基于信息通信技術的燃氣輪機遠程預警技術研究及應用

邱振波，張立杰，胡 偉，趙云山

?

基于信息通信技術的燃氣輪機遠程預警技術研究及應用

邱振波1，張立杰1，胡 偉1，趙云山2

（1.神華國華（北京）燃氣熱電有限公司，北京 100024；2.中國神華能源股份有限公司國華電力分公司，北京 100025）

為了提高燃氣輪機運行穩定性及可靠性，基于信息通信技術，進行了燃氣輪機遠程預警技術的研究，并開發了以馬田系統為理論依據的遠程預警系統。實際應用表明，該系統能夠提前預警人工無法判斷的情況以及機組運行中潛在的危險，充分利用大數據對該狀況進行原因分析且提供解決方案。該系統的成功運用，為燃氣輪機的安全運行提供了保障，同時填補了燃氣輪機遠程預警領域的空白，具有一定的推廣價值。

信息通信技術；燃氣輪機；遠程預警；大數據；馬田系統；馬氏距離

燃氣輪機作為新型的動力設備，具有污染少、效率高、靈活性強、結構緊湊等優點，應用范圍越來越廣。由于燃氣輪機的結構復雜，且一直工作在高溫高壓及高轉速的惡劣環境下，容易引發各類故障，而且產生故障的原因十分復雜，僅僅依靠技術人員很難及時發現并進行正確的判斷與處理。為了進一步提高燃氣輪機運行過程的穩定性及可靠性，盡可能減少事故的發生頻率，必須加強燃氣輪機的預警監測及故障診斷。本文依托燃氣輪機制造廠家開發的云監控服務平臺，選用適合我國政策及電廠實際情況的數據傳輸方式，基于信息通信技術（ICT），以馬田系統（Mahalanobis-Taguchi system，MTS）為理論依據，開發了燃氣輪機遠程預警系統。該系統將燃氣輪機的主要運行數據發送至燃氣輪機制造商在國內設置的服務器上，進行數據分析后將運行狀況反饋至系統畫面，并在發生異常情況時，發出報警畫面及報警郵件，同時通過大數據分析提供解決措施。

1 馬田系統理論基礎

馬氏距離（MD）是由印度統計學家Mahalanobis于1936年提出的，表示數據的協方差距離[1]，它由標準化數據和中心化數據（即原始數據與均值之差）計算出兩點之間的馬氏距離[2]。馬田系統是由田口玄一博士提出的一種新的模式識別方法，是基于多維空間多變量診斷與預測的一種方法和技術，該方法將馬氏距離與田口方法進行了有效集成，實質上是將馬氏距離、正交表與信噪比相結合[3-5]。馬田系統廣泛應用于數據分類、模式識別以及樣本的診斷、預測分析[6]，可對數據進行分析而無需任何假定。馬田系統主要有診斷、評價和預測三大功 能[7]。近年來，馬田系統作為多元系統一種潛在的模式信息技術，已在學術界和實際應用中得到廣泛認可[8-9]。實施馬田系統的基本步驟如圖1所示。

1.1 馬氏距離計算

本文通過分析燃氣輪機傳感器發出的信號特征參數來分析初始故障的敏感性和退化狀態的相關性，建立并優化馬田系統的基準空間，根據優化后馬氏距離的變化趨勢監測燃氣輪機的初始故障和退化狀況。馬氏距離計算主要包括以下步驟[10-11]。

1）基準空間的確定 為了區分設備存在故障時馬氏距離的變化特征，采用燃氣輪機部件無故障時樣本的特征參數作為馬田系統的基準空間，根據馬氏距離變化趨勢判斷其部件的性能退化狀態。

2）基準空間的有效性驗證 為了驗證基準空間的有效性，采集設備無故障階段和故障階段的信號數據樣本，利用基準空間的均值、方差、相關矩陣對2組樣本的基準空間進行標準化并計算其馬氏距離。如果故障樣本的馬氏距離明顯大于正常樣本的馬氏距離，則證明所建立的基準空間有效；否則，需要重新選擇特征參數定義基準空間。

3）基準空間的優化 燃氣輪機部件初始故障監測和狀態監測過程中，并非所有的特征參數都有助于提高計算精度。因為在確定基準空間時一般由專業人員來定義正常和異?？傮w，不同的人見解各異，故對無故障樣本的定義有較大的模糊性，所以有些特征參數甚至存在干擾。為了簡化馬氏距離的計算，縮短計算時間，提高診斷精度，需要對原始馬田系統的基準空間進行特征優化，選擇有效的特征參數構建馬田系統的基準空間。在燃氣輪機部件初始故障監測過程中，選擇對初始故障比較敏感的特征參數構建馬田系統基準空間；狀態監測過程中選擇與燃氣輪機退化狀態相關的特征參數構建馬田系統的基準空間。

4）計算樣本空間的馬氏距離 通過判斷樣本的馬氏距離是否屬于基準空間確立的區間來判定設備的運行狀態。

1.2 信噪比

在應用馬田系統過程中，選擇合適的兩水平正交表，以信噪比作為變量有效性評價指標。信噪比定義為信號強度和雜音強度的比值S/N[12-13]。一般來說，信噪比越大，說明混在信號里的噪聲越小，否則相反。在該馬田系統方法中，通過取每一個類型的馬氏距離均方根作為異常變量的已知水平，然后使用動態特性。

1.3 閾值

構建基準空間的目的是為了模式識別，即是為了判別未知樣品y是否屬于基準空間G。判別的量化指標采用未知樣品點到基準空間基準點的馬氏距離D。

這里馬氏距離的界限值D即稱為閾值。

2 燃氣輪機遠程預警系統實現過程

基于信息通信技術，以馬田系統為理論依據，開發了燃氣輪機遠程預警系統。

2.1 燃氣輪機結構

燃氣輪機主要分為壓氣機、燃燒室和透平三大部分（圖2）。

圖2 燃氣輪機結構

2.2 樣本采集

每臺燃氣輪機選取了近500個重要的數據點（含開關量和模擬量）作為樣本，如軸瓦的振動值、軸瓦溫度值、壓氣機進氣溫度、燃氣輪機葉片通道溫度、燃氣輪機排氣溫度、潤滑油溫度、控制油溫度、進氣系統過濾器壓差等。當樣本的馬氏距離屬于基準空間確立的區間，則判定設備的運行狀態為健康狀態；若該距離明顯大于正常的馬氏距離，則判定設備狀態為亞健康或故障，此時系統就會發出超出閾值的報警信息（圖3）。

圖3 發出報警信息時的數據群

2.3 數據傳輸

根據我國對信息安全的要求及電廠內外網分離的限制，機組運行數據不能直接通過網絡傳輸至外界。所以，該系統采集了內網PI系統（或安全儀表系統）中相應點的數據，通過內部郵件發送至燃氣輪機制造廠家的服務器，每分鐘發送1封郵件，運行數據通過其服務器進行分析計算，得出數據結果后反饋至遠程預警系統平臺（圖4），該平臺以網頁的形式呈現，便于直觀了解運行情況。

圖4 數據傳輸的網絡拓撲圖

2.4 系統主要功能

2.4.1 登錄界面

遠程預警系統通過互聯網網頁瀏覽器登陸，登錄界面如圖5所示。

2.4.2 人工智能預警監測畫面

通過人工智能預警監測畫面可監視燃氣輪機運轉狀況，實現監測異常的預警，告知發生異常的部位，在發生重大故障之前預知異常，提高燃氣輪機的安全性。圖6為人工智能預警監測畫面，可顯示目前機組是否有異常。圖6中，馬氏距離線表示燃氣輪機采集的所有數據樣本計算出的馬氏距離MD，閾值線是根據燃氣輪機運行實際值設定在預報警線。機組運行正常時MD線在閾值線下方，機組負荷線顯示綠色，右側圓形邊緣線為綠色。當MD線的數值變大超過閾值線時，表明燃氣輪機發生異常，此時畫面右側的綠色圓形會變成灰色或紅色，并在下方顯示發生異?；驁缶膫鞲衅鳒y點名稱，同時推測出異?；驁缶l生的部位。監測到異常預警時，發送郵件給相關人員，郵件內容包括報警畫面、數據分析圖表和建議檢查措施等。

圖6 人工智能預警監測畫面的功能

2.4.3 報警智能導向畫面

報警智能導向畫面是面向運行人員的導向服務，與控制系統操作員站的報警事件聯動，提出故障發生時的處理建議，并通過用戶經驗積累達到自我成長。通過該畫面可實現存儲/閱覽作業日志或指令文件，可以對報警做出快速的響應，并通過發生的警報信息，實時顯示警報對象（圖7）。

2.4.4 關鍵參數指標分析畫面

關鍵參數包括運行參數、容量、可用性、可靠性等，其分析畫面如圖8所示。這些參數不僅僅局限于常見的實時參數，還包括工程師幕后分析的經濟效益等參數。對于電廠來說，可用性、非計劃停運、效率這3個參數最關鍵。該系統針對這3個關鍵指標制定解決方案：1）提升可用性，主要采用預警監測技術；2）非計劃停運時發生報警，可以迅速查閱信息，進行緊急處理；3）效率方面，可以提供技術解決方案，也可以提供經濟性分析。

2.5 系統主要功能

全面利用信息通信技術，提供預警監測網絡服務、故障部位推斷和面向運行人員的指導服務。

2.5.1 預警監測網絡服務

1）通過馬田方法（MT method）來提前預警，應用人工智能（AI）、機械學習技術，通過馬氏距離對燃氣輪機全體的異常進行監測，運用田口方法確定異常的傳感器。

2）通過人工智能來推斷故障部位，通過感知異常的樣本推定故障部位和原因。根據現實異常的傳感器種類和式樣，從過去發生問題的現象中檢索出最相似的例子，推斷出最可能發生故障的部位。

3）郵件通知功能。

2.5.2 運行監視員操作指導

1）控制系統操作員站和事件報警聯動，預先設置好重要報警的處理方法，通過實際處理內容的寫入，可與運行人員共享；運行人員通過檢索過去同一報警發生時的處理方法，確認后進行處理。通過大量數據的共享，可完全覆蓋燃氣輪機上經常發生的報警和重要報警。

2）及時閱覽原設備廠家所推薦的解決策略，通過大數據的存儲與應用，快速準確地獲得建議。

3）從數據庫錄入對應的日志，通過及時的操作建議，減免損失，并可以將本次解決方案形成記錄，存入數據庫。

3 燃氣輪機遠程預警系統應用

3.1 案例分析

該系統自2017年4月1日上線試運行以來，多次發生報警事件（表1），對機組的安全運行起到了保障作用。

表1 遠程預警事件列表

Tab.1 The remote warning events list

以事件③為例，介紹該系統報警情況。2017年7月5日3:53，遠程預警系統監測到汽輪機高壓推力瓦測點數據有變化（圖9），MD線發生突變，其數值超過閾值線（Threshold），由于此時原因不明，右側圓形區域呈現灰色，左下方給出了異常參數所對應的傳感器和可能的原因。

從數據變化趨勢分析，3:53系統監測到運行數據較前期有異常變化，因此預警畫面（圖9a)）12:00左右，該測點溫度急劇下降，6 h內下降了約60 ℃，而溫度測點1的數據無明顯變化。系統判斷傳感器可能出現斷線，提出了檢查更換傳感器的建議。

2018年5月利用機組檢修機會解體檢查高壓推力軸承，并對高壓推力軸承金屬溫度2進行檢測，發現該傳感器內部存在接線斷路情況。更換新傳感器后溫度顯示正常。

3.2 人工智能評估與人工評估的區別

人工智能評估通過與以往的數據進行比較，判斷現在的運行狀態是否正常。因此，在事例③中看上去數據穩定，此時人工評估會認為金屬溫度穩定，運行狀態正常；但人工智能評估通過與以往數據比較，由金屬溫度偏低判斷出其中的異常，并迅速發出通知。人工智能評估與人工評估的區別如圖10所示。

通過以上事件可以看出，遠程預警系統在機組日常運行過程中起到了舉足輕重的作用，能夠提前預警人工無法判斷的情況，可以提前對機組運行中潛在的危險進行預警，并充分利用大數據對該狀況進行原因分析且提供解決方案，真正起到了遠程預警及故障診斷的作用。

4 結 語

基于ICT的燃氣輪機遠程預警系統，具有可視化、智能化、自動化、信息化、安全化和首創性等關鍵技術，其成功應用為燃氣輪機的安全運行提供了保障，提高了機組的安全系數，避免了多次機組非計劃停運，同時也彌補了馬田系統應用在國內燃氣輪機遠程預警領域的空白，對國內燃氣輪機遠程預警技術的應用起到了推廣作用。

［1］ WANG Z, WANG Z, TAO L, et al. Fault diagnosis for bearing based on Mahalanobis-Taguchi system[C]// Prognostics and System Health Management. IEEE, 2012: 1-5.

［2］ 王力緯, 賈鯤鵬, 方文嘯, 等. 基于馬氏距離的硬件木馬檢測方法[J]. 微電子學, 2013, 43(6): 8-18.

WAGN Liwei, JIA Kunpeng, FANG Wenxiao, et al. An approach to detecting hardware trojans based on Maha- lanobis distance[J]. Microelectronics, 2013, 43(6): 8-18.

［3］ SU C T, HSIAO Y H. Multiclass MTS for simultaneous feature selection and classification[J]. Transactions on Knowledge and Data Engineering, 2009, 21(2): 192-205.

［4］ 李昭陽, 韓之俊. 一種新的判別預測方法-馬田系統(MTS)[J]. 管理工程學報, 2000, 14(2): 54-55.

LI Shaoyang, HAN Zhijun. A new discriminant prediction method- Mahalanobis-Taguchi system (MTS)[J]. Journal of Industrial Engineering/Engineering Management, 2000, 14(2): 54-55.

［5］ 陳湘來, 顧玉萍, 韓之俊. 馬田系統在數據分類中的應用[J]. 數學的實踐與認識, 2010, 40(8): 74-79.

CHEN Xianglai, GU Yuping, HAN Zhijun. Data classification using Mahalanobis-Taguchi system[J]. Mathematics in Practice and Theory, 2010, 40(8): 74-79.

［6］ GHASEMI E, AAGHAIE A, CUDNEY E A. Maha- lanobis Taguchi system: a review[J]. International Journal of Quality & Reliability Management, 2015, 32(3): 291-307.

［7］ 陳俊洵, 程龍生, 胡紹林, 等. 基于EMD的改進馬田系統的滾動軸承故障診斷[J]. 振動與沖擊, 2017, 36(5): 152.

CHEN Junxun, CHENG Longsheng, HU Shaolin, et a1. Fault diagnosis of rolling bearings using modified Mahalanobis-Taguchi system based on EMD[J]. Journal of Vibration and Shock, 2017, 36(5): 152.

［8］ DAS P, DATTA S. Exploring the effects of chemical composition in hot rolled steel product using Mahalano- bis distance scale under Mahalanobis-Taguchi system[J]. Computational Materials Science, 2007, 38(4): 671-677.

［9］ LEE Y C, TENG H L. Predicting the financial crisis by Mahalanobis-Taguchi system: examples of Taiwan’s electronic sector[J]. Expert systems with Applications, 2009, 36(4): 7469-7478.

［10］ 任江濤, 蔡遠文, 史建偉, 等. 基于馬田系統的設備健康監測技術研究[J]. 計算機測量與控制, 2012, 20(3): 634-641.

REN Jiangtao, CAI Yuanwen, SHI Jianwei, et a1. Research on equipment health monitoring using Mahalanobis-Taguchi system[J]. Computer Measurement and Control, 2012, 20(3): 634-641.

［11］ 剡昌鋒, 朱濤, 吳黎曉, 等. 基于馬田系統的滾動軸承初始故障檢測和狀態監測[J]. 振動與沖擊, 2017, 36(12): 156-157.

YAN Changfeng, ZHU Tao, WU Lixiao, et al. Incipient fault detection and condition monitoring of rolling bearings by using the Mahalanobis-Taguchi system[J]. Journal of Vibration and Shock, 2017, 36(12): 156-157.

［12］ 陳湘來, 韓之俊. 基于MTS的供應商評價體系研究[J]. 商場現代化, 2007, 22: 4-5.

CHEN Xianglai, HAN Zhijun. Research on supplier evaluation system based on MTS[J]. Market Moderni- zation, 2007, 22: 4-5.

［13］ 宗鵬. 馬田系統理論與應用研究[D]. 北京: 北京理工大學, 2006: 39.

ZONG Peng. Researchontheoryandapplicationof MTS[D]. Beijing: Beijing Institute of Technology, 2006: 39.

Research and application of ICT-based remote early warning technology for gas turbines

QIU Zhenbo1, ZHANG Lijie1, HU Wei1, ZHAO Yunshan2

(1. Shenhua Guohua (Beijing) Gas Power Cogeneration Co., Ltd., Beijing 100024, China; 2. China Shenhua Energy Co., Ltd., Guohua Electric Power Branch, Beijing 100025, China)

In order to improve the operation stability and reliability of gas turbines, the remote early warning technology based on the information communication technology (ICT) was investigated. Moreover, the remote early-warning system (REWS) based on the Mahalanobis-Taguchi system (MTS) was developed. The practical application shows that, this system can early warn the situations which the humans cannot judge or the potential danger during the unit operation, and make full use of the large data to analyze the cause and provide the solutions. The successful application of this system not only provides a guarantee for safe operation of gas turbines, but also fills the gap of gas turbine remote warning field, which plays a certain role in popularizing of the REWS.

ICT, gas turbine, remote early-warning, big data, Mahalanobis-Taguchi system, Mahalanobis-distance

China Energy Investment Group Guo Hua Electric Power Company 2017 Technological Innovation Project (GHRQRDHT170302)

TK47

A

10.19666/j.rlfd.201804129

邱振波, 張立杰, 胡偉, 等. 基于信息通信技術的燃氣輪機遠程預警技術研究及應用[J]. 熱力發電, 2019, 48(2): 120-125. QIU Zhenbo, ZHAGN Lijie, HU Wei, et al. Research and application of ICT-based remote early warning technology for gas turbines[J]. Thermal Power Generation, 2019, 48(2): 120-125.

2018-04-13

國家能源投資集團國華電力公司2017年科技創新基金項目(GHRQRDHT170302)

邱振波(1979—)，男，碩士，高級工程師，主要從事燃氣輪機技術管理，16032814@shenhua.cc。

（責任編輯 劉永強）