Honeywell DCS電源故障分析與改造

王本京 周一民

(江蘇中能硅業科技發展有限公司檢維護分廠，江蘇 徐州 221004)

HoneywellDCS電源故障分析與改造

王本京 周一民

(江蘇中能硅業科技發展有限公司檢維護分廠，江蘇 徐州 221004)

隨著Honeywell DCS使用時間的延長，系統柜中少許電源因老化或受到其他因素干擾出現故障，影響了控制系統的穩定運行,增加了化工生產的潛在風險。為此，對原配電源進行分析和試驗摸索，用其他品牌的電源加以替代，節省了維修成本和時間，消除了安全隱患。

電源故障 DCS 電源 改造

在現代大型化工生產過程中，生產是動態的連續過程，生產環節相互依存，易燃易爆的化工生產特點要求各物料流程需節能、穩定、安全地傳遞下去。但隨著裝置自控使用年限的增加，硬件設備都會產生老化損壞等故障，控制失靈就會給化工生產帶來危險[1，2]。許多學者和技術人員，從不同的角度對自控系統的供電電源進行了研究，姚建紅等基于小波變換對電纜故障測距加以研究[1]，王同堯就控制室和現場機柜室電纜進線密封設計進行了探討[2]，付光杰等基于模糊RBF網絡對高頻感應加熱電源控制進行了研究[3]，李莉和劉秀琴則對儀表和控制系統的供電現狀和發展趨勢進行了綜述[4]，呂馨和郭金光對高頻開關電源PowerPlus在濕式靜電除塵器IWS中的應用做了詳細的分析說明[5]，黃天辰等對高精度數控直流穩壓電源的設計與實現進行了詳細闡述[6]，林洪俊對煉油廠儀表供電方案進行了研究[7]。

在某多晶硅企業使用的Honeywell TPS系統中，電源為原裝進口配套專業電源，該系統已運行近八年，其冗余電源時常發生損壞報警現象。對于已損壞的電源，更換為原裝新電源當然是最好、最安全的選擇，但電源組件存在采購周期長且價格較高的問題。國內也有電源維修單位，但從恢復電源進而恢復電源冗余，保證系統穩定的時間上和性價比上不能滿足企業要求[8]。

為此，公司組織技術力量，選擇質量可靠且性價比高的品牌電源代替原裝進口電源，既解決了購買備件難且價格高的問題，又解決了外修的電源壽命和性能不穩的問題。

1 Honeywell DCS電源供電系統概況

Honeywell DCS系統柜為模塊化設計，由一個電源模組和最多3個卡籠構成，電源模組分別為3個卡籠提供一對冗余電源，如圖1所示。

圖1 Honeywell DCS電源供電系統柜示意圖

Honeywell DCS電源模組主要包含3個部分：兩塊直流開關電源構成一對冗余電源，將220V(AC)轉換為24V(DC)主電源，并為3.6V(DC)充電電池和48V蓄電池組提供充電電源；電源背板+框架，包含電源分配接口和蓄電池管理模塊；48V蓄電池組。

Honeywell DCS電源分配：每路卡件箱連接兩根電源電纜，接收24V(DC)、3.6V(DC)和6V(AC)電源。

2 Honeywell DCS供電電源解析

Honeywell DCS供電電源的分配端口為6組電源分配端口。電源模組通過電源背板上的6組電源分配端口為卡籠提供電源，如圖2所示。端子電壓分布：2號端子24V，4號端子-2.7V，5號端子3.6V，1、3、6號端子短路接地。也就是說，只要改造中選擇所替代的電源能夠提供這3種電壓就能使得系統卡籠正常工作。

圖2 單個電源分配端口

從電源箱的說明標簽即可了解到輸出電源功率550W，再細分電源，輸出24V為20A、54V為1A、6V為35mA。經過對電源模組的仔細分析，發現原裝電源的輸出各部分的作用是：24V/20A為系統主供電電源，為卡籠提供驅動電源，并經蓄電池管理模塊轉換為4V電源為3.6V充電電池提供充電電壓；54V/1A為48V蓄電池組提供充電電流，由于系統未選配蓄電池組，因而該級電源沒有實際用途，暫不考慮；6V/35mA經電源背板轉換為-2.7V電壓，提供給電源分配端子4，由于該6V電源僅由主電源輸出，副電源的該級電壓輸出為懸空，可見-2.7V電壓應為不影響系統的輔助電壓，因為DCS電源設計為單電源時系統能夠正常運行，實際試驗結果也證實了該結論，關閉系統主電源，電源分配端子上的4號引腳的-2.7V電壓變為0，系統仍正常運行。

充電電池和蓄電池組，電源系統提供兩種后備蓄電池組：3.6V充電電池，由3節1.2V鎳氫充電電池組成，在系統失電時能為控制器的內存提供一個保持電壓，使在線數據不丟失，在供電恢復時能快速使系統恢復正常工作而不需要組態下裝，節約幾分鐘時間，實際應用意義不大；48V蓄電池組，該蓄電池組能在系統失電時提供工作電源，使系統正常工作一段時間，因此系統電源還必須具備將48V電壓轉換為24V系統工作電壓的能力，此處未配置該電池。

3 電源損壞原因分析

拆開損壞電源箱的密閉蓋，發現長周期運行的電源，存在灰塵較大的現象。查看損壞的電路板，發現有燒黑和大功率電子元件爆裂現象。分析判斷導致這些損壞故障的原因有兩部分。

3.1灰塵

灰塵覆蓋粘附在電路板和電子元件上造成散熱不暢，一般不會導致電路板和元器件損壞。但處于生產區域的集控室，盤柜經常受到含有腐蝕性氣體的侵蝕，使覆蓋在電路板上的灰塵變性，可能直接導致電源損壞。在電源故障發生后，檢查發現積灰嚴重，便對未損壞電源內部進行了清掃。

由于灰塵具有導電性、腐蝕性和粘附性，普通的吹掃除塵不能徹底清除，一旦灰塵積聚到臨界點會引起線路或電子元器件插腳之間短路，導致大功率元器件由于短路時的大電流過熱而爆裂。

據所統計損壞電源發生的時間，發現陰雨天氣時電源的損壞率也會成倍增加。這說明由于濕度增加使得灰塵的導電性增強。盤柜位于生產區，空氣中少許腐蝕性氣體或灰塵通過盤柜下部侵入到系統柜電源內部的灰塵上，日久便具備了粘附性和腐蝕性特征。

由于電源配有散熱風扇，也成為灰塵和氣體侵入電源箱的主要途徑。灰塵很容易積聚，而同機柜間的品牌電源由于沒有風扇，靠對流和金屬外殼散熱，極少發生損壞。

3.2電路板和電子元器件

DCS系統柜冗余電源的損壞，也存在電源出廠時本身電子元件的瑕疵，由于組裝的電子元件質量較差，經過長期運行，壽命到期后集中損壞。但由于缺少定量定性的檢測儀器，未能落實電源損壞問題就是有缺陷的電子元器件所致。

4 電源改造試驗方案

綜合分析，認為只需給卡籠提供24V和3.6V的電源，系統即能正常工作。如果系統在正常工作時不需要檢測3.6V電源狀態的話，甚至可以僅提供24V 電源即能將原裝電源完全替代。

在現有停產的分廠挑選兩臺系統柜進行試驗，分別采用提供24V/3.6V雙電壓和24V單電壓，測試系統能否正常運行，并保持3個月。24V直流電源采用菲尼克斯工業電源并構成冗余，3.6V電壓采用菲尼克斯5V電源調整輸出。

在現有停產的分廠Honeywell TPS系統控制器下進行系統電源的國產替代試驗，采用國產24V電源輸出，直接插入原電源背板12個輸出端子排任一接口的方式，系統背板自動轉換出4V的輔助電壓，至今替代的國產電源已運行5個月，期間控制系統運行正常，電源負載30%左右。后期對3.6V電壓采用菲尼克斯5V電源調整輸出取消。

通過半年的運行觀察，試驗是成功的，在試驗過程中對不間斷改造試驗同時進行，電源的品牌化改造可以在不影響系統正常工作的情況下在線更換。目前，Honeywell TPS系統已有3對控制器由菲尼克斯電源供電。

為避免灰塵侵入系統電源可能造成的損害現象，采取在Honeywell TPS盤柜下方使用專業材料進行滿鋪防火密閉封堵，既防止了有腐蝕性的氣體和灰塵從盤柜下方對板卡和電源的污染侵入，也可防止火災從盤柜底部往上蔓延，確保了Honeywell DCS系統的正常運行。

5 結束語

隨著改造電源的成功運行，一方面保障了企業的穩定生產，另一方面提高了維護人員對電源維護維修的信心。對類似進口品牌的設備配件也可以進行改造，這樣既縮短了維修時間減少了維護量又節約了購買資金。使技術人員認識到在充分了解原設備結構參數的基礎上進行改造，是可以避免風險進行成功改造的。同時也為自控行業的同行們提供解決進口設備備件的思路，具有較好的借鑒意義。

[1] 姚建紅,林娜,王天明,等.基于小波變換的電纜故障測距研究[J].化工自動化及儀表,2014,41(1):45～49.

[2] 王同堯.控制室和現場機柜室電纜進線密封設計探討[J].石油化工自動化,2014,50(3):14～16.

[3] 付光杰,張微微,牟海維.基于模糊RBF網絡高頻感應加熱電源控制的研究[J].化工自動化及儀表,2014,41(4):357～361,376.

[4] 李莉，劉秀琴.淺談儀表及控制系統供電的現狀及發展趨勢[J].石油化工自動化,2014,50(3):70～72.

[5] 呂馨,郭金光.高頻開關電源PowerPlus在濕式靜電除塵器IWS中的應用[J].化工自動化及儀表,2014,41(7):785～789.

[6] 黃天辰,榮廣宇,李丹丹,等.高精度數控直流穩壓電源的設計與實現[J].化工自動化及儀表,2013,40(1):80～83.

[7] 林洪俊.煉油廠儀表供電方案研究[J].石油化工自動化,2014,50(6):8～12.

[8] 曾潔,孫佳佳,張紅偉.鉛酸蓄電池硫化修復系統的設計[J].化工自動化及儀表,2014,41(1):57～60.

(Continued from Page 307)

AbstractConsidering power load’s unstability and randomness and uncertainty, adopting EMD-BP neural network method to forecast power load was proposed, in which, the EMD can transform non-stationary random power load data into a smooth deterministic data and then makes use of the BP neural network to predict power load. Simulation test shows that as compared to applying BP neural network in the prediction, the EMD-BP neural network has higher prediction accuracy and smaller relative error.

KeywordsBP neural network, EMD, power load, load forecasting

(Continued from Page 276)

In order to de-noise grating signals in the measurement and to increase signal’s subdivision accuracy, a FPGA-based FIR filter was designed and implemented, including the filter’s working principle and design process. Making use of DSP Builder and Matlab/Simulink, the filter module was designed and simulated and then was directly converted into VHDL language; through adopting Modelsim RTL in the simulation, the correctness of VHDL module was verified. The filtration results show that both actually-measured grating signal and filtered signal complies with the Matlab/Simulink and DSP Builder model’s simulation results and the observed result of 32-stage FIR filter in the FPGA board can be regarded as input/output signal observed by the oscilloscope. This proves filter’s feasibility and effectiveness designed.

FIR filter, gating signal, DSP Builder, FPGA, Matlab/Simulink

TH862+.7

B

1000-3932(2016)03-0330-03

2015-11-20(修改稿)