在線診斷預警系統在溫州電廠實際應用總結

王會勤，徐智偉

（浙江浙能溫州發電有限公司，浙江 溫州 325600）

0 引言

隨著火電機組向大容量高參數發展，如何減少電力設備故障顯得越來越重要，提前發現運行設備異常征兆是一種十分有力的手段。隨著“云計算”普及應用，計算機將數據上傳集團數據中心，集團數據中心對下屬各個電廠實時數據進行分析計算，在發電設備故障早期發出警告信息，為提高發電設備安全性和可靠性提供科學的數據依據，浙能集團開發了發電設備遠程診斷系統，在溫州發電公司正式運行。

1 概述

浙能集團在線診斷系統采用EPI*Center軟件平臺，在線診斷系統硬件設備主要由在線診斷計算服務器、應用服務器、系統維護服務器、各發電企業生產實時數據信息系統、網絡交換機、光纖接口機、光纖傳輸通道等設備及相關連接回路組成[1]。各臺機組的實時數據納入廠級PI服務器，并將數據傳送集團總部PI系統服務器，在線診斷計算服務器讀取需要的實時數據送到計算服務器進行分析，通過信息服務器發布到各用戶瀏覽器。

浙江浙能溫州發電有限公司于2013年4月完成建模。四臺機組總共90個模型，監視設備57臺，涉及到4800個測點。監視設備覆蓋主機和重要輔機，包括汽輪機、發電機、給水系統、加熱器、凝結器、送引風機、脫硫系統、鍋爐汽水系統和風煙系統等設備[2]。如表1所示。

常規的故障報警通常采用絕對值報警，即設定參數報警的上下限，當運行參數超過設定值時產生報警以提醒處理。如果結合點檢員現場檢查等手段，可以發現設備異常運行狀況。截止至10月15日，浙江浙能溫州發電有限公司利用在線診斷軟件發現設備性能異?；蛘咻S承劣化26例，涉及重要輔機和加熱器，其中18例設備異常問題得到及時檢修處理，其余8例設備異常還需要觀察，等合適時間進行處理。由于發現及時，沒有到故障狀態前得到處理，使設備故障率降低。對浙江浙能溫州發電有限公司經濟安全運行起了積極作用。

表1 設備模型類型及故障模式Table 1 Model type of the device and failure modes

2 在線診斷預警系統案例分析

2.1 #5A吸收塔再循環泵軸承潤滑油溫度高預警

預警信息圖如圖1，信息顯示溫州電廠#5A吸收塔再循環泵軸承潤滑油溫度高預警。

預警事件原因分析：調用同期#5A吸收塔再循環泵軸承潤滑油溫度相關數據如圖2。

由預警圖所示，溫州電廠#5A吸收塔再循環泵潤滑油溫度實際值58.9℃，比估計值42.8℃偏差16℃，由此導致偏差報警。根據預警圖時間記錄，5月21日#5A吸收塔再循環啟動后，#5A吸收塔再循環泵潤滑油溫度逐漸上升，5月21日20:00，潤滑油溫度實際值比預估值高3℃，6月13日最高達16℃，判斷軸承存在異?，F象。

6月13日，灰硫分場技術員對#5A吸收塔再循環泵進行現場檢查：軸承潤滑油油溫現場測量68℃，軸承潤滑油油位正常、觀察孔內油質顯示清晰；軸承有異聲，判斷軸承磨損引起，停運#5A吸收塔再循環泵，再檢查發現軸承異常磨損嚴重。查閱#5A吸收塔再循環泵軸承檢修履歷，發現#5A軸承上次檢修為2012年，設備運行周期比較長，現已到檢修時期。得出結論是#5A吸收塔再循環泵軸承磨損引起。

據上述分析，提出建議：#5A吸收塔再循環泵軸承存在磨損現象，現處檢修狀態；對一些軸承溫度異常升高的設備，進行現場檢查，特別是一些運行周期較長的設備。

圖2 與軸承溫度相關數據實際值與預估值對比圖Fig.2 Bearing temperature data on actual and estimate comparison chart

圖3 潤滑油油壓變化趨勢圖Fig.3 Lube oil pressure trend diagram

2.2 #5機組給水泵汽機A潤滑油油壓低預警

預警信息如圖3，信息顯示：溫州電廠#5機組給水泵汽機A潤滑油油壓低預警。

圖4 與潤滑油壓相關數據實際值與預估值對比圖Fig.4 The lubricating oil pressure-related data, actual and estimated comparison chart

預警事件原因分析：調用#5機組給水泵汽機A潤滑油其他數據如圖4。

觀察預警圖示及取樣值，#5機組給水泵汽機A潤滑油實際油壓為0.32MPa比估計值0.34MPa偏差0.02MPa，造成偏差大預警。

溫州電廠三期#5機330MW汽輪機組按單元制機組的鍋爐給水要求，每臺主機配置兩臺各為50%鍋爐額定給水量的汽動給水泵，驅動鍋爐主給水泵采用NK50/56型變轉速凝汽式汽輪機，查閱運行規程，潤滑油系統安裝HH8370F48KTUBP-YC03型號過濾器，潤滑油濾網前后差壓達3.4±0.3bar旁通閥動作。

查閱預警趨勢圖，#5機組給水泵汽機A潤滑油壓力5月2日開始實際值與估計值偏差逐漸增大，5月11日實際值與估計值偏差達0.01MPa，出現偏差大預警。網前壓力5-PT5505逐漸上升，網后壓力5-PT5520逐漸下降（油濾網臟堵的特征）。

根據運行規程規定和系統圖進行分析，出現偏差現象有可能是潤滑油濾網臟引起的，汽機點檢員對給水泵汽機潤滑油現場進行檢查，潤滑油濾油器前就地壓力表為1.0MPa，濾油器后壓力為0.62MPa，潤滑油濾油器A側運行，就地濾芯差壓高報警；查看給水泵汽機B潤滑油濾油器前就地壓力表1.0MPa，濾油器后壓力為0.75MPa，判斷給水泵汽機A潤滑油濾油器A側濾芯堵塞現象。

查閱#5機組給水泵汽機A潤滑油濾油器濾芯更換檢修記錄，#5機組給水泵汽機A潤滑油濾芯在2013年11月30日更換過一次。據此得出結論：#5機組給水泵汽機A潤滑油濾油器A側濾芯堵塞引起。檢查每月定期油化驗報告記錄，檢查報告3月份和4月份檢查時油中水分較多，說明濾芯堵塞是因為水分太多引起，加強對A小機潤滑油濾油，并且通知機務檢查水分增多的原因并進行分析。

據上述分析，提出建議：運行人員在出現潤滑油濾網差壓高報警時及時通知維護更換；根據運行記錄和缺陷統計，#5機組給水泵汽機A潤滑油濾網更換周期比給水泵汽機B周期短，建議運行人員加強對給水泵A潤滑油定期濾油。

圖5 磨煤機電流變化趨勢圖Fig.5 Mill current trend diagram

圖6 與磨煤機相關數據實際值與預估值對比圖Fig.6 Mill-related data is actual and estimate comparison chart

2.3 #3爐磨煤機A電流高預警

預警信息圖如圖5所示，信息顯示：溫州電廠#3爐磨煤機A電流高預警。

預警事件原因分析：調用同時期#3爐磨煤機A其他數據如圖6。

由預警圖，溫州電廠#3爐磨煤機A電流8月18日9時實際電流41.5A，比預估值38.1A偏高3.4A，由此導致偏差預警。

通過觀察預警圖示及取樣值，8月17日10時，#3爐磨煤機A電流高出現連續報警，判斷磨煤機內部出現異?；蛘呓o煤機稱重裝置不準引起。

現場調查：溫州電廠二期#3、#4爐由上海鍋爐廠制造SG-1025/18.3型亞臨界中間一次再熱控制循環汽包爐，配有五臺HP-863中速磨直吹式制粉。查閱二期集控長交接班記錄，從8月16日16時開始，磨煤機一直使用：優混煤，發熱量5563kcal/kg，排除了因磨煤機磨的煤種不一樣引起電流偏差的可能性。對機組負荷和總給煤量的對比分析，判斷給煤機稱重裝置運行正常。8月18日下午，鍋爐點檢員對#3爐磨煤機A現場調查，發現#3爐磨煤機A石子煤量明顯比其他運行制粉少，判斷石子煤沒有及時清理引起石子煤排放口堵塞，磨煤機內部石子煤刮板阻力增加，引起磨煤機A電流增大。最后結論：石子煤排放口堵塞，磨煤機內部石子煤刮板阻力增加，引起磨煤機A電流增大。

據上述分析，提出建議：巡檢員重視現場磨煤機聲音和石子煤排放系統的巡查質量，及時分析異常。

2.4 在線診斷預警系統運行實效性

2014年本公司總共有設備故障案例分析72例，其中40例因測量回路異?；蛘吣Ｐ蛦栴}引起預警，剩余32例由設備本體存在問題引起。本公司2013年至2014年設備升級改造項目較多，模型問題引起預警較多，對9月份統計，新增事件數達266條/臺，由于軟件采用上下限預警，無法避免無效預警。隨著在線診斷新系統的投運，接下來預警次數將會減少。在線診斷軟件可以實現對設備問題的跟蹤管理，記錄設備問題由發生到解決處理，最后驗收各個環節的情況。積累對各類設備問題的原因及其處理方法，實現設備專家知識庫的建立。

目前，大部分電廠設備檢修方式采用定期預防性檢修方式，定期預防性檢修方式容易出現設備過修，浪費人力和財力[3]。如何解決設備過修現象，把被動檢修方式改為主動檢修方式是管理人員重視和關注的問題，浙江浙能溫州發電有限公司也正在研究如何利用故障預警分析軟件結合設備計劃檢修，讓設備管理人員有針對和有計劃的對設備進行檢修，延長設備間隔。2014年截止10月份，浙江浙能溫州發電有限公司總共1次機組A修前和9次調停，在這10次停機機會里，利用在線診斷系統軟件遺留的事件按專業分發給各專業組長，要求他們進行梳理，充分利用停機處理遺留事件。

3 結論

在線診斷系統在實際應用過程中，不僅幫助點檢員提供設備異常技術支持，提高設備可用率，而且為點檢員分析非實時的、碎片化的數據節省大量時間。隨著系統開發和研究地深入，在線診斷系統可以替代分析一些設備上的疑難雜癥，使問題程序化、簡單化，為企業安全經濟運行提供技術保障。

[1]蔡寧寧.發電設備故障遠程診斷系統的應用探討[J].浙江電力.2012,05:20-23.

[2]李玉珍.故障預警系統在發電設備狀態評估與故障診斷工作中的應用[C].2010年全國發電企業設備檢修技術大會論文集，2010.

[3]張浩,彭道剛,夏飛,等.發電設備智能故障診斷技術[M].北京:中國電力出版社.2014:1-83.