經過一周時間的學習，現在將我對於這個領域技術和問題的一些認識進行總結：右邊是對智慧型電廠的整體體系結構的乙個展示，左邊則是我們需要做的大資料方向的工作，其實智慧型電廠就是將大資料的一系列技術應用到傳統電廠，當然其中也涉及了物聯網技術以及網路通訊技術等。從查閱資料的實際情況來看，這確實是乙個比較新的領域，國外在scopus中的**以及ieee資料庫的會議文件談論最多的是面向智慧型電廠的故障檢測方法，進而延伸到如何從電廠海量資料中挖掘有效資料並且在在合適的方**的指導下進行故障檢測，而最終落腳點在於資料探勘的演算法的效能上的一些提公升策略。目前智慧型電廠中乙個愈加普及的概念：sis(廠級資訊監測系統)，其核心為實時資料庫系統(rtdb)，包括insql、pi等資料庫。這些資料庫普遍具有週期性儲存、實時處理資料、資料壓縮演算法效率高等特點。
電廠資料倉儲的設計必須同時考慮對於非結構化資料和結構化資料的儲存，下面是電廠資料概況：
電力大資料的處理
電力大資料處理主要是大資料領域的技術，與電力資料自身特點耦合度比較小，乙個合適的處理框架如下：
其中涉及到的技術包括分布式計算、流處理技術以及資料倉儲技術。除了計算，由於實時電力資料取樣頻率較高，資料樣本大，所以很有必要預處理去除異常值或者有嚴重過失誤差的樣本，資料預處理常見技術為資料調和。這塊是智慧型電廠最重要的乙個領域。由於電廠系統的複雜性，對於每一類裝置都要有一套完整的狀態監測、故障診斷、檢修維護、壽命管理機制，所以目前雖然有很多已經成型的系統，比如sis系統，整合了這些功能，但是其方**、演算法效能等依然有很多挑戰。基本上每一種裝置都會有相應的檢測方式，比如旋轉機械類（汽輪機、軸承），一般會基於感測器給出的振動訊號進行頻譜分析儀來進行診斷；而鍋爐管壁等金屬則會基於熱應力計算等方法進行診斷；還有基於神經網路對於發電機狀態的監測與診斷等等。所以電力資料的分析並不是建立在單一的模型之上的但是其方**是可以通用的：
(1) 確定故障模式；
（故障模式資訊可以從rcm或pmo獲得，也可以從裝置維護手冊獲得）；
(2) 確定維護方式；
需要為每一種故障模式都確定相應的維護方式；
(3) 選擇變數和相應的檢測技術；
每一種故障模式都需要對影響變數進行進行選擇學習，形成模型，比如就汽輪機而言，在一篇**中提到，需要時域變數11個，頻域變數13個以及19個其他變數，一共43個變數來描述乙個狀態點，如果每乙個變數都參與形成分類器，那麼會減緩分類過程並且降低精確性，所以需要根據變數特性進行選擇合適的檢測技術：fixed limits and trend analysis 以及 variable limits兩大類。
(4) 進行診斷並給出維護建議；
為了給出故障模式相應的診斷建議需要開發知識庫，所謂知識庫就是根據不同的演算法學習出的最終模型（專家系統），該模型一般由一系列規則構成，例如：
(5) 實現；
在此過程中掌握裝置生命週期為檢修提供決策；
另外，在電廠中有很多態別相同的裝置，比如在乙個電廠的兩個發電機組中，分別有12臺汽輪機的話，他們的系統結構是一模一樣的，因此可以將磨煤機進行物件建模，建模資訊中包含其屬性、規則集(專家系統)、維護措施等，可以使用樹形結構進行展示：
電力大資料的展示
資料的展示包括很多技術：空間資訊流展示技術、歷史流展示技術、3d建模、視覺化技術、虛擬實境等。
1. 在資料分析階段可以生成資料包表；
2. 在故障檢測階段可以進行視覺化展示軸承與軸系之間的變化，並且以三維立體形式展示；
3. 最終可以自動給出維護建議表；
大資料在發電廠的應用 大資料時代火電廠的資料價值
隨著近幾年網際網路的飛速發展和普及，資料呈持續性爆發增長，大資料 時代的腳步已悄然而至。而傳統的火力發電廠也正逐步向數位化電廠邁進，各種數位化儀表與裝置已取代原有的機械式儀表與裝置，dcs sis乃至erp等系統也已在各個電廠普及。各類感測裝置 移動終端 資料採集裝置等產生的大量資料被儲存 分析，用...
火電廠中UPS電源的應用
ups電源也被稱之為不間斷電源，不間斷電源也被稱為ups，其實二者指的是同一種東西。在火電廠及其他很多領域ups不間斷電源的持續供電功能被普遍應用於許多重要設施，ups不間斷電源可以解決很多電力方面的問題，比如 電源斷電，電壓下陷，電源干擾 浪湧 波動 突波，交換瞬變等造成的危害，這些問題是由電源質...
火電廠的三維視覺化系統
智慧型智慧型製造廠產線以及智慧型化庫房等管理系統是中國工業走向4.0的開端，由傳統的二維圖形管理介面全面公升級為可互動的三維視覺化應用介面，以期在三維場景中對智慧型通風系統 智慧型氣調系統 糧情測控系統 氣體濃度檢測系統 水分檢測系統 環境監測系統 能耗分析系統 低溫倉儲系統 資料監測系統等實現實時...