技术中心
 
 

工业物联网技术在电力监控领域中的应用

   日期:2017-05-25    
核心提示:发电行业必须采用新技术来转变维护和诊断部门的运作方式。美国超过50%的发电能力已超过30年(美国能源协会(EIA)的数据EIA-860)。在许多情况下,这些发电厂依靠的设备已经运行多年,接近原始设计寿命的极限(图1)。这增加了设备出现故障的可能性,取决于设备的类型这些故障可以使供电更容易发生中断和不稳定。

发电行业必须采用新技术来转变维护和诊断部门的运作方式。美国超过50%的发电能力已超过30年(美国能源协会(EIA)的数据EIA-860)。在许多情况下,这些发电厂依靠的设备已经运行多年,接近原始设计寿命的极限(图1)。这增加了设备出现故障的可能性,取决于设备的类型这些故障可以使供电更容易发生中断和不稳定。

一项电力公司的研究表明,维护和诊断专家花费近80%的时间来东奔西走,有时甚至需要长途跋涉来收集关于设备的“健康”信息,只有20%的人在真正分析这些数据以找到可能出现的故障点。该电力公司估计将近6万个工作点每个月必须由人员来手动收集数据(参见“杜克能源的设备监测”)。

老化的基础设施以及低效率地使用专家的时间,再加上行业专家人数由于劳动力老龄化而逐渐减少,所有的这些正在迅速形成关键的资源瓶颈。这个瓶颈可能最终导致关键机器的停机时间更长,甚至导致电网发生潜在的掉电或者停电故障的风险。

 

图1、发电设备的容量与年龄

发电厂的智能化

杜克能源,电力研究所(EPRI:Electric Power Research Institute),发电生产商联合会(Duke Energy)等都在努力实现在线自动化设备监测系统来支持决策的解决方案。智能监控和诊断项目(Smart M&D:Smart Monitoring and Diagnostics Project)旨在对工厂设备进行连续和远程监控,以测量参数的变化,运行预测和高级模式识别程序,并实现更为明智的实时决策,优化工厂设备并防止故障(图2)。

 

图2、智能发电厂的架构

这个项目的核心是收集模拟感官信息,这带来了一些独特的挑战。例如,振动信息是设备损坏的一个良好指标。然而,为了收集振动信息,可能需要按照每秒捕获10,000到100,000个样本的速度收集几秒时间,以获得良好的机器“测量”数据。想象一下,如图2中的所示的发电设备实现架构中,如果您有3万个振动点,则每个在每小时内需要收集5秒时间,每秒收集100,000个样本数据,这样每小时的数据量加起来将近60 GB的数据!这种信息收集(如果不能够被管理以及架构正确的话)可能会迅速导致出现“大数据(Big Data)”问题。

 

图3、Smart M&D的方法

另一个挑战是模拟感官信息本身并不能告诉操作者机器是否是“好”的还是“坏”的。把多种传感类型的数据关联起来,使用数学算法来处理数据,并使用先进的模式识别技术可以提供真实的关于机器健康的图像。

Smart M&D项目的核心要素是NI的CompactRIO平台(http://www.ni.com/compactrio/zhs/)。通过将现场可编程门阵列(FPGA)和板载实时处理器连接到传感器,原始模拟传感监测波形可以减少到指示节点本身系统的“健康”状态。

 

图4、NI的CompactRIO平台的硬件系统

FPGA可以以非常高效,并行的方式对高速感官信息进行分析和处理,以实时决策。由于系统中的“智能”接近传感器,因此可以在CompactRIO系统上直接实现智能算法,因此数据可以立即减少到已知事件。这样可以防止处理问题的专家陷入到数据超载的困境,从而不能辨别出问题的所在。

CompactRIO平台系统的分布式,开放式和可重构性等特点也起着非常重要的作用。由于系统分布式,各种“健康”信息可以通过机器网络直接由类似系统(类似的锅炉,水泵,风扇,电机等)来进行收集,“智能性”可以立即应用到源头的数据上。随着系统不断分析数据,这意味着操作员轮换到现场的次数可以大大减少,同时显着增加数据收集的频率。数据不再需要每月,半年或者每年收集 - 而是每天都可以收集数次。这样可以在更加频繁,一致的基础上发现和跟踪问题。

此外,可以使用高级诊断和预后算法(如EPRI资产故障签名数据库( EPRI Asset Fault Signature Database以及EPRI剩余有用生命数据库(EPRI Remaining Useful Life Database中所包含的算法)来预测设备发生故障之前的设备故障。例如,EPRI资产故障签名数据库( EPRI Asset Fault Signature Database)通过一系列典型的属性或者症状(如温度,振动,润滑分析和其他诊断结果)来表征设备故障机制。使用Smart M&D系统生成的这种类型的实时数据,可以对EPRI资产故障签名数据库中包含的诊断模型进行比较。当一组数据或数据子集与已知的故障机制和/或位置的已知属性或症状一致时,这些诊断工具就可以识别出何时即将发生特定故障(图5)。

最后,CompactRIO的可重构性意味着即使随着标准的变化,新的算法被开发,或者附加的感测技术变得普遍起来,客户可以更新他们的智能节点,而不需要物理地进入工厂来更新它们,或者为了解决一个新的问题而不得不重新投入新的资金。

 

图5、智能日志和分析架构

Smart M&D的资产整合架构

图6显示了Smart M&D项目的资产集成架构概述。该系统可分为两大部分:

 

图6、Smart M&D的资产整合架构

数据采集系统(DAQ:Data acquisitions systems )

DAQ是系统的关键部分,并提供来自多种不同传感器的数据,可以连接各种机械部件和类型。 DAQ分布在整个设施,区域或者全球各个地理位置上。 DAQ系统执行对未来趋势,警报和分析的主要感官指标的在线处理和提取。它们是可在没有网络的情况下执行的智能设备。

传感器融合与分析

该系统负责向系统运营商,主题专家,管理层等提供可操作的数据。通过各种开放的通信协议和文件格式,将各种传感器的数据融合在一起,以提供资产健康的完整图像。

 

图7、开放的SmartM&D平台提供扩展先进传感器的机会

学习到的经验

从智能监控和诊断项目(Smart M&D:Smart Monitoring and Diagnostics Project)中的关键学习要点是:

?系统的可重构性提供了接口,因此创建了新的算法,工业协议(61850,DNP3等和传感器类型,基础架构不需要改变。只需将新信息下载到嵌入式系统,并开始收集新的故障签名。该系统对诊断机器故障,即包括温度,振动,压力等测量,包括诸如热成像,超声波,气味和EMI干扰的高级测量的经典方法进行扩展。

 

图8、实现SmartM&D平台所需要的关键技术

?提供开放式平台,鼓励其他系统厂商采用Smart M&D连接标准。对于给定设施相信只有一种类型的采集系统,后端数据库,企业分析软件或其它更多是天真的。因此,需要创建一个可以包含许多系统的系统。专有格式不再隐藏数据;相反,它可供用户运行个性化算法,将独特的传感器连接在一个包中,并提供广泛的生态系统。

?使用物联网(IoT)技术将为服务提供商,供应商和用户提供一个开放,集成和灵活的框架,从而提高工厂的运营效率,减少停机时间,并增加电网上的能源可用性。

?目前,杜克能源公司在30个工厂内部由Smart M&D架构部署和管理了近1500台CompactRIO系统。

 
  
  
  
  
 
更多>同类技术
 
全年征稿 / 资讯合作
 
推荐图文
推荐技术
可能喜欢