2024年度上市公司数字化转型最佳实践丨南网储能：抽水蓄能电站群设备状态大数据分析系统建设和应用_新浪财经

为进一步落实党中央、国务院关于发展新质生产力、打造数字经济新优势等决策部署，坚定实施数字化转型任务，推动数字经济发展，中国上市公司协会开展了上市公司数字化转型最佳实践案例征集活动，并从技术领先、场景创新、社会价值贡献、产业链建设四个维度遴选出了40个优秀、69个典型案例入选《上市公司数字化转型典型案例》，这些案例集中反映了上市公司在数字化转型过程中的实践、挑战与成功经验，为上市公司开展数字化转型提供参考和借鉴。

南方电网储能股份有限公司（600995.SH）

抽水蓄能电站群设备状态大数据分析系统建设和应用（优秀案例）

一、案例简述

在新型电力系统加速建设背景下，随着抽水蓄能电站越来越多，传统设备运维管理模式与人力资源、设备可靠性要求日益提升的矛盾日益显现，需要应用数字技术为业务赋能，推动电站设备管理数字化转型，提升管理效能。传统的抽蓄电站群运维管理存在以下问题：

1、设备数据集成体系不完善，各电厂数据分散、信息孤岛普遍存在，缺乏统一完善的设备数据集成体系；

2、数据分析挖掘未成体系，数据分析缺乏成体系的系统架构，对运维决策支持力度不足；

3、传统的专家分析系统智能化水平偏低，数据分析场景与实际业务存在偏差。

根据上述问题，本成果开发了抽水蓄能电厂设备大数据决策分析与可视化系统XS-1000D，接入了南网储能公司管辖的9个厂站的全量生产数据，且该系统的先进技术架构为未来抽蓄电厂爆发式增长预留了足够的资源，为抽蓄设备现代化信息化运维管理体系打造了战略性装备，目前已在南网储能公司各运维单位得到了广泛应用，井且取得了良好的应用效果。

二、转型工作情况

2.1 数据集成

项目研究了面向多源数据的统一数据模型和自适应通讯协议，开发了模块化数据传输程序，兼容行业内各系统数据，保证数据大规模并发式传输和存储，汇聚了南网储能公司7个抽水蓄能电厂、2个常规水电厂70余个系统超过35万个测点的数据，建成了行业内首个抽水蓄能电站群设备状态大数据智能分析平台。

图1数据网络建设

2.2 平台建设

本项目采用南方电网公司统一部署的云平台资源，建设统一门户和模块化数字应用，实现数据源和应用端有效隔离，具有强可移植性，构建抽蓄电站群数据服务和应用工具，为开发数字应用提供支持：

图2 大数据平台

2.3 算法体系建设

结合抽蓄电站群设备数据分析实际需求和数理特征，开发了抽蓄电站群通用性算法组态工具，支持多指标并行输出、自动持久化，实现了无代码经验的用户也能够通过拖拉拽的方式快速、动态部署状态评价数据分析应用。

图3 算法组态工具

组态算法方面，采用“场景引领-数据驱动-算法支持-实践检验”研究模式，提出发电电动机、水泵水轮机、励磁、调速器等全系统超过一千个设备状态评价算法，并通过模块化的自由调度，与设备状态评价规则联动，提炼机组各系统的数据分析标准设计，形成了一系列具有自主知识产权的抽蓄电站设备多源数据状态智能分析方法，可推广至行业应用。

时序智能算法方面，以抽水蓄能机组连续时序数据为主要研究对象，如轴瓦温度，研究建立机组轴瓦温度的预警模型，通过测试验证发现，利用机器学习算法构建机组的预警模型能够准确地预测设备正常温度，及时对偏离正常温度的测点数据进行预警，相比于原有的传统预警系统，灵活性和灵敏性有了极大提高。

机器视觉算法方面，基于“边侧AI网关机器视觉识别算法模型的统一部署，边侧接入网关厂站侧实时视频流、识别结果等信息的统一汇聚，基于轻量化YOLOv5s6先进的目标检测框架，研发了漏油、漏水、刀闸指示器等快速图像识别算法。通过现场测试验证发现，该类图像识别算法能在有限的边缘侧AI计算资源的条件下，极大地提高图像识别准确率，有效保障算法的识别响应速度达到现场应用要求。

2.4 智能应用部署

基于数据分析算法体系，面向抽水蓄能实际运维场景开发大量的智慧数字应用，开发了实用性强的各系统数据分析可视化工具，涵盖数据对比分析、相关性分析、核心指标分析等，实现从系统到部件的数据分析一线贯通；开发了关键设备数据可视化应用，通过数据驱动实现实时状态、统计分析和旋转轨迹可视化的动态可视化立体模型，设备多维度可视化监测。

开发了异常钻取分析功能，实现“企业—电站—机组—系统—部件—算法”的贯穿式数据钻取分析。使技术人员关注的数据范围快速从一个宏观的面，逐步下钻并聚焦到一个最基本的算法结果上。实现技术人员既能快速评估系统总体状态，又能快速定位到风险薄弱环节，实现信息传递上整体和局部的高效结合。

开发了数据报表报告生成功能，并设计了抽水蓄能电站各专业、各系统数据巡检和状态分析标准，将数据分析算法和南网设备状态评价规则进行动态关联，实现系统定期或一键自动生成设备状态分析报告，为设备运维提供决策支持。蓄能机组标准数据分析算法也能为行业提供支持，填补行业空白。

2.5 应用实践促进业务转型

通过数据分析技术的应用，推动业务数字化转型，将设备大数据分析与RCM检修策略优化决策体系融合，提升RCM决策的准确度；制定数据资产管理相关规范，常态化提升数据质量和应用质量，建立数据分析管理机制，常态化应用数据分析结果为运维决策提供支持，将现场人工设备状态分析转为云端机器数据自动分析，提升劳动生产率和效率。

三、转型成效

3.1 经济效益

本项目每年产生的经济效益约1763万，通过设备大数据分析技术有效实现劳动生产率的提升、提高设备稳定性。专业数据巡检、设备状态分析评估工作的机器替代率达到90%以上，新增电厂的专业技术人员定额从12人减少至9人。

2022年至今，与公司系统外单位抽水蓄能电站签订了成果转化协议，因本项目数字化相关成果转化获得合同价款收入预期超千万元。

3.2 社会效益

该系统，获得中国水力发电工程学会鉴定组最高评价“国际领先”，获中国水力发电工程学会2023年度科技进步奖，入选电力智能巡检卓越技术应用案例、清馨奖数智力实践先锋项目，亮相第六届数字中国建设峰会，在国际数字能源展作为抽水蓄能领域唯一重大成果发布，获得中央电视台“新闻直播间”“朝闻天下”等媒体广泛报道。

主要社会效益包括：

（1）推动业务数字化转型，提出并实现了基于大数据分析的设备运维管理模式，提升设备可靠性，融合RCM检修策略优化决策体系，提升RCM决策的准确度。

（2）改变传统现场人工设备巡检运维模式，推进了机器替代，减少人员重复工作，不断提升设备维护效益，提升劳动生产率。

（3）打造现代化产品化数字化装备，形成一系列具有自主知识产权的抽水蓄能电站设备的多源数据智能挖掘方法并推广至行业应用，推动行业技术进步。

四、面临的痛点难点及建议

本项目高度产品化，整体迁移方便，且对水电设备运维实际业务帮助极大，建议行业内水电、抽水蓄能电站标准化配置本项目成果，提升设备可靠性、全员劳动生产率。

供稿单位：南方电网储能股份有限公司