Page 74 - 电力与能源2022年第二期
P. 74
1 7 4 李存霖, 等: 火电机组重要辅机状态检修系统的开发与应用
2.1 设备状态监测及预警 范, 对一些无法在线监测的指标需要定期进行人
考虑到设备运行特性及诊断分析的精确性, 工录入与维护。根据作业指导书, 该功能可实现
应根据设备类型选用不同的分析诊断方法 [ 7 ] 。对 在线录入数据或用 EXCEL 进行导入, 此类数据
于锅炉高温受热面及冷端设备采用基于机理模型 是状态打分评价的数据基础。
的分析方法; 对于实际运行中故障较多的火电机 2.2 设备状态评价及检修决策
组重要辅机, 应采用基于大数据挖掘的分析方法, 2.2.1 设备状态基础评价
并结合物联网在线振动监测分析技术, 综合判断 设备状态基础评价采用量化“ 打分法” 建立评
设备健康状态。 价模型, 通过先对状态量进行逐一评价, 再结合一
( 1 ) 设备多变量参数预警。该功能模块基于 定逻辑规则实现对设备的整体评价。
多变量状态预测模型 [ 8-11 ] 计算设备当前运行参数 直接或间接表征设备状态的各类信息即为状
相似度及设备整体相似度, 并展示其历史趋势。 态量, 例如运行数据、 声音等。状态量按对设备运
相似度越接近于 1 , 表示设备当前运行状态越趋 行影响重要程度分为四级, 分别 为 1 级 ( 轻微)、
于正常情况。通过在线监测设备相关测点的实际 2 级( 一般)、 3 级( 较大) 和 4 级( 严重)。状态量的
值和模型预测值的偏差情况( 包括期望值、 残差、 劣化程度从轻到重分为四级, 分别为 Ⅰ 级、 Ⅱ 级、
相似度等参数), 对设备当前运行状态进行判定, Ⅲ 级和 Ⅳ 级。不是所有状态量都具备四个劣化程
判断其为正常状态、 继续监测状态或异常状态, 实 度, 应根据实际情况灵活调整, 其数值具体设定应
现发电设备故障及异常的早期预警。 结合通用标准、 厂商要求和历史经验协定。
( 2 ) 振动监测分析。基于传统振动分析可以
判断设备目前的健康状况, 并通过比较当前状态
和历史趋势预测设备出现故障的时间, 帮助安排
检修计划。然而, 早期的轴承缺陷和齿轮缺陷( 冲
击、 疲劳磨损、 刮伤、 摩擦等) 会产生应力波 [ 12 ] , 相
较于传统振动信号( 振动幅值、 频率等), 旋转机械
的应力波信号能更早地预示设备的健康状况。本
系统利用先进的加速度传感器捕捉瞬时的应力波
信号, 得到真实的冲击幅值, 并存储在时域波形 图 4 状态量量化评价矩阵图
中, 结合频谱分析或自相关分析周期性事件实现 状态量量化评价矩阵如图 4 所示, 其中状态
设备的早期故障检测。考虑到应力波信号不依赖 量的评价值定义 为重要程度值与劣化程度值的
振动分析频宽以及设备的转速, 结合振动信号和 乘积。
应力波信号分析诊断设备的运行状态, 能够提高 在此基础上, 设备状态评价值为其所有状态
振动分析的精度和可靠性。本系统通过对火电机 量评价值的最大值, 即设备状态评价值 =max { 状
组重要辅机安装物联网在线振动监测仪器, 接入 态量 1 评价值, 状态量 2 评价值,…, 状态量 n 评
振动信号、 应力波信号等数据, 并开发振动分析预 价值}, 设备状态的评价准则如下。
警功能, 实时监测测点的状态, 并结合设备规范和 ( 1 ) 设备状态评价值 ≤10 , 为正常状态。
现场经验制定规则提示预警。 ( 2 ) 10< 设备状态评价值 <20 , 为注意状态。
( 3 ) 设备故障诊断知识库。实现对发电设备 ( 3 ) 20≤ 设备状态评价值 <30 , 为异常状态。
故障诊断知识库的积累( 保存相关故障征兆参数 ( 4 ) 设备状态评价值 ≥30 , 为严重状态。
及判断依据), 为后续设备状态评价与决策提供重 当设备状态评价为注意及以上的状态时, 应
要的数据参考来源。结合实际的故障产生情况, 针对黄色、 橙色、 红色区域的状态量采取相应的处
根据得到的故障预警信息对已发生故障的历史数 理措施, 确定检修策略。
据进行逐步的积累和保存。 2.2.2 设备状态综合评价
( 4 ) 离线量人工录入。实现对不同设备离线 系统从设备多变量状态预测的相似度模型、
状态量的人工录入。根据设备状态检修技术规 振动监测分析、 设备状态基础评价模型 3 个维度
