内容概要：
电力行业重组的影响在多个层面上都有所体现。分布式发电和能源多样化的发展，也相应造成了一些问题的出现，如负荷问题、缺乏切换灵活性以及可能的反向电流问题。而利用全新预测资产分析工具，电力工作人员将能够在酿成问题之前提前预防。本白皮书阐释了如何在电力运营和维护中运用这些工具。
简介：
如今电力行业正努力寻找新的方式来应对不断变化的能源市场。面对政府监管、激烈竞争和消费者需求提高等诸多压力，构建更为可靠、高效和安全的电力系统迫在眉睫。分布式发电和能源多样化的发展，也相应导致了一系列问题的出现，如负荷问题、缺乏切换灵活性以及可能的反向电流问题。此外，由于基础设施老化和人员配备老龄化，还亟需进行资产更新和知识获取。
大数据的出现无疑给电力行业带来了福音，清除这些堪称颠覆性的障碍指日可待。一些有远见的电力公司开始投资于监控和预测分析工具，以帮助其充分利用这些数据。据Navigant Research 预测，到2023年，电力公司将在资产管理和电网监控技术领域注入500亿美元的资金。 1 通过利用预测资产分析软件，电力公司将能够提高设备可靠性和性能，同时避免潜在的故障问题。这些工具还利用电网数据来优化维护工作，并降低运营和维护开支。
现场案列：设备故障
预测资产分析解决方案能够提前预警设备故障和异常操作状况，而这些问题是在传统维护实践中经常被忽略的问题。例如，一台具有7个轴承(包含发电机轴承)的110MW蒸汽机型涡轮机的资产维护记录显示，一年多来该涡轮机零星出现许多单独的问题，后来问题逐渐升级，最后导致设备彻底失灵。维护人员确认了涡轮机轴承振动问题，并采取了相应的纠正措施。完成维护后，又开始出现另一轮类似的零星问题，还有一些新的问题产生。
然后，我们利用最新预测分析工具(在此例中为施耐德电气Avantis PRiSM®工具)对此设备的原始历史数据进行了分析。分析结果非常重要。如果能够提前部署预测资产分析解决方案，工厂工作人员在这一年多时间内就能够提前被预警，即涡轮机热膨胀问题发生，并长期存在和演化。通过建模实践，此工具能够检测故障模式，并在故障发生前6个月提前预警。模型表明轴承振动只是其中一个症状，热膨胀问题才是主要原因。通过主动修复维护将能够解决热膨胀问题，避免导致轴承振动问题和设备停机。这样便可节省维护成本，且由于设备能够正常运转还将产生更多销售额。在此例中预计可节省数百万美元的成本(基于35天的停机成本及相关维修成本核算)。
图1 异常显示偏离涡轮机资产预期性能行为
图1显示了整体模型残差趋势(表示与预测资产运营的总体偏离)，并说明了工程师将如何提前发现该涡轮机的问题。图1突出显示了预测运营和实际性能之间的偏差，因此可提供提前预警。特别是该软件将可以发现不断恶化的状况，而这些状况在4月份导致了设备被强制中断(以及此年中后续出现的其他问题)。运营人员将能够采取相应措施，避免设备停机(以及相关停产损失和所增加的维护成本)。
其他优势
维护实践预测资产分析软件能够使运营和维护人员提高工作主动性。通过评估故障状态并控制后果，从而避免突发的发电厂运营中断。这可以转移负荷以降低资产压力或计划必要的检修停机。该软件工具能够提高计划性，从而降低维护成本。企业可以从容预订和运输配件，在解决问题同时维持设备的正常运转。此外，还可以根据设备状况和性能适当扩展维护窗口。其他收效包括提高资产利用率和识别表现不佳的资产。
此外，考虑到电力损失、设备更换、生产率损失以及额外人力时间成本，预测资产分析软件可以节省更多的开支。预测分析工具的功能就在于，能够将原始数据转换为易于理解和可行的洞察，从而提高可用性、可靠性和决策性。
预测分析工具使工作人员能够直观了解资产的实际和预期性能，包括环境条件、单位负荷和运营模式等详细信息。运营人员还可以了解效率低下的方面以及对财务业绩的影响。他们可以衡量现有措施和决策对未来的影响。风险评估成为更精准的科学和每个受监控资产的可能行为，并能够被加以利用来优化资本和运营支出。
知识获取是预测分析工具的另一个优势所在。在劳动力过渡日益普遍的背景下，知识获取可确保能够重复利用维护决策和流程。因此，如果经验丰富的工作人员离开公司，其多年积累的知识仍可被新进员工利用。
利用预测资产分析软件可提高可靠性和效率，也同样能提高客户满意度。电力公司能够通过所需的见解，避免潜在设备故障和强制性运营中断，而消费者也可获得更为可靠的服务体验。
下面列出了电力公司目前运用的多种维护方法。最终可达的准确性将取决于所部署工具的特点(参见图2)。
图2 维护程度经常与独立资产或合并资产的风险等级有关。
维护实践
被动维护
被动维护是最基本的策略，允许资产运行直至故障的发生。它仅适用于非关键型资产，而这些资产与发电的安全性或可靠性几乎没有或没有直接影响。此方法还可用于具有极低维修或更换成本，且不要求先进技术投资的资产。
预防性维护
预防性维护(PM)方法将确保资产在达到故障点之前进行彻底检查。预防性维护策略要求，根据定期计划或良好维护实践方面的运营统计和制造商/行业建议来执行维护工作。
基于状态的维护
基于状态的维护(CBM)专注于设备的物理状态及其运行方式。如果某个衡量参数可作为反映潜在问题的优良指标，运用CBM方法较为理想。状态必须由基于规则的逻辑定义，且该规则不会随着负荷、环境或运营状态而发生变化。
预测性维护
如果潜在资产故障会导致重大损失，则安全性或断电风险比较高。在这些情况下将需要更为主动的维护方法。预测性维护(PdM)依靠传感器数据和预测引擎来不断监控资产性能，从而提前预警设备问题和故障。PdM通常采用先进模式识别(APR)技术，并需要预测性分析解决方案，来获得设备健康状况方面的实时见解。
预测性资产分析解决方案是全面维护计划的主要部分。根据ARC Advisory Group的研究调查，仅1 8%的资产会因使用或年限而增加故障模式。2这就意味着在其他82%的资产中，预防性维护方法本身并不足以避免故障，因而需要更为先进的方法。预测性分析软件可对比每个资产的历史运营签名与实时运营数据，以检测设备行为中的细微变化。该软件还可在偏离达到运营警告级别之前识别出这些变化，从而创造更多的时间来采取分析和纠正措施。
总结
以可靠性为中心的维护
所有上述维护方法都为可靠性为中心的维护(RCM)奠定基础。RCM是一种专注于后果的全面的预测性策略，可利用该流程来确定应采取的操作，以确保资产运作的方式是用户所想要的。RCM是最高级的全面集成维护计划，如果没有基本维护实践方面的重复流程是无法充分部署的，其中包括使用预测分析解决方案来支持预测性维护。
预测资产分析解决方案可帮助电网运营商、系统工程师、控制人员以及许多其他工厂工作人员充分利用目前的海量可用数据并进行实时决策，而这些决策可靠性和性能会产生积极的影响。先进模式识别软件可提供提前预警通知，并预留更多时间来计划必要的维护措施，从而避免可能的设备故障并提高运作性能，帮助工作人员更高效地进行工作。
通过利用数据和预测性资产分析解决方案，发电和配电公司可以转换其维护策略，减少寻找可能问题的时间，而将更多的精力投入在采取措施，以提高每份资产的投资回报率。全新的预测资产分析软件工具可允许电力公司监控关键资产，以持续和实时识别、诊断和优化处理可能的设备问题。
（转载）
