客户背景

在火电机组运行过程中，温度、压力、流量、功率、振动等参数持续变化。运行人员需要根据这些时序数据判断设备状态、识别异常并安排后续处置。随着机组测点数量持续增加，传统依赖人工浏览监控画面的方式越来越难以覆盖全部运行信息。

粤电珠海电厂与南京天洑软件有限公司合作，为两台机组建设智能监盘系统，推动机组运行监测从人工定期查看，逐步转向基于数据、模型和专家经验的全天候智能监盘。

面临挑战

传统监盘需要运行人员在大量监控画面之间不断切换，难以持续关注所有运行参数。当异常只表现为某个测点的轻微偏移，或发生在特定负荷和工况下时，人工监测容易出现漏检。

同时，机组异常诊断不能只依赖单一数据模型。不同工况下设备参数存在差异，固定阈值可能造成误报，单纯依赖历史数据训练的模型也可能无法覆盖极端工况。因此，系统需要同时结合实时数据、工况信息、设备机理和电厂运行经验。

解决方案

南京天洑软件有限公司以工业 AI 底座为基础，为粤电珠海电厂建设智能监盘系统。IoTDB 作为时序数据底座，持续接入和存储机组运行过程中的温度、压力、流量、功率等多类数据，为模型训练、实时监测和历史追溯提供统一数据支撑。

在数据接入后，平台可以按照设备、测点和时间窗口快速检索历史数据，并支持趋势分析、多测点对比、实时刷新和异常点前后数据查询。运行人员可以将不同负荷、不同设备或不同时间段的数据放在同一时间轴上进行比较，辅助识别设备运行规律和异常变化。

在模型应用层，系统综合使用参数预警、阈值预警、诊断预警和 AI 预警等方式，对机组运行状态进行持续监测。项目累计建立了 1500 多个模型，包括 350 多个工况模型、130 多个指标模型和上千个阈值模型。

模型构建过程中，电厂一线人员参与工况划分、指标配置和预警规则设计，将现场经验转化为可复用的模型逻辑。系统由此能够在实时数据基础上，结合不同工况判断参数是否真正异常，并通过数据模型、机理规则和行业经验协同降低漏检和误报风险。

方案效果与价值

该项目逐步将传统人工监盘升级为全天候自动监盘。运行人员不必持续浏览大量画面，而是可以围绕系统识别出的异常线索，进一步查看趋势、对比相关测点并结合诊断结果进行处置。

IoTDB 为机组运行数据提供持续、可靠、可追溯的存储和查询能力，使历史数据能够用于模型训练、异常复盘和模型迭代；南京天洑软件有限公司工业 AI 底座则将这些时序数据与工况模型、指标模型、阈值模型及专家经验结合，形成面向电厂现场的监测和诊断应用。