南京南瑞集團(tuán)公司(國(guó)網(wǎng)電力科學(xué)研究院) 馬成偉
通過(guò)挖掘和分析水電廠機(jī)組關(guān)鍵設(shè)備運(yùn)行數(shù)據(jù),實(shí)時(shí)預(yù)測(cè)設(shè)備運(yùn)行狀態(tài),及早發(fā)現(xiàn)設(shè)備的潛在故障,安排必要的運(yùn)行或者檢修措施,確保機(jī)組安全穩(wěn)定運(yùn)行,已成為智能電廠建設(shè)的核心內(nèi)容。本文從預(yù)警對(duì)象分析、預(yù)警功能實(shí)現(xiàn)、預(yù)警優(yōu)勢(shì)三個(gè)方面,系統(tǒng)闡述了智能水電廠燈泡貫流機(jī)組關(guān)鍵設(shè)備智能預(yù)警技術(shù)的主要內(nèi)容。
隨著工業(yè)互聯(lián)網(wǎng)的快速發(fā)展,水電廠推進(jìn)設(shè)備數(shù)字化服務(wù)能力的提升,對(duì)設(shè)備開(kāi)展智能化監(jiān)測(cè)是其重要的組成部分。通過(guò)對(duì)設(shè)備屬性監(jiān)測(cè),實(shí)現(xiàn)從事后維修向預(yù)知性維修轉(zhuǎn)變,是減少水電廠設(shè)備故障和降低設(shè)備維修費(fèi)用的重要途徑。燈泡貫流機(jī)組擁有諸多設(shè)備,如潤(rùn)滑油系統(tǒng)、高壓油頂起系統(tǒng)、調(diào)速器油壓裝置、輔助油系統(tǒng)、振擺系統(tǒng)等。這都是水電廠燈泡貫流機(jī)組運(yùn)行過(guò)程中的關(guān)鍵設(shè)備,其安全可靠運(yùn)行對(duì)于水電廠正常生產(chǎn)有著重要影響。因此,本文針對(duì)水電廠燈泡貫流機(jī)組關(guān)鍵設(shè)備開(kāi)展對(duì)于智能預(yù)警技術(shù)的研究。
水電廠燈泡貫流機(jī)組關(guān)鍵設(shè)備包括油、氣、水、振擺等系統(tǒng)。油、氣、水系統(tǒng)通過(guò)維持自身的液位、流量、壓力來(lái)確保水輪發(fā)電機(jī)組安全可靠的運(yùn)行。振擺系統(tǒng)實(shí)現(xiàn)對(duì)水電機(jī)組的振動(dòng)、擺度、壓力脈動(dòng)等物理量的在線監(jiān)測(cè)。本文將以調(diào)速器油壓裝置、振擺系統(tǒng)等對(duì)象為例進(jìn)行燈泡貫流機(jī)組關(guān)鍵設(shè)備智能預(yù)警相關(guān)分析,通過(guò)運(yùn)用多源關(guān)聯(lián)因素的大數(shù)據(jù)分析方法,建立關(guān)鍵設(shè)備智能預(yù)警系統(tǒng)趨勢(shì)預(yù)測(cè)模型,并利用知識(shí)圖譜將人工經(jīng)驗(yàn)融入模型中,構(gòu)建關(guān)鍵設(shè)備智能預(yù)警系統(tǒng)模型,以實(shí)現(xiàn)故障的預(yù)警預(yù)測(cè)[1]。
下面主要以壓油泵效率下降、管路漏氣跑油、水力不平衡及集電環(huán)故障等原理來(lái)分析研究智能預(yù)警技術(shù)。通過(guò)建立設(shè)備工況模型,對(duì)指定監(jiān)測(cè)量的越限、動(dòng)作頻次、運(yùn)行趨勢(shì)等進(jìn)行實(shí)時(shí)監(jiān)視,分析設(shè)備的內(nèi)在關(guān)聯(lián),建立設(shè)備機(jī)理模型以及設(shè)備異常預(yù)警機(jī)制。
在機(jī)組發(fā)電狀態(tài)且有功功率變化小于5%的穩(wěn)定條件下,單次壓油泵的啟動(dòng)時(shí)間是相對(duì)穩(wěn)定的,如果單次壓油泵啟動(dòng)時(shí)間過(guò)長(zhǎng),則可能是該壓油泵效率低下、電機(jī)過(guò)載或控制回路故障等。
根據(jù)壓油泵單次運(yùn)行時(shí)間特性,分析測(cè)算出壓油泵正常運(yùn)行工效的上限值:
(1)停泵時(shí)間-啟泵時(shí)間<上限值,判定為正常狀態(tài),不做告警提示。
(2)停泵時(shí)間-啟泵時(shí)間≧上限值,判定為缺陷狀態(tài),做告警提示。
(3)停泵時(shí)間-啟泵時(shí)間≧上月平均啟動(dòng)時(shí)間的150%,判定為缺陷狀態(tài),做預(yù)警提示。
機(jī)組發(fā)電狀態(tài)或者停機(jī)狀態(tài)下,壓油泵的運(yùn)行間隔時(shí)間是相對(duì)穩(wěn)定的,如果壓油泵運(yùn)行間隔時(shí)間過(guò)短,則可能是管路漏氣跑油。
根據(jù)調(diào)速器壓油泵運(yùn)行間隔時(shí)間特性,分析測(cè)算出壓油泵正常運(yùn)行間隔的閾值:
(1)啟泵時(shí)間-停泵時(shí)間≧設(shè)定值,判定為正常狀態(tài),不做告警提示。
(2)啟泵時(shí)間-停泵時(shí)間<設(shè)定值,判定為缺陷狀態(tài),做預(yù)警提示。
(3)啟泵時(shí)間-停泵時(shí)間<下限值,判定為故障狀態(tài),做告警提示。
在機(jī)組發(fā)電狀態(tài),有功功率大于額定功率的50%且有功功率變化小于5%的穩(wěn)定條件下,機(jī)組水力是相對(duì)平衡的。通過(guò)對(duì)水導(dǎo)擺度、轉(zhuǎn)輪室振動(dòng),對(duì)機(jī)組水力平衡進(jìn)行監(jiān)測(cè)分析。
基于對(duì)穩(wěn)定工況下對(duì)應(yīng)值的大數(shù)據(jù)分析,人工經(jīng)驗(yàn)輔助修訂,自動(dòng)計(jì)算穩(wěn)定運(yùn)行值:
(1)一個(gè)周期30min,一個(gè)周期平均分3 個(gè)時(shí)段,每個(gè)時(shí)段10min,與每個(gè)時(shí)段的歷史值比較((當(dāng)前值-歷史值)/當(dāng)前時(shí)段平均值),根據(jù)“上升”或“下降”變化的選擇,判斷每個(gè)時(shí)段的上升(或下降)的變化率是否均大于此值5%,歷史值為一個(gè)周期平均值。將水導(dǎo)X/Y 向擺度、轉(zhuǎn)輪室X/Y 向振動(dòng)帶入計(jì)算,若滿足條件,則做預(yù)警提示;
(2)一個(gè)周期15min,取3 個(gè)連續(xù)周期判斷,將水導(dǎo)X/Y 向擺度、轉(zhuǎn)輪室X/Y 向振動(dòng)帶入計(jì)算,如果計(jì)算出曲線變化率每個(gè)周期都超過(guò)設(shè)定值,則做預(yù)警提示;
(3)將水導(dǎo)X/Y 向擺度、轉(zhuǎn)輪室X/Y 向振動(dòng)當(dāng)前測(cè)值與系統(tǒng)自動(dòng)計(jì)算的穩(wěn)定運(yùn)行值比較,大于5%做告警提示。
集電環(huán)經(jīng)長(zhǎng)期工作,因各種原因?qū)е缕涔ぷ髅娉霈F(xiàn)斑點(diǎn)、痕跡、凹痕、損傷等,在正常狀態(tài)下,集電環(huán)運(yùn)行狀態(tài)相對(duì)穩(wěn)定。集電環(huán)預(yù)警對(duì)象通過(guò)集電環(huán)運(yùn)行環(huán)境多點(diǎn)監(jiān)測(cè),對(duì)集電環(huán)故障進(jìn)行綜合分析。
(1)一個(gè)周期15min,取3 個(gè)連續(xù)周期判斷,將集電環(huán)溫度代入計(jì)算,如果計(jì)算出曲線變化率每個(gè)周期都超過(guò)設(shè)定值,則做預(yù)警提示;
(2)一個(gè)周期3min,一個(gè)周期平均分3 個(gè)時(shí)段,每個(gè)時(shí)段1min,與每個(gè)時(shí)段的歷史值比較((當(dāng)前值-歷史值)/當(dāng)前時(shí)段平均值),根據(jù)“上升”或“下降”變化的選擇,判斷每個(gè)時(shí)段的上升(或下降)的變化率是否均大于此值5%,歷史值為一個(gè)周期平均值。將集電環(huán)噪音分貝數(shù)代入計(jì)算,若滿足條件,則做預(yù)警提示;
(3)將集電環(huán)X/Y 振動(dòng)當(dāng)前測(cè)值與系統(tǒng)自動(dòng)計(jì)算的穩(wěn)定運(yùn)行值比較,大于5%做告警提示。
設(shè)備運(yùn)行狀態(tài)、健康狀態(tài)和運(yùn)行效率等指標(biāo)均能反映設(shè)備健康情況,因此可以通過(guò)分析設(shè)備的運(yùn)行狀態(tài)和性能是否在合理的閾值之間,來(lái)判斷設(shè)備的運(yùn)行狀態(tài),從而實(shí)現(xiàn)設(shè)備智能預(yù)警。設(shè)備運(yùn)行狀態(tài)的閾值一般是固定值,但是某些設(shè)備的運(yùn)行狀態(tài)受環(huán)境因素的影響較為明顯,可通過(guò)函數(shù)、模糊訓(xùn)練數(shù)據(jù)、人工神經(jīng)網(wǎng)絡(luò)等方式構(gòu)建動(dòng)態(tài)閾值。
以函數(shù)動(dòng)態(tài)閾值模型為例,以水輪機(jī)振擺數(shù)據(jù)作為例分析,利用綜合特性曲線可得到水輪機(jī)振擺數(shù)據(jù)的函數(shù)表達(dá)式,進(jìn)而求得函數(shù)閾值,水輪機(jī)健康狀態(tài)異常的動(dòng)態(tài)閾值為網(wǎng)格閾值。在拉依達(dá)準(zhǔn)則和辛欽大數(shù)定律的基礎(chǔ)上,結(jié)合水輪機(jī)運(yùn)行的實(shí)際工況,考慮放寬一定裕度,并將其應(yīng)用于網(wǎng)格閾值的計(jì)算中,計(jì)算公式為
其中,是相同工況下積累的穩(wěn)定性狀態(tài)數(shù)據(jù)的平均值,δ是所有穩(wěn)定性狀態(tài)數(shù)據(jù)的標(biāo)準(zhǔn)差,Δ 是裕度值。
在相似影響因素趨勢(shì)過(guò)程分析中,首先判斷設(shè)備在離散化的影響因素區(qū)間內(nèi)平穩(wěn)運(yùn)行的具體時(shí)間軸,設(shè)備在統(tǒng)計(jì)時(shí)段內(nèi)的有效狀態(tài)數(shù)據(jù)可作為分析該設(shè)備運(yùn)行過(guò)程趨勢(shì)的采樣依據(jù)。
智能預(yù)警功能后臺(tái)計(jì)算服務(wù)通過(guò)建立預(yù)警對(duì)象的模型基礎(chǔ),實(shí)現(xiàn)模型數(shù)據(jù)支撐服務(wù)模塊、工況整編及特征值抽取模塊,平臺(tái)可視化計(jì)算模塊,歷史數(shù)據(jù)服務(wù)模塊等功能,解決海量報(bào)警中無(wú)法人工尋找重要信息的問(wèn)題,提升水電廠的自動(dòng)化管理水平及預(yù)防性維護(hù)決策能力,保障電廠安全穩(wěn)定運(yùn)行。
2.2.1 模型數(shù)據(jù)支撐服務(wù)模塊
模型數(shù)據(jù)支撐服務(wù)模塊的主要作用是將外部采集到的基礎(chǔ)點(diǎn)進(jìn)行模型化,并發(fā)布到數(shù)據(jù)總線中,并將數(shù)據(jù)總線中的告警及特征進(jìn)行計(jì)算處理,形成系統(tǒng)整體的告警斷面信息,并進(jìn)行發(fā)布。
該模塊還負(fù)責(zé)發(fā)布智能預(yù)警實(shí)時(shí)緩存中的數(shù)據(jù)到各個(gè)節(jié)點(diǎn),并接收前端發(fā)送的相關(guān)控制操作寫入實(shí)時(shí)庫(kù)?;A(chǔ)數(shù)據(jù)整編服務(wù)根據(jù)設(shè)備對(duì)象基本屬性的組態(tài),將監(jiān)控系統(tǒng)原始的歷史數(shù)據(jù)整編記錄到設(shè)備對(duì)象屬性數(shù)據(jù)庫(kù)表中,供智能預(yù)警特征整編計(jì)算使用[2]。
2.2.2 工況整編及特征值抽取模塊
工況整編及特征值抽取模塊主要用作抽取設(shè)備對(duì)象預(yù)警判斷時(shí)所需的特征值的功能。
該模塊主要完成如下功能:實(shí)時(shí)數(shù)據(jù)的接收與歷史數(shù)據(jù)的讀??;從監(jiān)控實(shí)時(shí)數(shù)據(jù)總線獲取當(dāng)前實(shí)時(shí)數(shù)據(jù);計(jì)算工況變化情況;由工況變化觸發(fā)對(duì)應(yīng)的處理線程進(jìn)行特征抽??;定時(shí)啟動(dòng)特定的特征抽取線程,從歷史庫(kù)中獲取數(shù)據(jù)統(tǒng)計(jì)信息和特征;通過(guò)分析框架實(shí)時(shí)數(shù)據(jù)總線發(fā)布特征和統(tǒng)計(jì)信息。
2.2.3 平臺(tái)可視化計(jì)算模塊
平臺(tái)可視化計(jì)算模塊的主要作用是根據(jù)組態(tài)好的邏輯關(guān)系,進(jìn)行綜合告警策略計(jì)算、通用告警策略計(jì)算、高級(jí)算法策略計(jì)算等功能,并更新告警實(shí)時(shí)緩存供數(shù)據(jù)發(fā)布服務(wù)使用。
2.2.4 歷史數(shù)據(jù)服務(wù)模塊
歷史數(shù)據(jù)記錄模塊主要實(shí)時(shí)記錄各設(shè)備對(duì)象屬性點(diǎn)的歷史數(shù)據(jù),記錄各個(gè)特征整編值,同時(shí)在設(shè)備對(duì)象告警產(chǎn)生的時(shí)刻將該斷面的所有相關(guān)報(bào)警信息進(jìn)行記錄數(shù)據(jù)庫(kù)的處理,提供故障追溯的數(shù)據(jù)來(lái)源。
2.3.1 模型組態(tài)
智能預(yù)警模型組態(tài)是基于預(yù)警的業(yè)務(wù)邏輯和定義算法,使用算子樹構(gòu)成的模型。這個(gè)過(guò)程使用可視化界面完成,只需簡(jiǎn)單的拖拉拽操作,通過(guò)將需要的算子從工具箱拖動(dòng)到畫布中,算子之間使用連接線連接。連接線有上方的端點(diǎn)表示算子輸入,下方的端點(diǎn)表示算子輸出,通過(guò)連接線連接算子,確保算子之間的輸入輸出關(guān)系,完成建模的過(guò)程。
智能預(yù)警系統(tǒng)同一個(gè)模型可以應(yīng)用于多個(gè)設(shè)備或者系統(tǒng),對(duì)于不同的設(shè)備或者系統(tǒng),應(yīng)用同一個(gè)模型時(shí)可以在模型應(yīng)用頁(yè)進(jìn)一步調(diào)整算子的參數(shù)、告警算子的告警號(hào)等。
當(dāng)設(shè)備相關(guān)油位、壓力或者水位處于某一穩(wěn)定工況下,設(shè)備單次運(yùn)行時(shí)間統(tǒng)計(jì)大于特性數(shù)據(jù)時(shí)報(bào)警,提醒運(yùn)維人員及時(shí)檢查并處理。
2.3.2 模型應(yīng)用
模型應(yīng)用功能用于將配置好的模型應(yīng)用于相應(yīng)的設(shè)備。同一個(gè)模型可以應(yīng)用于多個(gè)設(shè)備,對(duì)于使用同一個(gè)模型模板的不同設(shè)備,可以在模型應(yīng)用頁(yè)進(jìn)一步調(diào)整算子的參數(shù)和告警算子的告警號(hào)等設(shè)置。
2.3.3 預(yù)警展示
智能預(yù)警展示分為實(shí)時(shí)預(yù)警和歷史預(yù)警兩部分,實(shí)時(shí)預(yù)警展示當(dāng)前智能預(yù)警系統(tǒng)動(dòng)作的預(yù)警信息,歷史預(yù)警展示智能預(yù)警系統(tǒng)全部預(yù)警信息。其中曲線快查和預(yù)警追溯能友好地展現(xiàn)設(shè)備預(yù)警原因并將預(yù)警相關(guān)歷史數(shù)據(jù)一并展現(xiàn),便于運(yùn)行人員快速分析故障原因。
智能預(yù)警功能是基于故障模型和數(shù)據(jù)模型,提前預(yù)知設(shè)備故障?;谕陚涞哪P蛿?shù)據(jù)進(jìn)行專業(yè)分析,精準(zhǔn)定位故障原因,監(jiān)測(cè)故障劣化趨勢(shì),實(shí)現(xiàn)設(shè)備壽命預(yù)測(cè),減少非計(jì)劃?rùn)z修、非計(jì)劃停機(jī),以及減輕現(xiàn)場(chǎng)人員工作量和壓力。
提出數(shù)據(jù)分析標(biāo)準(zhǔn)規(guī)則,對(duì)匯集的數(shù)據(jù)進(jìn)行漏點(diǎn)檢測(cè)、空值處理、維度變換、類型轉(zhuǎn)換等操作,將轉(zhuǎn)換后標(biāo)準(zhǔn)的數(shù)據(jù)匯總進(jìn)入數(shù)據(jù)倉(cāng)庫(kù)(如圖1 所示),確保數(shù)據(jù)質(zhì)量、支撐挖掘分析。完成數(shù)據(jù)分析、挖掘及閉環(huán)驗(yàn)證,最終得到寶貴的水電廠運(yùn)行經(jīng)驗(yàn)與規(guī)律。
圖1 智能預(yù)警數(shù)據(jù)分析Fig.1 Data analysis of intelligent early warning
傳統(tǒng)的設(shè)備運(yùn)行狀態(tài)分析要依靠人員定時(shí)地去統(tǒng)計(jì)、計(jì)算、比較數(shù)據(jù),耗費(fèi)大量的人力資源并且也不能達(dá)到準(zhǔn)確全面的分析,而采用智能預(yù)警系統(tǒng)可以實(shí)現(xiàn)24h,全方位不間斷的精準(zhǔn)分析,避免了人工分析依賴經(jīng)驗(yàn)判斷的局限性,實(shí)現(xiàn)了管理數(shù)字化、科學(xué)化,減少了管理成本,提高了工作效率。
根據(jù)水電廠靜態(tài)設(shè)備、動(dòng)態(tài)設(shè)備的運(yùn)行特性,針對(duì)目前故障報(bào)警存在的不足,建立設(shè)備運(yùn)行關(guān)聯(lián)度模型,實(shí)現(xiàn)生產(chǎn)關(guān)鍵環(huán)節(jié)設(shè)備潛在故障的智能預(yù)警。
利用機(jī)組設(shè)備運(yùn)行所累積的海量歷史數(shù)據(jù),建立部件、設(shè)備、系統(tǒng)、機(jī)組等運(yùn)行的性能模型,以設(shè)備為對(duì)象作為監(jiān)測(cè)指標(biāo),而非測(cè)點(diǎn)閾值作為監(jiān)測(cè)指標(biāo),實(shí)現(xiàn)設(shè)備對(duì)象的智能預(yù)警。
通過(guò)實(shí)時(shí)讀取、跟蹤、分析設(shè)備的運(yùn)行數(shù)據(jù),來(lái)捕捉設(shè)備運(yùn)行狀態(tài)的細(xì)微變化,研判設(shè)備的運(yùn)行狀態(tài),提前發(fā)現(xiàn)設(shè)備的異動(dòng)、缺陷直至潛在故障,實(shí)現(xiàn)智能預(yù)警。
智能預(yù)警系統(tǒng)提升監(jiān)盤工作和應(yīng)急處置快速反應(yīng)能力,降低運(yùn)行監(jiān)盤人員勞動(dòng)強(qiáng)度,保障電廠安全穩(wěn)定運(yùn)行和減少現(xiàn)場(chǎng)人工成本。智能預(yù)警系統(tǒng)提升了水電廠智能化、科學(xué)化、標(biāo)準(zhǔn)化運(yùn)行管理水平,達(dá)到利用智能化技術(shù)創(chuàng)新電力生產(chǎn)企業(yè)運(yùn)行管理手段的目的,進(jìn)一步保障電力生產(chǎn)企業(yè)的安全可靠穩(wěn)定生產(chǎn),具有重要的意義。