随着新型电力系统及能源互联网加速建设，我国电力行业的能源结构、供需结构和电网规模发生了根本性转变，对发电侧提出了“全面可观、精确可测、高度可控”的更高要求。抽水蓄能行业凭借技术成熟、调节容量大和使用经济、运行环保等优势，在保障大电网安全、服务清洁能源消纳、促进电力系统优化运行中，发挥着日趋重要的作用。
抽水蓄能电站具备调峰、调频、调相、储能、系统备用和黑启动“六大功能”，具有运行灵活和反应快速的特点，对确保电力系统运行的安全性、稳定性和经济性具有重要作用。但一直以来，抽水蓄能电站在大数据智能分析及综合状态分析等方面存在“数据分散、信息孤岛”“数据模型、应用架构不一”及“传统数据分析对运维、检修决策支持力度不足”等难题。为此，南网储能公司检修试验分公司（以下简称“修试公司”）抓住痛点，组织开展了基于抽水蓄能电站全景数据的智能化分析应用建设。通过自主创新，紧密结合设备数据分析与人工智能融合提升的场景需求，研究应用大规模数据集成技术、人工智能算法、数据可视化分析挖掘等关键技术，实现集群式抽蓄电站大数据云端集中传输、存储、分析、决策，研发基于人工智能算法的大数据分析系统，解决传统系统数据质量不高、分析场景脱离实际、算法智能化不足等问题，为抽蓄电站集约化、专业化管理、提高劳动生产率提供技术保障，同时为新型电力系统建设提供强大的数据支撑。
研究面向多源数据的统一模型
打造超大型数据传输网络
经过全面调研和深度分析，修试公司研究并制定了面向多源数据的统一数据模型，开发了多源大数据（包括监控系统等结构化实时数据、统计表单等非结构化数据）传输模块，为生产设备状态数据大规模传输和效率存储奠定了可靠基础。基于统一模型，建立了发电设备状态数据智能分析平台，采用IEC104、IEC61850等规约，经专门建设的四级传输网络实现南网储能公司所辖9个电厂计算机监控系统、振摆在线监测系统、主变在线监测等69个系统共约24万个数据测点的接入。数据传输采用断点续传、自动重连、通讯监测、优先级划分、异常信息推送等多种技术，保障高质量传输，实现发电设备状态的全面感知。
自主开发模块化算法工具
实现算法自由调度
针对市场化算法工具不具备针对性、无法与业务场景有效匹配，以及算法运行效率低下等问题，修试公司提出了一种通用型、模块化的抽蓄电站多源数据智能挖掘方法，可有效提高算法的实用性和通用性。团队成员通过归纳总结大量数据分析案例，深入研究数据分析过程的特征和数理关系，构建了一套功能完整、可低代码编程的模块化算法系统，并搭配设计一套逻辑自洽的符号公式体系，通过编程逐步开发各模块逻辑，实现复杂程度的模块组装、嵌套和调用。
该套算法工具具备以下优势：降低开发成本和工时，提高开发效率；适配因新厂站投入、系统改造、缺陷暴露、理论进步而不断新增的算法需求；规范单个模块的逻辑功能和数据操作行为，划分了算法与数据库、算法与前端之间的唯一接口，使得算法系统与业务系统解耦，且算法不依赖任何厂家。
智能算法提升隐患预测能力
自主分析促进决策支持
修试公司融合模块化分析工具的易用性，在数据分析平台中实现了基于长短周期神经网络的机组温度和振摆数据的机器学习算法，使用多年机组运行、故障时的振动和温度数据，训练了准确度高的机组故障预测模型并部署于可视化系统中，可实时预测机组运行故障隐患，为事故预防提供有力的支持。
灵活多样的算法报表，基于模块化框架开发了支持自由定制的专家策略中台，技术人员可通过组合模块完成各类数据分析需求，所有定制算法可实现json格式输出分析报表结果，便于二次开发及数据复用。多级“钻取”实现状态分析逐层深入，蓄能电厂的设备类型广、数量多，设计了多级钻取功能，通过总体和局部的高效结合，实现设备状态主动评价并以可视化界面形象展示，使技术人员既能快速评估厂站设备的总体健康状态，又能迅速定位薄弱风险环节。
基于抽水蓄能电站全景数据的智能化分析应用的建设，不仅集成了发电生产过程大量生产数据，实现多源数据融合应用，极大降低了人力成本，而且提供了专家远程指导的服务，可节约检修、抢修等工作时长及机组设备停运失备时间，提高了供电可靠性。此外，集成管理的数据模式提供了标准化数据接口、通用的算法服务、高经济性的云端计算资源和存储资源，极大减少了数据二次开发的成本，预计每个电厂节约成本近80万元。
【责任编辑：刘澄谚 】
