一、项目概况

1. 项目背景
“工业大数据应用技术国家工程实验室”属于国家发改委大数据领域创新能力建设专项，是我国目前唯一一家工业大数据研究及产业化支撑机构，哈电集团作为联合申报单位负责工业大数据在电力装备行业中深度应用。

2. 项目简介
发电设备工业大数据应用技术平台是基于信息—物理系统（CPS）、工业大数据平台和故障预测与健康管理（PHM）理念，结合IoT、大数据分析、协同优化、可视化等技术构成的智能体系，为远程运维、智能制造等业务场景提供了应用技术支撑，同时为哈电集团工业互联网云平台建设及产品全方位全周期管理打下了坚实基础，促进集团从传统制造业向服务型制造业的转型升级。

3. 项目目标
通过对哈电集团发电设备工业大数据应用技术平台（一期）项目的建设及应用示范，建立覆盖产品全方位全周期管理的发电设备工业大数据应用技术平台，实现“数据驱动”，打造大数据采集分析、远程运维等服务型制造新模式。

二、项目实施概况

1. 项目总体架构
发电设备工业大数据应用技术平台在总体框架设计上遵循微服务化的思想，遵从组件化的模式开发，并提供开发规范和指导，以支持应用组件的独立部署、升级与维护，并能够与第三方应用较便利地交互与集成。平台总体架构如下图所示：

图 1平台架构示意图

 

平台主要组成部分功能描述如下：
（1）数据资源层：该层主要为电厂内各设备的运行数据源，例如风机、电池、各传感器等产生的实时数据源，以及存储历史数据的外部数据管理系统。
（2）边缘层：该层的核心功能是对数据资源层的各种数据源进行数据收集，该层主要由硬件设备构成，通常部署在设备现场。该层主要由认证服务、组态配置、信号采集、协议解析、边缘计算、数据编码、数据加密、数据传输、数据缓存、访问控制等模块构成，以此构建了平台的数据基础。
（3）数据接入和交换层：该层主要负责实时数据包或离线数据文件的接入、解密、解析和转换工作。接入模块和交换模块耦合，以拉取的方式实现两模块的数据传输，保证实时数据包可以稳定接收不堵塞，数据解密、解析和转换有条不紊。
（4）工业大数据存储和管理层：该层主要承载数据存储、数据高性能计算、资源管控、控制监控中心、数据管理工具五大功能。满足大规模存储应用的需要；为数据应用高速响应和数据极速查询等数据服务提供有力支撑；为平台的底层计算、存储等资源提供坚实保障；为平台提供综合治理和管控；提供数据建模、数据查询、数据运维等工具。
（5）数据应用层：该层主要由微服务中心、工业智能建模工具和企业级模型运行引擎三大模块构成。微服务中心是平台的创新功能，依照平台的微服务框架思路，该模块建立了可由多用户共建数据应用的可拓展开放系统；工业智能建模工具为用户提供 “拖拉拽”画布式建模方式和工业组件，帮助用户构建基于工业领域的算法模型；企业级模型引擎可以实现算法上传部署和全面的可视化模型执行管理和环境分析监控。
（6）业务应用层：包括状态监测、故障诊断、运维优化、健康评估、趋势预测等，并提供基于Web的统一门户访问界面，通过数据可视化、报表等手段，清晰展现平台的各种应用数据，支撑用户快速分析与决策。

2. 主要建设内容
广泛整合利用现有先进技术、知识和硬件资源，打造行业级的开放平台。平台整体采用了分布式云技术架构、模块化功能设计和多层次开放性接口的思想，满足多种类设备上云、多语言APP开发、多维度数据管理、多模式服务部署等工业大数据应用的关键需求。

（1）工业大数据应用技术平台建设
工业大数据应用技术平台对外提供多种形式的数据接口API，内部集成可视化建模IDE、算法模型运行引擎和基于微服务的业务应用运行环境。主要功能模块包括数据接入管理、设备管理、数据运维管理、工业智能算法建模工具、企业级模型运行引擎、微服务注册及管理、系统管理等功能，可视化界面如下所示：

图2 平台可视化界面

 

平台提供工业智能算法建模工具来实现业务知识抽象化，该工具为算法工程师提供包括数据质量检测、数据清洗、可视化、特征提取、特征选择、机器学习算法、行业模板、模型评估等功能，算法组件库内含百余个算法组件，算法开发人员在可视化环境下通过“拖拉拽”画布式实现工业算法建模。算法模型可直接上传至模型库和企业级模型运行引擎，实现模型快速部署运行。工业智能算法建模工具如下图所示：

图3 可视化集成建模环境

 

（2）数据采集终端解决方案
平台配套研发了“数据采集及边缘计算一体化终端” ，该硬件具有通用性、满足定制化需求、可靠性和安全性的特点，将异构数据采集、高复杂度边缘计算、数据标准化、数据缓存、网络安全策略等功能模块集于一体。

图4 数据采集及边缘计算一体化终端结构图

 

终端支持多协议、多种数据库通讯接口及原始模拟/数字量的直接采集，采用多种安全策略，解决了工业现场原始信号不易采集、数据种类多、接口协议繁杂、数据传输不安全等技术瓶颈；信号采集及边缘计算前端实现高复杂度的边缘计算，如高频信号采集、信号处理、特征提取、压缩加密、故障预警、工况智能变频采集等，大大降低了平台的网络和计算资源需求。

（3）新能源设备上云
新能源设备上云是项目的关键示范点，特别是多种新能源设备同时上云。为了体现平台的优势，基于发电设备工业大数据应用技术平台的远程运维服务示范电站多能互补智能运维系统包括100kW和30kW永磁直驱风电机组、100kWp光伏发电、储能系统容量为110kWh、海水淡化系统负荷为42kW、灌装线负荷为16kW、380V交流配电系统和微网综合监控系统。
利用平台一体化数据采集解决方案提供了数据收集，总体运维服务包括状态监测、故障预警、历史查询、数据分析四大模块，利用了故障预测与健康管理（PHM）的技术概念，全面开展以“故障预测”替代“故障诊断”，“专家系统”与“人工智能”相结合的运维新模式。可视化运维界面如图5所示：

图5 基于发电设备工业大数据应用技术平台远程运维服务界面

 

图6展示了基于支持向量机的偏航对风不正分析界面，表1列举了示范项目中利用人工智能或PHM方法的共14个APP。

表1 利用人工智能或PHM方法的APP
 

图6 偏航对风不正分析界面

 

三、下一步实施计划

进一步扩展升级发电设备工业大数据应用技术平台建设，发挥平台作用，面向集群用户开展远程诊断工作，同时应用具备自主知识产权的数据采集系统保证机组数据安全、可控、规范；综合开展以数据采集、大数据管理、大数据分析、智能诊断、智能运维以及智能制造为核心的发电设备全生命周期大数据应用技术研究，逐步形成业务生态圈，业务机理同大数据科学相结合，在满足发电设备远程运维需求的同时为设计生产提供数据依据。

四、目创新点和实施效果

1. 项目先进性及创新点
（1）一体化数据采集解决方案
平台配套“数据采集及边缘计算一体化终端”实现了广泛接入、边缘计算及智能变频采集等功能，真正以大数据的思想和架构应对海量工业数据采集场景。
（2）多源异构数据融合技术
利用多源异构数据融合技术，将不同种类发电设备数据转化为面向发电设备对象的统一信息模型，完成了时间、空间关联的数据断面和不同业务数据的一致表达，解决了数据采集和数据管理过程中的标准化和一致性问题。
（3）海量数据并行处理技术
利用海量异构数据实时、批量处理分析技术，构建在线监测、在线分析和在线计算等实时数据处理平台。平台内存计算引擎采用改进后的ApacheSpark，消除了频繁的I/O 磁盘访问，同时具有极低的调度和启动开销，满足计算量大且对于实时性要求高的场景。
（4）微服务架构技术
为了实现平台生态建设，开发过程中充分考虑应用服务及应用算法的扩展，采用微服务技术框架。以模块化的方式实现服务的开发与运行，标准化了平台所有服务的网络通信访问，实现了平台各数据服务之间的解耦、重用，可以自动化运维、部署、编排与资源分配，提高了平台的可用性和可靠性。
（5）可视化建模分析工具
平台集成了可视化工业智能建模工具（IDE）降低了工业APP的开发门槛并加快了开发速度，解决了现有专家知识难以沉淀的困难。通过专业团队的总结提炼，将标准、通用的分析建模方法和流程包装为行业经验模板，大幅减轻算法工程师对行业知识的依赖。
（6）健康预测代替故障诊断
平台采用故障预测与健康管理（PHM）的模式，代替出故障、找根源的传统运维模式，以系统工程的角度利用历史数据及同类比较数据对设备未来运行状况进行判断，提前预测故障风险，安排检修计划，提升发电系统综合经济效益。

2. 实施效果
发电设备工业大数据应用技术平台的实施应用，能够实现发电设备数据的实时采集、集中存储，并基于数据资源开展数据管理工作，从业务与技术角度梳理业务数据模型，形成数据资源地图，方便业务人员和技术人员随时查询和应用数据分析域的数据资源，支撑统一数据服务的构建。

经济效益方面，平台实现向市场提供“制造+服务”的模式。平台作为哈电集团向服务型制造转型的衍生产品不仅可带来新的经济增长点，帮助设计生产部门优化工艺，同时还帮助发电站减少检修（维修）次数和缩短检修时间，降低电站运营成本，有利于实现我国现代数字化电站的建设需求。

技术效益方面，平台根据业务经验积累集数据采集技术、云平台技术以及机器学习等先进的智能化技术于一体，通过多年业务经验，将装备从生产制造到运维的工业知识沉淀为哈电集团智能专家知识库和工业APP库，提升哈电集团整体软实力，助力企业的转型升级。

社会效益方面，平台为远程运维和智能制造等业务场景提供了有力的应用技术支撑，逐步形成支撑工业互联网平台发展的技术体系和产业体系，增强中国装备的国际竞争力。