高能耗過程裝備健康能效監測系統研究與應用

李 偉，王慶鋒

（1.中國儀器進出口（集團）公司，北京 100044；2.北京化工大學，北京 100029）

?

高能耗過程裝備健康能效監測系統研究與應用

李 偉1，王慶鋒2

（1.中國儀器進出口（集團）公司，北京 100044；2.北京化工大學，北京 100029）

摘 要：針對高能耗化工泵、壓縮機、風機等缺乏健康能效監測與評價，造成裝備實際運行效率低下、能源浪費嚴重、安全事故頻發的現狀，提出了健康能效監測的必要性。本文研究了健康能效監測系統的搭建、典型設備效率模型的構建和監測數據的采集及故障診斷的預測技術。實踐證明：研究的過程裝備健康能效監測系統能夠實現健康能效監測與預警、評估與預測，有助于確保設備安全、高效、長周期運行。

關鍵詞：健康能效；數據采集；效率模型；監測；安全；高效

中國石化行業高能耗化工泵、壓縮機、風機等過程機器耗電量分別占全國用電量的20.9％、9.4％、10.4％，其綜合能效分別比國際先進水平低2％ ～6％、5％ ～10％、2％ ～5％［1］；國內制造和進口機組遠離設計工況運行的現象都普遍存在，實際運行效率比設計效率低5％ ～20％，有的甚至低30％ 以上［1］；國內同類機組連續運行周期只有國外領先水平的1/2～2/3，針對中國某大型石化企業1 400臺200 kW以上的壓縮機組進行統計，分析得其故障率約27.13％、報警率約31％，壓縮機和化工泵導致石化裝置非計劃停工次數分別占13.46％和7.69％，經濟損失巨大，危及人機安全［2］。健康能效監控水平低或缺少；裝備無故障運行周期短、運行可靠性差等原因造成裝備實際運行效率低下，能源浪費嚴重，安全事故頻發［1，3，4］。加強高能耗過程裝備健康能效監測與評價對于保證裝備安全運行、提高經濟效益都具有非常重要的意義。

1 過程裝備健康能效監測技術研究

健康能效監測的目的是確保設備在安全和高效率的狀態下運行。故障診斷、故障預測、狀態監測與評價是健康管理的重要內容；效率監測與評價是能效管理的重要內容。運行裝置大型化、高速化、自動化、智能化的趨勢越來越明顯，計算機集散控制系統（Distributed Control System，DCS）、生產制造執行系統（manufacturing execution system，MES）、狀態監測系統（Condition Monitoring System，CMS）、企業資產管理系統（Enterprise Asset Management，EAM）或企業資源計劃管理系統（Enterprise Resource Planning，ERP）等先進控制管理信息系統被廣泛應用，反映過程機器運行健康能效信息的海量數據（例如：溫度、壓力、流量、液位、軸振動、軸位移等以及設備故障信息、維修信息等歷史數據）被存儲而其價值未充分利用。數據挖掘分析能夠實現過程機器狀態評估與故障預測并提高決策管理水平。國內學者李晗等研究了基于數據驅動的分類預測、狀態評估等故障診斷方法［5］；王燕等構建了面向領域的數據驅動自主式知識獲取模型［6］；劉博元等以復雜系統部署的傳感器產生的實時大數據（流式數據）作為系統狀態監測的來源，研究了基于大數據的復雜生產系統健康度實時評估方法［7］，用于提供監控對象早期預警、狀態評估和決策支持信息［8］。

1.1 健康能效監測系統搭建

信息化與工業化深度融合為主線，深化信息技術集成應用，信息技術是促進工業研發設計、生產過程控制、節能減排、安全生產的重要支撐。工業互聯網、大數據、云計算技術為主要特征的智能工廠風起云涌，但是以設備健康、高效運行為主題的研究較少。人工智能技術、計算機技術和傳感器技術使故障識別專家系統成為可能［9］。面對“人-機-過程-環境”復雜系統，實現設備管理信息化、智能化是一種先進的設備維修工程［10］。基于工業互聯網、大數據和云計算技術的裝備健康能效監測系統可促使產業技術升級、生產成本降低、設備使用壽命延長，確保裝備安全、節能、長周期運行。

健康能效智能化監測系統由傳感器層、網絡層和應用層組成，其網絡拓撲圖見圖1。其中，傳感器層包括加速度、速度、位移、流量、壓力、溫度等各類型傳感器、數據采集器及信號處理器。網絡層由有線網絡（Internet，Intranet，LAN）和無線網絡（Wifi、Zigbee、3G、4G）組成。設備健康能效智能化監測系統的用戶包括手機用戶、iPad用戶、企業專網用戶和遠程VPN用戶，應用層可以提供用于故障診斷和預測、效率監測與評估。利用傳感器技術、計算機技術、人工智能技術、服務接口技術（OPC、DDZ）、大數據庫技術，采用統一的數據結構，基于SOA（Service-Oriented Architecture）架構綜合集成狀態監測系統（CMS）、生產執行系統（MES）、實驗室信息管理系統（LIMS）和電力監測系統（PMS）等動態數據系統，搭建健康能效智能化監測系統。系統應用層支持系統為新開發的狀態監測智能診斷專家系統功能模塊和效率監測預警系統功能模塊。系統搭建采用計算機接口和集成技術，投資少、簡單易行，并且可以實現各信息系統的互聯互通，避免信息孤島。

圖1 健康能效監測系統網絡拓撲圖

1.2 多來源數據采集

設備健康能效智能化監測系統實時數據獲取來源于效率監測模塊和健康監測模塊，見圖2。設備健康能效智能化監測系統包括電力監測系統、生產執行系統、狀態監測系統和實驗室信息管理系統4個子系統，它們分別為效率監測模塊和健康監測模塊提供實時數據。電力監測系統可以獲取電壓、電流、功率因數、有功和無功功率及其他狀態變量數據；生產執行系統采集溫度、壓力和流量數據；實驗室信息管理系統采集密度、介質組分或化學成分等數據；狀態監測系統獲取速度、位移、加速度、相位和聲發射參數等條件變量數據。

圖2 多來源數據采集

如圖2所示，振動監測數據、電力監測數據具有數據采集量大、數據實時變化大等特點，是典型的大數據，利用大數據分析、數據挖掘技術能夠診斷設備運行故障的發生、預測故障的發展，并預測效率的劣化趨勢等。

1.3 效率計算模型構建

近年來，設備制造廠有的已開始標配狀態監測系統，卻仍未考慮裝備效率監測系統，更重要的大量在役高能耗離心泵、壓縮機等未配備相應的數據采集和監測傳感器，導致了設備健康和效率可監測性較差。由于泵和壓縮機消耗的能源約占裝置總能耗的15％～40％，本文重點針對壓縮機和離心泵效率監測開展研究。

（1）壓縮機效率計算模型。用于復雜流程工業的壓縮設備包括往復式壓縮機和離心式壓縮機。

要確定任何壓縮過程的等熵效率，需要測量壓縮機吸入和排出介質的總焓（h）、總壓力（p）、溫度（T）和熵（s），于是得到等熵效率ηis：

式中，焓、熵數值通過構建壓縮介質溫度-壓力-熵（焓）數據庫自動獲取，在效率監測評價時，通過實時獲取壓縮機的排氣壓力、排氣溫度、吸氣壓力和吸氣溫度等數值就可以自動實時計算壓縮機的效率。

（2）離心泵效率計算模型。離心泵的效率計算，需要確定進口溫度（T）、介質密度（ρ）、流量（Q）、泵的進口壓力（p進）和泵的出口壓力（p出）、電機有功功率（N1）、電機無功功率（N2）或供電電壓（U）、電機工作電流（I）、配電系統的功率因數（cos?）等，于是得到離心泵機械效率η：

式中，p進和p出測壓點在同一高度；溫度、流量、壓力等參數從MES實時獲取，介質密度從實驗室管理系統獲取，電機有功功率、無功功率、供電電壓、電機電流、功率因數等數值從電力監控系統實時獲取。

1.4 故障預測模型

（1）往復機械支撐環故障預測模型。活塞桿下沉量位移監測原理見圖3。E為活塞支撐環高出活塞體表面的距離，E值大小根據設備零部件裝配尺寸而定。根據三角形測量法，建立如下數學模型：

式中，Y為活塞下沉量；X為活塞桿下沉量；C為活塞運動到后死點位置時十字頭銷中心線和下沉測量位移傳感器距離；D為十字頭銷中心線到活塞支撐環中心距離。

當Y≥75％×E時，需要更換活塞支撐環或其他零部件，以防止活塞拉缸事故發生。活塞桿下沉量監測實際上包含了活塞桿磨損量、填料箱支撐套的磨損量，是一個綜合指標。

同樣的原理，利用示功圖構建往復壓縮機氣閥、活塞環等故障診斷預測模型，也可以實現針對往復式壓縮機氣閥、活塞環的故障預測。

（2）旋轉機械典型故障預測模型構建。除了極少數突發故障以外，絕大多數故障的產生有一個漸進的過程。漸發性故障指設備在使用過程中由于某些零部件的疲勞、腐蝕、磨損等使性能下降而發生故障，從原發性故障形成到設備故障發生、發展與形成是一個漸變過程，表現在特征參數上，其當前值與過去時刻值有一定的關系，使特征參數序列內各量間有一定的關聯性，它是設備狀態預測的前提和基礎。

圖3 活塞桿下沉量位移監測原理

每種設備都具有一系列表征其狀態和性能的特征參數 x1，x2，…，xn，它們是時間的函數，可寫為xit（）。設備正常狀態和性能能力是n個特征參數xit（）的集合，而故障和失效則是xit（）超出正常狀態界限的集合。根據可靠性理論，用劣化度di表示偏離xit（）的程度，其取值范圍為［0，1］。當劣化度為1時，表明設備處于故障狀態；當劣化度為0時，表明設備處于良好狀態。劣化度可按下式計算：

式中，x0表示該設備狀態特征參數正常值，xmax表示該設備須停運時的狀態參數閾值，xi表示該狀態參數的實際測量值。

通過故障征兆信息信號處理，分析提取特征參數、計算裝備系統狀態和工況參數之間的非線性關系，探測分析產生故障的原因。旋轉設備表征其狀態和性能的特征參數主要有負載性能參數，如流量、溫度、壓力、電流、功率或效率等；狀態特征參數，如振動時域信號特征（峰-峰值，有效值等）、振動頻譜類特征（幅值譜、相位譜、功率譜、倒頻譜等）、潤滑油液磨損顆粒參數等。

狀態預測與剩余工作壽命確定原理見圖4。利用計算機軟件編程技術和人工智能神經網絡模型GM（l，l）預測技術，建立設備剩余工作壽命預測模型。采集設備從正常狀態-故障劣化可探測閾值線-故障劣化剩余壽命可預測閾值線劣化度，通過模型訓練，就可以預測從A點到故障停機B點的剩余工作壽命。剩余工作壽命預測一般對旋轉機械的轉子不平衡、軸承磨損等類型的故障診斷預測有比較好的效果。

圖4 狀態預測與剩余工作壽命確定原理

2 工程應用案例

2015年，中國某石化企業建立了如圖1所示的健康能效監測系統并實現了全公司145臺200 kW以上功率的離心泵的效率監測。研究發現：145臺被監測的離心泵中63臺存在偏離設計工況運行的情況，效率比設計值低2％～6％；采用葉輪切割、變頻調速技術對偏離工況的離心泵進行健康能效提升改造，平均年節約電費2 075萬元；145臺高能耗離心泵實現了健康實時在線監測，采用智能故障診斷和故障預測方法，成功預測并避免了6次比較大的設備事故。通過剩余工作壽命預測評估，確定最佳維修時間，避免“維修不足”和“維修過剩”，145臺高能耗離心泵運行周期平均延長3個月以上，年節省維修經費達75萬元以上。

3 結語

高能耗過程裝備健康能效監測技術是確保設備運行安全、高效、長周期運行的有效手段。利用計算機傳感器技術和信息分析處理技術，融合多源信息，綜合集成MES、CMS、EAM等各種信息系統，構建高能耗過程裝備健康能效監測信息系統，可以實現壓縮機、離心泵等設備健康能效的監測與評估、診斷與預測。在煤化工、石油化工等企業效益普遍下滑的情況下，以提升設備健康能效智能化水平為主的技術改造，對于企業提高經濟效益、確保設備安全、高效、長周期運行具有十分重要的意義。

參考文獻：

［1］高金吉，張連凱.中國高能耗機械裝備運行現狀及節能對策研究［M］.北京：科學出版社，2013.

［2］呂運容，陳學東，高金吉，等.我國大型工藝壓縮機故障情況調研及失效預防對策［J］.過程機器，2013，41（1）：14-20.

［3］“工業綠色發展工程科技戰略及對策研究”課題組.工業綠色發展工程科技戰略及對策［J］.中國工程科學，2015，17（7）：32 -36.

［4］秦國良.大型透平壓縮機技術發展現狀及趨勢［J］.通用機械，2012（10）：37-39.

［5］李晗，蕭德云.基于數據驅動的故障診斷方法綜述［J］.控制與決策，2011，26（1）：1-16.

［6］王燕，申元霞，陶春梅.面向領域的數據驅動自主式知識獲取模型及實現［J］.重慶郵電大學學報（自然科學版），2009，21 （4）：502-506.

［7］劉博元，王煥鋼，范文慧，等.基于大數據的復雜生產系統健康度實時評估方法.清華大學學報（自然科學版），2014，54（10）：1377-1383.

［8］周黔，吳鐵軍.一種動態數據流的實時趨勢分析算法［J］.控制與決策，2008，23（10）：1182-1185.

［9］姚智剛，王慶林.復雜裝備控制系統智能故障診斷技術［J］.火力與指揮控制，2012，37（12）：1-6.

［10］GAO J J，YANG J F，JIANG Z N.Risk based dynamic intelligent maintenance system for process industry in China［C］//The third world conference on engineering assets management and intelligent maintenance system.2008：76-87.

doi：10.3969/j.issn.1004-8901.2016.03.012 10.3969/j.issn.1004-8901.2016.03.012

中圖分類號：TH45

文獻標識碼：B

文章編號：1004-8901（2016）03-0040-05

作者簡介：李偉（1982年-），男，黑龍江哈爾濱人，2007年畢業于北京工業大學測試計量技術及儀器專業，碩士，工程師，現主要從事裝備狀態監測及自動控制技術研究。

收稿日期：2016-03-13

Study and Application of Health and Efficiency Monitoring System for High Energy Consumption Process Equipment

LI Wei1，WANG Qing-feng2
（1.China National Instruments Import&Export（Group）Corporation，Beijing 100044 China 2.Beijing University of Chemical Technology，Beijing 100029 China）

Abstract：As high energy consumption pumps，compressors，fans and other machines lack of health and efficiency monitoring and evaluation means，equipment runs in low efficiency，high energy consumption and frequent accidents.The paper presents that it is necessary to monitor the health and efficiency status.The constructing technology of health and efficiency monitoring system，typical equipment efficiency monitoring model，failure prediction and monitoring data acquisition technology for process equipment are studied.The practice shows that the health and efficiency monitoring system can achieve health and efficiency monitoring and early failure warning，evaluation and prediction，and it is helpful to ensure safe，efficient and long-term operation of equipment.

Keywords：health-efficiency；data acquisition；efficiency calculation model；monitor；safety；high efficiency