不知從(cong) 什麽(me) 時候開始，我們(men) 需要電，就跟人需要呼吸一樣，無時無刻。

小時候，印象最深刻的就是烈夏停電的夜，悶熱難耐，即使今天待在24小時的恒溫房依然忘不了那種感覺。

今天，放眼全球233個(ge) 國家和地區，中國是第一個(ge) ，也是唯一的一個(ge) 擁有近14億(yi) 的超龐大人口，卻做到全民通電的國家。

這是所有中國電力行業(ye) 從(cong) 業(ye) 者們(men) 數十年艱苦奮鬥和執著付出的結果。而作為(wei) 生產(chan) 端的發電企業(ye) 更是做出了巨大的貢獻。

發電企業(ye) 親(qin) 密無間的小夥(huo) 伴——G22恒峰智慧，深耕電力領域已二十餘(yu) 載，從(cong) 早期通過智能儀(yi) 表幫助用戶建設模擬電廠；到以自主研發的NT6000智能分散控製係統、SIS/MIS等自動化、信息化產(chan) 品幫助用戶實現數字化電廠；到如今，融合

大數據、人工智能等前沿技術，共同建設基於(yu) 工業(ye) 互聯網的智慧電廠。

合作無間  共同成長

G22恒峰，不斷以領先技術、產(chan) 品、服務幫助電力企業(ye) 實現更加智慧高效的運營，為(wei) 中國電力事業(ye) 發展貢獻力量。

前進的腳步，從(cong) 未停止……

最近，小科針對電力企業(ye) 又推出一款新利器！

火力發電智能預警係統IPAS

來看看吧↓↓↓

現代化火電廠是一個(ge) 龐大而又複雜的、集成多種關(guan) 鍵設備的工廠。其設備及工藝係統之間的強耦合性、係統的複雜性，以及設備工作環境（高溫、高壓、高速旋轉）的特殊性，決(jue) 定了火電廠是一個(ge) 高故障率和故障危害性大的生產(chan) 場所，

任何因故障而釀成的停機事故都會(hui) 造成重大的經濟損失和社會(hui) 後果。

此外，發電廠主輔機檢修和維護還遵循多年以來的“大小修”傳(chuan) 統，存在“欠修”、“過修”，設備檢修成本高、不精確，檢修工作效率低下。

如果有一套可靠的智能預警係統

二十四小時不間斷地監視機組的運行狀態

該有多好！

G22恒峰智慧基於(yu) 大數據、人工智能、機器學習(xi) 等前沿技術，打造火力發電智能預警係統IPAS，全麵提升火電機組的安全性、可靠性，為(wei) 電站可靠運行保駕護航！

火力發電智能預警係統IPAS能夠在全負荷段動態監測重要設備、工藝係統狀態，在設備及工藝係統發生異常還未惡化為(wei) 嚴(yan) 重故障時即可預警，為(wei) 運行人員留有足夠的時間處理異常，避免事故的發生，使處理風險的模式從(cong) 傳(chuan) 統的被動反應

到主動規避、提前規劃和準備，開創故障診斷發展的新方向。

IPAS憑什麽(me) 這麽(me) 強？

高精度人工智能算法

靈活的部署方式

係統采用B/S結構，既可作為(wei) 獨立係統運行，也可集成在控製層，或集成在SIS/MIS中，還可集成在區域或集團級的遠程監控平台。

厲害了，我的IPAS~

到底行不行，實例來說話

01

某9E燃機電廠高壓給水泵驅動端軸承損壞案例

該廠運行人員於(yu) 2018年2月3日17時30分發現2號爐2號高壓給水泵電流突發波動、驅動端發生異響、驅動端軸承溫度上升，立即手動切換至備用泵運行。經檢查發現2號高壓給水泵驅動端軸承損壞。

智能預警係統IPAS監測結果

智能預警IPAS監測結果如上圖所示，在2018年2月3日13：50-15:00時間段，表征該泵健康度的數值在10左右，與(yu) 正常運行工況值類似；在2018年2月3日15:00-15:30時間段，有明顯的上升趨勢，且大於(yu) 10，表明該泵目前已偏離正常

工況，呈異常狀態；15:30-16:10時間段，該泵保持在非正常的穩定狀態；16:10後，曲線變化較為(wei) 劇烈，泵已經嚴(yan) 重偏離正常運行狀態。

可見，智能預警係統IPAS能敏銳地捕捉到該高壓給水泵的異常變化，且早於(yu) 運行人員約3小時發現，實現異常狀態早期預警，從(cong) 而達到降低檢修成本、提高設備可靠性的目的。

02

某660MW超超臨(lin) 界燃煤電廠末級過熱器泄露案例

該廠運行人員於(yu) 2018年8月10日18時20分發現#1鍋爐四管存在泄漏現象，隨後停機檢查。經檢查，發現該鍋爐末級過熱器部分受熱麵已破損失效。

某660MW超超臨(lin) 界燃煤電廠末級過熱器爆管前後智能預警監測曲線

智能預警係統IPAS監測結果如上圖所示，從(cong) 圖中可以看出：2018年8月9日0:00—23:59:59時間段，表征設備健康度的數值均在10以內(nei) ，末級過熱器尚未發生泄漏；在2018年8月10日0:00後，曲線呈上升趨勢，表明末級過熱器已發生輕微泄漏現象，此時數值為(wei) 20左右；隨著末級過熱器破口麵積的增加，泄漏越來越嚴(yan) 重，末級過熱器已嚴(yan) 重偏離正常運行狀態，此時數值高達100以上，遠大於(yu) 正常狀態時的數值。

因此，該末級過熱器智能預警算法能快速捕捉到泄漏後的異常信息，早於(yu) 運行人員近8小時發現，真正實現故障的早期預警。

03

某三菱M701DA燃機IGV門杆斷裂案例

該廠運行人員於(yu) 3月10日深夜發現機組運行參數與(yu) 往常不一致，遂檢查發現IGV連杆斷裂。

利用曆史正常數據，運用特定智能算法建立模型，通過回放技術檢測故障時段數據，發現3月10日17：30表征異常的紅色曲線出現明顯異常，比運行人員至少提前6個(ge) 半小時發現，且能檢測到3月11日04：00左右恢複正常。

投入運行不久

IPAS就憑借強大的預警能力嶄露頭角

未來，G22恒峰將以不斷完善的產(chan) 品和解決(jue) 方案，積極助力傳(chuan) 統電廠轉型升級，實現由智能向智慧的不斷跨越，為(wei) 中國電力事業(ye) 發展貢獻更大力量。