“我们用什么监测技术监测重大设备，很多智能化的监测技术是不是技术越先进越好？智能化的监测技术，目前阶段可能不一定对所有设备使用这样的经验，所有工业上的设备在运行，一定是在它的约束条件里面、在边界条件里面，所以技术再先进不一定能够实现特点。”中国广核集团苏州热工研究院有限公司智能监测主任工程师毛晓明在2018年智慧电厂论坛（第二期）【分论坛一：智慧运行与管理（含新能源）】带来的《中广核集团智能监测项目应用简介》时表示。北极星电力网全程对会议进行直播，如需了解更多的会议直播，请联系微信号：13693626116
毛晓明：各位好！前面听了几位专家的精彩发言，从宏观方面讲了一下电站主要是职能控制以及我们节能减排的事情，我可能是讲里面智能应用的小点，智能监测，可能和今天的主题或者和前面几位略有不同或者是一个补充。
直播地址：2018年智慧电厂（第二期）
我的题目是“重大设备的火眼金睛：智能监测”，实际我今天讲的主要不是控制或者锅炉燃烧节省能量的方面，主要是保护我们的重大设备怎么不损害的方面进行切入。
我们整个中广核集团，我们苏州热工院是中广核的一个部门，集团的一个项目，刚刚蔚主任讲的发电集团缺少集团的一些项目，我们中广核集团在这方面做的是比较靠前的，整个信息化平台我们已经搭建起来，所以我们整个项目是依托我们信息化平台进行应用的项目，几天所有的在线信息全部已经集中在一个平台上，最近一年、两年一些过离线数据、程数据都集中在我们的平台上，离线数据和在线数据怎么融合，也是我们项目正在研究的内容。
这张图片大家应该很清楚，我们目前的维修现状，一个是急诊，一个是定期疗养，电站目的目前大部分还是处于这两个阶段，一个就是坏了我们修，另外就是预防性维修，定期维修。预测性维修的时间是很少很少的，什么时候对我们设备进行维修是非常重要的。监测，我们的目的就是为了保护重大设备不受损害。
为什么我们会做监测，实际上我们有这样一个认识规律的变化，这里面都是专家应该很熟，设备开始装的时候一个典型的曲线是这样的，现在重大设备的维修，特别是产品发展以后绝大部分可能是跟实践无关，无论是你进行定期维修还是别的方式都比较难以在合适的时间发现设备的故障，目前整个核能行业，大部分是第三阶段怎么进行预测性维修，我们苏州热工院可能今年或者明年会在一些小范围、小部分上推广这些应用。
我们所有的监测都离不开P—F曲线，这是设备的故障，当然我们以前的故障和我们现在定义的故障略有不同，我们自己研究的故障一般都认为损坏功能，功能不能满足我们就认为这个设备坏了，必须停下来，而不是像以前这样，这个设备必须要断掉或者坏了，目前是不能满足功能我们就认为是故障，我本来给水流量要达到2500吨，但是达不到了2000吨，我们就认为是设备故障了。P点，就是我们所有的设备在运行过程中能发现它故障还是损坏的测量点，否则能不能探测这个设备坏，以什么来表示？测量率、温度、压力来表述这个点，是非常非常重要的，如果我们不能看这个点或者太晚，实际对我们监测是没有任何意义的，只能进行设备维修，所以这个点对我们是非常重要的意义，但是这点在我们应用中非常非常难以做到精准的测量，所以很多时候我们不会研究这个点，尽量缩短我们的建设时间。因为你P—F的时间越长，我可能采取的方法很多，但是很短实际我没有太多的监测手段了，只能用别的手段。
这个是我们一个设备或者一个机械设备有很多很多不同的P点，就是我说的那个可能征兆，我们可以探测出来的，对我们现有的研究，设备监测研究非常非常重要的点，就是我们要找到可以监测的参数，而且是哪个参数最优、成本最省，这是我们最重要的。展开一点讲，中广核对所有的重大设备，我们的主控、变压器、发电机会进行设备监测参数的研究，对哪个部件什么故障模式、什么故障表政，我们什么参数可以监测我们的什么故障，进行分析，我们再研究用这个参数监测这个设备。
这个是我们参数研究透之后我们要制定什么样的周期进行参数监测，我们现场同事还有总部巡视的同事需要怎么样的周期来训示，最终发现很难很难找到一个周期，在座大部分如果现场很丰富应该很有经验，很多是拍脑袋决定的，中广核也不例外很多时候是拍脑袋决定的。现在采取智能化之后，我们不再研究这个建设周期，我就直接用自动化的手段，就是实时进行监测，任何时候都在随时进行监测，这是一个比对，包括所有设备，相当于我达到无线短，可以很快比对好坏，不会再一周去比对。
第二部分，介绍一下我们中广核的智能监测，整个项目的情况。
这个图，是我们中广核为什么很重视这个项目的原因，这个曲线是我们一台机组的蒸汽流量的曲线，这是一号，是很平稳的，在1900吨左右，但是二号的流量，因为我们平时的监测也是跟传统监测的时候，这台机组几年前也是这样的，设定一个值在这个位置，最终导致的结果就是这个蒸汽流量的管直接断掉，我们才发现异常，而且是因为直接断掉以后报警，然后回过来我们再看实际上十几个小时以前，已经出现了异常。最终导致处理这个设备一个情况，开销很大，核电还不一样，我们设备在核导里面，进去是非常非常麻烦的。
出了这个事情之后我们才来研究我们整个中广核集团，这些重大设备特别是一些核安全设备我们怎么进行监测近年来重大设备发生一些损坏造成严重后果。我们当时就反思我们传统监测有什么样的不足之处，这个是我总结的：第一，容易漏报。为什么呢？因为我们传统监测一般来说都是设定固定值报警，而且我不管你什么运行工况，春夏秋冬都是那个值，这样这个值不能设的太保守，因为我的机组损害工况和各种工况都会变的，这样太保守会有这样的情况，我们一般设定比较高的值或者参考值，这样就很容易漏报。第二，状态漏报。我们中广核的一些重大设备监测系统，也是十几年前，也是基于传统监测的，最后导致的后果我们机组做试验的时候会产生大量的误报，会把我们正常设计真正的故障淹没掉，因为我当时在电厂工作，很清楚这个，最长的时候可能3000多台报警，如果有真实的报警在里面绝对发现不了，没法筛查出来。第三，费时费力。如果你只是通过主控的开关量或者超设定值的报警，那个实际上对保护设备本身或者对我们电站可能是够的，但是对保护一些重大设备的潜在故障或者是一些系统故障实际上是不够的，所以我们有时候那些监测公司会进行曲线的查询，相信在座的各位也有人干过这个活，我调一些主线过来参数有没有异常，这样费时费力，因为我们一台核电机组有5000多个测点，如果都是通过人力多少都可以监控一台机组。第四，参数孤立。一般只能控制一个参数点，不可能分析到某一个电器的、分析一个机械的，都是很难的。
在我们分析完之后我们也调研过很多智能化的监测技术，我们用什么监测技术监测我们的重大设备，是不是技术越先进越好，我们也反思调研过，刚才蔚主任讲的这样一些东西用在我们常规监测或者重大设备监测上是否合适，我们也思考过。我个人认为，目前阶段可能不一定对所有设备使用这样的经验，刚才讲过大数据，工业的大数据特别是核电站经常在这样运行，或者各种启停都是非常规定的数据，我们理解的大数据，像淘宝这样的大数据，完全跟我们工业数据是有很大差别的，我们工业数据可能大数据真的大、数据很多，要容量很大，这方面它是大数据，从唯独来说，我个人认为不是很大的，因为所有工业上的设备在运行，一定是在它的约束条件里面、在边界条件里面，所以技术再先进不一定能够实现特点，调研以后我们选出了APR智能监测系统。
我们常规监测都是设定固定值报警，对某一个参数，某一个参数超过了我们的报警，但是单参数监测我刚刚说的，最终我们是用一个什么办法来看这方面的缺陷呢，目前不再采用单参数监测，是进行对象监测，就是我们把一个电站整个作为交易对象，你也可以分为一个一个系统，某一个系统分成一个一个设备，都可以是监测系统，甚至虚拟的对象，例如我们常规的整个温度场作为一个对象或者一个调节系统作为一个对象，我这个对象作为整个的监测系统，我把这个对象所有的参数，当然是你进行布置测点，所有的参数，我作为一个总体进行监测，而且我不仅仅只是这个对象本身的参数，我可能会加上一些边界条件，像环境温度我会加进去，把这个监测对象所有的边界条件也作为这个对象的一部分进行监测。怎么做呢？这个对象定好之后，这个对象所有的测点取出来，把所有历史数据全部导出来，历史数据里面进行详细的分析，所有正常的留下，所有的异常的剔掉的，异常时段所有测点剔掉，只留下所有测点的都正常的那些进行聚类分析，因为我不是搞详细数据算法的，我只是简单讲，大概什么意思呢？把所有正常运行的工况，运行出来产生的数据作为我的一个矩阵，相当于我的测点代表多变量，正常参数当成形成特征方程的矩阵。在以我设备运行的特征方程实时跑起来监控当时的数据，就是我当前数据跑起来和我历史数据进行比对，实时数据如果落在我们历史数据里面，我就认为这个设备当前的运行是符合正常运行的如果你运行不符合历史上的正常工况，我就认为这个设备当前是有异常的。所以整个我们这套监测我的理念已经完全和以前不一样了，整个监测的物理意义就是代表我这个报警的时候不是说这个设备一定坏了，而是我告诉你这个设备运行超出了曾经的正常情况，你需要关注，不一定是代表坏了。当然坏没坏我们整个后面的智能诊断也会加一些条件去，因为我们算出来它应该在的位置之后，而且是每个参数的位置之后我们实际上是加了诊断的，因为你各个参数上面、下面是正常的我们加了很多诊断条件，原理上讲我不加诊断的话，我只是告诉你偏离的正常情况，这个需要关注。所以整个智能监测如果只是用的这里，大家应该很清楚，将来会有一些误报警，我们就会有这样的情况。举个例子，海水情况，如果今天冬天很冷，实际上去年就发生过，很冷，历史上都没有这样冷过，在我建模的时候我的设备可能诊断力会下降，会产生误报警，我们要进行训练。这个图就是我们智能监测的核心。
运用APR技术之后，应用到所有的对象几乎可以监控我们整个中广核所有设备，目前我们这样做的，当然附加一些简单的分析，等一下也给大家介绍一下。我们的对象分解，我们整个核电站，常规的大家也差不多，我们在做项目过程中分析过，整个核电分成几大类设备，所以我们在分析模型建设的时候大部分都是有借鉴意义的，你动起来的那些转的设备，另外一个是热交换器、冷凝器，另外一大类就是电器设备。我们分析这三类设备之后进行建模。
给大家举个简单的例子，这个模型怎么分，我们的系统你是大可以想可以把一个电站放在一个上面，只是运算会变、边界条件会多、预测出来的参数会大，后续可能更麻烦，所以我们目前的经验，我们会细分到一个比较合适的程度。我举一个简单的例子，一台泵，我们会把它的电机部分建一个模型，把它的齿轮箱建立一个模型，泵这块是一个模型，我们还会建一个过程模型。这个模型，在运行的时候会跑起来，哪部分有问题，或者主体有问题，对我们一个提示。
我刚刚讲的就是一些模型的分类，这台泵启动之后，我们可以把这些设备全部建模型，一般启动过程中实际上它的参数是很不一样的，我们这台泵启动过程中的参数会单独建一个模型，这个瞬态的模型是非常非常麻烦的应用，这次启动那次启动在什么情况下启动，是很复杂的。稳态模型，整个中广核我们的集团已经把我们目前商用的机组结合起来建模。
大家讲了，我给大家看这个数据，为什么说我们整个发电站至少核电方面数据是很规整的，这是两个月的、两年的也是这样运行的，数据聚类的时候不会天马行空，不像真正的大数据那个边界，我们数据是非常有边界的，我估计常规电厂应该也类似，因为我看过我们风电大概也是可以这样的类型，这样很容易可以看出来最后几百类、几十类这个设备可能参数的区间我们可以聚类，再多可能几百类。
这个就是我们用刚才，用这套数据建的模型，我是特意摘的最近一个月的数据，这是跑起来的一个数据，这个红色的是我们在现场取过来的实际数据，蓝色是这个值的预测上限，大家可以看我们实际上预测序列大概在一个单位左右，这是一个温度，就是我刚刚说的那台泵的温度。实际上我这个参数告诉你的预测需求只有一度，我们做常规预测的报警可能100度，不可能夏天、冬天在100度，我夏天的情况预测出来在100度，这台泵所有的参数、所有的累计偏差的情况，各个点代表累计偏差，我们的单位偏差至少在10以上。
运用一致的规则，实际上就是我已经曾经运行过的数据，就是我的先验数据，让机器来学习，形成我的监测矩阵，再用这个矩阵来监测我实施数据，这就是我们的特点。
优点就是发现缺陷，偏离正常情况我就告诉你，对核电或者某些重大设备的潜在问题是很重要的，一旦发展到主动报警也是很严重的故障。避免状态物报警，因为我是多参数综合考虑的，我这个模型运行不运行是有设计条件的，泵没启动的时候我是可以设一个参数过滤掉，或者泵做实验的时候过滤掉的。甚至可以单独设一个泵的实验模型。
我是考虑了各种外部环境因素还有自动检测，我这台系统是自动监测，另外兜底性监测，这是很重要的问题，刚才咱们前面也讲了监测策略是远远不足的，我们这个不足之后怎么办？要不就分析之后另加设备，所有的故障都是能监测起来的。另外，我们已有的就是我们当前测点进行监测，我们这个恰好是这样，兜底性的，因为我兜底是告诉你，任何参数偏离我的正常区间就告诉你，至于故障原因我可能不知道，但是你参数报警可以分析。
给大家举一个例子，现在我们实际应用的例子，这是我们常规搞的输水系统，这个设备刚大修起来一天，我们专门做了一个实验，对我们输水的这台泵进行离心检测，在线做一些检测，包括振动等等都检测完没有问题，运行一天之后我们的模型报警，第一个，这个泵电流略有增大，增大很小可能1安以内，另外，阀门的开度也增大，这里面大家应该很清楚，实际上是调节阀，增大到60%几、增大到70%几，调节门本身开大没有任何影响的，理论上监测是发现不了问题的，但是我整个模型应用我曾经的情况和现在的情况不一样，不应该开那么大，所以我一个模型报警。报警之后电站检查，开始也以为是阀门，把正常调节关掉，判断阀门调节系统没问题，因为泵刚检修过觉得没有问题，最后发现泵本身机械故障。
再给大家介绍一个例子，这也是今年，这个泵，振动的正常报警值是100，当时实际上运行值是40左右，从这里开始往上，这个电站的主动设备当时还认为炉内报警他看根本看不出来，因为我们是几个放在一块，实际上看不出任何问题来，实际上没问题。过了一天到这里大概50几，有一部分到60，开始去检查，检查之后有问题，就是当时把那个禁固，紧固之后这个振动值到10几，但是还是回不到当时的值，召集专家研究分析，认为这台泵肯定有问题，只是问题在哪里，通过目前简单的监测发现不了。因为现在设备厂家的要求，本身的功能是可以满足的，说这台泵不继续运行肯定是没有问题，他们当时决定停下来，我们常规的三台泵，两台泵运行，备一台，当时把这台泵停下来，一直到现在，从4月份开始到现在。
我介绍这两个例子意思是什么，就是一个兜底，就是我们智能监测的兜底项目，所以我不能完全定位故障点在哪里，但是我会告诉你参数偏了，离开了正常运行的位置，而且你所属的位置我是考虑了所有边界条件的，春夏秋冬或者高负载、低负载都考虑到了，所以只要真是跑偏一定是哪里有问题的，这也同时正面一点，我们的诊断是很难做的，目前为止这台没有诊断出来，通过实时数据，现在做很多分析没有诊断出来，所以诊断不是那么容易的，特别是测点监测手段不够的时候。
这里简单介绍一下我们整个中广核的监测过程。这是我们早期我刚刚说的一个传统的监测，因为当时中广核是五六十年代的技术，参数很少，后来为了上我们的管理网做了一个系统，早期还不能用，就是在我们监测在办公室里看，所有手段跟常规的应用一样。
这个就是目前中广核所有电站的工业网实时数据，这个是把每台站的DCS数据全部的KNS，把所有这些数据集中在中广核的信息平台，我们的智能监测搭载这个云平台上。这个平台实际上已经比较好用，但是还是传统的。
这个是我们自己开发的一个产品。
这是整个智能监测的发展过程，这是2014年我们开始调研的，为了整个项目建立了一个群厂的监测体系，专项监测组就是为了我们整个中广核集团的设备监测，这里我们还建立了一个实验室，这个实验室是和其他公司一起建立的。数据平台还是2017年，因为我们整个项目是依托云平台，我们数据要用这个索引。2018年我们1月份试点应用，2018年5月份我们所有的电站都已经开始应用了。而且现在我们集团重大设备的模型全部建立了。
这个是我们中广核集团监测诊断中心，就是我所在的部门，我们的定位，智能定位不是像前面的反馈电站实时系统进行实时操作，我们只是做离线的辅助性，我们第一道还是电站，实时看结果，包括到现场的数据。
这是我们整个中广核的做事流程，任何事情先会文件体系先行。
这页图是我们整个智能模型或者项目标准化的过程，我们模型建立，模型建立是整个项目的基础，就是我刚才前面介绍的，我们的设备分什么对象，采用这种建模我们整个中广核数字院的一些专家，研讨了一段时间。
这是我们的推送，可以通过我们内部邮件推送，还会马上开发出APP出来。
简单介绍一下我们后续的工作。大家应该很清楚，刚才也有人讲过测点，虚假信号怎么办，我们会开发单测点技术、多测点技术，需要单测点我们单测点，需要屏蔽虚假信号我们屏蔽。这是基于全面分析，我们重大设备管理，也是主要的精力投入到我们重要设备商进行监测。这个是将来我们整个智能监测在电站具体落地应用，我们也在开发这个平台，我估计各大集团差不多，前期开发了很多系统，这是我们将来做的系统，整个中广核整个集团的平台全部应用在这上面。
非常感谢，我的报告就到这里。
（发言为电力头条App根据速记整理，未经本人审核）
直播地址：2018年智慧电厂（第二期）
