寿命预测。（3）耗差分析评估:计算锅炉热效率与汽机热耗,分析机组节能潜力并提出节能优化指导建议。技术方案（1）垂直水冷壁超温、再热汽温偏差诊断：将故障原因逐层分解，最终分解到现场可实际操作的单一变量，形成故障专家知识库——故障树。利用故障树进行数据筛选，选择与故障有直接因果关系的变量，应用机器学习的方法进行数据挖掘，建立故障预测回归模型。导入实时运行数据，预测垂直水冷壁壁温的变化趋势、左右侧蒸汽温度的变化趋势，如有潜在故障正在形成，则进行预警，并利用PCA等算法进行权重分析，得出关键影响因素。（2）利用现有壁温测点，根据锅炉热力计算、壁温计算、水动力计算等公式，实时计算炉内高温受热面各屏各管沿炉膛宽度和深度方向各材料段的壁温，将各受热面的工作状态清晰展示。在线计算金属寿命损耗瞬时值和累计值，划分失效危险区，为高温受热面状态检修提供依据，提醒检修时间和检修优先级。（3）基于锅炉、汽轮机各项指标如:排烟温度、飞灰可燃物、主蒸汽温度、再热器减温水量进行耗差分析,基于当前运行参数与设备状态对比设计值确定机组节能潜力,根据各项耗差分析结果选取节能潜力大指标进行优化指导,提供建议。发电机智能诊断功能要求融合信息物理系统理念和大数据思维模式，结合复杂网络、非线性动力学、数据挖掘等智能分析和决策工具，以发电机大量实时运行数据和已配置的在线监测装置为基础，结合发电机离线试验数据的对比跟踪，建立一个发电机多维全态势感知体系，实现发电机的状态评估、趋势预测及缺陷预警。（1）实现发电机各部件三维可视化；（2）实现发电机定、转子绕组状态评价和故障预警；（3）实现发电机附属系统状态评价和故障预警；（4）实现发电机状态综合评估和运维指导。系统架构发电机智能诊断系统的主体架构如图所示，虚框中的在线监测装置和离线试验数据作为数据来源，应根据各发电企业实际在线监测装置安装情况和检修离线试验数据情况开展，不作强制性要求。发电机运行中的实时数据和在线监测装置中的实时数据经过数据通讯和数据清洗系统传输到分析处理计算机进行运算处理，同时检修过程中的离线试验数据也作为输入量传输至分析处理计算机中进行综合运算处理；发电机智能诊断系统分为三维可视化模块、定转子绕组智能诊断和附属系统智能诊断三大模块，能够实现对发电机状态的综合评估和运维指导。技术方案（1）数据清洗系统：对采集的实时数据根据设定规则进行清洗过滤；通过填充缺失值、消噪来提高数据质量，处理方法根据数据特征具体选择。（2）三维可视化系统：应运用三维建模或三维激光扫描，将发电机其各部件的物理尺寸及形态进行内外观的建模并运行在三维引擎环境中，结合设备厂家提供的各类图纸，开发发电机三维可视化模型功能，三维模型应具备基本的平移、旋转、缩放、定位等功能，实现发电机全三维仿真模型与实时数据的交互，能够对发电机各部件进行展示分解，并通过三维画面直接学习发电机各系统部件的参数，实现对发电机常规检修和试验的模拟培训。（3）定、转子智能诊断：利用实时运行数据和在线监测装置数据，利用神经网格、机器学习等数学方法，对发电定、转子进行状态评价和故障预警，各发电企业可根据实际生产需求开发各诊断子模块，例如发电机转子匝间绝缘诊断、定子绕组热状态实时评估与早期缺陷辨识、转子振动异常诊断、定子局部放电诊断和绝缘老化评估系统等。（4）附属系统智能诊断：开发基于数据驱动的发电机氢气冷却系统的多参量评价系统以及发电机定子冷却水系统综合评估系统，能够实现对发电机漏氢量及其变化等关键状态量异常时提前预警，提示运行人员及时发现测点自身异常线棒回路堵塞、漏氢量超标等缺陷，并在内冷泵电流、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。（5）发电机状态综合评估和运维指导平台：结合神经网络、支持向量机和深度神经网络等人工智能技术，结合数据样例，按照特征提取、趋势预测的趋势分析逻辑来预测汽轮发电机组信号的发展趋势，分析不同趋势预测方法在汽轮机组数据上的优劣性，综合评估发电机实时状态并作出趋势判断、并结合检修试验状态量对发电机进行运维指导.最终实现汽轮发电机组故障早期预警和智能运维的目的。变压器智能诊断功能要求通过多参量智能传感技术实时获取变压器运行状态下的各种参数，通过综合分析各种动态运行数据和检修试验数据，利用数据挖掘、模糊理论、神经网络等人工智能技术，结合设备的内部结构特性参数，对变压器进行状态评估、趋势预测和故障预警，并给出维修建议和检修策略。（1）实现变压器三维可视化；（2）实现变压器绝缘状态智能评估；（3）实现变压器状态综合评估和运维指导系统架构变压器智能诊断系统的主体架构如图所示，左侧虚框中的在线监测装置和离线试验数据作为数据来源，应根据各发电企业实际在线监测装置安装情况和检修离线试验数据情况开展，不作强制性要求；右侧虚框中变压器智能诊断系统的各子模块，各发电企业应装设变压器三维可视化模型和变压器绝缘状态综合智能评估，其余子模块可依据实际生产需求增减，不作强制性要求。变压器运行中的实时数据和在线监测装置中的实时数据经过数据通讯和数据清洗系统传输到分析处理计算机进行运算处理，同时检修过程中的离线试验数据也作为输入量传输至分析处理计算机中进行综合运算处理；变压器智能诊断系统分为、三维可视化模块、绝缘状态智能评估系统、接地电流综合评估、声纹智能识别、振动智能诊断、智能视觉识别等模块，能够实现对变压器状态的综合评估和运维指导。技术方案（1）三维可视化模型：应运用三维建模或三维激光扫描，将发电机其各部件的物理尺寸及形态进行内外观的建模并运行在三维引擎环境中，结合设备厂家提供的各类图纸，开发变压器三维可视化模型功能，实现变压器全三维仿真模型与实时数据的交互，并基于三维模型、可视化仿真计算和VR技术，开发出三维可视化培训和三维可视化检修的功能。（2）变压器绝缘状态智能评估系统：包括局部放电智能评估、油中气体综合监测、变压器温度智能分析等，局部放电智能评估，可利用超声波和电脉冲法进行检测，综合多种检测手段，实现放电性质分析、放电位置定位、放电类型识别；油中气体综合监测应综合多种油气分析方法，实现图形分析、比值分析和趋势分析等功能；温度智能分析可采用光纤测温，应实现测温位置及监测数据的三维可视化显示，动态评估变压器热老化和热寿命损失。各子模块综合评估，能够对变压器内部绝缘缺陷进行故障跟踪定位分析和状态评估，并结合检修试验状态给出运维指导。（3）接地电流综合评估：监测铁心、夹件接地电流信号，利用模糊理论、神经网络、范例推理等人工智能技术，分析其交直流分量和趋势变化。（4）声纹智能识别：对变压器运行中的产生的声音信号进行分析，利用机器学习算法，支持向量算法等技术对变压器正常工况和故障工况下的声音特征进行识别，形成声纹族谱，能够识别变压器运行中是否存在异音从而作出故障预警。（5）振动智能诊断：对变压器振动信号进行时域分析、频域分析、功率谱分析，利用BP神经网格，深度学习算法，支持向量算法等技术对变压器正常工况和故障工况下的振动特征进行识别分类，最终能够实现综合评估变压器振动情况并进行故障预警。（6）变压器智能视觉识别系统：分为可见光部分和红外热成像部分，可见光部分主要对变压器外观进行监测识别、红外热成像部分主要对变压器关键部位进行红外热成像测温，可实时读取设备的温度分布数据，实现监测设备工作温度状态，实现对目标进行远距离热状态图像成像和测温分布数据的分析判断。开关设备智能诊断功能要求通过智能传感技术实时获取开关设备运行状态下的各种参数，通过综合分析各种动态运行数据，利用数据挖掘、模糊理论、神经网络等人工智能技术，结合设备的内部结构特性参数，对开关设备进行状态评估、趋势预测和故障预警。（1）实现户外高压开关设备温度实时监测。（2）实现GIS设备状态智能监控及预警；（3）实现6（10）kV开关柜状态智能监控及预警；系统架构开关设备智能诊断系统的主体架构如图所示，左侧虚框中的在线监测装置和离线试验数据作为数据来源，应根据各发电企业实际在线监测装置安装情况和检修离线试验数据情况开展，不作强制性要求；右侧虚框中开关设备智能诊断系统的各子模块，各发电企业可依据实际实际生产需求增减。开关设备运行中的实时数据和在线监测装置中的实时数据经过数据通讯和数据清洗系统传输到分析处理计算机进行运算处理，同时检修过程中的离线试验数据也作为输入量传输至分析处理计算机中进行综合运算处理；开关设备智能诊断系统分为：户外式升压站智能视觉识别系统、GIS设备气体智能评估系统、GIS设备局部放电智能评估系统、开关柜温度智能评估系统、开关柜局部放电智能评估系统。能够实现对开关设备的状态监控、综合评估和运维指导。技术方案（1）户外式升压站智能视觉识别系统：分为可见光部分和红外热成像部分，可见光部分主要对开关设备分合闸位置进行监测识别、红外热成像部分主要对开关设备触头处进行红外热成像测温，可实时读取设备的温度分布数据，实现监测设备工作温度状态，实现对目标进行远距离热状态图像成像和测温分布数据的分析判断。（2）GIS设备气体智能评估系统：主要是对设备内六氟化硫气体的压力和含水量进行实时监控，一旦压力下降或气体中含水量超标时应及时发出信号。（3）GIS设备局部放电综合评估系统：主要是通过在GIS设备上部署分布式局放在线传感器（超声波传感器和特高频传感器），利用模糊理论、BP神经网络等人工智能技术，对开关设备各运行工况下的局部放电特征进行识别，从而实现放电性质分析、位置定位、类型识别等功能。（4）开关柜在线测温系统主要是通过在开关柜内部安装测温传感器，主要测量各开关触头和母线温度，温度传感器选取必须满足绝缘要求和测温精度要求，推荐选取无源数据采集和无线数据传输的技术方案，实现对开关柜内温度的实时监控，对设备早期缺陷进行及时预警。（5）开关柜局部放电在线评估系统主要是对开关柜部署分布式局放在线传感器（超声波传感器和暂态地电位传感器），利用模糊理论、BP神经网络等人工智能技术，从而实现放电性质分析、位置定位、类型识别等功能。辅助设备智能诊断功能要求实现对辅机设备状态监测，对设备故障、异常状态进行预警并诊断故障类型。实现对辅机设备劣化状态评价，以健康度形式反应辅机设备状态，提供科学检修计划。振动数据实时监测。具备数据分析处理、故障智能预警、故障智能诊断、设备劣化分析等功能。系统架构（1）辅机设备状态监测：使用专家经验或机器学习算法、深度学习算法建立辅机设备各参数正常状态回归模型，对偏离正常状态辅机设备参数进行预警诊断，确定故障类型。（2）辅机设备劣化状态评价:选用辅机设备性能评价参数或一定时间内故障发生频次作为劣化评价依据，确定设备