电力工业互联网应用及其指标.docx

《电力工业互联网应用及其指标.docx》由会员分享，可在线阅读，更多相关《电力工业互联网应用及其指标.docx（8页珍藏版）》请在课桌文档上搜索。

1、虽然我国可再生能源发电占比逐年提升，火电、水电、风电、光电等融合发展趋势明显，但仍然存在发展痛点：Ol设备管理问题由于发电有连续生产需求，设备故障会导致巨大损失，无论是火电、水电、风电还是光伏，都需要提高设备维护水平。尤其是风电、光伏等，设备地理位置偏僻，分布分散，管理和维护难度大、成本高。02并网调度问题目前各类电力来源需要协调调度，对发电功率预测提出挑战。新能源电站电压调节能力有限，易引发次同步谐波等，给系统安全稳定运行带来不利影响；而电站出力不确定性致使电网潮流复杂多变，增加了电网运行控制难度。安全问题和功率预测问题导致并网吸纳难，弃电率居高不下。工业互联网平台成为电力行业解决设备远程维

2、护、新能源并网消纳问题的重要途径。目前，电力设备制造商、大数据服务商与发电企业开展合作，通过平台接入源、网、荷实时数据，利用大数据分析建模，开展体系性的调度、管控服务，一方面支持新能源实现“无人值班、少人值守、区域化检修模式；另一方面提高新能源并网率与整体用电效率。电力行业工业互联网应用“精益管理和“自动化是过去很长一段时间流程工业乃至整个工业领域提升效益、运营、管理等各方面水平的主要手段，但在物联网、大数据、人工智能逐渐普及的今天,也让更高精度、更高质量产品的生产需求越来越旺盛，这些高端需求需要借助工业互联网去实现和达成。工业互联网利用工业物联网等先进技术对现有的资产、过程、产品进行转变，实

3、现运营指标提升，走向卓越运营。卓越运营(OPeratiOnaIEXCelIenCe)实际上是一系列关键指标的优化，其应用场景涵盖装配、加工、预测性维护、绩效管理、质量管理以及可持续发展这一系列的制造环节，甚至延展到产业链的上下游。Ol华能重庆珞璜电厂比如，华能重庆珞璜电厂基于华能AIdUStry工业互联网平台，构建18个设备的热力学模型，通过历史数据基于模型计算出平均工况下最优发电技术煤耗比平均发电煤耗降低了2.2克/千瓦时，可节省7480吨标煤，全年节约598万元左右。02某省级能源集团再如，某省级能源集团公司基于寄云NeUSeer工业互联网平台建设以生产数据为基础的应急调度指挥中心，打造生

4、产安全监控系统和应急指挥系统应用，融合大数据集成和分析技术、GlS可视化技术，实现预案数字化、预警多源化、研判智能化、指挥一键化、处置卡片化、过程可视化、资源共享化、事后可溯化等收益，全面提高生产安全管理水平和效率。03四川某水电站还有四川某水电站基于工业互联网平台构建预测性维护方案，基于设备原理，构建智能故障预测模型；根据模型的特征量数据，测出水导轴承转频、低频、倍频特征值变化趋势；根据实时数据、故障预测逻辑和桨叶开度不均匀故障模型，判断设备故障状况，并提前预警。实现对转轮连杆机构螺栓断裂故障提前8天预警；故障预测成功后，可节约转轮返厂修复费用50余万，减少修复时间50天，降低发电损失。04

5、国华巴盟风电另外，国华巴盟风电公司基于工业互联网平台的远程运维案例也极具代表性。在该案例中，项目整合风力发电设备的设计数据、环境数据、运行数据、运维档案等数据资源，深入分析并挖掘基于机理的机组失效模式，掌握故障的演化过程与性能退化趋势，形成具备故障诊断、故障预测、健康管理和生命预估为一体的综合健康管理系统。火电工业互联网优化应用指标体系指标体系是基于工业互联网的智慧电厂、智能工厂的血肉，可以说只有把所有数据的利用转化为对指标体系的构建，以及对该体系下各类指标的追踪和优化，才让工业互联网和智能工厂有的放矢。尤其对于电力行业来说，指标体系尤其关键。这里我们拿“火电这个垂直领域来作为工业互联网优化指

6、标的应用代表来讲解。Ol数据指标角度在火力发电厂的多项指标中，一般情况下，经济技术指标被分为以下两种：其一，综合指标；其二，各项专业指标。在分析火力发电厂的技术经济指标过程中，要建立定期分析表格制度，按月或者按年进行分析。在分析指标时，要根据统计分析的基本原则，从小到大，从点到面一一进行划分。综合指标的变化都能够在专业指标中找到原因，而专业指标的变化可以追溯到专业小指标的变化过程中，因此在分析时可以做好定量分析,能够查找出其中影响值的大小。在指标分析内容中，以全厂综合指标为主要分析的对象，能够找出影响综合指标的各项因素，再进行逐一对比分析。Ol厂用电率火力发电厂的用电主要是电力生产中的各项转机

7、用电来构成，锅炉系统的主要组成部分有以下几种：其一，吸风机；其二，送风机；其三，磨煤机；其四，排粉机。在分析火力发电厂用电率时，需要对循环泵、水泵等进行分析，抓住火力发电厂用电的主要影响因素，做好水泵和循环泵的耗电量分析，建立长期的监测档案，摸索出降低能源消耗的主要措施。02发电量发电量，主要指的是火力发电厂电机组经过对一次能源的加工，继而转换成有功电能数量，发电量等于计算期电能表的读书差乘以电能表的倍率。03供电标煤消耗率供电煤消耗率主要指的是电厂每向电网提供的标准煤量，是火力发电厂在运行过程中的总指标。影响供电标煤消耗率的主要因素有：其一，发电量；其二，厂用电率；其三，锅炉效率；其四，汽机

8、效率；其五，管道效率；其六，标煤耗量等。上述指标会辐射到各项专业分指标中，而影响供电标煤耗率的其他主要影响因素有：其一，发电机的功率过高反而使得供电煤消耗下降，发电机的功率过低反而使得供电煤消耗升高；其二,在汽轮机供热之后，一方面会损失凝气，提高发电的经济性；另外一方面显著提高了发电的经济性，影响供电标煤的消耗率，供热量越高反而使得供电煤的耗率越低；其三,在机组发电权数方面，一些较大容量的发电机组所占的比重比较大，全厂供电煤的消耗率反而越低。总而言之，在综合指标中电气专业的总指标有以下几种：其一，发电量；其二，供电量；其三，厂用电量。小指标有以下几种：其一，负荷率；其二，运行时间；其三，循环泵

9、、磨煤机、吸风机以及制水系统单耗等。在汽机专业中，总指标有：其一，汽轮机热耗率；其二，汽轮机效率。小指标有：其一，主汽压力；其二，再热蒸汽压力；其三，高加投入率；其四，胶球投入率；其五，排汽温度等。锅炉专业的总指标：锅炉效率；小指标有：其一，主蒸汽温度；其二，主蒸汽压力；其三，蒸发量；其四，含氧量；其五，化学未完全燃烧损失；其六，煤粉细度合格率；其七，制粉系统漏风系数等。燃料专业的总指标：其一，燃油量；其二，燃煤量。小指标有：其一，灰分；其二，点火用油量；其三，低位发热量；其四，入厂煤检质率。水工和管道专业的总指标有：其一，水耗率；其二，管道效率。小指标有：其一，高温管道散热损失；其二，发电补

10、水率；其三，循环水补水率。02燃料经济技术指标火力发电厂的燃料经济技术指标主要有以下几种：其一，燃煤数量；其二，燃煤质量；其三，燃煤价格。在燃煤数量分析方面，主要分析以下三种指标：其一，合同兑现率；其二，耗用量；其三，检斤率。从合同兑现率来看，实际的到货量占合同的数量百分比就是指合同的兑现率。火力发电厂在发电过程中，利用好发电用煤的保障程度能够实现合同兑现率。合同兑现率的数值越高说明说明电厂的保供能力越强，合同兑现率的数值越低说明存在保供风险，此时领导人员和管理人员应该高度重视此问题2。从影响合同兑现率的相关因素来看，主要分为内部因素和外部因素两种。外部因素主要表现在以下几个方面：其一，价格变

11、动；其二，煤炭资源；其三，运输。内部因素主要表现在以下几个方面：其一，场内的接卸调运情况；其二，机组运行参数；其三，配煤掺烧等。通过不断落实好相关资源以及加强对价格走势的分析不难看出，加强沟通与联系能够提高合同的兑现率。从耗用量的角度来分析，不难看出，燃料耗用量实际上指的就是火力发电厂在统计期内所产生的燃料量，耗用量应该包括供热用煤和发电用煤等，在燃料经济活动分析过程中，对相关用量进行合理分析，能够及时发现火力发电厂中的发电用煤指标。在供电源煤耗率和发电标准煤耗率比较方面能够发现原煤耗率的上升与原煤耗率的下降有着密切的关系。从燃料检斤率来看，主要说的是实际燃料收入和检斤量之间的比值。检斤率能够

12、清楚反映燃料厂的验收管理水平，因此需要火力发电厂的各项指标要求均能够到达到百分之一百。一旦验收不够达标，势必会对各种数量指标的计算造成一定程度的影响。对于未达到百分之一百的数据，必须对其存在的人为因素加以详细说明。在燃煤质量方面，主要评价的是入厂的煤质量是否能够达到火力发电厂对煤种的质量要求，从而评价出燃煤质量是否能够达到合同所规定的质量。在掺配燃料的数据方面，不难看出，厂热值差和矿热值差能够对供煤方的商业诚信度加以综合评价。在入厂热值差方面，能够清楚反映燃料在火力发电厂的管理水平。03燃油量火力发电厂的燃油主要构成是：其一，助燃用油；其二，锅炉点火用油。在分析燃油量时，必须与同类型的先进的火

13、力发电厂进行比较，再采纳一些比较先进的管理经验和技术操作等，不断缩短与先进的火力发电厂的距离。在火力发电厂内制定好燃油份额,确定各种工况之下的燃油耗用量。在火力发电厂的技术经济指标分析中，不仅仅要做好指标方面的分析与管理，还需要对相关工作人员的知识储备进行全面的分析。综上所述，火力发电厂的指标体系非常复杂，各个指标之间又是相互联系的，不能简单分割开来，所以需要对各种指标进行系统分析，通过完整的数据来做好各个环节的检查。当然，熟悉电力的行业人士都会知道，虽然我们这里以火电为例，其实水电、光能、风能等其他电力行业同样也是极其复杂，也是需要从各种指标中去提升和优化。工业互联网电力数据智能当下，通过工业互联网平台产品和解决方案，从设备物联网开始，形成边缘端的状态监控及告警展示，帮助电厂实时抓取设备数据并进行设备管控，通过对数据的加工及分析，在平台侧形成不同角度的指标模型及优化模型，根据应用场景及时效性实现颗粒度更小的微服务应用，通过与数据模型结合，帮助电厂快速的完成对电厂每一个环节实时监测、历史数据分析、预测数据展示、优化模型诊断，实现真正意义上的数据智能。