1 前言
近年來,我國發電廠在不同程度上實現了數字化。數字化電廠通過對電廠各類信息的數字化處理,借助於(yu) 網絡技術實現準確且可靠的信息交換和實時共享,並利用智能專(zhuan) 家係統進行各種優(you) 化決(jue) 策,為(wei) 機組的運行和維護提供科學指導。數字化電廠建設的最終目標絕不僅(jin) 僅(jin) 是一個(ge) 信息化、數字化平台,而是電廠設備和運行狀態的優(you) 化決(jue) 策和智能評判,也就是智慧電廠。對智能技術的追求和應用正是工業(ye) 4.0時代有別和進步於(yu) 工業(ye) 3.0時代之處。
從(cong) 智慧電廠的定義(yi) 來看,設備狀態的智能分析和評判是智慧電廠建設的主要工作之一。發電廠其實很早就開始這方麵的研究。1996年,我國電力工業(ye) 開始引入設備狀態檢修管理模式,並首先在北侖(lun) 、外高橋、鄒縣、石橫等電廠試點。1997年,在原電力工業(ye) 部的組織下製定了《狀態檢修建議書(shu) 》。此後,狀態檢修工作在電力行業(ye) 得到了推廣和應用。電廠狀態檢修實施近20年來,應該說取得了一定成效,但與(yu) 預期相比還有較大距離,主要表現在對數據的利用和挖掘程度嚴(yan) 重不足。大量的數據資源由於(yu) 缺乏整合,數據分散並缺乏連貫性,無法將監測到的數據充分利用起來,再加上欠缺高層次專(zhuan) 業(ye) 技術人員等,使得管理人員很難從(cong) 中得到有用信息從(cong) 而做出有效決(jue) 策。這樣的問題同樣存在於(yu) 數字化電廠向智慧化電廠發展過程中,是智慧化電廠建設所需要突破的關(guan) 鍵瓶頸技術問題。在智慧化電廠建設過程中,我們(men) 應該充分認識到數據不加以整理不能成為(wei) 信息,信息不加以分析不能成為(wei) 知識,知識不加以應用不能成為(wei) 力量。
在大數據、信息化和工業(ye) 智能時代,上述瓶頸問題有望得到突破。本文針對iDS3000智慧電廠設備智能診斷係統建設過程中的關(guan) 鍵技術問題、可行性和框架結構等進行探討。
2設備智能診斷的重要性分析
“安全、經濟、環保”運行是現代化電廠的要求。上述眾(zhong) 多指標中,設備的安全運行永遠處於(yu) 第一位。沒有安全,就無法實現電廠的經濟、環保運行。設備狀態的分析和診斷是電廠安全生產(chan) 的重要環節,電廠對此都給予了高度重視。這項工作建立在大量監測數據基礎上,但更需要有專(zhuan) 業(ye) 的技術人員能對這些數據進行分析,對技術人員的要求極高,不僅(jin) 要求其具有深厚的專(zhuan) 業(ye) 知識,很強的責任心和事業(ye) 心,還需要有豐(feng) 富的經驗積累。發電廠缺少這樣的專(zhuan) 業(ye) 技術人員。設備出現故障後,大多需要邀請電科院或集團技術中心的專(zhuan) 業(ye) 技術人員來廠檢測分析。專(zhuan) 業(ye) 技術人員數量較少,來回奔波比較辛苦,無法做到對故障評判的實時響應,無法開展正常運行狀態下設備的預警工作,難以滿足現代化電廠生產(chan) 需求。如何擺脫對技術人員的依賴、減少對技術人員的需求並能將眾(zhong) 多技術人員的經驗收集起來客觀地開展設備狀態分析和診斷工作,是電廠設備管理未來的發展方向。設備的智能分析和診斷技術為(wei) 此提供了一條路徑。
3 設備智能診斷的現狀分析
上世紀90年代初,隨著人工智能技術(神經網絡、模糊數學、專(zhuan) 家係統等)的發展,國內(nei) 一些研究機構和高等院校先後開展了設備智能診斷技術和係統研究,並主要將其應用於(yu) 火電廠、冶金和石化等行業(ye) 的汽輪機、發電機、壓縮機等大型設備上。這類研究火熱了一段時間。但隨著時間的推移,這類係統大多因為(wei) 沒有能發揮出預期的診斷效果而逐漸被淘汰。現階段國內(nei) 也有一些係統號稱設備診斷專(zhuan) 家係統,能包治百病。設備出現故障後,往往同時給出7、8種故障可能性,把所有的故障可能性都包括進去了。對發電廠來說,對設備故障診斷結果有著苛刻要求,不僅(jin) 要求能做到故障定位,而且要求能做到故障定性和故障定量,模棱兩(liang) 可似是而非的結論,雖然沒錯,但對電廠而言毫無用處。
這就帶來一個(ge) 困惑,故障定位相對容易,但能否做到故障定性、定量?設備智能診斷是否可行?電廠大多對此抱著懷疑和觀望的態度。一個(ge) 顯擺的事實就是,在很多電廠,花了大價(jia) 錢配置的汽輪機振動監測係統TDM成了聾子的耳朵,沒人去管理和維護,讓人很困惑。
故障機理研究是設備診斷的基礎。隻有掌握了設備故障機理,才可能知道故障所對應的特征,進而反推故障原因。國內(nei) 在故障機理研究方麵開展了大量工作,各大高校都有這樣的研究方向,每年都有很多博士生和碩士生在從(cong) 事這方麵的研究,我們(men) 每年也要評審很多這方麵的論文和項目,也經常有單位邀請我們(men) 講講該領域的研究進展。客觀地說,20多年來,該領域沒有明顯的、突破性的進展,主要表現在:
(1)大量的研究集中在故障診斷算法上。遺傳(chuan) 算法、神經網絡、進化論等複雜算法被廣泛應用於(yu) 故障診斷領域,被稱之為(wei) 先進診斷技術,該方麵的論文層出不窮,甚至是為(wei) 了論文而論文。相反,在故障機理方麵所開展的基礎性研究則很少。事實上,當故障機理研究清楚後,診斷問題就很簡單,無需複雜的算法,設備故障診斷問題即可迎刃而解;故障機理沒有研究透,診斷問題就很複雜。對工程問題而言,追求的應該是簡潔明了,簡單即實用。複雜的診斷算法中大多包含一些需要人為(wei) 主觀設置和調整的係數和因子等,或需要根據診斷結果來人為(wei) 調整這些係數和因子,帶有很強的主觀性,而工程問題強調和需要的是客觀性評價(jia) 。
(2)脫開設備對象特性研究診斷方法和技術。設備故障診斷就像一個(ge) 外科醫生給病人看病一樣,需要熟練知道設備每個(ge) 部件的結構和功能,需要熟悉設備的運行特性、運行規程和操作方法等,從(cong) 係統層麵來開展。而目前所開展的故障診斷研究大多還是針對單個(ge) 部件進行,高度不夠。一些疑難故障的診斷走了很多彎路,回過頭來看,正是因為(wei) 缺少對係統的深入認識而引起的,倒不是因為(wei) 故障機理有多麽(me) 複雜。
案例1:某電廠1台135MW汽輪機,型號為(wei) 135-13.2/535/535型超高壓、一次中間再熱、單軸、衝(chong) 動式、雙缸雙排汽、直接空冷供熱凝汽式汽輪機。2012年以來,突發不穩定振動15次,主要發生在3#軸承上,並影響到其它軸承。振動突發後,停機過程中振動還會(hui) 出現一定的爬升現象,停機後軸偏心比開機大20μm左右。振動突發和消失的時間在1h左右,有時可以自行消失,有時需要通過降低負荷、低壓缸噴減溫水、調節軸封供汽壓力和溫度等方式來控製振動。曾先後邀請多家單位處理未果。2013年8月份以後,振動波動頻率變快,半年時間內(nei) 突發4次不穩定振動。查閱DCS曲線,尋找振動和相關(guan) 參數之間的關(guan) 係,分析參數包括:真空、排汽溫度、軸封供汽溫度和壓力、負荷、減溫水等。4次振動突變現象都表明:
l 排汽溫度、軸封溫度和壓力等因素的影響比較複雜;
l 振動突發後,降負荷可以抑製振動,兩(liang) 者之間存在滯後現象;
l 高真空下振動偏大,低真空下振動較小,振動突發後降真空會(hui) 降低機組振動;
l 供熱狀態和純凝狀態相比,供熱狀態下真空低3KPa;2012年和2013年,供熱狀態下未發生不穩定振動,純凝狀態下易發生不穩定振動。
根據上述現象,判定高真空下汽缸下沉,破壞了動靜間隙,易發生因汽封與(yu) 轉軸之間的徑向摩擦所引起的不穩定振動。停機檢查,發現低壓缸第二級隔板汽封與(yu) 轉軸之間摩擦得很厲害,如圖2所示,驗證了診斷結論。在本次診斷案例中,大量用到了機組係統和運行方麵的知識。如果對係統不熟悉,很難準確診斷故障原因。
2013年8月8日 2014年2月26日
2014年3月16日 2014年3月23日
圖1 某台機組上發生的突發性不穩定振動
圖2 低壓缸第2級隔板汽封摩擦情況
(3)工程與(yu) 實驗室之間的差別。設備診斷這項研究具有一個(ge) 典型的特點,用時髦的話來講,就是特別接地氣,而高等院校開展的很多研究與(yu) 工程之間還有很大的距離。例如,國內(nei) 學術界關(guan) 於(yu) 不對中故障機理的研究、關(guan) 於(yu) 摩擦故障機理的研究等等與(yu) 工程實際之間的差距較大,理論研究成果甚至會(hui) 誤導診斷工作。例如,還有很多研究在針對轉軸裂紋等極少發生的故障類型而開展,這樣的研究基本上沒有意義(yi) ,因為(wei) 汽輪發電機組本身就帶有很多可以視為(wei) “裂紋”的部件,如發電機轉子上為(wei) 平衡大、小齒剛度差而專(zhuan) 門設計的月牙槽等(圖3)。又如一旦遇到超(超)臨(lin) 界機組高中壓轉子振動逐漸增大現象,就說是材料熱應力釋放等,聽起來很有道理,但並沒有從(cong) 深層次角度分析振動增大和發展的原因。
圖3 發電機轉子表麵的“裂紋”—月牙槽
(4)所研發的設備故障診斷係統大多基於(yu) 振動信號開展,對負荷、流量、溫度、電流、真空、脹差等過程量的重視程度嚴(yan) 重不足,沒有能夠把振動數據和過程參數關(guan) 聯起來分析,導致振動分析和診斷結果不夠深入。事實上,振動和過程參數之間的關(guan) 係中包含了很多故障特征。一台運行正常的旋轉設備,理論上其振動隻應該和轉速有關(guan) ,和其它過程參數之間不應該有關(guan) 係。根據振動和過程參數之間的關(guan) 係,可以把很多帶有很強相似性的故障區分開來。設備診斷時是否能充分和深入利用過程參數,實際上反映了技術人員診斷水平的高低。
4設備智能診斷的可行性分析
開展設備智能診斷有幾個(ge) 前提條件:完備的設備狀態數據、細致和先進的特征提取技術、豐(feng) 富的專(zhuan) 家經驗,上述幾點前提缺一不可。現根據這幾點對設備智能診斷的可行性進行分析。
4.1完備的設備狀態數據
數字化電廠為(wei) 智能化電廠建設提供了堅實平台。相對於(yu) 上世紀90年代,發電廠在設備狀態信息獲取方麵已經取得了顯著進展。目前電廠大多配備了全廠信息化SIS係統和TDM係統,先進的TDM係統已經能夠把TDM監測到的振動數據和SIS係統過程數據有機結合起來。專(zhuan) 家到廠後,根據這些數據完全可以對設備狀態進行分析。在目前技術條件下,專(zhuan) 家即使不到廠,也可以利用這些數據遠程進行分析和診斷。應該說,開展設備智能診斷所需的數據基本齊全。
4.2細致和先進的特征提取技術
調取和查閱監測數據,分析和挖掘故障特征,是專(zhuan) 家到廠後首先需要開展的工作。專(zhuan) 家能否從(cong) 大量的數據中發現和準確把握故障特征,決(jue) 定了他是否能準確診斷故障。可以說,專(zhuan) 家心細程度在很大程度上決(jue) 定了他的診斷水平。在案例1中,如果能從(cong) 大量的數據和圖譜中發現不穩定振動和真空之間有一定關(guan) 係,故障原因也就迎刃而解了。
案例2:某廠1台1000MW汽輪發電機組軸承座振動較大,振動與(yu) 負荷、勵磁電流等有一定關(guan) 係。現場曾經專(zhuan) 項開展變勵磁電流試驗,未發現振動和勵磁電流之間有明顯關(guan) 係。到廠後查閱機組曆史振動數據和曲線,如圖4所示。從(cong) 圖中可以看出:發電機軸振、瓦振受勵磁電流影響較大。勵磁電流增大後,各點振動變化有比較明顯的滯後現象,滯後時間約30min。變勵磁電流試驗過程中,各點振動基本上呈現同步變化趨勢。發電機振動與(yu) 電流、負荷關(guan) 係密切,而且存在比較明顯的滯後現象,說明發電機轉子存在比較明顯的熱變形。熱變形原因有匝間短路、端部線圈熱膨脹不暢、線圈之間絕緣墊塊鬆動和移位、通風孔堵塞導致冷卻不均勻等。利用機組檢修機會(hui) 將轉子抽出檢查,發現轉子存在匝間短路現象,確認了故障原因。
該案例充分說明特征提取和挖掘的重要性。麵對海量數據時,耐心地從(cong) 數據庫中找到相關(guan) 特征對技術人員來說不是件容易事,麵臨(lin) 著很大考驗。但對計算機來說,這項工作反而是它的強項,因為(wei) 計算機具有超強的計算能力,並且可以通過相關(guan) 分析等算法來自動分析振動和相關(guan) 過程參數之間的關(guan) 係,利用互相關(guan) 算法甚至能確認兩(liang) 個(ge) 參數變化過程中的延時時間。振動的爬升、突變、波動等現象也可以通過建立相關(guan) 的數學模型來客觀地實現。設備智能故障診斷時,基於(yu) 計算機的特征自動提取和分析技術應該是可行的。當然,這裏需要技術人員首先製定出需要由計算機自動提取的特征。你要告訴計算機你需要幹的事,計算機才能代你實現。盲目的數據挖掘是挖不出有用信息的。
(a)2015年6月6日-6月10日期間數據
(b)2015