热工过程数据流实时监控及异常诊断系统的开发与应用

提出了热工过程数据流实时监控及异常诊断系统的总体设计框架。对海量实时数据流采用了高效算法，开发出了一套完整的系统，实际运用表明，此系统功能完善，运行可靠，操作方便，有利于现场工作人员对参数作出合理的判断并快速定位故障测点。对节能减排方面有一定的意义。

【关键词】数据流 火电厂自动化 .NET

随着自动化技术的快速发展，DCS（Distributed Control System）系统在当今火电厂中应用越来越广泛，技术也越来越成熟。这意味着热工过程的运行监测与控制越来越依赖于测量数据。目前已经具备海量实时数据流的采集与存储技术手段，但是如何通过对实时数据流的分析得到过程运行信息进而实现过程诊断是亟待解决的问题。特别是当电厂某个关键参数出现异常时，现场操作人员常常无法快速准确地定位到引起异常的测点。

例如，在火电厂中，机组热耗是衡量汽轮机好坏的重要指标，热耗率是指每产生1kW·h的电能所消耗的热量。计算热耗率的通用公式为

式中，为汽轮机主蒸汽流量，t/h；为汽轮机主蒸汽焓值，kJ/kg；为主给水流量，t/h；为主给水焓值，kJ/kg；为汽轮机再热蒸汽流量，t/h；为汽轮机再热蒸汽焓值，kJ/kg；为冷再热蒸汽流量，t/h；为冷再热蒸汽焓值kJ/kg；为再热器减温水流量，为再热器减温水焓值，kJ/kg；为过热器减温水流量，t/h；为过热器减温水焓值，kJ/kg；为而需补充的水量，t/h；为机组负荷，kw；为标准热耗率，；

可见，影响热耗的因素很多，要精确计算热耗的实时值则需得到各个测点的实时数据。同时，一旦热耗比设定的目标值偏高，要定位到具体某个测点出现故障，靠人工诊断显然需要花费大量时间。为此，本文将利用DCS系统中采集的数据，研究开发一套集实时监控，历史查询及异常诊断功能于一体的系统，为现场操作人员和相关技术人员提供准确快速的信息和及时的帮助。

1 数据处理及数据传递过程

从DSC系统中采集到各个测点的实时数据之后，计算得到所需要的参数实时值和参数目标值，并将其写入到eDNA实时数据库当中。利用eDNA数据库与应用程序的接口，将实时数据存入到SQL Server数据库相应的历史表中，得到海量历史数据和实时的数据。接下来，通过Web Service访问SQL Server数据库取出其数据，后台进行操作处理，再利用相应的Web控件，将需要展示给用户的数据显示出来，如此便完成了整个数据处理及传递过程。

2 系统架构

2.1 数据间的树状关系

经过分析发现，若要达到快速定位异常测点的目的，需要根据测点与参数之间的依赖关系构造树状结构。显然，整个火电厂的数据是一个森林，而单看供电煤耗则是一棵树，这棵树的根节点就是供电煤耗。而直接影响供电煤耗的汽机效率、厂用电率以及发电煤耗则构成第一级节点，继续向下发展，整棵树结构便构建完成。如图1所示。这样就可以用DFS（Deep-First-Search）算法进行异常参数的定位。

2.2 基于.NET的后台程序和网页开发

从eDNA实时数据库中获取到数据后经过后台程序的处理写入SQL Server数据库中，这个后台程序以VS2003作为主要开发工具，应确保该程序能够长期稳定运行，并能将数据准确无误写入数据库中。

网页开发使用ASP.NET框架，语言采用C#，这也是目前网页开发的主流工具。网页的目的要使用户通过操作后，数据能快速地显示出来，并能对异常参数作出正确的诊断和分析，给用户合适的指导。

3 Web主要模块及功能介绍

热工过程数据流实时监控及异常诊断系统主要包括以下几个模块：登录页面、主页面、实时数据查询、历史数据查询、诊断分析。

登录页面主要考虑到网络安全问题，用户通过用户名及密码的验证方可进入本系统。主页面包括火电厂最重要的四个参数即供电煤耗、锅炉效率、汽机效率、厂用电率的实时数据和异常状态的显示，还有最近20分钟供电煤耗的曲线动态刷新图。实时数据查询页面可以查看最近更新的电厂36个主要指标数据，数据每40秒刷新一次，每个参数后面带有历史查询和查看趋势按钮，可以查看该参数的所有历史数据以及数据曲线图。历史数据查询页面中有时间区间选择功能，采用My97DatePicker第三方控件，也可以选择特点参数或只查看异常参数。确保以最友好的方式给用户展现任何时间段的任何参数。同样的，在每个参数后面有查看趋势按钮，点击后可查看历史值以及目标值的曲线图，参数是否异常，在图上一目了然。绘图使用Highchart第三方控件。在诊断分析页面中会显示供用户诊断的参数，点击诊断按钮后，系统会自动找出在所选择参数该时间点相似工况下的最优参数，并列出所有相关参数的数值，有一个小时内、一天内、一个月内和一年内。通过表格的方式展现给用户，比较各个参数之间的不同，现场操作员便可以很快发现参数异常的原因，并想出合适的应对措施。

4 运行测试结果

在获取到某电厂的真实DCS数据后进行了系统的运行测试，以2015年1月份和2月份的数据为例，总共写入SQL Server的数据接近100万条。在双CPU主频2.7GHz、内存4GB的硬件条件下，登陆系统进入主界面和查看实时数据均在100ms内完成。而查询历史数据视选择时间段的长短有所不同，当查询2个月来所有历史数据时耗时1600ms左右。对于不同参数的诊断分析，最快在100ms内完成，最慢则花费近3000ms。

在2015年一月份和二月份期间共出现200余次汽机热耗偏高的情况，以1月30日19：09出现的工况为例。当时汽机热耗的参数值为7725.09kJ/（kW·h），而系统计算出来的目标值为7674.80 kJ/（kW·h），最终诊断分析的结果如下表1所示（只列出部分测点）。

根据分析结果可以初步判断是由给水温度偏低和中压缸进口焓值偏低所造成的。

5 结论

（1）完成了热工过程数据流实时监控及异常诊断系统的开发和测试，测试结果良好。在一定程度上可以提高电站工作人员的效率。

（2）热工过程数据流实时监控及异常诊断系统对于数据的处理方法可以适用于其他具有实时数据特征的工业过程，如钢铁、造纸等。

参考文献

[1]Thomas，H，Cormen，Charles，E， Leiserson.算法导论[M].北京：机械工业出版社，2006.

[2]司风琪，崔彦锋，徐治皋.火电厂实时数据平台的开发与应用[J].电力系统自动化，2006，30（24）：80-83.

[3]吴智群，赵玉良，吴涛，黄廷辉，何清，胡洪华.发电厂厂级监控信息系统统一实时数据平台的应用研究[J].技术经济综述，2011，40（8）：1-4.

作者单位

东南大学能源与环境学院 江苏省南京市 211189