基于熱電聯(lián)產(chǎn)的汽輪機組油膜振蕩故障診斷系統(tǒng)設(shè)計

魏佳佳

(安徽電氣工程職業(yè)技術(shù)學(xué)院 動力工程系，安徽 合肥 230000)

當(dāng)前汽輪發(fā)電機組裝機容量不斷增加，導(dǎo)致機組運行過程中，油膜振蕩故障經(jīng)常出現(xiàn)，因此，對汽輪機組油膜振蕩故障診斷進行研究，避免油膜突發(fā)事故發(fā)生，具有重要意義[1].

眾多學(xué)者對此進行大量研究，文獻(xiàn)[2]采用線性方法，分析油膜振蕩特性系數(shù)，對油膜故障進行診斷，但該方法由于系數(shù)算法局限性，診斷故障類別信任度較低.文獻(xiàn)[3]映射振蕩故障集合，模糊識別故障診斷模式，但其模糊識別矩陣一致性較差，故障診斷信任度同樣較低.針對這一問題，結(jié)合以上理論，提出基于熱電聯(lián)產(chǎn)的汽輪機組油膜振蕩故障診斷系統(tǒng)，保證汽輪發(fā)電機組的安全穩(wěn)定運行.

1 基于熱電聯(lián)產(chǎn)的汽輪機組油膜振蕩故障診斷系統(tǒng)設(shè)計方法

1.1 基于熱電聯(lián)產(chǎn)的系統(tǒng)硬件設(shè)計

采用模塊化結(jié)構(gòu)，耦合熱電聯(lián)產(chǎn)設(shè)計系統(tǒng)框架.根據(jù)現(xiàn)場實際需求，選擇不同類型的模塊，共同組成適用的系統(tǒng)硬件，使其具有一定的可擴展性和彈性，為各模塊配置小液晶屏，實時監(jiān)測汽輪機組油膜的現(xiàn)場數(shù)據(jù)[4].其中電源模塊采用220 V和110 V的交流輸入，根據(jù)接入傳感器數(shù)量，配置多通道插槽，使電源輸入符合標(biāo)準(zhǔn)雙路寬電壓輸入，滿足多數(shù)場合需求；鍵相模塊配置多種傳感器，包括霍爾、電渦流、光電、磁阻等，采用兩路緩沖輸出模式，分別為繼電器輸出和3～18 mA電流輸出，為油膜振動信號采集提供鍵相信號；振蕩位移模塊選取速度傳感器和電渦流傳感器，測量油膜的脹差、軸振動、軸位移、瓦振；振蕩加速度模塊采用正反轉(zhuǎn)測量、超速保護、單一測量3種模式，用于汽輪機組轉(zhuǎn)速的測量；緩變量模塊選擇雙線制輸入和液晶屏輸出，測量油膜振蕩過程中，其壓力和溫度等緩慢變化的過程量.對模塊進行AVR單片機控制，耦合熱電聯(lián)產(chǎn)的生產(chǎn)方式，實現(xiàn)汽輪機組的熱-功轉(zhuǎn)換，為全部模塊的熱插拔提供支持[5].系統(tǒng)整體框架如圖1所示.

圖1 基于熱電聯(lián)產(chǎn)模式的系統(tǒng)框架

熱電聯(lián)產(chǎn)設(shè)備的蒸發(fā)器，采用低沸點、干流體的有機工質(zhì)，利用汽輪機組的排汽，將有機工質(zhì)加熱至蒸氣，使其膨脹后處于過熱區(qū)，讓有工機質(zhì)經(jīng)過回?zé)崞鹘禍刂?5 ℃，經(jīng)泵加壓后，對汽輪機組排汽的熱量進行吸收[6].同時通過有機工質(zhì)冷凝多余排汽，經(jīng)過疏水?dāng)U容器，擴容回收蒸汽和冷凝的飽和水，取代汽輪機組的部分排汽，實現(xiàn)汽輪機組循環(huán)，循環(huán)過程中，利用排汽熱量增加系統(tǒng)發(fā)電量[7].至此完成基于熱電聯(lián)產(chǎn)的系統(tǒng)硬件設(shè)計.

1.2 系統(tǒng)軟件設(shè)計

1.2.1 預(yù)處理汽輪機組油膜振蕩信號

通過系統(tǒng)硬件監(jiān)測汽輪機組運行狀態(tài)，采集油膜振蕩信號，并對其進行預(yù)處理.從能量角度出發(fā)，采用小波包的降噪算法，引入一個尺度函數(shù)，通過濾波器組，截取各個尺度信號，得到由尺度函數(shù)膨脹產(chǎn)生的小波系[8].小波函數(shù)φ計算公式為：

φ=(aj-2cj)×D,

(1)

式中，D為正交鏡象濾波器的脈沖響應(yīng)；aj為尺度函數(shù)第j層的尺度系數(shù)；cj為第j層小波系數(shù).選擇小波函數(shù)φ，小波分解含有噪聲的油膜振蕩信號，分配信號特性到不同尺度的小波分解系數(shù)，壓縮信號得到小波包[9].按照能量大小順序，對小波包進行排列，選取前A個能量較大的小波包，重構(gòu)油膜振蕩信號.減小重構(gòu)信號和原始信號的誤差，計算公式為：

(2)

式中，C為誤差極小化目標(biāo)函數(shù)；d(i)、h(i)分別為第i個小波包的重構(gòu)信號和原始信號.抽取可以組成一組正交基的小波包基，對小波進行分解，給定一個序列的信息，采用自底向頂?shù)乃阉鞣绞剑业侥軌虮磉_(dá)出信號特性的最優(yōu)小波包基[10].具體搜索流程如圖2所示.

圖2 最優(yōu)小波包基搜索流程

閾值量化最優(yōu)小波包基分解系數(shù)，得到噪聲消除后，包含油膜振蕩狀態(tài)信息的振蕩信號.

1.2.2 識別汽輪機組油膜振蕩故障診斷模式

采用小波包頻帶能量法，提取預(yù)處理后信號的頻譜特征，識別油膜振蕩故障診斷模式.當(dāng)振蕩信號非平穩(wěn)性表現(xiàn)極明顯時，判定汽輪機組油膜出現(xiàn)振蕩故障.映射故障信號到小波函數(shù)φ構(gòu)成的子空間，分離故障信號各個時刻和頻帶，得到高頻和低頻兩部分，使振蕩故障信號能夠分解到相互獨立的頻帶內(nèi)[11-12].將分解后的頻帶空間，作為故障特征提取空間，計算故障信號在各個頻帶內(nèi)的能量值，公式為：

(3)

式中，Kε為ε尺度下的故障信號總能量；N為子頻帶數(shù)量；Gn為第n個子頻帶信號歸一化后的能量比值；Ln為第n個子頻帶故障信號長度；Q為小波包節(jié)點能量.對頻帶空間內(nèi)，故障信號分離的時域子信號進行頻譜分析[13]，提取保留時間特征的相位、振幅、頻率，排序時域子信號的能量值Kε，將Kε依次分配到首尾相連的等帶寬頻，使各頻帶內(nèi)的能量值Kε形成一個向量[12].計算網(wǎng)絡(luò)中間層神經(jīng)元t的輸入量Ut，公式為：

(4)

式中，xy為輸入層神經(jīng)元y的故障特征向量；αt為中間層神經(jīng)元t至各單元的輸出閾值；m、P分別為輸入層和中間層神經(jīng)元數(shù)量.利用傳遞函數(shù)，計算中間層各單元的輸出、以及輸出層各單元的響應(yīng)[14].隨機選擇下一個學(xué)習(xí)樣本輸入網(wǎng)絡(luò)，重復(fù)上述過程，直至神經(jīng)網(wǎng)絡(luò)迭代誤差小于預(yù)設(shè)值，輸出油膜振蕩故障診斷結(jié)果，并將其應(yīng)用到檢測的汽輪機組中[15].至此實現(xiàn)汽輪機組油膜振蕩故障診斷模式的識別，完成系統(tǒng)軟件設(shè)計，結(jié)合硬件設(shè)計和軟件設(shè)計，完成基于熱電聯(lián)產(chǎn)的汽輪機組油膜振蕩故障診斷系統(tǒng)設(shè)計.

2 實驗論證分析

將此次設(shè)計系統(tǒng)，與兩組常規(guī)汽輪機組油膜振蕩故障診斷系統(tǒng)，進行對比實驗，比較3組系統(tǒng)的油膜振蕩故障診斷信任度.

2.1 實驗準(zhǔn)備

將某發(fā)電廠意大利ANSILDO制造的汽輪機組作為實驗對象，其進汽溫度為562 ℃，型號為TCDF，進汽壓力為17.3 MPa，容量為317 MW.該汽輪機組長期存在油膜振蕩偏大現(xiàn)象，現(xiàn)已停機中修，實驗裝置如圖3所示.

圖3 油膜振蕩故障實驗裝置

根據(jù)油膜振蕩故障實驗裝置，利用小波包分解子信號，將時域子信號等分為8個小波包區(qū)間，構(gòu)成8個可以表征故障信號的特征向量，利用其能量關(guān)系，反映油膜振蕩故障特性.選取單隱藏層神經(jīng)網(wǎng)絡(luò)，分別將提取的8個故障特征向量及汽輪機組故障診斷模式，作為網(wǎng)絡(luò)輸入量和輸出量.啟動汽輪機組，統(tǒng)計汽輪機組317 MW滿負(fù)荷運行過程中，油膜軸振和瓦振的實測值，結(jié)果如表1所示.

表1 滿負(fù)荷時油膜振蕩參數(shù)

由表1可知，汽輪機組油膜的2、5、7、9、10軸承振蕩參數(shù)偏大，在計算機中導(dǎo)出10個軸承油膜振蕩數(shù)據(jù)平均值，其信號波形如圖4所示.

經(jīng)過圖4的油膜振蕩信號波形，在實驗臺上進行故障診斷信任度測試實驗，將油膜振蕩信號保存至Excel文檔，作為系統(tǒng)測試的原始數(shù)據(jù)，在軸心的一個平面上，布置了兩個相互垂直的電渦流傳感器，分別測量轉(zhuǎn)子的X方向和Y方向振動，其中采樣頻率設(shè)置為1 280 Hz.

頻率/Hz圖4 油膜振蕩信號波形

2.2 實驗結(jié)果

2.2.1 滿負(fù)荷下故障診斷信任度測試

應(yīng)用3組油膜振蕩故障診斷系統(tǒng)，文獻(xiàn)[2]作為常規(guī)系統(tǒng)1，文獻(xiàn)[3]作為常規(guī)系統(tǒng)2，分析采集的振蕩故障信號，診斷汽輪機組故障類型.獲取多組常見振蕩故障的樣本數(shù)據(jù)，用于3組系統(tǒng)的訓(xùn)練和學(xué)習(xí)，樣本數(shù)據(jù)如表2所示.

表2 訓(xùn)練學(xué)習(xí)的振蕩故障樣本數(shù)據(jù)類別

3組系統(tǒng)對每種故障進行概率賦值，計算故障類別診斷的信任度，公式為：

(5)

式中，F(xiàn)β為系統(tǒng)診斷的第β種振蕩故障；Vβ為第β種故障類別判斷的可利用度；ξ為輸入樣本數(shù)據(jù)特征向量的誤差.根據(jù)公式(5)計算滿負(fù)荷下振蕩信號結(jié)果，具體步驟如下所示：

步驟1：監(jiān)測油膜振蕩故障運行狀態(tài)；

步驟2：采集油膜振蕩信號，并對其進行預(yù)處理；

步驟3：從能量角度出發(fā)，采用小波包的降噪算法，引入一個尺度函數(shù)；

步驟4：通過濾波器組，截取各個尺度信號，得到由尺度函數(shù)膨脹產(chǎn)生的小波系數(shù).

步驟5：求得振蕩信號診斷數(shù)據(jù).

統(tǒng)計3組系統(tǒng)的振蕩故障診斷結(jié)果，診斷故障類別診斷的信任度，測試結(jié)果如表3所示.

表3 滿負(fù)荷下振蕩信號診斷結(jié)果

由表3可知，3組系統(tǒng)診斷給油膜振蕩故障的信任度都高于其他故障類別，表明3組系統(tǒng)的故障診斷結(jié)果均為油膜振蕩故障，但設(shè)計系統(tǒng)故障診斷信任度明顯高于兩組常規(guī)系統(tǒng).進行多次實驗進一步驗證，測試結(jié)果如圖5所示.

實驗次數(shù)圖5 滿負(fù)荷下故障診斷信任度對比

由圖5可知，設(shè)計系統(tǒng)針對油膜振蕩故障類別，信任度平均診斷值為0.21；常規(guī)系統(tǒng)1和常規(guī)系統(tǒng)2信任度的平均診斷值分別為0.15和0.13，相比兩組常規(guī)系統(tǒng)，設(shè)計系統(tǒng)故障診斷信任度分別提高了0.06和0.08.

2.2.2 最小負(fù)荷下故障診斷信任度測試

改變汽輪機組的運行條件，降低機組運行容量至150～160 MW之間，采集機組最小負(fù)荷運行狀態(tài)下的振蕩信號，3組系統(tǒng)分別診斷汽輪機組故障類型.結(jié)果表明，3組系統(tǒng)診斷的汽機故障類別均為油膜振蕩故障，診斷的信任度如圖6所示.

實驗次數(shù)圖6 最小負(fù)荷下故障診斷信任度對比

由圖6可知，常規(guī)系統(tǒng)1和常規(guī)系統(tǒng)2受負(fù)荷變化影響較大，當(dāng)汽機運行負(fù)荷在最小區(qū)間內(nèi)變化時，油膜振蕩故障信任度診斷值也隨之產(chǎn)生波動.而設(shè)計系統(tǒng)不受運行負(fù)荷影響，故障診斷信任度診斷值較為平穩(wěn)，且明顯高于兩組常規(guī)系統(tǒng).

2.2.3 噪聲條件下故障診斷信任度測試

將汽輪機組運行狀態(tài)恢復(fù)至滿負(fù)荷，對采集的汽機振蕩信號進行無線信道噪聲干擾，在故障信號中混入干擾信號，控制振蕩信號頻率為10～90 KHz之間，3組系統(tǒng)分別診斷汽輪機組故障類型.結(jié)果表明，3組系統(tǒng)的故障診斷結(jié)果同樣均為油膜振蕩，故障診斷的信任度如圖7所示.

干擾信號頻率/kHz圖7 噪聲條件下故障診斷信任度對比

由圖7可知，混入干擾信號頻率越大，診斷給故障診斷類別的信任度就越小，設(shè)計系統(tǒng)診斷給油膜振蕩故障的信任度平均值為0.20，最大值和最小值為0.21和0.19，常規(guī)系統(tǒng)1信任度診斷的平均值為0.15，最大值和最小值為0.17和0.14，常規(guī)系統(tǒng)2信任度診斷的平均值為0.13，最大值和最小值為0.14和0.11，相比兩組常規(guī)系統(tǒng)，針對不同頻率的干擾信號，設(shè)計系統(tǒng)故障診斷信任度都有所提高.綜上所述，設(shè)計系統(tǒng)和常規(guī)系統(tǒng)都能診斷出油膜振蕩故障類別，但設(shè)計系統(tǒng)診斷給診斷結(jié)果的信任度，遠(yuǎn)高于兩組常規(guī)系統(tǒng)，減少了輸出結(jié)果的不確定性，使診斷的故障類別更為準(zhǔn)確可靠.

3 結(jié) 論

此次設(shè)計的基于熱電聯(lián)產(chǎn)的汽輪機組油膜振蕩故障診斷系統(tǒng)充分發(fā)揮了熱電聯(lián)產(chǎn)的技術(shù)優(yōu)勢，提高了故障診斷信任度.但此次設(shè)計系統(tǒng)仍存在一定不足，在今后的研究中，會對汽輪機組故障信息進行融合，提取更多的振蕩故障頻譜信息，進一步減小故障診斷的不確定性.