EN
華北電力大學(xué)宋光雄：電站設(shè)備溫度數(shù)據(jù)分析探索實踐
工業(yè)設(shè)備的溫度預(yù)警技術(shù)方法嚴重滯后，所以要研究電站設(shè)備的鍋爐、齒輪箱、軸承溫度等部件運行參數(shù)的變化過程，分析關(guān)鍵部件溫度運行數(shù)據(jù)復(fù)雜性、多樣性、不確定性等重要問題，基于不同的溫度異常檢測方法，利用大規(guī)模的運行數(shù)據(jù)，探索并研究基于異常檢測的溫度預(yù)警方法。
2019年8月22日，由中國能源研究會節(jié)能減排中心聯(lián)合華北電力大學(xué)國家大學(xué)科技園共同舉辦的“2019年智慧電廠論壇（第二期）”在北京召開。主旨報告環(huán)節(jié)，華北電力大學(xué)能源動力與機械工程學(xué)院副教授 宋光雄作了題為“電站設(shè)備溫度數(shù)據(jù)分析探索實踐”的報告。北極星電力網(wǎng)對本次會議進行全程直播。
我是2005年到北電力大學(xué)教書，一直做電站設(shè)備的狀態(tài)監(jiān)測與故障診斷的研究工作。我今天到會場之后真是大開眼界，看到了智慧電廠的建設(shè)真是很厲害，終于發(fā)現(xiàn)有這樣的市場空間。我的題目是《電站設(shè)備溫度數(shù)據(jù)分析探索與實踐》。
溫度能干什么事情呢？我想溫度至少可以做這兩件事情，可以對軸承狀態(tài)進行預(yù)警和評價，第二件事情，可以對鍋爐的溫度進行檢測，我就想說一下，有關(guān)于鍋爐的溫度我們能不能做一些溫度異常檢測。
首先介紹一下軸承狀態(tài)的預(yù)警評價。軸承狀態(tài)的預(yù)警評價的本質(zhì)就是劣化過程的評價。劣化過程什么意思？前面很多人說過故障診斷，我是來自于故障診斷領(lǐng)域的，故障的發(fā)生往往就是劣化過程的一個階段，我們說任何事物人有生老病死，我們說事物的發(fā)生發(fā)展，比如產(chǎn)生了、形成了，會發(fā)生發(fā)展，可能有前期、中期、后期、晚期的階段，這些階段過程中肯定會有劣化，這是毋庸置疑的。這個劣化過程，比方我們說我們今天的主題是討論軸承的劣化，軸承是很關(guān)鍵很關(guān)鍵的，我們工業(yè)運行如果沒有軸承是根本轉(zhuǎn)不動的。
軸承的劣化怎么去評價？現(xiàn)在工業(yè)界軸承評價有四種方式，第一種油力檢測，測潤滑油狀態(tài)。第二種用工業(yè)內(nèi)窺鏡，觀察軸承內(nèi)部摩擦面的摩擦情況。但是這兩種狀況，人員成本、設(shè)備停機成本是很高的。第三種，通過劣化數(shù)據(jù)能不能對軸承進行評價呢？可以。我們可以比較一下，利用溫度數(shù)據(jù)、利用振動數(shù)據(jù)，溫度有什么優(yōu)勢呢？他的數(shù)據(jù)成本、檢測成本、采集成本上溫度是遠遠低于振動的，比方說可能有的人很熟，我們的汽輪機振動，它的一個測點1秒鐘要采大概1000、2000、3000、4000個點，溫度數(shù)據(jù)用不用采這么多呢？溫度可能10秒鐘采一次或者20秒、1分鐘、3分鐘、5分鐘就則夠反映一些問題。這樣一個數(shù)據(jù)的采集成本、分析成本不是對等的，所以我們現(xiàn)在就談用溫度來做一件事情。
軸承的監(jiān)測，實際是一個老話題，你不管滑動軸承也好、滾動軸承也好都有ISO的標準，它的閾值到了80度或者85度，當然國內(nèi)外的軸承情況不一樣，這個規(guī)程已經(jīng)用了10年、15年、20年了，到80、85度是一個報警，到了90、95度是要停機的。我們說已經(jīng)有了這樣的閾值判斷標準，我們在這樣一個基礎(chǔ)上能不能做一些事情，有沒有改善的空間，能不能做的更好呢？我們現(xiàn)在想說這么一件事情。我們的目標，當然也有一些問題，我們說在研發(fā)過程當中是不是需要這樣新的觀測方式，我們能不能做一些定性及定量的分析呢，我們下面進一步介紹。
我們說介紹任何一件研究言必之國外的，因為國外是我們的研究目標或者趕超目標。Vestas是供電巨頭，Vestas說他自己大數(shù)據(jù)的應(yīng)用是這樣的，我們用5千臺的數(shù)據(jù)，利用歷年來電機軸承的前換端溫度進行比較對比，這樣的數(shù)據(jù)規(guī)模如果判斷有比較大的溫差可以進入評價環(huán)節(jié)，看是不是要修，或者到下一個階段要集中關(guān)注它，Vestas是這樣做的。這里有一個問題，你做這樣一個事情需要什么樣的數(shù)據(jù)規(guī)模，還有就是我們需要有一個什么樣的基礎(chǔ)呢、還有什么樣的條件呢，我們需要不需要新的數(shù)據(jù)分析工具呢，需要不需要長期的工程驗證。比方很多技術(shù)說我很厲害，說怎么怎么樣，但是你一定要經(jīng)得起長期的工具鏈，尤其是在工程界，你技術(shù)再先進、再發(fā)展一定要經(jīng)得起各方的質(zhì)疑。
我們這個探索用了什么樣的數(shù)據(jù)規(guī)模，我們用了100多個供電機組的軸承數(shù)據(jù)，因為一個傳動鏈有一個關(guān)鍵點，軸承有兩個測溫點，一個在前、一個在后，我拿到的數(shù)據(jù)是這樣一個規(guī)模，有66臺的數(shù)據(jù)，我們在清洗的過程中ETL的過程中清洗了6個T，這個數(shù)據(jù)如果跟大的企業(yè)相比不是很大、量不是很多，但是我對專業(yè)的做這方面的研究人來說，我也是在近三年看到這么大的數(shù)據(jù)，以前我們做檢測最多看的就是幾十個K，或者再多一點就是幾十兆，或者再運氣好可能見到幾百兆的數(shù)據(jù)，但是如果說你面臨幾百個G或者幾個T的數(shù)據(jù)的時候，你會發(fā)現(xiàn)，我們都是從同樣一個理論背景下受的教育，我們發(fā)現(xiàn)很多問題、很多理解、很多解釋和我們的教材情況是不一樣的，我們回頭再來說這個事情。
我們研發(fā)過程中發(fā)現(xiàn)，就需要多維的面向溫度的工具，這個基礎(chǔ)上我們就可以建立個性化的異常定量分析數(shù)據(jù)模型，也需要在大規(guī)模數(shù)據(jù)基礎(chǔ)上反復(fù)驗證、不斷優(yōu)化。我也會介紹驗證和優(yōu)化的過程，我這項工作是從2016年6月份開始的，現(xiàn)在已經(jīng)三年多了。最近三個月我又反過來看這些數(shù)據(jù)的時候，因為我是連續(xù)的做這樣的，我見到的數(shù)據(jù)越來越多，反過來看的時候，我們對它認識會加深。這樣的數(shù)據(jù)是不是在試驗臺或者很局限的環(huán)境中？不是！所有的過程當中我是在工業(yè)云上做過這樣的，比如說數(shù)據(jù)給我電廠或者大規(guī)模數(shù)據(jù)讓我采集、分析、整理一直到結(jié)果的輸出，我們整個流程是可以在工業(yè)云上完成閉環(huán)操作的。
這是什么意思呢？一模一樣的數(shù)據(jù)，我用不同的觀測方式得到的信息、得到的定制標準是不一樣的，這是一個軸承的兩年數(shù)據(jù)，我們觀測這個數(shù)據(jù)，軸承的溫度數(shù)據(jù)得到的信息是不一樣的，無機分布，我們從很少到很集中，這個可以告訴大家，密度最強或者稍弱情況下的分布，這是一個散點分布，這個就是對溫度進行切片，在不同的條件下對溫度進行切片，我們進行更系統(tǒng)的觀察。
定性觀察夠不夠呢？我們該需要定量的分析、定量的計算，這樣的分析過程是怎樣的結(jié)果？是好還是壞？好、壞我們是必須要通過數(shù)據(jù)來反映的，這樣一個計算過程不是那么一蹴而就的，這是一個艱苦的探索過程，這不是一年、不是幾個月，我的經(jīng)歷就是。我在一年前對它的了解和三年前對它的了解和現(xiàn)在對它的了解是不一樣的。這個就是一個評價的過程，這有一個問題，評價你用一個指標夠不夠呢？它的一個基本的數(shù)據(jù)原理是什么呢？你不能憑空造一個原理說，這個是靠譜的，不能這么干，因為我說服不了自己、也說服不了大家，因為大家都是工科出身的，是不那么容易被說服的。
這個就是我通過兩個指標，累積量，我們出現(xiàn)異常的累積的數(shù)量是多說，比方我們永遠是的方式80度，超過80度的情況點有多少個呢，我們現(xiàn)在閾值的標準是動態(tài)的，隨著時間的退役是有動態(tài)變化的。我們超過閾值的一種方式，數(shù)量有一個累積量，但是還有一個程度的差異。比方有的軸承過了60度，有的機組超過70度、80度也有，也就是說你超過60度或者50度、70度、80度，程度是有差異的，一般我們說超過七八十度，嚴重程度就相對很嚴重了，劣化的程度上也有計量，一個是數(shù)量上、一個是質(zhì)量上要分別進行差異的計算。這是我們前面說10號機組相對好的兩年情況是這樣的。相對比較差的情況是什么樣的，無論在數(shù)量上、程度上有很大的不同。
以上我簡單介紹了一下評價的過程，怎么預(yù)警呢？我總說預(yù)測，實際上是預(yù)警，預(yù)測是很難做到的，當然每個人對預(yù)測的理解不一樣，我就是說嚴格的預(yù)測我們還是做不到的，比方說地震的預(yù)測就做不到，但是地震的預(yù)警我們可以做到。什么叫地震的預(yù)警，你發(fā)生了之后我能夠提前10秒、20秒、1分鐘、3分鐘可以做到，但是預(yù)測為什么做不到呢？因為我們對它的運行規(guī)律的理解是非常有限的，工藝設(shè)備就這樣了。
我們說軸承溫度是不是也這樣，我們看怎么預(yù)警的呢？我們預(yù)警的結(jié)果是這樣的，我這個預(yù)警覆蓋了所有的極端情況，也覆蓋了我認為它是一個不正常的情況，這是什么意思呢？比方說我今天從11點半下來到12點要下去的，這個過程我要在這里做一個介紹，如果這種場景下，大家可能監(jiān)測我的軌跡，我頂多就是在這個舞臺上來回走，但是如果說你一旦監(jiān)測到我的軌跡跑這兒去了或者跑那兒去了，這跟我的場景是不對稱的，溫度也是這個溫度，就是我在一段時間內(nèi)有一個確定的溫度范圍，這種確定的溫度范圍是誰定的呢？是數(shù)據(jù)給出來的，是100臺機組一年到兩年的數(shù)據(jù)確定了他能夠給出這樣的軌跡范圍，這是統(tǒng)計量，這不是人定的，這很難推翻。在這樣的一個范圍下我就能夠預(yù)警，你一旦超過了他的統(tǒng)計范圍的話肯定是異常。并且這種異常和80度、90度異常的特征是連貫的，就是他這個特征和極端的報警和停機閾值的特征是一致的。這樣我們說，我們報警是能夠提前到多少呢？原來是80度，我們至少能夠提前到60度，時間的提前量有多大呢？一般說兩個小時左右。
這是剛剛介紹的單機的情況，我們說需要在一個大環(huán)境下進行橫向?qū)Ρ取⒖v向?qū)Ρ?，我們總說沒有最壞的、也沒有最好的，但是我們通過橫向?qū)Ρ染湍軌蛑?，你好能好到什么程度、你壞能壞到什么程度，怎么做對比呢？下面這個圖就是兩個點它的異常量數(shù)量兩年情況下，當然我們可以做某一段時間，三個月、半年或者一年情況的對比，我們發(fā)現(xiàn)好的是真好，壞的它的問題也是很嚴重的，這個東西有什么用呢？我們就能夠根據(jù)這個東西來判斷，或者延伸的話我們就能夠為維修決策提供依據(jù)，你下次去的時候可以著重看一些高得多的技術(shù)。
做一個總結(jié)，分三點：
第一點，什么是人工智能？人工智能我想至少是分成兩個部分，一個是人工部分、一個是智能部分。人工部分就是專業(yè)經(jīng)驗、就是專業(yè)角度出發(fā)的理解。什么是智能呢？就是算法。算法還不是那么準確，實際上我們?nèi)斯ぶ悄茉诠I(yè)領(lǐng)域要做的就是，要有一定量的數(shù)據(jù)用一定的方法描述和理解一定的設(shè)備。這也比較抽象，我舉個故事，也是一個解讀。昨天我剛剛看的，《大數(shù)據(jù)文在》說AlphaGo是什么現(xiàn)象，說AlphaGo中日韓的圍棋高手正在華山論劍，突然上來一個端機關(guān)槍的把這些高手全都打敗了，你如果是那個端機關(guān)槍的你就是很厲害的。但是我們在工業(yè)領(lǐng)域所謂的人工智能機關(guān)槍是什么東西呢？是有明確的實務(wù)和軟的東西支撐的，一個是數(shù)據(jù)，一個不一定是人工智能，你可能是很簡單的數(shù)據(jù)算法，也可能是很復(fù)雜的數(shù)據(jù)算法；還有一個是編程環(huán)境，因為我們現(xiàn)在沒有一個可靠的分析工具給你用，你肯定要自己摸索、自己探索。
我們在工業(yè)領(lǐng)域面臨的情況，往往是我們可能要走到用更多的數(shù)據(jù)、用更好的方法在一個可編程的環(huán)境里去對工業(yè)設(shè)備進行探索或了解、理解，了解和理解是最重要的。
第二點，下面還有鍋爐數(shù)據(jù)異?；蛘邷囟犬惓z測，我們說異常檢測是不是只限于溫度呢？不是，我只是把注意力集中在溫度而已。比方我們說過，前面有幾位老師也說過變壓器異常放電，比方說油溫、油壓，某一個KPI值，我們說能不能做到異常檢測，當然可以，甚至電磁電壓，所有你可以見到的任何一種，只要參數(shù)是可測的，都肯定是有異常的，你只要給我數(shù)據(jù)，我們就能做到異常檢測。并且我堅信，ABB也在做、霍尼韋爾也在做。
第三點，我就想說數(shù)據(jù)是可以增值的，怎么個增值法呢？你交給的人，比方你把這個數(shù)據(jù)交給十個人，你就有十次增值的機會，為什么這么說呢？因為我的經(jīng)驗告訴我，我對數(shù)據(jù)的理解，三年前、一年前、現(xiàn)在我們對數(shù)據(jù)的理解是不一樣的，就是我們對算法的解釋或者算法的理解。所有這個情況在現(xiàn)在的背景下就可以得到一個倍增，什么樣的倍增？舉個例子，三年前、五年間我們計算機、我們工作站的內(nèi)存可能是幾個G，現(xiàn)在工作站的工作內(nèi)存是幾十個G的情況，或者再過一兩年可能幾百G的情況，這是一個單機版，這樣的情況下我們就可以對大規(guī)模的數(shù)據(jù)進行預(yù)算，就是現(xiàn)在是個計算時代。
還有一個問題，我經(jīng)常說我們有一個模型，某些電廠有一萬個模型，你怎么去優(yōu)化？肯定是需要優(yōu)化的、肯定是需要管理的，你怎么去管理它呢？這是個問題。因為你在三年前、五年前對這段數(shù)據(jù)的理解和三年后對它的理解肯定是不一樣的，為什么？國際象棋上卡斯帕羅夫被擊敗過了若干年之后有AlphaGo把圍棋選手干掉了，現(xiàn)在也是這樣的，因為對事物的理解是越來越加深的，電廠數(shù)據(jù)是不是這樣呢？毋庸置疑肯定是，但是能不能改善、能不能優(yōu)化、能不能進步呢？這需要考慮。
我們下面簡單說一下鍋爐。鍋爐這個數(shù)據(jù)我是7月份拿到的，現(xiàn)在是8月份，我們前后間隔一兩個月，如果時間再長我可能會做的稍微更好一些。
這是一個機組，是2014年、2015年、2016年、2017年四年的數(shù)據(jù)，92根，下面是機組的負荷，這么看是看不出來的。我們對它的趨勢進行了劣化處理，我們得到這樣的，是其中一組，因為92根分6種。我們看一下2017年的1月份，三根線三個測點，原理就是，我們?nèi)膫€人一起走，齊步走，在2014年、2015年、2016年的時候，他們是嚴格按照齊步走的順序一直在走，可是到了2017年1月份的時候出現(xiàn)了交叉，不齊步走了。如果說這一組數(shù)據(jù)是在一個月的時間跨度下觀察，半年或者一年的時間跨度，我們是得不到明確的結(jié)論的。大數(shù)據(jù)是什么呢？至少時間跨度會很大，這樣我們對事物的理解會更多。
這個東西是不是偶然的呢？不是，我們?nèi)绻B續(xù)觀測92根輪流來一遍，有人會問我你為什么敢這么算呢？因為背景有算法。我們背后的算法什么意思呢？齊步走是什么意思？大白話簡單來講就是長的差不多，長的差不多是什么呢？再用學(xué)術(shù)點的意思說，持續(xù)數(shù)據(jù)保持同步變化。你在這樣的過程中，我用92根輪流來一遍，如果說1、3、5、2號數(shù)據(jù)點不做處理是這樣的情況，你根本不知道有這樣的趨勢變化。
你把92根輪流來一遍之后會發(fā)現(xiàn)，在1月份某一階段之前有一個集中的爆發(fā)，就是說這一點肯定發(fā)生了一些事情，并且是我有非常確實的證據(jù)來證明這肯定是異常的。再看下一個算法，摘取其中兩個，這樣就會發(fā)現(xiàn)，2017年1月份前后的確是有一個很異常的情況，但為什么我不知道，因為我只是拿數(shù)據(jù)說話。但是這里頭的問題是什么呢，恰恰是在4、5月份，我們知道2017年1月份到7月份有一個中間落差階段，正好那個機組爆管，是這么一個背景。
以上是我最核心部分的講解，再補充講一些內(nèi)容。
異常檢測，絕對有普適性。油壓有普適性，各種狀況有異常情況，所有的運行參數(shù)都可能出現(xiàn)異常，我們不一定要延用十年前、二十年前ISO的標準，我們可以用數(shù)據(jù)做一些積極的開發(fā)。比方昨天有嘉賓就說數(shù)據(jù)打通，這個數(shù)據(jù)打通意義是很大的，我們經(jīng)常也跟電廠的人交流，我們設(shè)備不出毛病，可是你要保持現(xiàn)在狀態(tài)的時候要做很多工作，就是說設(shè)備要養(yǎng)生，怎么養(yǎng)呢？肯定需要有數(shù)據(jù)的支撐。還有，你數(shù)據(jù)打通有真正意義呢？可以對別的比你更好的或者比你更差的設(shè)備提供一個參照的可能。
我想跟大家分享一下什么是工業(yè)大數(shù)據(jù)，為什么我們總說現(xiàn)在到了第四次工業(yè)革命，因為我們對數(shù)據(jù)的理解進入了一個新的階段，就是大數(shù)據(jù)，大數(shù)據(jù)想干嗎呢？實際想說的是能夠理解多樣性是什么、能夠理解復(fù)雜性是什么、能夠理解不確定性是什么。這塊怎么說的呢？我們總說金無足赤，可是我們看到理工科所有教材的公式、定理、定律的時候，我們都說的是一種理想情況，但是這種理想情況存在不存在呢？毋庸置疑是不存在的，那你怎么辦？實際任何一種事物是有多樣性、復(fù)雜性的，就是你看到任何一種情況是理想情況的，但是每一個機組、每一個設(shè)備是變化的，你怎么去理解這種變化呢，教科書上沒有，現(xiàn)在這樣的技術(shù)、這樣的條件下能不能往前走呢？肯定，為什么？技術(shù)上已經(jīng)有一種積累，數(shù)據(jù)上有積累，我們也要這么去做。
我今天的介紹就是這么多，謝謝大家！