基于大数据挖掘的多维智能报警技术研究与应用

李金阳，李书明，韩 兵

(国电南京自动化股份有限公司，江苏 南京 210003)

0 前 言

长期以来，水电厂计算机监控系统数据报警机制为简单的状态变位和模拟量越限报警。粗放的报警机制使监控系统产生大量过程数据报警，如模拟量临界值的反复刷屏报警和设备操作过程状态变迁报警，但报警形式单一、缺少点与点之间的关联，众多过程数据堆积在屏幕上导致运行人员无法在第一时间确认关键信息，一旦有操作则会存在大量过程刷屏报警，而这些报警大都不是有效报警，导致有效报警被大量无效报警掩盖，而且大量短信的发送还会造成经济上的损失。

同时传统的运维模式下，运行和维护人员专业界限分明，个人技能是保障服务质量的基础，运维管理重心放在运行人员发现故障、维护人员的响应与处理。随着设备模块化、流程化、自动化的不断发展，在这种运维模式下，运维人员的数量和成本迅速提高，以及不可预知的故障发生、被动的处理模式都将导致运维管理效率低下。

事实证明，依赖于传统运维管理模式的企业会在竞争中被逐步淘汰，而率先采用运维合一、少人维护和一专多能等整合优势人力资源的最佳实践手段的企业，必将在激烈的竞争中取得优势。因此，智能报警系统的建设将成为一种必然的趋势。

从国内水电站监控系统信息报警现状分析着手，通过建立灵活的报警模型配置工具，采用结构化和半结构化相结合的数据结构来定义报警规则和发送策略[1]，构建分类、分级多维报警策略以及基于大量历史数据的趋势分析报警策略，最后通过智能报警引擎进行有效的、预知性的报警。该技术在构皮滩电厂进行了实施，实施结果表明，该电厂智能报警水平得到了很大的提升，为大型水电机组的“无人值守、少人值班”奠定基础[2]。

1 系统架构及其组成部分

贵州乌江水电开发有限责任公司的构皮滩发电厂计算机监控系统上位机布置于500 kV开关站四楼计算机监控系统机房，共33套硬件设备，包括数据服务器、历史站、操作员工作站、语音报警系统工作站、工程师维护工作站、培训仿真工作站、集控通信服务器、厂内通信服务器、调度通讯机、模拟屏及模拟屏驱动器、WEB服务器、GPS装置、UPS不间断电源及相关交换机网络设备等。

构皮滩发电厂计算机监控系统自主可控项目已经改造完成，可在监控系统内部署智能报警服务器，通过对采集的数据进行分类、筛选、分级，最后进行多维精准、有效的报警。依据构皮滩电厂监控系统现状需求，计划在生产控制大区增加智能报警服务器作为监控系统的节点之一，所有数据由监控系统提供(见图1)。

构皮滩电厂智能报警平台主要包含四层系统架构(即数据获取层、数据处理与分析层、应用开发层、展示应用层)，技术架构示意如图2所示。

数据获取层获取监控系统数据，并对数据进行清洗、聚合后推送到数据处理分析层；数据处理分析层通过私有协议将采集层的海量数据存储在数据中心，并在处理层通过数据处理功能对已采集的数据进行建模、关联分析，将分析结果再存储到数据中心，从而为应用开发层提供数据支撑；应用开发层通过不同的报警场景策略，进行智能报警建模，获取相关联的历史分析数据，通过关联查询进行报警；应用展示层通过不同的方式将基于大数据挖掘的多维报警信息展示给电厂运维人员，让运维人员及时掌握电厂运行动态，为电厂安全运行提供有力的保障。

图1 构皮滩电厂智能报警系统网络结构

图2 构皮滩电厂智能报警系统结构

2 系统实现

2.1 智能报警配置模块

智能报警配置模块主要用于报警策略的配置，对报警信息的发送可进行灵活组态，包括数据库管理、人员管理、信息管理、策略配置、通道管理5大模块(见图3)。

2.2 分类、分级多维报警策略

在水电厂计算机监控系统中，监控中心操作人员经常面对大量纷乱的报警信息，这给操作人员带来很大的压力，同时也给电力系统带来许多不安全因素。为了帮助操作人员，水电厂采用智能报警处理器分析、处理报警信息，提供简洁、明确的报警信息[3]，将大大减轻电厂监控中心操作人员的监屏工作量。研究采用分类、分级多维报警模块对采集的数据进行分类、筛选、分级，最后进行多维、精准、有效的报警，报警过程如图4所示。

图3 构皮滩电厂智能报警系统配置模块结构

图4 分类、分级多维报警流程

2.3 趋势分析报警策略

趋势分析报警通过大数据挖掘技术分析历史报警趋势，采用连续多年具有设备运行特征信息的历史数据，分别对当前工况数据进行计算，得到目标对象经验值的逐年变化数据，将其与时间维度结合在一起形成样本参数，对样本参数进行分析后，以时间为参数计算得到往后若干年设备运行的预测数据，从而实现水电站多维智能报警[4](见图5)。

图5 趋势分析报警结构

其中数据抽取层负责从数据库中按一定的策略进行数据读取，并根据分析的需要进行预处理，数字特征分析层主要对原始数据进行初步分析和基本数字特征描述，功能算法分析层实现散点图分析、相关量分析、偏差分析、报警分析等。

数据来自各监测单元、监控系统以及巡检工作站，如果对这些数据全部加以分析，将极大降低分析运算效率。从功能业务层来看，不同工况下的数据意义也是完全不同的。因此，在进行状态预测前对数据进行样本选择是完全有必要的。

以水电厂温度趋势分析为例，应考虑：①正常情况下，机组停机过程中，温度应跟随环境温度变化而变化；②在稳定负荷下，温度只会在一个很小的范围内波动；③在不同的水头和不同的负荷下，温度波动的范围是有差异的；④如果某段时间内温度普升或者异常升高，则说明机组存在异常运行状况，比如冷却水中断、轴承油槽漏油等。但机组温度在开机过程中的上升属正常情况，因此，在趋势分析的数据抽取层要根据不同工况进行样本选择过滤，进而从中提取出机组在整个运行过程中的温度变化特性，如开机过程中的温度变化趋势、负荷调整时的温度变化趋势、不同水头不同稳定负荷下的温度变化趋势。

数据特征值分析主要对原始数据进行初步分析和基本数字特征描述，包括：一维数据的最值计算(最大值、最小值)；一维数据的均值计算；一维数据的标准差(标准偏差)计算。标准差是一组数据平均值分散程度的一种度量。一个较大的标准差，代表大部分数值和其平均值之间差异较大；一个较小的标准差，代表这些数值较接近平均值。

采用连续多年具有设备运行特征信息的历史数据，分别对当前工况数据进行计算，得到目标对象经验值的逐年变化数据，将其与时间维度结合在一起形成样本参数。在对样本参数进行训练完成后，以时间为参数计算得到往后若干年设备运行的预测数据，当数据超过特定限值后进行报警。

2.4 智能报警引擎

计算机监控系统故障报警信息优化处理对遇到问题首先进行分析，并做出报警信息优化处理的策略和措施，对提高水电站管理水平和保障电厂安全稳定运行有重要的作用[5]。通过建立智能报警引擎(见图6)，解析智能报警模块配置的智能报警策略，根据策略所约束规则进行有效的报警。

图6 构皮滩电厂智能报警引擎流程

3 系统在构皮滩发电厂中的应用

3.1 分类、分级多维报警策略应用

分类、分级多维报警能够合理对信息进行分类、分级，具备检修状态信息屏蔽、趋势报警、智能分类报警等功能，保证生产值守、维修人员和有关领导在发生事故时能立即收到事故性质和事故信息的提示，减少维护工作负担，准确地反映现场设备的运行状况，更加迅速地反馈异常情况，减少运维人员监屏工作量。不同类别的报警信息可通过不同的简报窗口进行展示。

3.2 趋势分析报警策略应用

根据趋势报警策略进行趋势分析报警，例如，先计算出某个特征点在不同工况下(如各个负荷段)的运行趋势(通过大数据分析查找近一年内该点在不同工况下的历史值，通过数据挖掘计算标准差、均值、最大值、最小值)，分析特征点所处工况，并根据工况到历史运行趋势中查找该点的历史变化范围，确认其是否在最大值或最小值范围内，是否在3个标准差范围内。若趋势超过均值的3个标准差，则进行趋势报警，并对有异常趋势的设备及时做出报警响应，提醒厂内运维人员提早发现问题、处理问题(见图7)。

4 结 论

文章根据构皮滩水电厂信息报警系统现状，综合分析了国内外智能报警系统研究与应用情况，在此基础上创建了基于大数据挖掘多维智能报警技术体系，通过对数据分类、分级来进行更为有效的报警，通过对厂内历史数据进行挖掘分析进行趋势报警，从而做出更为准确、合理的报警。实施结果表明，该电厂信息报警水平得到了很大的提升。

图7 趋势报警示意