Предиктивная диагностика оборудования на сегодняшний день является одной из самых востребованных цифровых технологий в российской энергетической отрасли.

О том, какие решения в диагностике оборудования парогазовых энергоблоков предлагает компания «Сименс Энергетика», рассказывает руководитель отдела цифровизации и удаленного мониторинга ООО «Сименс Технологии Газовых Турбин» Александр Павлов.

— В нынешнее непростое время пандемии роль и развитие цифровых технологий в различных сферах экономики России выходит на новый уровень. Наряду с цифровыми решениями по удаленной работе какие еще технологии цифровизации энергетической отрасли наиболее востребованы?

— Современная энергетика сегодня продолжает предъявлять повышенные требования к цифровизации отрасли. И конечно же, в текущее непростое время технологии по организации удаленных рабочих мест выходят на первый план. Однако в существующих реалиях российского рынка электроэнергии, в котором основными факторами успеха генерирующих компаний являются их высокая гибкость, доступность для рынка, эффективность и сокращение времени простоя, наиболее востребованными решениями в области цифровизации остаются технологии предиктивной диагностики и аналитики. Данные решения направлены в том числе на реализацию концепций ремонта оборудования по состоянию и, далее, на проактивный анализ работы и предиктивную диагностику оборудования для заблаговременного прогнозирования дефектов и отказов.

— На рынке существует множество инструментов для предиктивной аналитики. В чем особенности предлагаемого вами решения?

— Существующие решения на рынке в части предиктивной аналитики обычно основаны на физических моделях и используются для определения отказов в различных видах технологических процессов. Такие инструменты, получившие в последние годы широкое распространение, имеют один важнейший недостаток – они требуют существенного объема работ по проектированию и наладке. Часто такие модели становятся неработоспособными при изменениях в объекте диагностики или в режимах работы, отличных от заложенных при проектировании. Именно поэтому самообучаемые на основании архивных данных диагностические модели компании «Сименс Энергетика» типа Anomaly Monitor представляют существенные преимущества. Anomaly Monitor может не только проводить мониторинг состояния по настроенным моделям, но и помогает настроить такие модели в интерактивном режиме. Например, Anomaly Monitor определяет степень корреляции параметров для корректного выбора сигналов, характеризующих конкретную модель. Кроме того, Anomaly Monitor – масштабируемое решение, позволяющее выполнять непрерывный контроль агрегатов и процессов на всех уровнях генерации, начиная с отдельной электростанции и заканчивая уровнем генерирующей компании. Данная концепция предлагается нашей компанией на рынок уже более 10 лет и находит свое успешное применение как в центрах диагностики эксплуатирующих или сервисных организаций по всему миру, так и в своих собственных мониторинговых центрах.

— Что служит основой для такого анализа?

— Основой являются модели, которые строятся по данным процесса с использованием нейросетевых алгоритмов и при этом позволяют обойтись без дорогостоящей техники и дополнительного инжиниринга. Модели создаются и полностью настраиваются исключительно на основании архивных данных измерений на конкретном объекте генерации. Вся необходимая информация о физическом взаимодействии компонентов и процессов, а также вся история объекта уже содержится в полном объеме в данном архиве.

— Расскажите поподробнее о методе работы такой системы.

— Для этого обратимся к иллюстрации, где показано схематичное изображение основного метода работы системы. Значение, обозначенное красным на рисунке, показывает реальный измеренный сигнал от агрегата или технологического процесса. С течением времени параметр может принимать различные значения, которые колеблются в зависимости от технологического режима. До настоящего времени сигналы такого типа обычно контролировались на отказы при помощи простых уставок. В большинстве случаев оператор замечает только срабатывание аварийной уставки, когда достигнутые значения не характерны для конкретных режимов работы оборудования. Адекватно обученная при помощи исторических данных модель Anomaly Monitor предоставляет ожидаемое значение параметра в реальном времени (показано синим цветом на рисунке) синхронно с измеряемым значением (показано красным на рисунке). В обученных моделях реальное и прогнозное значения будут практически идентичны на режимах, которые были учтены в модели как нормальные состояния работы станции.

— Что происходит при обнаружении отклонения между реально измеренным и ожидаемым значением?

— По результатам поведения, которому система была обучена на основании архивных данных, модель Anomaly Monitor делает заключение о том, что измеренное значение должно быть меньше – принимая во внимание все другие измеренные значения в этой модели. Таким образом, Anomaly Monitor определяет отклонение от «нормального поведения» на самой ранней стадии и инициирует сигнализацию. Блок 2 на рисунке иллюстрирует обычное срабатывание уставки по реальному измеренному значению. Это произойдет позже того момента, когда скрытый дефект начинает негативно влиять на оборудование и эффективность электростанции. Такое отклонение параметра также вызывает сигнализацию, но это будет уже критическое отклонение. В худшем случае может потребоваться останов оборудования, который может привести к значительно более существенным финансовым последствиям, чем меры, направленные на устранение причин инициирующего отказа.

— В чем же особенность предлагаемого вами решения?

— Anomaly Monitor может определить случаи, аналогичные проиллюстрированным ранее в Блоке 1, задолго до срабатывания уставок. Это большое преимущество, особенно в ситуациях, когда отклонение от нормального поведения одного из измеренных параметров модели не приводит к какой-либо сигнализации в ближайшем будущем. В этом случае Anomaly Monitor немедленно предоставляет пользователю корректный анализ на основании сравнения с обученным поведением объекта. Такие возможности явным образом демонстрируют колоссальные преимущества методов мониторинга Anomaly Monitor перед традиционными. Подсистема станции, в которой обнаружено отклонение в работе, может пройти обследование во время ближайшего осмотра или ремонта, изношенные части могут быть заменены с минимальными затратами, не сопоставимыми с затратами на внеплановый останов станции.

— Что включает в себя решение Anomaly Monitor?

— Для работы Anomaly Monitor необходимы только два компонента — это лицензия на Anomaly Monitor и технологический сервер. Программное обеспечение Anomaly Monitor состоит из набора функций. Каждая функция может быть активирована индивидуально при помощи лицензии. Функции могут быть заказаны в произвольном количестве, что дает возможность реализовать любое число моделей произвольного размера для различного применения и изменять их без проблем в любое время. При этом предварительная техническая подготовка для внедрения подобного решения уже проведена на заводе-изготовителе. В Anomaly Monitor реализованы задачи по моделированию, представлению информации пользователю и окончательному документированию.

— Как происходит интеграция Anomaly Monitor c ПТК на действующих парогазовых блоках с АСУ ТП поставки компании «Сименс Энергетика»?

— Anomaly Monitor может быть реализован как полностью интегрированный компонент в ПТК АСУ ТП SPPA-T3000, начиная с версии R4.2 и выше. В этом случае Anomaly Monitor бесшовно интегрируется в существующую архитектуру и может использовать те же средства конфигурирования и разработки. Таким образом Anomaly Monitor может использоваться с любого тонкого клиента в соответствии с правами пользователя в SPPA-T3000. Кроме того, все расчеты и результаты анализа могут быть отображены на существующих видеокадрах. Также обеспечивается полный спектр функций SPPA-T3000 в рамках компонентной модели (архивирование, сигнализация и т. д.).

— А есть ли возможность интеграции данного решения с ПТК других поколений или вообще сторонних производителей и поставщиков АСУ ТП?

— Конечно. Anomaly Monitor может быть также реализован и как отдельная подсистема при использовании ПТК АСУ ТП других поколений как производства «Сименс Энергетика», так и сторонних поставщиков. В этом случае функции инжиниринга, управления и анализа по-прежнему сохраняются благодаря применению платформы технологического сервера. Например, если измерения поступают в систему по протоколу OPC из другого ПТК или из базы данных реального времени (например, OSI PI), технологический сервер будет представлять собой независимый сервер Anomaly Monitor.

— Давайте поподробнее поговорим о том, как создаются и генерируются те самые модели, которые являются базой предлагаемого вами решения.

— В отличие от большинства классических систем, Anomaly Monitor генерирует модель полностью автоматически по списку доступных точек измерений при помощи механизма нейронных сетей и статистических методов анализа данных. Если Anomaly Monitor работает как интегрированное приложение, т. е. совместно с SPPA-T3000, все точки измерений, доступные проектному контейнеру, доступны для выбора. Пользователь выбирает требуемые точки из списка. В других случаях архивные параметры читаются из источников данных, доступных технологическому серверу, например по протоколу OPC DA/HDA, и отображаются в списке аналогично интегрированному решению. Такая выборка определяет базовое состояние, необходимое для моделирования. После этого модели могут быть сгенерированы в Anomaly Monitor. Каждая модель отображается в форме блоков или функций автоматизации. Каждая задача в свою очередь представляет собой отдельный блок на функциональном плане Anomaly Monitor. Все эти блоки дополнительно к блоку заголовка, который используется для администрирования и параметризации, имеют связи и образуют модель. Пользователю нет необходимости разрабатывать функциональные планы модели, поскольку они генерируются автоматически инструментарием Anomaly Monitor.

— Как происходит обучение моделей?

— Первым делом выбираются точки измерений, относящиеся к мониторингу агрегата или процесса. После этого начинается обучение модели — предоставление модели данных за периоды времени, когда поведение объекта можно рассматривать как нормальное. Нормальным обычно является состояние работы без нарушений, и необязательно оно является оптимальным. Например, работа агрегата с отклонениями может рассматриваться как нормальная, если такая работа на протяжении нескольких лет была стабильной и без отрицательных эффектов. При этом периоды времени для обучения могут быть выбраны в Anomaly Monitor с минимальными усилиями с помощью функции календаря или графическим выделением. Для обучения можно также выбирать временные отрезки в произвольном порядке. Можно выбрать каждое характерное поведение, рассматриваемое как нормальное, даже если между временными отрезками имеются большие интервалы по времени. Выбор интервалов времени для обучения дает возможность модели распознать нормальное поведение агрегата или процесса на начальной стадии процесса обучения. Временной интервал, необходимый для этой фазы обучения, обычно составляет несколько часов или дней. Как только получены удовлетворительные результаты и Anomaly Monitor определяет только незначительные отклонения между измеренными значениями и моделируемыми значениями при добавлении новых обучающих данных, начальная фаза обучения считается завершенной.

— Что происходит в случае, если при обучении моделей обнаруживаются большие отклонения?

— В случае, если обнаружены большие отклонения, необходимо принять решение, являются ли эти отклонения следствием зарождающегося дефекта оборудования или нормальным поведением, которое ранее не было принято во внимание. Если имеет место последнее, то временной отрезок может быть отмечен как нормальное поведение простым выбором курсором мыши и добавлением к информационной модели. Как правило, это так называемое переобучение требуется редко, если начальный период обучения выбран достаточно долгим. Если при обучении по ошибке было добавлено ненормальное состояние, его можно выделить и удалить из обучающей информации без труда в любое время.

— Учитывается ли прошлый опыт работы оборудования при обучении моделей?

— Да, графическое окно Anomaly Monitor также указывает на отклонения от обученного поведения в прошлом. Такие отклонения могут указывать как на режимы, которым модель еще не была обучена, так и на реальные отклонения параметров от нормальных значений. Если указанный режим не был включен в информацию для обучения, то он добавляется по сценарию, который я описывал ранее. Если же Anomaly Monitor указывает на отклонения в прошлом и причина этих отклонений известна, то функции формирования правил обработки гарантируют, что такие отклонения в будущем будут надежно распознаны и вызовут соответствующие предупреждения. При этом особенно важно, что временные интервалы, используемые для обучения, могут быть уточнены в любое время. Anomaly Monitor для этого предоставляет удобный и эффективный инструментарий. Например, если ожидается новое поведение станции, вызванное выполненной модернизацией, то старые временные интервалы можно удалить и добавить новые, определяющие новое поведение объекта.

— Часто на практике некоторые величины не измеряются, поскольку датчики не были установлены или их измерение физически невозможно. Есть ли возможность в Anomaly Monitor рассчитать так называемые «программные датчики»?

— Да, в таких случаях в Anomaly Monitor определяются расчетные датчики, которые вычисляются на основании имеющихся измерений. Например, можно рассчитать выработку генератора в деньгах или рассчитать среднюю температуру. Рассчитанные таким образом значения могут в свою очередь использоваться напрямую в моделях для определения нормального поведения и прогнозирования отклонений. Они также могут быть использованы для определения правил и вносить вклад в определение повторяющихся режимов работы электростанции.

— Какой еще функционал предоставляет Anomaly Monitor?

— Anomaly Monitor может использоваться не только для прогнозирования ожидаемых значений и расчета времени, которое осталось до аварии, но и для валидации измерений. Такой подход предупреждает использование для оценки измерений, которые не могут рассматриваться как достоверные. К таким вариациям можно отнести такие тесты, как тест значения на константу, проверку на нарушение абсолютных верхнего и нижнего пределов, проверку достоверности для «шумящих датчиков», тест на градиент, группировка датчиков для проверки показаний резервированных датчиков. При этом следует отметить, что данные тесты могут быть применены к каждому сигналу.

— Есть ли возможность определить базовые правила в Anomaly Monitor, чтобы автоматически идентифицировать, например, повторяющиеся события и отклонения?

— Конечно. При этом между правилами можно сконфигурировать логические связи, чтобы воспроизвести сложную логику работы оборудования. В некоторых случаях возможно даже сконструировать шаблоны отказов, чтобы автоматически определять дефекты. При этом спроектированные правила можно легко визуализировать в окне Anomaly Monitor, чтобы отслеживать, как ведут себя в результате работы правила.

— Агрегаты и процессы на электростанциях претерпевают постоянные изменения ввиду технических модификаций и деградации. Как изменяются и актуализируются при этом модели в Anomaly Monitor?

— Здесь существует два варианта. Первый – это адаптация к деградации оборудования или изменению режимов и способов эксплуатации. Изменения в поведении агрегатов или в режимах эксплуатации можно учитывать при помощи изменения сохраненного нормального поведения. В этом случае новое рабочее поведение может быть получено во время испытаний или опытной эксплуатации после выполненной модернизации или ремонта. Второй – это адаптация к новым или измененным сигналам. Если были добавлены новые точки измерений, изменены или заново сконфигурирована аппаратура измерения, то такие изменения могут быть внесены в Anomaly Monitor в графической среде. Поскольку каждый сигнал представляет собой отдельный блок, то он может быть легко удален или изменена его параметризация непосредственно конечным пользователем.

— Как происходит оповещение оператора об отклонении?

— Если Anomaly Monitor определил отклонение от нормального поведения станции, он выводит информацию об этих отклонениях стандартными средствами SPPA-T3000, а также встроенными средствами Anomaly Monitor — на экране ПСО, в верхней строке экрана, на видеокадрах. Любая величина, используемая в Anomaly Monitor, например, измеренные значения, расчетные значения, результаты работы моделей, отклонения, правила или сигнализация могут вызывать появление сообщения в ПСО. Форму представления и приоритет сигнализации можно менять в любое время в зависимости от заданных требований.

— Как выглядит анализ оповещений?

— Анализ ситуации обычно начинается с момента, когда пришло сообщение от Anomaly Monitor о том, что измерение показывает отклонение от нормального поведения. К этому моменту для анализа взаимосвязей и первопричин уже имеется необходимая информация, т. е. можно проводить анализ причин возможной проблемы. Оператору известна модель, которая показала ошибку, и соответствующие ей агрегаты и процессы, точки измерений, показывающие нарушения и нормальные измерения, последовательность, в которой выявлены отклонения и величина отклонений относительно измеренной величины. Дополнительно к этой точной информации пользователь может предпринять различные стратегии анализа по своему усмотрению в требуемой комбинации – это анализ в окне Anomaly Monitor или анализ в окне трендов.

— Не могли бы вы в заключение кратко резюмировать, какие основные сценарии применения вашего решения в энергетике вы бы выделили?

— Я бы выделил три:

Первый — оперативный мониторинг состояния оборудования непосредственно на объекте генерации. В этом случае пользователями системы являются: оперативный персонал, начальник смены станции, технические цеха и службы главного инженера.

Второй — прогнозирование отказов, анализ технического состояния и планирование корректирующих мероприятий по техническому обслуживанию. При этом функционально Anomaly Monitor является генератором инициирующих сигналов для ручного или автоматического запуска процессов технического обслуживания.

Третий — предиктивная аналитика, один из модулей комплексного ситуационного, мониторингового центра. В этом случае Anomaly Monitor предоставляет свой функционал в ИТ-ландшафте сложной структуры центра, управляющего бизнес-процессами эксплуатации целого парка электростанций.

Комментарий

Хольгера Раабе, директора Депортамента сервиса компании «Сименс Технологии Газовых Турбин»:

“Концепция и базовые принципы анализа, заложенные в Anomaly Monitor, разрабатывались командой экспертов «Сименс Энергетика» для специалистов в области эксплуатации и сервиса объектов электрогенерации. При этом критически важными факторами успешного внедрения любого цифрового решения являются не только удобный интерфейс пользователя, но и компетенции разработчиков продукта и команды внедрения. Подготовка моделей, которые будут показывать высокие результаты по прогнозированию аварий и отказов, требует специфических знаний в области термодинамики и технологий производства электроэнергии. Компания «Сименс Энергетика» является одним из крупнейших производителей генерирующего оборудования и одним из крупнейших операторов электростанций в мире. Инновации  в области предиктивной аналитики и оценки состояния технологического оборудования являются одним из приоритетных направлений деятельности компании”.