火電廠風機運行狀態監測與故障診斷研究

摘? 要：火電廠風機作為電站的主要輔機之一，其是否正常安全運行直接影響著電站的經濟情況和電站的正常工作運轉。但是國內相關監測技術和故障診斷儀器不夠先進，只是停滯在固定時間的巡回監測，停機維修及后續狀況分析等低層階段，因此，在實際生活中常常會面臨風機檢測時間還未到但風機卻發生故障，造成停運等情況，給企業造成嚴重損失。基于此，提升對風機故障系統的診斷顯得很重要。

關鍵詞：火電廠風機;狀態監測;故障診斷

中圖分類號：TM621.9???? 文獻標識碼：A?????? 文章編號：2096-6903（2020）06-0000-00

火電廠風機狀態監測與故障診斷系統研究是一項具有較高實用性的一門技術，隨著科學技術的高速發展，風機診斷技術有了很大程度的提升，人工智能在風機診斷上的應用逐漸增多。考慮到國內研究現狀，應更加完善風機監測和診斷技術，從而提高風機運行時的安全性。

1對風機進行狀態監測與故障診斷的意義

火電廠風機作為電廠的主要輔機之一，其在運行過程中，如果由于風機故障而引起停機，則會造成停爐事件的發生，給企業帶來大量的資金損失，如果對風機的監測和故障診斷不到位，常常會發生檢測維修時間沒到就出現故障的情況，還會經常發生風機在失衡狀態下繼續運轉的情況，這會加重軸承的負載，從而減少軸承的使用期限。還有可能出現“維修過剩”等情況。因而對風機進行狀態監測和故障診斷能夠直觀的避免以上失誤，減少企業經濟方面的損失。

1.1提高風機運行的安全性能

通過狀態監測和故障診斷，可以快速準確的對風機的各種狀態進行檢測，并得出相應的結論，再開展相對應的解決措施。提前對風機進行檢修和調整，可以提高風機運轉過程中的安全性，從而大幅度降低故障的發生率，減少維修費用，減少企業的經濟損失。

1.2減少企業損失率

保證風機能夠最大程度的發揮其效用，在相應條件下發揮風機潛在的能力，提高風機的利用率，延長風機的使用時間，從而減少維修費用，防止企業的經濟損失。

1.3減少維修時間，次數和程度

可以大大降低風機發生故障的比率，延長風機的使用時間 從而減少因監測不到位而產生的維修費用，減少因風機故障而損失的人力，物力和財力，以此增加企業的收益。此外，還可以免去不必要的維修，減少風機維修的次數，降低風機維修程度，延長風機使用壽命。

1.4為完善風機提供參考

通過對風機進行檢測和診斷，可以為風機的完善和改造提供參考數據，讓風機不斷優化，不斷提高診斷結果的準確性，從而提高風機的質量，增加企業的收益。

2故障診斷方法

2.1傳統的故障診斷方法

在故障診斷初期會利用各種物理和化學手段相結合的方法直接的進行故障診斷，隨著各種檢測技術和信號處理的發展，故障診斷開始漸漸的以數據的處理為內核，運用風機故障所傳達的信號來進行診斷。再到后來，隨著故障診斷技術和設備的迅速發展，開始通過建立各種數學模型進行診斷處理。但在大型旋轉機器相對復雜和診斷技術發展并不高的情況下，對風機的故障診斷并不完全精確。

2.2診斷專家系統

風機本身十分復雜，所以故障的樣式十分多樣和復雜，故障形式和提前傳達的故障征兆并不是相互對應的，因此，很多時候故障診斷是讓經驗豐富的故障診斷工人進行檢驗性的“直覺”判斷，這些經驗很難通過建立數學模型或進行各種邏輯推理來進行故障診斷。隨著社會的進步，信息技術快速發展，人工智能的出現和專家系統的成功發展和運用讓診斷專家系統故障診斷方法應運而生。該方法是人們利用日積月累的經驗和大量的故障診斷信息設計的一種智能計算機系統，診斷專家系統能夠代替領域專家來進行專業的故障診斷，因此提高了診斷的準確度和可信度。

在實際應用中，診斷專家系統無法解決從現場直接獲得的問題，需要通過人機交互的方式解決，操作者需要回應多個專業性的診斷問題，因此需要操作者具有十分充足的知識儲備。

2.3人工神經網絡診斷方法

人工神經網絡診斷方法是近幾年產生的，這種方法不需要操作者具有高超的專業知識，只需要具備一定的專業性指向即可。這是該方法的優點，但該方法也有一定的局限性，一方面是它的系統性能很可能會受選擇示例的限制，如果示例的正交性和完備性不好，可能會影響系統的性能，從而影響診斷結果。此外當有兩個相似示例時，診斷的結果也可能會受到影響，另一方面是人工神經網絡只能處理數字化的信息，是相對較低級的人工智能模擬，雖然人工神經網絡診斷方法有許多優點，也得到許多成功的應用，但該技術還需要進行完善和改進。

2.4模糊診斷方法

模糊診斷是基于數值運算的診斷方法，這種方法可通過人工智能自動進行，不需要人工干預，其更加方便和快捷，模糊診斷的方法所需要的初始數據只有要研究的征兆集，故障集，隸屬函數和模糊關系矩陣。用這種方法進行故障診斷時，只需要輸入特征值，后續便可直接得出診斷結果 不需要人工的過多操作。

3風機狀態檢測與故障診斷技術的發展趨勢

3.1整體系統

目前風機系統已經從單純的分析監測診斷向主動控制發展，整體系統的可靠性，智能性和開放性逐漸得到提升，高精度的智能分析技術讓診斷結果更加準確。

3.2采集器

精度更高、速度更高、集成更高，采集方式向多方向發展，因此可以提供多種信息，采集的數據從只有穩態數據發展到包括瞬態數據在內的多種數據。

3.3監測系統

面向客戶更好的方向發展，讓診斷的操作更加方便，顯示的結果更加直觀。

3.4診斷系統

向著智能化方向發展，由在線采集，離線診斷向著在線采集，實時診斷的方向發展，大大的提高了診斷結果的準確性。在數據的儲蓄上具有更大容量，存儲方式向大型數據庫的方向發展，更多信息被同時儲存，不用擔心刪掉一些數據而造成后續的損失。數據的傳輸效率逐漸加速，波特率可達到100兆甚至幾百兆。

4影響故障診斷的因素

4.1主觀因素

診斷過程和工作人員積累的經驗都是主觀因素，工作人員應該對診斷對象進行深入了解，這樣可以避免一些因主觀臆斷而產生的失誤，診斷人員應該仔細分析風機的構造和各個部件的構成和聯系，還要對風機的維修記錄和進期風機的工作情況進行詳細了解。這樣，才可以對后續的工作做到心中有數。

實際應用中，傳感器的合理放置具有重要意義。傳感器應盡量靠近風機的受載區域，合理分析傳感器的徑向布置或者是軸向布置或是徑向、軸向均要布置。

信號分析是診斷過程中的重要環節，也是風機故障診斷的關鍵，信號分析的結果決定著診斷最終的結果。

4.2客觀因素

客觀因素包括風機的障礙類型，診斷設備的復雜程度等，機器的故障又可分為以下幾類

原發型和誘發型：原發型障礙通常隱藏在機器內部，所以不容易被檢測。相對來說，誘發型障礙容易被檢測。

漸變型和突發型：在故障發生過程中可以把突發型和漸變型障礙區分開來，突發型障礙在現實生活中還有發生，這種障礙在事情發生前很難被發現。

器質故障和操作型故障：在故障診斷的開始階段，不恰當的數據參數會影響機器的正常運行，可能會造成機器零件的損壞和其他部件的相互碰撞摩擦。在故障診斷的操作過程中，由于技術人員的失誤，很有可能發生操作型的故障，影響診斷結果。

主導型和非主導型：正常運行的風機存在著許多微小的故障，這些微小的故障對風機運行的影響較小，因此，在運行初期很難診斷出風機存在的故障，但是，只要存在至少一個主導型故障，就可能導致機器的停止運行。風機的復雜程度和設計質量也會影響故障的診斷精確性，風機越復雜，其可診斷性就越低。

5提高監測和診斷質量的方法

需要技術人員在監測和診斷過程中更加細心，積累經驗，準確判斷。也要提升監測和診斷儀器的質量。工作人員應在診斷故障過程中建立精確的過程模型，進行有效的開展數據分析，對故障進行分離和分類。

6結束

狀態監測和故障檢測技術在工業中十分重要，設備的可持續運行和安全運行在企業中同樣十分重要。在火電廠中，風機在運行過程中突然發生故障會對企業造成嚴重危害，經濟損失量大，監測和診斷技術是發現可能在風機運行過程中出現的故障，進而讓可能發生的問題降低到最小。由于風機本身復雜，因此需要診斷技術的提升和診斷設備的精進，需把風機診斷技術融入到人工智能當中，提升診斷結果的真實性和可靠性。

參考文獻

[1] 楊蘋，吳捷.火電廠的實時狀態監測系統與故障診斷[J].電力系統自動化，2000（17）：37-40.

[2] 軒建平，來五星，史鐵林，等.隔離測量器在火電廠分布式網絡化狀態監測故障診斷系統中的應用[J].儀表技術與傳感器，1999（8）：3-5.

收稿日期：2020-05-03

作者簡介：陳志遠（1988—），男，安徽宣城人，本科，助理工程師，研究方向：火力發電廠大型風機檢修與維護。

Study on Operation Condition Monitoring and Fault Diagnosis of Fan in Thermal Power Plant

CHEN Zhiyuan

（Sichuan Baima Circulating Fluidized Bed Demonstration Power Sstation Co.， Ltd.， Neijiang? Sichuan? 641000）

Abstract： As one of the main auxiliary equipment in power plant， the normal and safe operation of fan directly affects the economic situation and normal operation of power station. However， the relevant monitoring technology and fault diagnosis instruments in China are not advanced enough， and they are only stuck in the low-level stage of fixed time patrol monitoring， shutdown maintenance and follow-up status analysis. Therefore， in real life， it is often faced with fan detection time has not yet arrived， but the fan fails， resulting in shutdown and other situations， causing serious losses to enterprises. Based on this， it is very important to improve the diagnosis of fan fault system.

Keywords： fan of thermal power plant; condition monitoring; fault diagnosis