引言：
華潤電力控股有限公司（簡稱“華潤電力”）是中國效率最高、效益最好的綜合能源公司之一，業態涉及火電、煤炭、風電、水電、分布式能源、核電、光伏發電等領域。十九大報告指出，要推進能源生產和消費革命，構建清潔低碳、安全高效的能源體系。能源技術與物聯網、云計算、大數據分析、人工智能等技術的深度融合，正在推動火力發電行業和電力企業的數字化轉型。為有效應對電力市場改革深化、煤炭成本居高不下、環保標準日益嚴苛等外部條件的挑戰，應用先進的云計算、大數據、物聯網、移動互聯、人工智能等技術建設一套貫通生產、服務運營、提升價值的火電集中監測與分析專家系統（簡稱：CSASS）成為華潤電力卓越運營“1211”戰略的重要平臺。
一、 項目概況
世界能源格局深刻調整、我國電力供需總體寬松、環境資源約束不斷加強的新時期，電力工業發展面臨一系列新形勢、新挑戰。構建以數據為核心的數字化平臺，成為火電企業應對顛覆環境下激烈競爭的共同之道。華潤電力將分布于不同地域、不同項目電廠的數據進行集中采集、處理、存儲、挖掘并進行集中監測與分析，形成工業互聯網大數據平臺。利用人工智能、機器學習等先進大數據算法，打通、整合、協同產業鏈，從而提升企業產業集群效率。CSASS是華潤電力落實華潤集團“華潤匯”戰略，打造行業安全可靠生產、高效運行、綠色環保的標桿，構建專業知識和能力高地，引領行業業務模式創新的重要抓手。
1. 項目背景
當前，全球新一輪能源變革正在興起，加快能源行業向清潔、低碳、高效的方向轉型發展，已經成為世界各國的自覺行動。在中國經濟發展新常態下，對于以火電裝機為主的發電企業，面臨市場需求放緩、設備利用小時降低、電價下滑、燃煤成本不斷攀升、資產運維日益復雜、節能環保要求更加嚴格等巨大挑戰。在面臨挑戰的同時，火力發電企業也迎來了電力市場化改革的機遇。十三五"是電力工業加快轉型發展的重要機遇期。在世界能源格局深刻調整、我國電力供需總體寬松、環境資源約束不斷加強的新時期，電力工業發展面臨一系列新形勢、新挑戰。隨著經濟發展進入新常態，增長速度換擋，結構調整加快，發展動力轉換，節能意識增強，全社會用電增速明顯放緩。局部地區電力供過于求，設備利用小時數偏低，電力系統整體利用效率下降。電力供應將進入持續寬松的新階段。
對于火力發電行業，技術創新與融合將是能源轉型的重要推動力量。能源技術與物聯網、云計算、大數據分析、人工智能等技術的深度融合，正在推動火力發電行業和電力企業的數字化轉型。構建以數據為核心的數字化平臺，成為火電企業應對顛覆環境下激烈競爭的共同之道。
中國政府在2015年正式提出了“中國制造2025造和“互聯網+聯的概念，為中國制造業升級和數字化轉型提供了政策支持。國務院印發《中國制造2025》提出了“通過‘三步走’實現制造強國的戰略目標”，并將“推進信息化與工業化深度融合”納入戰略任務重點，電力裝備是十大重點發展領域之一。國務院印發《深化制造業與互聯網融合發展的指導意見》指出，圍繞制造業與互聯網融合關鍵環節，積極培育新模式新業態，強化信息技術產業支撐，完善信息安全保障，夯實融合發展基礎，營造融合發展新生態，充分釋放“互聯網+聯的力量，發展新經濟，加快推動“中國制造”提質增效升級。當前全球主要國家掀起了新一輪以“信息技術與制造業融合”為共同特征的工業革命，加速發展新一代信息技術，并推動其與全球工業系統的深入融合，以期搶占新一輪產業競爭的制高點。無論是歐美老牌國家制造業的重振，還是中國制造業的轉型，工業大數據都將發揮重要作用。創新發展工業大數據必將成為未來提升制造業生產力和競爭力的關鍵要素。競爭形態的日趨激烈、商業模式的瞬息萬變、對信息透明和網絡信息安全史無前例的要求數字化帶來的這一切既是企業的巨大挑戰又是千載難逢的機遇。如何充分利用這些海量數據，來創造價值，是每一個現代化行業和企業成功的關鍵因素。
2. 項目簡介
1、 華潤電力在多年的企業發展過程中，形成了“火電為主、控制上下游、多業態協同、實現低成本競爭”的發展模式。在新的市場競爭條件下，華潤電力迫切需要推進創新轉型發展，打造企業核心競爭力。火電 CSASS 分析專家系統是華潤電力落實集團“華潤匯”戰略，打造行業安全可靠生產、高效運行、綠色環保的標桿，構建專業知識和能力高地，引領行業業務模式創新的重要抓手。
2、 CSASS是基于設備管理、服務運營管理的工業大數據分析與診斷云平臺。通過匯集海量生產數據，采用機器學習、人工智能等先進算法，結合行業經驗和華潤電力的技術積淀，全方位、多維度對機組運行狀態進行實時監測、分析與診斷，為機組安全、經濟、環保運行提供建議和優化方案。專家系統的特點在于它能夠感知人類無法達到的細度，并實現輔助人的判斷，我們相信隨著技術的發展CSASS最終能夠代替人實現分析與診斷。
3、 CSASS系統整體實施采用工業互聯網平臺功能架構，利用工業大數據處理、分析技術，采用微服務框架，基于工業大數據系統，PaaS層得以實現對邊緣層、IaaS層產生的電廠海量數據進行高質量的傳輸、存儲與管理。另一方面，利用工業數據建模與分析技術，將現場海量數據進行模型搭建，支撐電廠各種分析應用場景的實現。通過傳感器與數據分析技術，對電廠運行狀況、設備自身狀態進行實施采集、建模、分析，從而實現在線監測、故障診斷預警等服務，創造新的價值，實現企業轉型。
3. 項目目標
1、在“十三五”業務戰略規劃指引下，為了更好的應對電力市場改革，打造華潤電力核心競爭力。當下階段必須要推動創新，在電力領域建立標桿示范作用，引領電力行業的運營管理，促進華潤電力實現電力生產的有效管控和高效運營。通過建設一個匯集各項目公司離散數據的統一集中監測數據平臺，并運用大數據分析、人工智能等高級人工智能算法來輔助專家團隊進行集中監測與分析，從而有效推動華潤電力運營管理的流程化、 標準化、專業化、信息化、移動化、開放化、智能化，達到提升效益、提高效率的目標。
2、CSASS分析專家系統依托云平臺設計了設備預警、高級診斷、RCM、自動優化、能耗分析、負荷優化、燃料分析、技術監控等8大功能應用模塊和一個大數據分析模塊，功能應用模塊圍繞提高機組運行的經濟性、可靠性和快速性等方面設置，使得機組能夠在確保安全、環保性的同時提高運營管理水平。
二、項目實施概況
1. 項目總體架構和主要內容
火電CSASS是一套貫通生產、管理的具備自成長能力系統，通過構建海量數據的云平臺，匯集國內外專家經驗和華潤電力的技術沉淀，采用機器學習、人工智能等先進算法進行大數據分析，多參數、多維度實時監測機組運行數據，為機組安全經濟運行提供建議和優化方案，為控股、大區、項目公司運營提供綜合報告和決策支持。
按照方案合理、責任明確、經濟高效、客觀務實、便于操作的原則，將CSASS劃分為下面三個部分：
第一部分、（CSASS平臺-數據采集與集中監測系統）：負責實時數據平臺建設（包括數據接口、數據采集、專用軟硬件、畫面等），原有實時數據庫擴容。
第二部分、（CSASS平臺-系統集成與展示）：負責關系型數據平臺建設（包括數據接口、數據整合、專用軟硬件等），實現平臺整合、環保預警診斷、實時交互系統、實時成本核算、展示、綜合報表，含存儲、 服務器、虛擬化軟件等通用軟硬件采購。
第三部分、（CSASS平臺-分析專家系統）：負責非結構型數據處理、數據編碼原則及編碼清單，完成與數據采集與集中監測系統和系統集成與展示體統的數據接口，實現大數據分析、技術監控、設備預警診斷、以可靠性為中心的維護（RCM）、性能分析及優化、燃料分析及優化、自動品質評估、實時負荷調度等功能。
系統主要內容如圖1所示：
圖1 CSASS系統架構圖
展示層提供WEB的統一訪問入口；平臺服務層主要包括運維專業的智能服務、流程服務以及報表服務；數據層主要包括實施數據服務、關系數據倉庫、非結構化數據集中儲存、以及服務系統數據部分，此外，服務層還實現于企業各種基礎信息系統資源的集成和利用，提高了服務的使用價值和運維工作的協作性。主體技術架構如圖2所示：
圖2 CSASS工業互聯網平臺功能架構圖
數據技術架構層級上具體劃分如下：
數據采集層，包括時序數據采集與治理、結構化數據采集與治理和非結構化數據采集與實時處理。海量工業時序數據具有7*24 小時持續發送，存在峰值和滯后等波動，質量問題突出等特點。針對結構化與非結構化數據，需要構建同時兼顧可擴展性和處理性能的數據采集系統。
數據存儲與管理層，包括大數據存儲技術和管理功能，構建數據模型管理、數據質量管理、數據資產管理、數據安全管理和數據共享管理技術體系。
數據分析層，包括基礎大數據計算技術和大數據分析服務功能，其中基礎大數據計算技術包括并行計算技術、流計算技術和數據科學計算技術。在此之上構建完善的大數據分析服務功能來管理和調度工業大數據分析。
數據服務層是利用工業大數據技術對外提供服務的功能層。包括數據訪問服務和數據分析服務。其中數據訪問服務對外提供大數據平臺內所有原始數據、加工數據和分析結果數據的服務化訪問接口和功能；數據分析服務對外提供大數據平臺上積累的實時流處理模型、機理模型、統計模型和機器學習模型的服務化接口。數據服務層提供平臺各類數據源與外界系統和應用程序的訪問共享接口，其目標是實現工業大數據平臺的各類原始、加工和分析結果數據與數據應用和外部系統的對接集成。
數據應用層，主要面向工業大數據的應用技術，包括數據可視化技術和數據應用開發技術。綜合原始數據、加工數據和分析結果數據，通過可視化技術，將多來源、多層次、多維度數據以更為直觀簡潔的方式展示出來，易于理解分析，提高決策效率。綜合利用微服務開發框架，基于工業大數據管理、分析技術快速實現工業大數據應用的開發與迭代，構建面向實際業務需求的，數據驅動的工業大數據應用，實現提質降本與增效。數據應用層生成可視化、告警、預測決策、控制等不同的應用，從而實現智能化設計、智能化生產、網絡化協同制造、智能化服務和個性化定制。
CSASS分析專家系統主要技術方案如圖3~圖11所示：
圖3 設備預警模塊技術方案
圖4 高級診斷技術方案
圖5 RCM模塊技術方案
圖6 能耗分析模塊技術方案
圖7 自動評估模塊技術方案
圖8 負荷優化模塊技術方案
圖9 燃料分析模塊技術方案
圖10 技術監控模塊技術方案
圖11 大數據分析模塊技術方案
2. 關鍵技術及重點解決問題
CSASS系統重點解決的問題和采用的核心技術
項目重點解決的問題和采用的核心技術包括：
1、通過閾值調優算法及設備模型拆分降低預警系統漏報率、誤報率，不斷減輕人員工作強度；
2、通過NLP、SDA和規則診斷結合的方法，并不斷豐富案例庫，以合并診斷來提高診斷準確率；
3、通過多重數據重構方法提高性能指標計算的準確率；
4、通過自動回路在線閉環辨識方法建立控制回路仿真提高自動回路參數整定有效性；
5、通過基于實時對照的啟停評價方法建立機組啟停模型，評價機組啟停過程；
6、通過采用粒子群（PSO）等算法對多級在線熱負荷分配，滿足多目標優化；
7、通過歷史檢修案例與在線數據結合的方法對火電設備可靠度在線計算，實現設備可靠度在線評估。
并且在后續逐步研究：
8、鍋爐結焦預警建模技術；
9、基于故障模式的合并診斷技術；
10、基于歷史數據挖掘的動態標桿尋優技術；
11、機組復雜回路在線閉環建模技術；
12、機組在線健康度評價技術；
13、設備模型自適應調優技術；
14、基于數據驅動與規則模型融合的在線診斷技術；
15、機組自動調節回路在線評估技術；
CSASS系統采用當前人工智能領域的最新成果，融合自然語言處理、智能數據預處理、深度學習等技術，與傳統的統計學算法、機理分析相結合，在機組可靠性與經濟性兩大主線所包含的諸多應用功能中，取得設備預警、高級診斷、以可靠性為中心的維護、數據重構、自動優化、負荷優化等多項行業內的技術突破，并以技術監控為抓手，實現技術與運營的深度融合。后續系統還將逐步遷移到國際上先進的基于工業物聯網工業云平臺——MindSphere平臺上，建立實際物理設備與數字對象之間的映射關系，構建實際與虛擬世界的數字雙胞胎模型，并以微服務和MindApp的形式將各業務功能遷移到MindSphere平臺上。
3. 應用場景和應用效果
應用案例一：
CSASS系統目前已完成目前CSASS項目數據采集與集中監測、系統集成與展示已完成華潤電力九個大區共28家電廠69臺機組的數據接入，形成了電力行業世界領先的實時大數據平臺，形成統一的實時大數據平臺，破除了項目公司間的數據孤島。數據時間跨度涵蓋了一個機組大修周期，并且與SIS、ERP、FOS、財務預算等系統建立關系型數據庫接口，接入項目公司現場測點、燃料、財務等數據。
圖12 數據集成與展示
通過設備預警、以可靠性為中心的維護、環保預警等功能提高設備安全可靠性，探索狀態檢修及全周期壽命管理，取得初步成果。
通過燃料分析、能耗分析、負荷優化等模塊對提高機組經濟性，探索新技術路線對節能的促進作用，積累了相關應用經驗。
通過自動優化、高級診斷、綜合報表等實現了機組的靈活性提高，并降低現場工作人員勞動強度。
針對現場實際存在的痛點問題，采取了一系列突破性的技術創新，并取得了初步的成果。如圖13所示：
圖13 CSASS系統取得的初步成果
應用案例二：
通過機器學習、深度學習（SVM、GMM、RGMM）等高級人工智能算法建立火電廠各設備、系統不同參數之間的關聯關系，并形成實時預警監視，當設備或系統的參數出現與正常規律不一致的情況，產生預警，可以比人更早的發現一些設備早期的故障征兆，對于提早發現設備故障、提早處理，防止問題擴大具有顯著的作用。
目前設備預警模塊已經對華潤電力內部多家項目公司的設備早期故障提出了預警信息，模型誤報率達到30%以內，漏報率0次/年。防止了多起設備故障的擴大，避免了進一步的經濟損失，為設備的可靠性提供了保障。
圖14 提前8小時發現空預器
圖15 提前6小時發現#3高加泄漏故障
應用案例三：
診斷模塊應用：
（1） 電機軸承溫度高
南京化學工業園熱電有限公司2018年10月29日從預警系統推送至診斷系統一條告警信息：“前置泵電機軸承溫度高”，診斷系統根據告警信息推薦的案例中詳細介紹了前置泵電機軸承溫度高的主要原因與處理方法，用戶參考推薦案例，判斷軸承溫度高的原因為潤滑油過量，通過調整自動加油裝置的加油頻率解決了該問題，而這一案例也作為新的案例進入了知識庫，當該問題再次發生時，診斷系統會立即推送該案例給用戶，起到知識傳承的作用，診斷過程參見圖16。
圖16 電機軸承溫度高診斷案例
（2） 低加疏水閥位反饋異常
告警描述：17#低壓加熱器正常疏水調節門閥位反饋高。
原因分析：負荷快速變化，凝結水流量快速變化，導致低加水位快速波動，低加正常疏水調閥調節速率跟不上。
解決方案：
①負荷變化時加強調整，減少凝結水波動。
②關注低加水位跟蹤情況，若正常疏水調閥調節滯后，安排就地對調閥進行檢查。
③做好事故預想，防止低加跳閘。
具體診斷過程參見圖17。
圖17 低加疏水閥位反饋異常診斷
（3） 一次風機軸承振動大
告警描述：一次風機軸承X、Y方向振動大；一次風機電機軸承X、Y方向振動大。
原因分析：低負荷時兩側風機并列運行，調整時偶有搶風現象，導致振動小幅波動，目前已正常。
解決方案：運行人員在機組低負荷時，加強對風煙系統設備的運行參數監視，及時調整兩側風機運行風量。
具體診斷過程參見圖18。
圖18 一次風機軸承振動大
應用案例四：
通過制定各設備的拆解結構關系，失效原因分類，不同部件的可靠性壽命時間，檢修成本等，并與實際檢修記錄相結合，建立以可靠性為中心的維護優化策略，通過調整和比對不同的檢修方案，優化現有的檢修策略，達到消除設備欠修，避免設備過修的目的，在整體保障設備可靠性的同時，降低檢修費用。為設備的經濟性提供了支撐。
圖19 調整循環水泵的檢修項目，對檢修費用進行優化
圖20 對比優化后的設備可靠度隨時間變化的關系
應用案例四：
通過建立熱控調節回路模型，對電廠的控制回路參數進行在線辨識及優化，實現解決調節回路無法投入或調節效果不佳的問題。使機組調節更迅速、準確，提高機組的安全穩定性、經濟性與靈活性。
圖21 優化前與優化后的調節性能變化，調節更迅速準確
圖22 優化前后的氧量分布，優化后氧量控制更準確
應用案例五：
負荷分配采用粒子群算法對負荷進行優化分配，從而獲得最優的負荷分配，現階段各廠采用等微增的方式對負荷進行分配，但等微增方式無法對多個優化目標進行分配輸出，且要求分配函數單調，容易陷入局部最優，粒子群算法則可以實現多目標優化，且能夠更大限度的尋找到全局最優。針對江蘇電網暫不能實現廠級電負荷調度情況，專門開發了鎖定電負荷，分配熱負荷的優化模式，以滿足供熱機組節能要求。負荷分配模塊還可根據大區各機組進行自定義配置，靈活劃分機組群，以實現負荷的靈活分配。
實時負荷分配模塊2019年8月22日在化工園的#4和#5機組進行了實時負荷分配的試驗，分別進行了單機電負荷210MW、230MW下供熱負荷轉移的實時負荷優化效果驗證。試驗效果如下表所示，結果表明：扣除供熱變化因素，優化節能量折合標煤1.8t/h，210MW下供熱負荷轉移的試驗結果，優化后的約合全廠發電煤耗下降4.25g/kWh，230MW下供熱負荷轉移的試驗結果表明，優化后的約合全廠發電煤耗下降2.05g/kWh。實際節能量根據負荷、工況不同，較平均分配有1~5g/kWh的下降。
圖23 第一次驗證圖
圖24 第二次驗證圖
應用案例六：
CSASS技術監控模塊收錄現行常用技術監督標準851項，和ADS模塊共享經驗2668條，為用戶提供快速高效資料支撐。輔助項目公司完成線上問題閉環管理1805項。完成線上重要離線數據報告填報共1079項。項目公司進行線上技術監督活動或會議共628次，完成會議待辦任務建立和跟蹤105項。
圖25 計劃執行情況對比圖及速報數量對比
三、下一步實施計劃
1. 計劃1
后續系統還將逐步遷移到國際上先進的基于工業物聯網工業云平臺——MindSphere平臺上，建立實際物理設備與數字對象之間的映射關系，構建實際與虛擬世界的數字雙胞胎模型，并以微服務和MindApp的形式將各業務功能遷移到MindSphere平臺上。
2. 計劃2
將推廣CSASS至華潤電力全部大區，實現作業網絡協同化，監督管理統一化，數據創值智能化，提升華潤電力整體效益和效率。
3. 計劃3
目前已對現有2400多個預警模型進行歸納、分析，總結出相對標準化的設備模型，可作為以后擴展電廠的建模的指導，提高建模的質量、速度，便于新建機組建模人員的水平快速提高。同時隨著更多電廠人員加入預警建模工程，將預警模型的標準化工作持續推進，實現模型質量的螺旋式上升，持續改善模型質量，以更好地服務于現場生產過程的智能化監測。
四、項目創新點和實施效果
1. 項目先進性及創新點
1、企業級工業互聯網大數據平臺，實現海量數據采集、處理、分析、存儲、展示一體化。
2、CSASS項目整體基于先進的工業物聯網云平臺-MindSphere平臺構建，擁有開放的標準和接口，供用戶進行數據的深度分析和價值提煉。
3、突破傳統技術監督局限，在線監督國家、行業標準的執行情況，創新性地融合CSASS各功能模塊輸出，實時監測和分析與關鍵設備健康有關的參數、指標，保障火電機組安全、優質、經濟運行。
4、技術進步帶動管理理念的創新，構建智能智慧電廠。
圖26 管理理念的創新
5、整合現有資源，形成統一互聯網平臺，完成數據驅動、功能融合的統一管控、整合原有系統并開發統一系統、實現集團級智能化電廠的解決方案、電廠虛擬化指導生產。
圖27 四個統一
2. 實施效果
1、 應用效果
1、提高設備運行可靠性：
保證生產穩定可靠是第一要務，設備預警模塊模塊采用多種人工智能算法，利用正常運行的歷史數據建立預警模型，當數據間聯系發生異常時就預示著故障的可能性。它的優勢在于能比人更早地發現潛在的問題征兆，并能總體提前預警1小時至數天，為調整與處置或者提前準備檢修創造條件，避免故障擴大，造成更大的損失。
預警模型搭建趨勢模型超2400個，規則模型1000個，模型上線率達90%，誤報率30%以內，故障漏報率為0，形成預警報警信息25萬條，正確預測設備劣化超550例以上，其中化工園、南熱、銅山等項目公司成功的預測出空預器密封片碰磨、高加泄漏、旁路泄漏、疏水閥內漏、空預器堵塞、振動異常、軸承溫度異常等早期劣化現象，將設備異常消滅在萌芽狀態。正確預測較大設備劣化超過500例；診斷系統知識庫案例數量超過2600個，形成規則數量750個，理論上可診斷278種設備故障；預測22類設備可靠性的發展趨勢。
（1）減少鍵盤人員，降低勞動強度，預警模塊實現輔助鍵盤功能，可減少每年每家項目公司運行人員1人。
（2）減少設備的檢修及備件費用。預警診斷模塊2019年在江蘇大區共提前預警500多次事故隱患。
（3）減少機組非計劃停運次數。江蘇大區2018年非計劃停運次數8次，2019年非計劃停運5次。
除了發現潛在的問題外，系統還希望能夠幫助技術人員進一步找出“病因”并開出“藥方”。高級診斷模塊中采用了自然語言處理（NLP）、詞向量、傳感器數據分析（SDA）等智能診斷技術的最新成果，以“中西醫結合”的方法實現對故障的診斷，并推薦以往處理方案。目前的診斷成功率超過85%，通過診斷系統的應用，形成華潤電力統一的知識庫，使知識得以分享和傳承。
既要保證系統可靠性，又要降低檢修費用，是RCM模塊所需要解決的問題。模塊采用統計方法對檢修歷史數據分析，結合設備結構分析不同故障的可能性和設備總體可靠性，并能夠采用模擬的方法計算不同檢修方案的費用及可靠度變化情況，以風險矩陣的方式提示不同檢修方案處于的欠修或過修狀態，為設備檢修提供量化的數據支撐。
通過對給水泵在線模擬不同的檢修方案，按照風險矩陣的提示狀態，發現在現有的檢修方案基礎上，還可以進一步優化檢修策略，實現更好的綜合經濟效益。
2、經濟性：
通過經濟性線相關模塊實施與應用，一方面降低江蘇電網的考核費；同時，江蘇大區各項目公司煤耗普遍下降，循泵優化模型為每家項目公司帶來節能收益約20萬元/年。低省優化模型為一臺60萬機組降低煤耗0.2g/kWh。建立對標或優化模型近10類，其中4類已產生明顯效果。其中板橋減溫水優化模型投運后，煤耗下降0.7g/KWh，化工園負荷分配優化模型，煤耗下降4.25g/kWh。
經濟性的基礎起源于能耗分析模塊，模塊通過統一算法，給出各機組較為全面的實時能耗數據，并向其它模塊輸出。模塊提供了靈活開放的二次計算能力和全面的對標能力，為項目公司提供能耗橫向、縱向對標工具及問題深入分析的手段。已在多機組供熱分配優化、循環水泵運行優化等問題上取得較好的效果。
經濟性更大的效益空間來自未來的電力現貨交易，負荷優化模塊提前為這一趨勢而準備，模塊通過大數據挖掘產生機組歷史能耗規律，結合機組電、熱負荷的可運行區域及安全、環保約束條件，對不同機組的電、熱負荷分配方案進行在線優化。通過對大量歷史數據的分析，某一供熱機組按照優化后的熱負荷分配方案，進行實際切換，并由在線能耗計算發現能耗降低約1%。
燃料分析模塊提供不同項目公司的燃料對標平臺，通過對關鍵燃料指標的對比，促進燃料管理水平提高。同時，通過采集各模塊的安全、環保、經濟數據，建立各機組的不同摻燒方式的事后評價檔案，幫助項目公司積累經驗，優化摻燒方案。
3、響應快速性：
改善各機組自動回路投運效果，提高AGC變負荷率；自動生成生產需要的各類報表，提高工作效率；實時制定設備檢修策略，能更快出具故障診斷方案。機組自動投入率從82%提升到89%，提高機組自動化水平，使機組調節更靈活快速。提前數分鐘至數天發現設備或系統存在的隱患，快速發現設備異常。快速獲取全控股專家經驗，迅速給出故障原因以及解決方案。
（1）機組反應的快速性
技術監控模塊將傳統的技術監督工作與線上數據相結合，創造性地提升了固有的技術監督模式。模塊提供專業知識、資料支持；自動生成各項監督任務并實現全程管理；通過采集數據完善監督指標數據和實時告警體系；通過捕捉重點指標，在線分析重要設備的劣化趨勢狀態；在線比對優化機組啟動過程數據，在保證啟動安全性的同時，控制啟動消耗；建立設備健康檔案，實現設備全壽命周期健康管理。保證機組處于健康狀態，隨時準備應對升降負荷。一方面，提高項目公司運行水平，另一方面提高機組設備監測維護水平。
利用能耗模塊搭建不同設備配合模型，合理切換設備，提升現場人員操作水平，提升機組反應速度。利用自動模塊提高機組自動投入率，使機組使機組自動化水平，使機組調節更靈活快速。
（2）運營效率的快速性
企業級工業互聯網大數據平臺，實現海量數據采集、處理、分析、存儲、展示一體化。自動報表、自動報告等減輕日常的工作量。對標工具、自定義組件等加快用戶的使用效率。CSASS平臺多個遠程離線試驗平臺，用戶可以利用工具快速獲發起試驗并得出結果。自動生成工作任務計劃功能、系統間自動流轉。
（3）售電反應的快速性
系統已經和后續的售電等環節對接，從一開始就考慮到了相關信息化的共享與打通。準確、及時計算生產成本提高機組響應快速性，并給售電云提供全面支撐，為開拓電力市場打牢基礎。
通過系統快速計算每臺機組每個項目公司的度電成本，縮短成本核算周期，為售電市場開辟提供有力支撐，提高對市場變化反應的快速性，有效提高售電的競爭力。
4、運營管理水平：
建立項目公司與控股之間線上實時業務通道，提升管理效率50%左右；CSASS已輔助項目公司完成線上問題閉環管理1805項，降低了管理成本。建立了規范的工作標準與流程，全控股共享的知識庫、策略庫、案例庫，輔助運營管理智慧決策。構建數據中心，便于數據統一管理監控。CSASS各功能與現場崗位職責相結合，形成CSASS標準應用場景，并結合日志對系統使用人員進行監督管理。無人干預下發現技術監督隱患，并依托平臺實現問題的閉環管理，降低管理成本。
（1）認知與應用深化
通過認知培訓、操作培訓、實際應用、使用驗證、理論培訓、使用優化提升項目公司用戶管理水平、技術水平。
（2）組織與管理的探索
以預警模塊為例，通過實踐+經驗分享模式探討，統一采用專工+模型主人的管理方式，讓具有技術高度、模型統一有責任人落實、模型具有生命力。
（3）克服固有習慣
采用管理指標、激勵機制、員工培訓三種方式克服一些固有的習慣。
管理指標包括案例、經驗貢獻量、預警診斷問題處理及時率、自動投入率、設備性能指標。
激勵機制包括展示工作標兵、樹立學習標桿、量化工作、物質獎勵、模型經驗冠名實施精神鼓勵。
員工培訓包括副監控中心培訓、項目公司分模塊，分階段培訓、項目公司全員培訓等。
（4）管理路徑縮短
以往技術信息獲取通過異常發生-運行人員確認-專業獲知及確認-領導獲知及指揮-控股、大區獲知的方式。通過CSASS系統，信息獲取方式得到優化，各級可根據權限不同及時有效獲取信息。通過系統的自動獲取、處理及分發，管理者可以更快速的獲取到各項目公司的生產技術數據、狀態等信息，提高了管理層獲取重要信息的便捷程度，較之以往的逐級信息傳遞更快速，能夠幫助對現場的管理更全面、更扁平。
二、綜合效果
分析專家系統功能來源于機組實際運行需求，能有效提高設備運行的可靠性和經濟性，提高運營響應的快速性。
預警模塊：全面、全時監測、預警，提前發現設備運行隱患。
高級診斷模塊：在線分析預警原因，制定對策。
以可靠性為中心的檢修：優化檢修策略，減少檢修費用。
能耗分析模塊：設備性能計算，性能劣化分析、診斷，運行優化指導。能耗計算實現線上試驗比對，試驗工況計算精度小于1%，并驗證了標桿庫的有效性。實時分析電網輔助服務指標，幫助項目公司減少考核損失，提高經濟效益。采用仿真優化的技術路線替代人工經驗，實現控制回路參數優化。
自動模塊：提高自動控制回路調節品質，參數穩定，達到設計值；提高機組變負荷性能，減少兩個細則（一次調頻、自動發電控制（AGC））被考核量）。提高自動控制回路調節品質，提高機組變負荷性能，在輔助服務中創造更大價值；為電力市場競爭提供強大支撐。
負荷優化模塊：區域、廠內電負荷、熱負荷優化調度，減少整體煤耗。
燃料分析模塊：指標對比，降低管理煤耗；在線評價摻燒方案；給燃料采購提供耗用量預測。
技術監控模塊：在線監督、評價生產過程主要參數和指標，數據、指標準確、及時，提高運營決策快速性。在線監督、評價生產過程主要參數和指標，避免設備故障。突破傳統技術監督局限，在線監督國家、行業標準的執行情況，創新性地融合CSASS各功能模塊輸出，實時監測和分析與關鍵設備健康有關的參數、指標，保障火電機組安全、優質、經濟運行。
（1）本產品的應用，為發電行業設備狀態監測與故障診斷專家系統的應用提供了一個標桿，特別是基于大數據機器學習算法（GMM、RGMM、SVM核心算法模型）改變了傳統的依靠人員管理經驗進行設備狀態監測與故障診斷，在系統使用過程中專家經驗得到繼承與發展。
（2）發電部、技術支持部專工對于設備狀態監測的實時性提高，及早發現設備隱患，并通過運行調整、設備維護、設備檢修等快速反映提高隱患處理的周期，避免異常的擴大，較少檢修的工作量，工作效率得以提高。
（3）幫助火電廠提高了設備劣化、缺陷監測與故障診斷水平，從而提高發電設備的可靠性，減少機組非計劃停運事件的發生。
（4）構建了火力發電行業的知識庫，使得專家經驗得以繼承與發展，為后續人才培訓提供了豐富的案例資源。
CSASS系統已匯集華潤電力火電項目多年生產實時數據，形成了統一大數據平臺，體現了工業互聯網發展方向。通過匯集各系統不同數據，建立統一、標準的指標庫，采用商業智能技術，通過圖形化分析工具，實現快速智能分析。
CSASS系統采用當前人工智能領域的最新成果，融合自然語言處理、智能數據預處理、深度學習等技術，與傳統的統計學算法、機理分析相結合，在機組可靠性與經濟性兩大主線所包含的諸多應用功能中，取得設備預警、高級診斷、以可靠性為中心的維護、數據重構、自動優化、負荷優化等多項行業內的技術突破，并以技術監控為抓手，實現技術與運營的深度融合。