基于K-means方法的热力运维辅助系统设计

张锐，高翔，聂鑫，徐毅，刘娜，牛淑洁

（1.淄博市热力集团有限责任公司；2.淄博热力有限公司，山东 淄博 255000）

我国拥有全球规模最大的集中供暖管网，2019年北方城镇供暖能耗为2.13亿tec，占全国建筑总能耗的20%。利用先进的信息通信技术和互联网平台的优势，推进供热企业管理的规范化、供热系统运行的高效化和用户服务多样化、便捷化，提升供热的现代化水平，实现北方地区清洁、高效、智慧供热是未来发展的重要方向。

然而，在热力系统实际运行中，一般只有系统或设备无法正常运行时，才会进行设备运行维护，但由于供热系统管网复杂，从故障产生到具有明显征兆，往往具有严重的滞后性，而在滞后时段内，可能由单一故障引起更大面积的系统故障，且仅依靠维护人员现场检测和诊断故障往往费时费力，对系统的安全性和能源利用效率具有显著负面影响。因此，亟须建立智能化的供热运维辅助系统。

1 K-means方法及应用

1.1 项目概述

淄博热力有限公司供热区域覆盖淄博中心城区和淄博市高新区，下设5个供热分公司、1个工业余热供热分公司、1个热网运营分公司、2座工业余热利用首站，156个换热站，供热面积达1900余万平方米，供热主管网600余公里。由于供热面积大，管网复杂，日常运行维护压力大，因而启动智能化运维系统的构建。

由于原有的运行模式中，并没有相关系统对故障时点设备数据进行准确记录，同时错漏的数据也众多，导致常规机器学习方法在实际应用中无法落地，因此，采用K-means方法进行实际应用。

1.2 K-means聚类分析方法

聚类分析是将物理或抽象对象的集合分组为由类似对象组成的多个类的分析过程，是一种无监督的机器学习方法，其中K-means聚类算法是应用最广泛的聚类方法。

K-means聚类算法首先从给定数据集中随机初始化k个初始化聚类中心，然后计算数据集中所有数据与聚类中心的距离，并将数据分配给予其距离最近的聚类中心代表的类，之后更新聚类中心，不断迭代运算直至算法收敛。K-means聚类算法只需要一个参数，即聚类簇数k，其以最小化簇内距离平方之和作为目标函数，具体算法过程和函数表达式如下：

（1）确定初始聚类簇数k，初始化k个聚类中心点;

（2）计算样本点(到聚类中心()的距离，依据距离聚类中心最近原则，对样本点进行聚类，获得k个类簇；

（3）根据各类簇，更新调整聚类中心；

（4）迭代（2）、（3）步，直至误差函数达到最小值时终止。

误差函数表达式如下：

式中，SSE是所有样本点的误差平方和，k为聚类数， ci是第i簇聚类中心点，xj是样本点。

1.3 K-means方法在热力运维中的应用

在热力运维系统中，K-means方法的运用是基于SCADA传来的设备信息特征将设备的状态归入不同的组，通过设备信息特征了解数据集的结构，并预测数据实例与此结构的拟合程度。设备信息特征包括一次供水温度、一次回水温度、二次供水温度、二次回水温度、一次供水压力、一次回水压力、二次供水压力、二次回水压力、循环泵频率、一补二瞬时流量、一补二累积流量等。具体应用步骤可分为以下三步。

1.3.1 确定k值

随着分类的类别数增加，SSE的下降幅度会骤减，然后，随着k值的继续增大而趋于平缓，然后选取拐点即为k值。

1.3.2 训练模型

将SCADA数据以站点为基础分别训练模型，同时，每个站点拿出一部分数据用于对模型进行测试，计算所有样本点与各个簇中心之间的距离，然后，把样本点划入最近的簇中。根据簇中已有的样本点，重新计算簇中心。重复以上步骤，直到簇中心不再改变或改变很小。最终，模型训练的准确度达到80%。

1.3.3 模型应用

通过定时任务下载设备数据，训练模型根据设备信息给出相应的分类达到预警目的。之后，以智能预警系统为核心，以.NET作为主要开发平台，设计搭建了智能热力辅助运维系统。

2 智能热力运维系统设计

2.1 系统简介

热力辅助运维系统充分运用大数据、人工智能、物联网等新一代信息技术，构建基于大数据分析专家系统的企业级智慧供热平台。根据热力企业业务灵活多变等情况，提出以机器学习与人工相结合为建设思想，实现业务之间的协同与跟踪、部门之间工作协调，以期达到提高企业运营效率等目标。

2.2 系统设计

运维系统包含网页（Web）端和手机端。如图1所示，手机端包含工单、巡检、数据查询、知识库、报表功能。其中，工单功能中，能够实现编辑工单、提交工单、派发工单，接受工单功能。巡检功能中，能够实现扫码巡检以及巡检记录上传的功能。数据查询，能够通过序列号或二维码查询，查询机器实时数据。知识库功能，能够查看知识库中相应文章。报表功能，能够根据登录账户不同，显示当前账户相关工作报表。

图1 系统功能例图

Web端包含驾驶舱、工单、巡检、设备、报警、系统设置等。其中，驾驶舱为报表总览，能够查看所有数据相关报表。工单中包含查询工单、编辑工单、提交工单等功能。巡检中包含巡检记录查看，巡检状态编辑功能。设备菜单中，包含设备信息的增加、删除、修改、查询等功能。报警菜单中，包含报警阈值的增加、设置、修改以及智能报警的设置。

2.3 系统操作

运维系统可为热力员工分配账户、角色、权限功能，根据员工的账号属性不同，实现不同的操作，限定不同功能节点覆盖不同人群。该热力运维系统主要服务于热力集团的以下工作人员，包括：（1）维修人员，进行工单的提交；（2）工程师，接收工单，挂起状态操作，完成工单；（3）巡检人员，负责巡检功能操作；（4）管理员，负责工单分配、智能报警设置、设备以及站点的编辑等。

3 系统业务流程

该热力运维系统具备智能辅助指导功能，可以制定多种类别的决策流程，发起主动检测时，由操作人员选择提前制定好的决策流程，根据实际情况选出符合状况的线路，然后基于知识库的综合判断，给出专家级的指导方案。例如，当工作人员发现异常情况时，登录业务检测系统，选择决策流程、线路，执行主动检测，系统将根据流程，给出最终的处理解决方案。一个检测可以由多个检测线路组合完成。流程中的任意分支完成后，视为一次检测完成。检测流程执行处理结束后，会跳转到知识库系统，同时，关联到相关知识解决方案。根据处理业务的流程不同，可将该系统的业务分为人工工单流程、巡检流程和触发报警流程。

3.1 工单流程

如图2所示，当工作人员在日常工作中，发现问题，需要提交工单进行上报。工作人员可在手机端提交工单，在提交工单时，能够进行自检，系统将根据用户输入或选择的故障描述，对提供的方案进行推荐排序，用户可进行选择查看，若能够解决问题，则工单关闭。若自检不能解决问题，需要提报工单至分公司，分公司管理员对问题进行初步查看，若能给出相应解决问题，则工单关闭。若分公司不能给出相应解决办法，需要上报工单至生产部，生产部进行派单，将工单派发给工程师。若工程师在一段时间内未接单，能够重新分配工程师。工程师接单后，前往现场进行作业，若在作业过程中发现备品备件缺失或其他问题，可以进行挂起状态变更，整备完成后，再次进行作业，直至工单解决，至此，人工工单业务流程完毕。

图2 人工工单业务流程

3.2 巡检流程

如图3所示，巡检人员在非供暖期，需要对站内情况进行巡视检查，同时，需要对巡检情况进行记录。使用本系统对巡检的地理位置，巡检时间以及现场图片进行统计。首先，巡检人员前往需要巡检的换热站点，打开手机端系统，系统自动获取当前时间以及地理位置，如巡检的GPS超出系统指定范围，将无法打开巡检页面。页面打开后，巡检人员需要拍摄站内情况照片，进行上传。数据将上传至分公司，管理员在web端进行审查，若审查通过，则归档此次巡检记录，若不通过，则返回信息至巡检人员处，重新进行巡检操作，直至巡检记录合格。至此，巡检业务流程完毕。

图3 巡检计划业务流程

3.3 触发报警流程

如图4所示，管理员在系统预先设置好报警阈值以及智能报警模型，对系统数据进行监控，能够第一时间对问题数据进行报警。Web端使用者，能够接收到此提醒。如果报警信息为可接受范围内误报，可以关闭此次报警，对记录进行归档处理。若此问题分工公司能够进行解决，则管理员进行问题处理操作，操作后报警关闭，记录归档。若出现问题管理员不能够解决，则需要系统中自动生成工单，上报至生产部，生产部进行派单等后续操作，与人工工单派发与解决方式相同，不做赘述。至此，触发报警流程完毕。

图4 触发报警工单业务流程

4 结语

智能热力运维辅助系统充分运用大数据、人工智能、物联网等新一代信息技术，是基于大数据分析专家系统的企业级智慧供热平台。平台将专家知识构成运维知识库，为流程及技术标准化提供了依据，为热力企业的管理和运维提供有效的辅助决策支持，提高了热力企业运营效率。