工业物联网技术在电力监控领域中的应用

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的时间，再加上行业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项目的要素是NI的CompactRIO平台（https://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）。

，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，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。