【免费下载】拓斯达工业物联网白皮书

工业物联网技术在电力监控领域中的应用

汉水狂客
关注

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。

声明: 本文由入驻OFweek公众平台的作者撰写,观点仅代表作者本人,不代表OFweek立场。如有侵权或其他问题,请联系举报。
侵权投诉

下载OFweek,高科技全行业资讯一手掌握

7.26中国智能制造高峰论坛深圳站
[免费下载]TE智能家居解决方案技术白皮书
还不是OFweek会员,马上注册
反馈
打开