引言：工业互联网作为新一代信息技术与工业技术、制造技术深度融合的产物，日益成为新工业革命和中国制造2025的重要基石，不仅是实现两化融合和智能制造的重要依托，也是落实国务院发改委关于深化“互联网+”智慧能源指导意见的重要举措。为进一步实现管控模式、管理手段、生产方式、生产技术的全面创新，融入能源互联网，建设“能量-信息-价值”互联互通的智能电力企业，在国家能源集团的领导和支持下，国华电力公司构建了电力生产大数据平台，并开展工业互联网的应用研究。

一、 项目概况
国华电力公司通过对海量数据进行高效的存储组织和有效管理，为数据访问提供统一透明通道，来满足各类业务应用需求。大数据平台的建立，提升了公司大数据处理能力，可全面满足发电生产运行信息、能耗信息、电量信息、设备状态信息等数据服务与管理，为优化运行、状态评估、故障预警、发电生产集控运行等应用奠定基础。
1. 项目背景
国家能源集团的发展目标是成为“技术领先、管理先进、创新驱动、价值创造”的世界一流清洁能源供应商。在电力板块，集团以持续创造价值为宗旨，提出建设智能电力，打造全绿色电力。智能电力离不开，智能化电站，智能化电站是在数字化电站基础上发展起来的，综合运用了各种数字化、自动化、信息化技术手段，形成的以数据分析处理技术为核心的新型电站。电站智能化水平的提升，导致现场总线、智能仪表、传感器、摄像头等新型技术和智能设备的大量应用，造成了数据采集量的急剧增大，数据采集的多样化与多源化的情况日益显现，在智能化电站产生了，数据采集的范围越来越广，采集频率越来越高，数据类型越来越多，数据量越来越大，数据产生速度越来越快的现象，为大数据应用奠定了基础。

2. 项目简介
1、 电厂面对大规模且种类多样的现场数据，传统的应用软件已经很难处理。有必要运用大数据管理、大数据分析与挖掘技术，通过在智能化电站的体系中，进一步强化和拓展数据的利用范围与利用方式，让数据赋予电站新的生产运营能力，并从中发现新的认知，创造新的价值，满足智能电站的生产与运营。
2、 本项目通过构建国华电力公司大数据分析平台，对电力大数据分析与应用的关键技术路径、核心技术内涵及其应用方向的研究，实现数据集成与治理服务，为国华公司建设以大数据为核心的系统集成服务、大数据开发、应用、发布服务提供基础支撑，为电厂本质安全提升、智能诊断、运行优化、经营决策等业务领域的软课题研究提供实践环境。

3. 项目目标
1、 探索从以流程为中心向以数据为中心转变的信息化建设模式。建立以大数据为核心的工业互联网平台，汇聚全业务、全类型数据资源，通过数据“存储、整合、建模、分析”，全面支撑国华电力数据应用需求，为电厂提供设备全生命周期管理、生产运行工况、经营决策提供分析诊断和决策支持服务。支持电厂海量设备高并发接入、支持微服务形式的应用开发、支持关键应用的垂直服务，切实帮助企业降低成本，提升工作效率，增强管理水平，为员工提供灵活、多样的个性化服务。在此基础上，构建开放、共享、共赢的工业互联网生态体系，为实现智慧发电的根本目标奠定基础。
2、 同时，为国华电力公司建设统一的大数据应用平台，进行大数据的统一存储、统一管理，以及应用的统一开发和部署。在国华电厂建设分布式大数据应用站点，进行电厂大数据的采集、预处理、大数据分节点计算，以及大数据应用结果的展示。


二、项目实施概况
本项目在建设，将大数据分析技术与火力发电厂运维管理相融合，实现业务应用快速、灵活的标准化开发，汇集数据资产、创新管理模式，促进工业技术/知识信息化产业模式形成，奠定了国华公司工业互联网平台（Smart IIP）的基础架构，为实现智慧企业应用生态链提供良好开端。
基于该方案，公司打造了统一开发、统一运维、大数据处理，边缘计算四位一体的平台体系，实现了企业IT基础设施云化、数据集中统一分析利用、“微服务”应用的创新开发模式。
平台接入各级实时、准实时生产经营数据32亿条，连通4家电厂共10台煤电机组，部署服务14个，应用18个，完成各类机器学习模型20个。在平台之上部署了基于大数据分析的机组运行优化和设备故障预警等应用。

1. 项目总体架构和主要内容
（1）平台整体架构
平台整体架构如。如图1所示：
资源中心部分由国华公司大数据中心和电厂边缘计算中心组成，国华公司大数据中心部署IaaS平台，提供虚拟化资源、Hadoop数据存储及计算组件、时间序列数据库和RDB，用于支撑大数据平台基础功能及上层业务应用；电厂部署IaaS基础资源池，提供虚拟化资源、RDB资源，支持大数据平台和应用的构建。
数据中台部分在整个大数据平台中起到承上启下的作用。通过连接IaaS平台的虚拟化资源，并利用PaaS的基础服务功能，为上层的SaaS应用提供基础支撑功能。PaaS平台又分为3层：公共服务层、支撑组件层和数据平台层。

应用中心汇集了大数据应用的成果。该中心不仅包括国华公司大数据平台工业互联网门户，还包括已经开发完成的经营决策系统、运行优化指导系统、故障预警及智能诊断系统。未来，国华公司新增的业务应用，如智慧班组、知识管理等系统，都将在大数据中心进行统一部署。
（2）门户及应用展示

2 微服务框架
微服务框架(Cloud Service Framework)是企业级微服务应用管理平台，包含服务注册、配置和治理中心，帮助国华公司实现微服务应用的快速构建、实时监控和高可用保障。兼容主流开源生态，不绑定特定开发框架和平台，支持已有应用业务代码零修改接入。
微服务框架的建立使得我们可以将一个大型独立的应用系统拆分成多个微服务，被拆分成的每一个微服务都围绕着系统中的特定业务功能构建，且维护自身的数据存储、业务开发、自动化测试案例以及独立部署机制。这些微服务在各自独立的进程中运行，不同的应用可以根据需要创建相应微服务进程，服务之间通过基于HTTP的RESTful API或私有RPC协议进行协作。
（1）微服务开发框架
支持REST，gRPC、Apache Thrift ™ 等微服务RPC框架。提供微服务的注册、发现、通信、路由、重试等基础能力。
（2）微服务治理中心
微服务治理中心是整个微服务架构的核心，为整个微服务架构提供微服务的负载均衡、限流、降级、容错、熔断、灰度发布、回滚等服务管理功能。
（3）微服务监控和跟踪
支持微服务实例和接口级的实时QPS、响应时间、出错率等监控统计。并能实时分析系统内每一次服务调用链的情况，精准发现系统的瓶颈和隐患。调用链详情包括应用名、IP、调用类型（Dubbo、gRPC等）、被调用服务、状态、响应时间、网络流量，支持按应用名、时间范围、调用类型、响应阈值等条件进行查询。

3. 大数据应用
（1）智能诊断应用
智能诊断应用以大数据技术为依托，以转动设备为研究对象，凭借大数据模，实时计算预测设备运行状态，实现系统、设备、参数级的早期预警及诊断，构建以数据驱动为中心的共享服务，提高设备健康水平。
智能诊断应用目前涵盖了引风机、空预器、汽动给水泵和汽轮机四类主机和辅机设备，依托机器学习和大数据技术实现设备的智能故障诊断和设备预警。主要功能包括：设备诊断概览、设备对比分析、设备诊断分析、设备数据管理、设备诊断模型配置、智能诊断计算调度，设备故障知识库及系统管理等。
§ 设备诊断概览：主要显示系统所有设备的整体状态。通过可视化的方式展示智能诊断应用结果，多维度分析设备的当前运行状况和健康状态

§ 设备对比分析：同类型设备进行横向对比分析，找出设备之间的健康状态差异并分析故障预警数据。

§ 设备诊断分析：主要从设备级、参数级和机理级三个维度对设备进行实时故障诊断，并汇总分析设备健康状态，以引风机为例进行说明。下图是1号机组11引风机的整体诊断分析及健康状态分析，以及设备级机器学习诊断和参数级设备预警的诊断结果。

§ 设备状态监视：实时展示设备的运行状况以及健康状态，主要是对机器学习诊断及设备参数诊断的实时监视。

§ 设备的参数预警诊断：通过关键参数进行训练学习，形成不同的异常检测算法模型和能反应设备健康状况的主要参数历史变化曲线，并可通过不断的数据积累优化算法模型。通过对参数进行诊断分析之后，形成参数的预警结果供用户分析使用。
 

§ 设备的机理分析：以引风机为例，引风机的运行特性通常用引风机全压、轴功率、效率与风机体积流量Q之间的关系曲线来表示。通过对引风机实时状态参数和特性曲线进行比较分析，可对如喘振、失速等明显的故障风险进行分析预警，同时可与机器学习、参数诊断等模型对比验证。

§ 设备诊断模型：通过对原始数据建立样本数据，进行数据处理和数据标签后形成训练集数据，然后结合机器学习算法进行模型训练和学习，形成不同的算法模块。随着数据不断积累更新后，通过训练学习，对已有的算法模块的参数进行优化，从而逐渐优化该设备的诊断模型。

设备故障知识库：通过对设备相关数据进行分析汇总，结合ERP系统故障数据、DCS报警信息及操作日志、设备巡检记录等，汇总设备所有相关的故障特征和故障原因，建立设备、故障、原因三者的关联关系，形成典型故障知识库，支持对设备故障数据的大数据分析。

2）机组运行优化应用
机组运行优化主要是针对国华公司宁海电厂、定州电厂，台山电厂的各2台600MW燃煤机组，依托机器学习和大数据技术进行机组的运行经济性优化，以降低供电煤耗为主要优化方向。机组运行优化的功能包括机组运行概览、机组指标计算、机组工况寻优、机组经济性分析、机组操作指导、工况对比分析及系统管理等功能。
§ 机组运行优化概览：主要展示机组当前的工况及经济性指标和主要辅机的状态。

§ 实时性能指标计算：通过图形化的方式，展现性能计算的主要指标，包括机组供电煤耗，锅炉、汽机效率等实时经济性指标。

§ 机组工况寻优：以机器学习算法为基础，寻找历史机组运行最优工况，继而对现有工况中与历史最优工况进行智能聚类分析，寻找最佳可控参数，实现工况逐步优化。根据机组工况分类情况，从六个维度对机组进行颗粒度细分，包括机组负荷、循环水温、环境文件、燃煤热值、锅炉吹灰及机组供热，工况组合至少在50000种以上，如下所示。

§ 机组经济性分析：通过对每种工况得到的寻优结果进行逐层分析，分析影响煤耗经济性的主要原因并量化，对供电煤耗进行了基于反平衡计算的逐层分解计算和分析。如下图所示：

§ 运行操作指导：根据寻优结果，对工况进行优化指导，提出操作建议供运行参考。

§ 工况对比分析：以机组为单位，通过各工况组合维度对各项数据进行对比，展示出关键数据，从而清晰看出各机组的差异性。

图20工况对比分析

（3）经营决策应用
§ 经营决策应用实现了全厂指标的实时展示分析（如图21所示）。

§ 实现了灵活可视化的指标配置，支持多种算法。

§ 看板设计器可以方便的定义管理数据看板，通过图形化的表现方式让数据更直观、易懂。

§ 便捷易用的报表设计器，可以帮助电厂可以按照需求快速定义报表

（4）统一管理平台
§ 统一监控平台：实现多维监控，从基础到应用，分散监控指标，实现统一配置、统一管理，分散、细化监控阈值、预警，屏蔽误报，使监控系统更精确、更真实，为用户提供系统及设备使用趋势数据，预防因业务激增带来的意外宕机，为用户后期增容提供有力数据支撑。
§ 虚拟化管理平台：统一的虚拟化管理平台，管理员可自定义云主机相关参数。普通用户可以选择虚拟机所在的资源池、定义虚拟机名称、操作系统的HOSTNAME。随时查看已申请的虚拟机信息，对虚拟机进行操作管理。提供VPN服务，实现自助配置VPN网关和VPN连接。提供统一的告警服务，随时处理告警信息。系统保证安全性，口令加密存储，接口传输采用加密协议。

§ 审计平台：实现用户行为分析，业务流程分析，系统健康状态分析，根据实际情况跟踪、还原用户行为及问题过程。

4. 基于大数据平台的机器学习技术
平台将SaaS应用相关测点数据及训练集数据存储在Hadoop大数据仓库中。目前公司的Hadoop平台已经存储了10年以上历史测点数据，实时数据会以准实时的方式进行同步，实现了纯Python开发调用Python科学计算库建立机器学习模型，以及通过 Pyspark开发基于Spark ML库支持分布式计算的机器学习模型，可以支持多种技术路线的机器学习模式。

如上图所示，通过将历史数据的机器学习和实时数据的实时诊断计算结合起来，实现业务应用。
平台还集成了大量的算法模型，如基于随机最速下降法（SGD）算法，通过执行算法找到海量数据和维度构成的数据中的极值、最大或最小值。如下图所示：

5. 社会经济效益分析
(1) 生产数据的高度集成，生产管理精细化。
(2) 电力行业工业化和信息化深度结合的示范。
(3) 填补了行业该方面的空白，成为行业参考模板。
(4) 节能减排：通过对机组的优化，使得资源配置得到优化，能源利用率得到提升。
(5) 降低成本：通过大数据技术的应用，不断优化机组的运行状态，降低煤耗，降低工作强度，有助于人力维护成本下降。


三、下一步实施计划
未来我们从3个阶段逐步完善国华工业互联网平台，第一阶段我们注重在搭平台，目前平台建设基本完成，进入第二阶段建应用，主要巩固平台建设，接入国华所有机组得 数据，逐步开发国华各类应用，未来到2025年我们将全面打造国华工业互联网生态体系。引领创新和提升企业竞争力。
1. 阶段一
§ 完成大数据机房建设
§ 开展大数据平台建设
§ 试点电厂数据接入大数据平台，并完成数据治理。
§ 开发试点应用进行平台测试。
§ 应用开发标准规范
§ 微服务接口、开发、管理规范
§ 第三方应用开发验证
目前该阶段大部分工作已经进入收尾阶段，当前主要的任务是查缺堵漏，提高平台应用的成熟度。

2. 阶段二
§ 巩固大数据平台建设，逐步接入国华所有发电机组数据；
§ 逐步在大数据平台上开发部署智慧党建领航、智慧安全监察、智慧生产调度、智慧经营决策、智慧工程管理、智慧资源共享等六类应用。
该阶段工作已经完成了总体规划，正在有序的向底层详细设计方案推进，部分工程有望在年内开工实施。整个阶段预计3-5年内完成。

3. 阶段三
§ 全面实现公司工业互联网平台生态体系建设，持续提升平台赋能、赋智能力，在整个工业领域具有创新引领能力和明显竞争优势，整体水平国内领先。
在第二阶段工作的基础上，进一步完善平台体系建设，全面整合公司IT和数据资源，用5-8年的时间，实现一个技术领先、功能完备的国内工业互联网平台生态体系。


四、项目创新点和实施效果
1. 项目先进性及创新点
(1) 系统依托大数据平台，建立数据治理的体系和标准规范，共享数据来源及应用成果。
(2) 建立了“一平台，多站点”的设计模式，即依托一个平台，机器学习等大量历史数据功能部署在总部，实时计算等实时性要求高的部分部署在边缘计算侧的各电厂，实现了云边协同发展。
(3) 独创基于HTML5的SVG的B/S组态技术，提高用户组态实时监视画面效率，支持共享和在线创建、修改和删除。
(4) 首次在火电行业规模应用多维看板分析技术，实现组件化的报表开发。
(5) 基于SGD机器学习算法的技术，首次在跨电厂和机组的工况寻优应用中使用，基于聚类算法的工况分类技术，通过对历史工况的机器学习，将常规固定步长的工况分类方式，改变为不等步长的分类方式，优化了机组工况的组合针对性，提高了计算效率和工况价值。
(6) 建立融合传统机理分析和大数据机器学习算法在引风机等5类转机设备上的智能诊断和设备故障预警，提供了设备预警和诊断的新模式新思路。

2. 实施效果
目前，国华工业互联网平台已经完成从机房建设、平台建设、数据治理到应用中心建设的过程，随着4个电厂的数据接入，应用中心开始落地使用，以及后续智能智慧化建设，工业互联网平台的规模和价值将愈发凸显。
（1）本项目带来的企业经济效益
通过国华工业互联网的建设，为企业效益带来了提升，包括：
① 实现了工业互联网生态环境的打造。
② 实现了生产数据的高度集成，生产管理精细化。
③ 完成了电力行业工业化和信息化深度结合的示范。
④ 填补了行业该方面的空白，成为行业参考模板。
⑤ 节能减排：通过对机组的优化等应用，使得资源配置得到优化，能源利用率得到提升。
⑥ 降低成本：通过大数据技术的应用，不但降低了后续的IT建设和运维成本，而且可以优化机组的运行状态，降低煤耗，降低工作强度，有助于人力维护成本下降。
（2）技术成果应用说明
（一）数据中心建设成果
国华大数据中心主节点部署在高安屯电厂新建数据机房内，机房整体采用模块化设计，并留有较大扩容空间，项目一期目前已部署关系型数据库服务器2台、时序数据库服务器4台、Hadoop服务器9台、OpenStack服务器14台。
（二）建成了IaaS、PaaS及SaaS平台
资源中心（IaaS平台）也已经部署完毕并投入使用。在本期项目为了验证平台的开放性和可扩展性，添加了国华原有2台利旧服务器加入到云平台中。可通过主节点统一监控和管理各电厂边缘计算节点资源。
PaaS平台，建成了包括微服务架构的服务总线、消息总线，容器管理，发布管理，权限管理，调度管理，智能搜索等服务组件，以及关系数据库，时序数据库，Hadoop平台，以及相关的统一监控平台和统计开发平台。
应用中心（SaaS平台）已经完成基于大数据技术和机器学习技术的四个应用的落地，包括经营决策系统，智能诊断应用，设备故障预警和机组运行优化。
（三）建成了国华数据治理体系和标准
形成了国华的数据治理系统和数据治理标准，形成了7类主数据，完成了超过12类系统的数据接入和治理，在接入4个厂数据情况下已经形成了约56T数据，并在继续增加。
（四）应用：智能诊断应用
该应用通过结合机理分析、参数分析和机器学习，实现了对引风机、空预器、汽动给水泵、凝结水泵转机设备的诊断分析和预警，并建立了设备的故障知识库，通过应用建立了设备的基于PHM的健康状态指数，便于设备管理和维护，提高了设备管理水平。应用通过总部的历史数据进行机器学习模型训练，在电厂边缘计算平台进行实时诊断计算，也实践了云边协同的技术模式。

（五）应用：机组运行优化
该应用对每台机组，从6个维度来定位唯一工况，形成机组的细颗粒工况模型，便于工况优化、断面分析等。相对于传统主要以机组负荷为工况区分标准，通过6个维度作为工况模型标准，更符合实际情况和统一工况基准，以工况模型为基准，可以进行工况寻优，对比分析，性能评定，耗差分析，指标考核等；以工况断面为基准，可以分析其它相关辅机状态和断面参数，为操作指导提供依据；也可以为配煤掺烧、脱硫优化、脱硝优化等提供工况基础数据和分析依据。通过应用可以明确机组在各工况下的最佳工况数据，包括供电煤耗等经济指标，以及当前工况与对应最优工况的差异，以便调整机组操作参数，优化运行经济性。

（六）应用：经营决策系统
通过该应用，建立指标计算中心，统计报表中心和多维分析中心，来电厂业务提供支持，解决数据重复录入、统计计算口径不一、数据传递复杂等问题，提高数据共享，简化报表配置，支持多维分析，提供决策支持。

图31 经营决策多维分析支持

通过国华大数据平台的建设，主要实现了公司所属电厂生产数据和部分关系型数据的覆盖，并不断扩充业务涵盖范围，支持更多数据类型和更大的数据规模，最终实现全业务数据纳管的目标。搭建统一IT基础资源，利用云服务实现各类应用的灵活、高效、可靠的资源配置，减少各类系统重复投入，提供高质量基础设施。构建工业互联网生态圈，综合工业智能生态圈各方能力，加快技术验证步伐，孵化更加全面、更有业务价值的应用。利用开放式生态圈架构，集成更多的专业算法引擎，图形图像处理引擎，人工智能引擎，创新大数据在发电企业的应用，促进数据分析技术转型升级。