大数据在智能化电厂中的应用研究与展望

doi:10.11930/j.issn.1004-9649.201705013

中国电力 ›› 2019, Vol. 52 ›› Issue (3): 133-139.DOI: 10.11930/j.issn.1004-9649.201705013

大数据在智能化电厂中的应用研究与展望

王忠杰, 文乐, 杨新民

西安热工研究院有限公司, 陕西西安 710032

收稿日期:2017-05-02 修回日期:2018-12-12 出版日期:2019-03-05 发布日期:2019-03-27
作者简介:王忠杰(1978-),男,硕士,高级工程师,从事发电领域信息化系统的研究和开发工作,E-mail:wangzhongjie@tpri.com.cn
基金资助:
西安热工研究院有限公司发展基金项目（ZF-17-TYK02）。

Applied Research and Prospect of Big Data in Power Plant Intelligence

WANG Zhongjie, WEN Le, YANG Xinmin

Xi'an Thermal Power Research Institute Co., Ltd., Xi'an 710032, China

Received:2017-05-02 Revised:2018-12-12 Online:2019-03-05 Published:2019-03-27

摘要/Abstract

摘要： 大数据是工业信息化的研究热点，随着智能电厂研究和应用的不断深入，大数据技术的不断进步，大数据技术在智能电厂具有广阔的应用前景。对大数据在发电领域的平台总体架构和未来的应用前景进行了探讨，对大数据技术的发展现状，大数据与云计算、智能化电厂之间的关系进行了分析和阐述，提出了面向智能电厂的大数据技术架构，并对大数据在智能电厂中的应用进行了展望。智能电厂未来将是大数据的重要应用领域。

关键词: 大数据, 发电厂, 数字化, 信息化, 智能化, 云计算

Abstract: Big data is a hot topic in industry and information technology. With the progress on the research of intelligent power plants and the development of big data technology, the big data technology has broad prospects in intelligent power plant application. The purpose of this paper is to study the framework of big data and its future application prospects in the field of power generation. The status of big data technology development, and the relationship between big data, cloud computing, and intelligent power plants are analyzed and elaborated in this paper. The framework of big data technology for intelligent power plants is proposed, and the prospects of big data in intelligent power plant application is forecasted. In the future, intelligent power plants will be an important field for big data application.

Key words: big data, power plant, digitalization, information technology, intelligence, cloud computing

中图分类号:

TK01

王忠杰, 文乐, 杨新民. 大数据在智能化电厂中的应用研究与展望[J]. 中国电力, 2019, 52(3): 133-139.

WANG Zhongjie, WEN Le, YANG Xinmin. Applied Research and Prospect of Big Data in Power Plant Intelligence[J]. Electric Power, 2019, 52(3): 133-139.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://www.electricpower.com.cn/CN/10.11930/j.issn.1004-9649.201705013

https://www.electricpower.com.cn/CN/Y2019/V52/I3/133

参考文献 20

[1]	MCKINSEY. Big data:The next frontier for innovation, competition, and productivity[R/OL]. (2011-05)[2017-02-17]. https://www.mckinsey.com/business-functions/digital-mckinsey/our-insights/big-data-the-next-frontier-for-innovation.
[2]	Gartner:The top ten strategic technology trend for 2012[EB/OL].(2011-11-05)[2017-02-17]. https://www.gartner.com/technology/research/top-10-technology-trends/.
[3]	王昭力. 大数据时代下发电集团数字化管控[J]. 中国电力企业管理, 2017(1):58-59
[4]	孙栓柱, 代家元, 周春蕾, 等. 基于大数据的供热机组调峰能力研究与应用[J]. 中国电力, 2016, 49(7):82-85 SUN Shuanzhu, DAI Jiayuan, ZHOU Chunlei, et al. Research and application of regulation capacity of heating units based on big data[J]. Electric Power, 2016, 49(7):82-85
[5]	吕守旭. 基于大数据分析的智能电网降损效果估计模型仿真[J]. 中国电力, 2017, 50(4):172-175 LV Shouxu. Estimation model simulation on the loss-reduction effect of smart grid based on big data analysis[J]. Electric Power, 2017, 50(4):172-175
[6]	耿清华, 马越, 冯治国. 新形势下水力发电企业建设智慧检修的思考[J]. 水电与新能源, 2017(12):44-45, 64 GENG Qinghua, MA Yue, FENG Zhiguo. Development of the intelligent maintenance in hydropower companies under new situations[J]. Hydropower and New Energy,, 2017(12):44-45, 64
[7]	罗军舟, 金嘉晖, 宋爱波, 等. 云计算:体系架构与关键技术[J]. 通信学报, 2011, 32(7):3-21 LUO Junzhou, JIN Jiahui, SONG Aibo, et al. Cloud computing:architecture and key technologies[J]. Journal on Communications, 2011, 32(7):3-21
[8]	李志刚, 朱志军. 大数据:大价值、大机遇、大变革[M].北京:电子工业出版社, 2012:182.
[9]	杨新民, 陈丰, 曾卫东, 等. 智能电站的概念及结构[J]. 热力发电, 2015, 44(11):10-13 YANG Xinmin, CHEN Feng, ZENG Weidong, et al. Concept and structure of intelligent power stations[J]. Thermal Power Generation, 2015, 44(11):10-13
[10]	陈世和.智能电站发展现状及展望[C]//智能化电站技术发展研讨暨电站自动化2013年年会论文集.2013:30-40.
[11]	杨新民, 高海东, 陈丰. 数字化电厂概念的解析及探讨[J]. 热力发电, 2015, 44(5):99-101 YANG Xinmin, GAO Haidong, CHEN Feng. Discussions on concept of digital power plant[J]. Thermal Power Generation, 2015, 44(5):99-101
[12]	张学孟, 刘智铭. 数字化电厂建设的关键技术及发展[J]. 广东电力, 2012, 25(9):35-38 ZHANG Xuemeng, LIU Zhiming. Key technologies and development of digital power plant construction[J]. Guangdong Electric Power, 2012, 25(9):35-38
[13]	雷军, 叶航军, 武泽胜, 等. 基于开源生态系统的大数据平台研究[J]. 计算机研究与发展, 2017, 54(1):80-93 LEI Jun, YE Hangjun, WU Zesheng, et al. Big-data platform based on open source ecosystem[J]. Journal of Computer Research and Development, 2017, 54(1):80-93
[14]	王远, 陶烨, 蒋英明, 等. 智能电网时序大数据实时处理系统[J]. 计算机应用, 2015, 35(S2):88-92 WANG Yuan, TAO Ye, JIANG Yingming, et al. Real-time processing system for time series big data in smart power grid[J]. Journal of Computer Applications, 2015, 35(S2):88-92
[15]	李志刚, 朱志军. 大数据:大价值、大机遇、大变革[M]. 北京:电子工业出版社, 2012:182.
[16]	王大鹏, 杜保华, 孙玺, 等. 锅炉重要部件风险评估与管理技术研究[J]. 热力发电, 2009, 42(9):70-73 WANG Dapeng, DU Baohua, SUN Xi, et al. Risk assessment and management technology of important components in boilers[J]. Thermal Power Generation, 2009, 42(9):70-73
[17]	于新颖, 王浩. 火电厂主要辅机能耗现状与节能潜力分析[J]. 电站辅机, 2009, 108(1):1-4 YU Xinying, WANG Hao. Status of energy consumption and analysis of its potential energy saving of major auxiliary equipment in thermal power plant[J]. Power Station Auxiliary Equipment, 2009, 108(1):1-4
[18]	姜东升. 基于节能环保的大型火电厂热机设备选型优化[J]. 电力建设, 2013, 34(10):84-85 JIANG Dongsheng. Optimization of heat engine equipment selection for large thermal power plant based on energy conservation and environment protection[J]. Electric Power Construction, 2013, 34(10):84-85
[19]	刘旭. 基于大数据的风功率预测模型优化研究与实现[D]. 保定:华北电力大学, 2016:2-5.
[20]	中国电机工程学会信息化专委会. 中国电力大数据发展白皮书[R]. 北京:中国电机工程学会. 2013. 3:17-18.

大数据在智能化电厂中的应用研究与展望

Applied Research and Prospect of Big Data in Power Plant Intelligence

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献 20

相关文章 15

编辑推荐

Metrics

[1]	魏明江, 李鹏, 于浩, 冀浩然, 宋关羽, 习伟. 数字配电网边缘计算模拟实验平台[J]. 中国电力, 2024, 57(3): 12-19.
[2]	贺馨仪, 董明, 孙歆, 颜拥, 姚影. 标准数字化应用框架设计及其设备侧领域实践[J]. 中国电力, 2024, 57(11): 78-87.
[3]	马超. 面向机器可读标准的电力标准数字化述评与展望[J]. 中国电力, 2023, 56(8): 216-229.
[4]	严亚兵, 褚旭, 肖豪龙, 梁文武, 李辉, 夏振兴. 基于改进支持向量机的数字化变电站安全措施生成技术[J]. 中国电力, 2023, 56(10): 194-201.
[5]	林日晖, 陈友立. 基于深度Q学习的含用户侧储能微电网频率-电压数字化智能控制策略[J]. 中国电力, 2022, 55(12): 43-50.
[6]	刘文君, 董明, 徐元孚, 韩强, 王鑫, 许雷, 杜明. 电力设备运行状态大数据标签体系与关键技术[J]. 中国电力, 2022, 55(1): 126-132.
[7]	戴璐平, 瞿青, 黄露, 潘晔. 基于配网新形态下电费风险模型构建与应用[J]. 中国电力, 2021, 54(8): 98-102.
[8]	李博, 方彤. 北斗卫星导航系统（BDS）在智能电网的应用与展望[J]. 中国电力, 2020, 53(8): 107-116.
[9]	安然, 吴俊勇, 石琛, 朱孝文, 邵美阳, 黄杏, 蔡蓉. 基于随机矩阵和历史场景匹配的配电网无功优化[J]. 中国电力, 2020, 53(4): 69-78.
[10]	陆骏超, 陶雷行, 岳春妹, 陈睿, 刘志超, 王妍艳, 郑方栋, 万迪. 燃煤发电厂用水水平现状与展望[J]. 中国电力, 2020, 53(3): 139-146.
[11]	程瑛颖, 杜杰, 周全, 张家铭, 张晓勇, 李刚. 基于随机矩阵理论和聚类算法的电能表运行状态评估方法[J]. 中国电力, 2020, 53(11): 116-125.
[12]	张文建, 梁庚, 李庚达, 崔青汝. 智慧化全数字技术及其在电厂中的应用[J]. 中国电力, 2020, 53(11): 202-211.
[13]	罗昊, 苏盛, 杨浩, 林楠, 袁晨. 基于FPGA的电力巡线无人机硬件加密通信方法[J]. 中国电力, 2019, 52(7): 11-16.
[14]	郭敬东, 陈彬, 王仁书, 王佳宇, 仲林林. 基于YOLO的无人机电力线路杆塔巡检图像实时检测[J]. 中国电力, 2019, 52(7): 17-23.
[15]	周圣栋, 解蕾, 宋若晨, 陈浩. 基于BIM的变电站数字化建设管控平台构建及应用[J]. 中国电力, 2019, 52(5): 142-147.

模态框（Modal）标题

大数据在智能化电厂中的应用研究与展望

Applied Research and Prospect of Big Data in Power Plant Intelligence

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献 20

相关文章 15

编辑推荐

Metrics