火電廠引風(fēng)機(jī)故障預(yù)警與診斷綜述

張 令，劉 暉，李彥文，李政謙，樊 怡，趙立慧

（1.國電宿遷熱電有限公司，江蘇 宿遷 223803；

2.北京華電天仁電力控制技術(shù)有限公司，北京 100039；3.華北電力大學(xué)，河北 保定 071003）

0 引言

當(dāng)前，隨著火電廠節(jié)能減排工作的推進(jìn)，排放的煙氣要求越來越嚴(yán)格[1]，對(duì)煙風(fēng)燃燒系統(tǒng)改進(jìn)越來越完善。而引風(fēng)機(jī)作為將高溫?zé)煔馀懦鲥仩t的裝置，工作在高溫、雜質(zhì)多且摩擦腐蝕都很嚴(yán)重的工作條件下，很容易發(fā)生故障[2]。引風(fēng)機(jī)作為常用風(fēng)機(jī)中典型、重要、故障率最多且故障分析難度大的運(yùn)行設(shè)備，對(duì)其進(jìn)行故障預(yù)警與診斷成為研究的熱點(diǎn)。

引風(fēng)機(jī)作為故障類型繁多的設(shè)備，不同的信號(hào)之間相互耦合，且設(shè)備運(yùn)行時(shí)會(huì)受到許多不確定性因素和隨機(jī)干擾的影響[2]，導(dǎo)致對(duì)設(shè)備運(yùn)行征兆與故障之間的關(guān)系未知。傳統(tǒng)現(xiàn)場實(shí)際應(yīng)用時(shí)，多采用運(yùn)行數(shù)據(jù)進(jìn)行閾值比對(duì)法，輔之以巡檢的方法進(jìn)行預(yù)警與診斷，不能夠全面準(zhǔn)確地進(jìn)行預(yù)警與診斷工作。隨著火電廠信息化的發(fā)展，通過對(duì)歷史數(shù)據(jù)進(jìn)行關(guān)鍵信息挖掘并將故障特征信息提取，使用于構(gòu)建引風(fēng)機(jī)智能大數(shù)據(jù)監(jiān)控系統(tǒng)成為可能。

圖1 引風(fēng)機(jī)狀態(tài)檢修流程圖Fig.1 Flow chart of induced draft fan status maintenance

對(duì)引風(fēng)機(jī)進(jìn)行診斷與預(yù)測的智能化是火電廠裝備管理新的研究方向。其顯著特點(diǎn)是構(gòu)建火電廠廠級(jí)監(jiān)控信息系統(tǒng)（SIS），在傳統(tǒng)的故障診斷方案中引入了預(yù)測能力以及智能計(jì)算的思想方法[3]，形成一套盡早發(fā)現(xiàn)引風(fēng)機(jī)故障早期征兆的運(yùn)行狀態(tài)檢測系統(tǒng)。目前的研究成果[2-29]主要集中在利用風(fēng)機(jī)故障歷史數(shù)據(jù)，挖掘出不同的故障所對(duì)應(yīng)的設(shè)備運(yùn)行狀態(tài)，從而達(dá)到判斷出現(xiàn)故障的目的[4]。同時(shí)，劉濤等[2,11,12,23,24]提出使用模式識(shí)別方法，使用正常歷史數(shù)據(jù)建立進(jìn)行引風(fēng)機(jī)狀態(tài)庫，使用相似性建模的多元狀態(tài)估計(jì)方法。潘作為等[5,6,8,17,25-28]使用振動(dòng)信號(hào)與運(yùn)行參數(shù)數(shù)據(jù)進(jìn)行分析，并設(shè)計(jì)實(shí)現(xiàn)了對(duì)應(yīng)的監(jiān)測系統(tǒng)。

本文總結(jié)了現(xiàn)有的火電廠引風(fēng)機(jī)故障診斷與預(yù)警的方法與應(yīng)用優(yōu)缺點(diǎn)，同時(shí)從裝備智能故障診斷角度，結(jié)合火電廠實(shí)際情況對(duì)方案進(jìn)行綜合評(píng)價(jià)與發(fā)展趨勢分析。為構(gòu)建火電廠引風(fēng)機(jī)故障診斷與預(yù)警大數(shù)據(jù)平臺(tái)提供方案參考。

1 發(fā)展歷程

由于電站的引風(fēng)機(jī)是火電廠重要機(jī)型之一，其設(shè)備的運(yùn)行狀態(tài)直接關(guān)系到機(jī)組的啟停[6]。引風(fēng)機(jī)主要依靠電機(jī)的旋轉(zhuǎn)帶動(dòng)葉輪，使得進(jìn)入進(jìn)氣箱的氣體能夠在葉輪中獲取克服管網(wǎng)阻力所需的能量[2]。機(jī)械運(yùn)轉(zhuǎn)方面的故障通過傳感器監(jiān)測設(shè)備的溫度、壓力等來進(jìn)行初步的判斷，而性能方面的故障則需要使用運(yùn)行數(shù)據(jù)來進(jìn)行分析。同時(shí)，在風(fēng)機(jī)的各個(gè)部件中，葉輪轉(zhuǎn)子及其支撐軸承的故障率最高[7,8]。因此，滾動(dòng)軸承、葉輪故障診斷是引風(fēng)機(jī)故障診斷領(lǐng)域的主要研究對(duì)象[5]。

1.1 引風(fēng)機(jī)智能故障診斷發(fā)展歷程

圖2 引風(fēng)機(jī)測點(diǎn)分布Fig.2 Induced draft fan distribution

早期，火電廠引風(fēng)機(jī)是通過巡檢人員定時(shí)到現(xiàn)場檢查振動(dòng)、溫度以及氣壓等參數(shù)來確定設(shè)備狀況。這種檢查為人工操作，較為繁瑣且不能夠在故障早期及時(shí)發(fā)現(xiàn)問題。此后，隨著計(jì)算機(jī)在發(fā)電行業(yè)的普及，數(shù)據(jù)庫、通信網(wǎng)絡(luò)等可以實(shí)現(xiàn)對(duì)設(shè)備的遠(yuǎn)程監(jiān)控目標(biāo)。在此之后，引風(fēng)機(jī)的監(jiān)測逐步向自動(dòng)化、智能化方向發(fā)展[9]。為了迎合電廠信息化趨勢，國內(nèi)外的大容量機(jī)組都安裝有檢查測點(diǎn)，監(jiān)測數(shù)據(jù)實(shí)時(shí)接入電廠的運(yùn)行監(jiān)控系統(tǒng)，以供實(shí)時(shí)報(bào)警系統(tǒng)使用[5]。

現(xiàn)在電站的故障保護(hù)裝置方式多采用點(diǎn)表閾值比對(duì)法。如果短時(shí)間設(shè)備的實(shí)時(shí)運(yùn)行值未在報(bào)警系統(tǒng)中的點(diǎn)表設(shè)定運(yùn)行范圍內(nèi)則報(bào)警；若在設(shè)定時(shí)長后運(yùn)行數(shù)據(jù)仍舊處于異常運(yùn)行狀態(tài)，則將設(shè)備切除，機(jī)組將非計(jì)劃停運(yùn)?，F(xiàn)有較為成熟且廣泛應(yīng)用的引風(fēng)機(jī)狀態(tài)檢修實(shí)施平臺(tái)設(shè)計(jì)的流程圖見圖1[10]。

該軟件搭建了一個(gè)檢修平臺(tái)，首先從運(yùn)行數(shù)據(jù)表提取出實(shí)時(shí)的數(shù)據(jù)進(jìn)行狀態(tài)評(píng)價(jià)和風(fēng)險(xiǎn)評(píng)估，同時(shí)根據(jù)維修記錄來給出檢修建議，運(yùn)行人員根據(jù)軟件的檢修建議操作引風(fēng)機(jī)。所需要進(jìn)行后臺(tái)操作優(yōu)化的部分主要集中在數(shù)據(jù)操作模塊，也就是智能故障診斷方法研究。

現(xiàn)有的智能故障診斷的研究方向主要集中在兩個(gè)大方向。其一，使用多元狀態(tài)估計(jì)法對(duì)引風(fēng)機(jī)系統(tǒng)運(yùn)行狀態(tài)建模分析[2]；其二，使用包絡(luò)分析的方法對(duì)振動(dòng)信號(hào)等進(jìn)行分析[5]。

1.2 引風(fēng)機(jī)監(jiān)測參數(shù)

目前對(duì)性能方面使用歷史數(shù)據(jù)進(jìn)行故障診斷的方式主要有兩種：一種是使用振動(dòng)信號(hào)進(jìn)行分析得出設(shè)備異常[5,6,8,17,25,26,27,28]，另一種是綜合使用振動(dòng)、壓力、葉輪轉(zhuǎn)子轉(zhuǎn)速以及電流信號(hào)構(gòu)造狀態(tài)矩陣進(jìn)行分析[2,11,12,21,23,24]，而設(shè)備的轉(zhuǎn)速可以使用電機(jī)功率來替代。當(dāng)前火電廠都裝備有SIS來實(shí)現(xiàn)引風(fēng)機(jī)狀態(tài)監(jiān)測，SIS中含有能夠反映引風(fēng)機(jī)設(shè)備運(yùn)行狀態(tài)與故障信息的數(shù)據(jù)[11]。綜合各類文獻(xiàn)[2,5,6,8,11,12,17,24-28]總結(jié)研究所需要的測點(diǎn)，設(shè)備的主要測點(diǎn)分布情況見圖2，參數(shù)說明見表1[2]。

SIS系統(tǒng)可以實(shí)時(shí)記錄參數(shù)的運(yùn)行數(shù)據(jù)，每條記錄包括振動(dòng)、溫度、壓力、流量、電壓和電流共計(jì)22個(gè)參數(shù)[2,11]。其中，文獻(xiàn)[2,11]使用全部22個(gè)測點(diǎn)進(jìn)行相關(guān)性分析，篩選出相關(guān)性強(qiáng)的15個(gè)測點(diǎn)。文獻(xiàn)[5]使用傳感器測量4個(gè)振動(dòng)幅值、風(fēng)機(jī)出口壓力、風(fēng)機(jī)軸轉(zhuǎn)速、電機(jī)電流7個(gè)測點(diǎn)。其余文獻(xiàn)[6,8,11,12,17,24-28]使用的測點(diǎn)均能在圖2、表1中取得。

表1 監(jiān)測參數(shù)說明Table 1 Monitoring parameter description

圖3 故障預(yù)警系統(tǒng)實(shí)現(xiàn)方法Fig.3 Method of fault warning system implementation

2 研究現(xiàn)狀

2.1 多元狀態(tài)估計(jì)法

隨著數(shù)據(jù)挖掘技術(shù)的不斷發(fā)展，使用模式識(shí)別的方法對(duì)引風(fēng)機(jī)狀態(tài)進(jìn)行相似性建模的方法也具有很強(qiáng)的實(shí)際操作意義。其中，MSET（Multivariate State Estimation Technique）是由Singer等提出的一種非線性的多元預(yù)測診斷技術(shù)。通過分析實(shí)際監(jiān)測參數(shù)與設(shè)備正常運(yùn)行時(shí)的健康數(shù)據(jù)，估計(jì)正常運(yùn)行時(shí)的各個(gè)參數(shù)的標(biāo)準(zhǔn)量，稱為估計(jì)向量[12]。使用實(shí)際運(yùn)行數(shù)據(jù)構(gòu)造觀測向量，運(yùn)用估計(jì)向量與觀測向量之間的距離衡量實(shí)際狀態(tài)與正常狀態(tài)的相似性來做出診斷[12]。

文獻(xiàn)[2,11]在引風(fēng)機(jī)故障診斷方案中使用MEST法。首先，采集SIS中引風(fēng)機(jī)系統(tǒng)關(guān)鍵測點(diǎn)的正常情況下的運(yùn)行數(shù)據(jù)，使用聚類方法得出大量正常運(yùn)行歷史數(shù)據(jù)的質(zhì)心，使用質(zhì)心來代表該類工況。通過計(jì)算實(shí)時(shí)運(yùn)行狀態(tài)向量與根據(jù)歷史數(shù)據(jù)計(jì)算而成的狀態(tài)估計(jì)向量，采用歐氏距離進(jìn)行狀態(tài)估計(jì)向量與實(shí)測向量之間的距離測算，作為相似度預(yù)測。如果距離超過了設(shè)定的閾值即進(jìn)行報(bào)警。其實(shí)現(xiàn)方法流程圖見圖3。

這種多元診斷方式能檢測設(shè)備狀態(tài)初始劣化點(diǎn)的特點(diǎn)，可以捕獲故障動(dòng)態(tài)發(fā)展過程，實(shí)現(xiàn)風(fēng)機(jī)故障預(yù)警[2]。但其需要大量的歷史數(shù)據(jù)做支撐，如果歷史狀態(tài)庫未能涵蓋當(dāng)前工況，則結(jié)果不具有參考性。且該方案對(duì)噪聲很敏感，如果有某個(gè)測點(diǎn)數(shù)據(jù)出現(xiàn)傳感器或數(shù)據(jù)傳輸異常，則會(huì)有誤報(bào)警情況。該方案可以隨著時(shí)間的累積越來越完善，且具有建模過程簡單和物理意義明確等優(yōu)點(diǎn)。該方法也是火電廠智能化診斷應(yīng)用的熱點(diǎn)研究方向。

2.2 振動(dòng)信號(hào)頻譜分析

引風(fēng)機(jī)是高轉(zhuǎn)速的旋轉(zhuǎn)設(shè)備，其存在的故障會(huì)反映在振動(dòng)信號(hào)內(nèi)[13]。從振動(dòng)角度出發(fā)，引風(fēng)機(jī)振動(dòng)的因素一般為引風(fēng)機(jī)自身的振動(dòng)和因?yàn)橄嚓P(guān)電機(jī)震動(dòng)導(dǎo)致了引風(fēng)機(jī)共振這兩大類[5]。在排除了電機(jī)故障之后，確定是因?yàn)橐L(fēng)機(jī)故障造成的異常振動(dòng)后，使用振動(dòng)信號(hào)頻譜分析的方法進(jìn)行檢測。

基于引風(fēng)機(jī)的監(jiān)測方法中，使用SIS中的數(shù)據(jù)進(jìn)行信號(hào)分析與故障特征提取成為研究的熱點(diǎn)[5]。其中針對(duì)實(shí)測振動(dòng)瞬態(tài)信號(hào)，通過各種信號(hào)分析方法進(jìn)行有效提取故障信息的手段已經(jīng)廣泛應(yīng)用于工業(yè)現(xiàn)場實(shí)際中[5]。最基本的信號(hào)分析及故障特征提取方法是時(shí)域分析、頻譜分析、倒頻譜和包絡(luò)分析，這些方法統(tǒng)稱為經(jīng)典方法[14]。同時(shí)，包絡(luò)分析很好地實(shí)現(xiàn)滾動(dòng)軸承振動(dòng)調(diào)制信號(hào)的解調(diào)分析，提取軸承故障的特征信息，是振動(dòng)故障特征提取的主要方法之一。文獻(xiàn)[15]給出了希爾伯特變換在振動(dòng)信號(hào)分析中應(yīng)用研究的介紹。且文獻(xiàn)[5]針對(duì)引風(fēng)機(jī)使用小波與分形結(jié)合的故障特征提取方法，并研發(fā)了引風(fēng)機(jī)振動(dòng)監(jiān)測系統(tǒng)。

分析振動(dòng)信號(hào)的方法研究較為完善，相關(guān)的方法也層出不窮。具有包含故障信息豐富、反映速度快、對(duì)故障的可識(shí)別性強(qiáng)等突出優(yōu)點(diǎn)。但是振動(dòng)信號(hào)的主要缺點(diǎn)是對(duì)干擾噪聲非常敏感，引風(fēng)機(jī)的干擾信號(hào)較多，從振動(dòng)信號(hào)中有效的分理出故障信號(hào)，確定干擾成分比較難。現(xiàn)有的引風(fēng)機(jī)需要配合火電廠負(fù)荷進(jìn)行自動(dòng)調(diào)節(jié)，在提高其穩(wěn)定性的同時(shí)，故障特征隨時(shí)間變化易為非平穩(wěn)信號(hào)，其數(shù)學(xué)基礎(chǔ)、模型都很復(fù)雜，且較難理解。

3 發(fā)展趨勢

在實(shí)際工業(yè)診斷中，振動(dòng)信號(hào)分析具有準(zhǔn)確、高效的優(yōu)點(diǎn)，但是所需要的設(shè)備儀器多，且對(duì)運(yùn)行人員分析操作要求較高，在火電廠引風(fēng)機(jī)中應(yīng)用不廣泛。而多元狀態(tài)估計(jì)法模型簡單，應(yīng)用便捷，逐漸成為火電廠常用的報(bào)警方法。但是，其不能夠?qū)崿F(xiàn)具體的故障診斷方案，且計(jì)算的精確度以及故障信息的豐富程度和響應(yīng)速度還沒有達(dá)到應(yīng)用的要求。主要的發(fā)展趨勢在于：逐漸完善數(shù)據(jù)庫實(shí)時(shí)分析技術(shù)以及通信傳輸設(shè)備，使實(shí)時(shí)診斷響應(yīng)速度得到提高；其次，完善運(yùn)行數(shù)據(jù)庫異常狀態(tài)下的故障特征及其處理方式，建立故障診斷專家?guī)欤岣吖收戏诸惖臏?zhǔn)確度。

同時(shí)，由于數(shù)據(jù)庫運(yùn)行和故障分析需要有大量的硬件及軟件資源，而智能故障診斷系統(tǒng)的運(yùn)行維護(hù)是一個(gè)非常冗雜且專業(yè)要求很高的問題，電站維護(hù)開支較大。則從集團(tuán)級(jí)研究出一個(gè)可以針對(duì)大數(shù)據(jù)、多接口、多電廠整合故障診斷平臺(tái)將是可預(yù)見的重點(diǎn)發(fā)展方向之一。

4 結(jié)束語

本文針對(duì)引風(fēng)機(jī)故障診斷問題，闡述了現(xiàn)有的引風(fēng)機(jī)故障診斷系統(tǒng)的基本結(jié)構(gòu)、故障預(yù)警及診斷方法。綜合文獻(xiàn)以及現(xiàn)場實(shí)地可以看出，現(xiàn)有應(yīng)用引風(fēng)機(jī)智能故障診斷的手段較為單一，能夠達(dá)到實(shí)時(shí)報(bào)警的功能。使用歷史數(shù)據(jù)進(jìn)行狀態(tài)檢修的理論與實(shí)踐還停留在小樣本且無自適應(yīng)能力的階段，已建立的模型仍需要通過更多實(shí)測振動(dòng)數(shù)據(jù)和故障案例驗(yàn)證，來檢驗(yàn)所研發(fā)的系統(tǒng)的功能及故障診斷效果，經(jīng)過現(xiàn)場實(shí)踐不斷改進(jìn)提高系統(tǒng)的功能和可靠性。