激活数字孪生技术，焕发设备管理新动力
设备是现代化厂站的核心资产，尤其在重资产流程行业中，设备的故障将造成效能降低、企业停产等事故，给企业带来巨大损失。而目前针对设备故障采用的定期检修维护措施，虽然在预防设备故障和事故方面能起到一定的作用，但检修周期计划性太强，一方面会导致维修过剩，出现“小病大治”、“无病亦治”的盲目维修现象；另一方面因为无法掌握设备运行的实时状态，则无法保障设备在出现故障时第一时间被检修；另外，定期维修的周期通常是根据人的经验和某些统计资料来制定的，其中存在的偏差也会降低定期维修的科学性。当工业互联网遇上设备管理目前已有很多企业在设备诊断方面做了一些探索，包括设备监测和故障报警等，例如提前设置限值，达到限值则会报警，但实际上这类措施对检修维护来说意义并不大。或许我们需要思考，设备运行产生的历史数据能不能支持我们做一些分析，实现设备提前预警和预测？当工业互联网遇上设备管理，即会碰撞出一切可能。工业互联网关键技术——“数字孪生” （Digital Twin）是以数字化方式拷贝一个物理对象，模拟对象在现实环境中的行为，对产品、制造过程乃至整个工厂进行虚拟仿真，再结合物联网、机理建模、AI建模等一系列技术，让企业能够感知设备实时状态、掌握设备运行原理、了解设备运行个性，最终实现对设备过去发生问题的诊断、当前状态的评估以及未来趋势的预测。当把设备比作人，能带来哪些思考？把设备比作人，设备故障比作疾病，那么......
01 “急性病”怎么治？▲“急性病”：比喻突发故障、瞬间停机、保护跳闸、保护逻辑冲突导致的非计划停机等紧急性故障现象。
■现状：
- 采用故障检修、计划性检修、点检定修模式；
- 只能在设备故障发生后做维修处理。
★思考：
- 识别关键特征参数，能否提前预测其变化趋势？
- 参数越限之前，能够提前预警，避免非停？
02 “慢性病”怎么治？▲“慢性病”：比喻设备表面上在正常运行，实际运行工况处于不良状态，属于“亚健康”。设备在“亚健康”状态下长期运行则会引起设备老化、磨损、效率下降，最终导致设备寿命损耗，乃至设备故障损坏，酿成严重后果。
■现状：
- 无法感知设备运行工况；
- 需要通过运行台账分析设备运行情况；
- 需要定期试验评估设备运行工况。
★思考：
- 结合设备性能曲线，能否在线评估当前运行工况健康度？
- 统计设备历史工况健康分布，能否指出设备工况隐患？
- 是否可以基于工况变化趋势，实现工况劣化提前预警？
03 能否实现“治未病”？▲“治未病”：比喻建立设备关键参数劣化预警模型，分析设备早期故障征兆，指导用户对设备进行科学养护。
■现状：
- 依赖于固定上下限报警，无法获知设备早期异常
- 固定限值报警没有与工况关联，存在大概率漏报和误报现象
★思考：
- 如何梳理设备多工况特征参数？
- 如何训练并验证各类设备多工况大数据模型，实现设备故障精准预警？
- 如何通过分析早期参数劣化征兆，优化运行工况与维护策略，实现预测性维护？
针对设备“疾病”，如果一个平台能够围绕设备诊断实现“懂过去、知现在、算未来”，可形象地称之为“扁鹊”平台，在劣化分析和趋势预测方面具备丰富的实践经验和卓越的应用效果。01 设备参数看得“远”，设备状态看得“懂”，设备诊断看得“透”在华能玉环电厂中，“数字孪生技术”就得到了有力验证！华能玉环电厂，是国内首台国产100万千瓦超超临界火电机组建成运营的示范电厂，机器的每一次震颤、每一点温度变化都转化为数据语言，每一台设备都被克隆出了虚拟版的“双胞胎兄弟”。以炉水循环泵、氧化风机、浆液循环泵这三类电厂的关键设备为应用对象，我们在设备劣化分析和趋势预测方面获得了真实的应用效果。
▲设备参数看得远平台可基于AI模型实现设备特征参数趋势预测。传统的超限报警是基于DCS系统的跳闸保护逻辑，越限才触发，为时已晚，而基于数据智能可提前预测未来变化趋势，避免非计划停运！
▲设备状态看得懂建立设备状态评价模型，从通讯（数据质量）、能效水平、运行工况、健康状态、运维质量五个维度对设备状态进行全面评价。其中：【通讯状态】可以检测设备参数质量，避免信号失真对设备状态的干扰【能效状态】计算评估设备能效状况【运行状态】评估设备运行工况的合理程度【健康状态】评估设备健康状态【运维状态】评估设备预防性维护执行质量
设备评价规则及设备故障规则皆可定义。一方面，设备每个维度的状态评价都由诸多故障模式组成，每个故障模式的权重都可定义；另一方面，每个故障模式的判定规则也都是可定义，内置AI模型、相关系数分析、振动函数等，并支持规则嵌套、时长判别等复杂逻辑。
设备评价规则可定义
设备故障规则可定义
▲设备诊断看得透将大数据AI模型、机理模型、故障知识库深度融合，平台能够精准识别设备故障部件、故障模式、故障原因、故障等级及改善措施，并自动生成详尽的设备诊断报告。
02 模型验证案例真实反馈，设备预测精准有效▲案例一按照安全标准，炉水循环泵入口水温和泵壳金属温度温差如果超过一定摄氏度，即泵内外温差过大时会产生热应力，泵壳金属材料长期受此影响会产生蠕变，使得泵有泄漏风险，存在极大的安全隐患。
玉环电厂炉水循环泵热应力预警模型，提前两小时便发出预警，并提醒现场人员通过调节出口阀来降低循环泵流量下降速度，并增大喷射水流量等方式来控制温差， 从而提升设备运行安全性，避免了隐患。▲案例二2017年11月8日，某电厂#2炉B侧一次风机本地异响，振动偏大，停机检查发现叶轮损坏。我们导出了故障前两个月数据（9.06-11.10），使用了9.06-10.18号数据，将一次风机振动作为输出，建立振动模型。随后利用训练模型计算了10.08-11.10一次风机振动值。以天和小时两个维度，聚合统计一次风机振动计算值与实际值的均方根误差。可以发现在故障前一个月，均方根误差异常情况发生频率开始增大，误差值也逐渐变大，11.7日与11.8日均方根误差达到两个高峰，触发了模型报警。
以上成功实践，都基于设备建模平台，利用机理建模、AI建模等技术手段，构建设备“数字孪生体”，预测设备参数变化趋势。结合性能劣化、电气、动力、泄露、润滑等几十种设备机理模式，从通讯状态、能效状态、运行状态、健康状态、运维状态五个维度对设备状态进行全面评价。让设备参数看得“远”，设备状态看得“懂”，设备诊断看得“透”；实现了为设备“治急性病”、“治慢性病”、“治未病”的应用效果。01 融入专家知识库，融合机理+AI，让设备诊断更精准、智能。AI模型能够赋予设备诊断预警和预测的能力，同时设备诊断为AI建模提供了数据养殖的手段。
02 工业互联网平台为设备诊断提供坚实的平台后盾以设备智慧运维为重要价值出口，直击工业企业设备管理痛点，通过设备故障诊断、预测、精准运维，对设备赋“能”、赋“智”。
