熱工遠程監測分析診斷系統開發與應用

侯 峰，謝澤坤 ，張 震，牛玉廣,3

(1.陜西國華錦界能源有限責任公司，陜西 榆林 719319; 2.華北電力大學 控制與計算機工程學院，北京102206;3.華北電力大學 新能源電力系統國家重點實驗室，北京 102206)

0 引 言

能源是人類賴以生存的重要物質資源，而電力是能源利用的主要形式之一。隨著1 000 MW超超臨界、二次再熱等先進機組高參數、大容量的發展以及由技術進步引起的各種發電方式的出現，熱工自動化技術及設備的復雜程度不斷提高，火電廠熱控系統的可靠性[1]也日益成為衡量機組安全、可靠、經濟運行的重要因素。在高溫高壓、隨機噪聲、擾動等復雜工況下，機組長期運行不可避免地會出現特性變化，控制器參數整定不及時，傳感器、執行器故障增多，容易引起控制性能下降的問題。據統計，有超過90%的控制回路采用了PID控制器，建立在控制回路基礎上的多回路控制系統性能往往取決于測量儀表、執行機構及常規PID控制器的性能優劣，而PID參數不良整定普遍存在[2]。過去依照人工檢修和經驗調參的方式越來越呈現出效率低、周期長和費用高的缺點，難以做到早期、全面、及時的故障診斷與系統性能分析。

國內外許多研究人員或機構對控制系統性能評價或故障診斷開展了廣泛深入研究[3-6]。文獻[7-9]利用多元統計分析、矩陣分解等數據驅動技術從系統層面對熱控系統傳感器故障診斷進行了深入研究，解決了數據降維處理的問題。此外，不少公司機構開發了控制器性能評價軟件，并在化工、造紙等行業取得了良好的應用[10]。

當前，火電機組集散控制系統(Distributed Control System,DCS)已實現了火電廠控制系統的數字化。在此基礎上，監控信息系統(Snpervisory Information System, SIS)也得到了廣泛應用。針對長期保存在SIS的機組數據，集團側、電科院、火電廠可以通過建立數據中心，對火電機組及其控制回路進行集中的分析診斷和性能優化，并形成反饋從而指導現場的檢修、故障排查和性能優化。其中，國家能源集團、大唐集團、華能集團、華電集團、國電投以及京能集團、浙能集團、江蘇國信集團等正在開展數據中心規劃或試點研究工作。這種通過建立數據中心進行集中開發、指導的新模式展現出了良好的應用前景。

熱工遠程監測分析診斷系統以某電廠作為數據采集源和分析對象，實時采集點數約1 000點。該系統以組態軟件靈活組態、應用插件獨立開發以及插件與組態解耦的開發新模式為特點，并結合性能評價、故障診斷、模型辨識和整定優化等功能模塊，通過不斷地實驗研究，對電廠數據中心的建設進行實踐探索。系統的建成和完善有助于提高熱控系統的可靠性及維護水平，有助于火電機組的安全高效運行及火電廠的節能減排。

1 系統功能與架構

1.1 系統功能

狀態監測：通過火電廠生產流程圖、點列表、實時/歷史趨勢圖等方式對機組運行狀態參數進行在線監測。

性能評價：基于歷史數據對控制回路進行性能指標評價，包括穩態和動態性能指標以及隨機性能指標即最小方差指標[11-12]。其中，動態性能指標包括超調量、調節時間、衰減率和最大動態偏差；穩態性能指標包括靜態偏差、方差和穩態誤差。

故障診斷：對控制回路中的執行器或傳感器進行實時故障診斷；對選定歷史時間段的控制回路中執行器或傳感器的故障信息進行統計，統計信息包括故障次數、故障類型、故障發生的時間。

閉環辨識：通過開發的模型辨識工具箱，選定一段有效歷史數據，對不同工況下的控制回路進行模型參數辨識，包括低負荷、中負荷以及高負荷工況下的被控對象模型。模型辨識工具箱涵蓋試驗模型、最優模型、辨識模型和調整模型。其中，試驗模型是在回路的階躍輸入擾動試驗下得出的模型；最優模型是將辨識效果最好的模型參數存為最優模型；辨識模型是所選定時間段內辨識得出的模型；由于擾動因素的存在，辨識模型不一定準確，需要根據辨識模型的輸出與實際曲線的擬合程度來適當調整模型參數，并將擬合程度最好的一組模型進行保存，為后續判斷最優模型奠定基礎。

控制優化：根據回路性能評價結果，在某控制回路性能不達標或需要改善時調整控制器的參數以期達到希望的性能指標。

1.2 系統架構

系統開發總體流程圖如圖1所示，以北京四方繼保公司的組態軟件作為開發平臺，通過平臺的組態開發和腳本開發工具實現界面的人機交互功能，通過Java應用插件的開發形式實現算法高級應用功能，將數據提取、數據計算以及結果展示以更靈活的方式進行，達到獨立開發、獨立維護、平臺與應用解耦的目的。系統的各個功能模塊維護、升級和新功能添加均可通過應用插件和配置文件的形式實現。其中，Java應用插件與人機交互界面之間的接口通過平臺的應用插件管理和調用規則來完成。

圖1 系統開發總體流程

系統架構如圖2所示，由主站、子站和數據傳輸網構成。主站實現數據統一存儲和統一的數據服務接口，實現熱工遠程監測、自動調節及性能分析研究應用的功能，子站實現DCS、數字電液控制系統(Digital Electric-Hydraulic Control System, DEH)、自功發電控制(Automatic Generation Control,AGC)的數據采集功能，數據傳輸網完成子站到中心主站數據傳輸功能。系統采用C/S架構，系統分層設計圖如圖3所示。其中， 數據接入層主要實現發電設備狀態信息、 運行監控信息的采集；數據轉發層主要實現實時數據的預處理、數據轉發到中心主站；數據服務層實現數據的統一存儲，提供高級應用層的數據訪問接口；高級應用層主要實現熱工遠程監測、分析診斷等應用。

圖2 系統架構圖

圖3 系統分層設計圖

2 分析診斷流程及核心算法概述

2.1 分析診斷流程

分析診斷流程如圖4所示，系統采集來自火電廠子站的數據，在進行性能評價整定之前，選擇待評價的調節回路和歷史數據段，并采用數據在線分割方法對數據進行預處理[13]。

圖4 分析診斷流程圖

對于預處理后的數據，除了用于模型參數辨識、模型參數微調優化、傳感器與執行器的故障診斷歷史數據統計之外，還需進行狀態判別用于性能指標評價。若屬于動態階躍響應過程，則計算動態性能指標；否則，計算隨機性能指標和穩態性能指標。在上述所有步驟和內容完成后，對回路性能進行綜合評價，若性能良好則保持各項參數不變，否則進行控制器參數整定并給出綜合評價和優化整定結果。

2.2 核心算法概述

2.2.1 最小方差評價指標求取算法

基于最小方差基準的性能評價算法由Harris于1989年提出[14]。由于最小方差基準可以通過對閉環運行數據的計算得到且不會對運行中的控制系統造成干擾，因此該算法在控制系統性能評價中得到了廣泛應用。最小方差評價指標ηs定義如下：

yt=(f0+f1q-1+f2q-2+…+

fd-1q-(d-1)+fdq-d+…)qt

(1)

式中：yt為輸出序列；fi(i=1,2,…,d,…)是固定系數；q-i為滯后移位算子；d為被控對象的延遲。

式(1)兩邊分別乘以白噪聲序列at，可得數學期望歸納計算式如下：

(2)

2.2.2 內模控制算法

控制優化整定算法采用內模控制算法。內模控制(IMC)由Garcia于1982年提出，其結構如圖5所示[15]。圖中：R(s)為系統輸入；R1(s)和R2(s)為擾動輸入；GIMC(s)為內模控制器；U(s)為內模控制器的輸出；W(s)為實際被控過程對象；W*(s)為被控對象的數學模型，即內部模型；Y(s)為過程輸出；Y*(s)為模型輸出。系統輸出與輸入的關系為[15]

圖5 內模控制系統結構

理想的內模控制器物理上不可實現，一般在內模控制器前或后串入1個低通濾波器，低通濾波器F1(s)的結構形式為

加入低通濾波器后，實際的內模控制器結構為

濾波器的時間常數Tf和m階次越小，系統輸出對給定值的跟蹤滯后就越小，系統響應越快，但對模型誤差就越敏感，系統魯棒性就越差。

2.2.3 最小二乘遞推算法

最小二乘算法是在18世紀末由高斯提出的，如今已經發展出許多基于最小二乘的改進算法。為了使辨識結果更加精確，從而對工程人員提供指導性意見，系統采用具有遺忘因子的最小二乘遞推算法，對被控對象進行模型辨識。其計算式如下[15]：

(3)

3 應用分析

針對某電廠的主蒸汽溫度控制系統進行性能評價模塊的驗證。選取一段時間的主蒸汽溫度信號，如圖6所示，該過程明顯是一個穩態過程，經過計算得到其最大偏差為3.8、方差為1.6、穩態誤差為0.6、最小方差指標為0.575。說明此時的控制器性能較好。

圖6 主蒸汽溫度曲線

由于機組在不同負荷下，模型的參數也會發生相應的變化，所以將負荷分為高、中、低3種類型，分別辨識出每種負荷下的各被控對象的模型參數。采用多組數據進行多次試驗，將辨識效果最佳的參數保存到最優模型庫中。另外，每次辨識的參數結果都可進行調整并觀察其輸出，確定下最優的模型參數。

選取汽包水位控制回路副回路控制對象進行參數辨識，辨識曲線如圖7所示，得到的結果如圖8所示。調整后的參數K=15.124，T=18.2，τ=7。

圖7 模型辨識曲線

傳感器、執行器故障診斷為實時在線運行，如表1所示，選取4個汽包水位測量信號判斷當前水位傳感器是否發生故障，同時分析出故障的類型。

圖8 模型辨識結果

若存在故障則將故障時間和故障類型保存到歷史數據庫中，如表2、表3所示。在歷史數據庫中，可以隨時調取某個傳感器或執行器在某段時間內的故障次數以及故障類型。

表1 傳感器故障診斷Table 1 Fault diagnosis of sensors

表2 執行器故障診斷歷史庫Table 2 History database of actuator fault diagnosis

表3 傳感器故障診斷歷史庫Table 3 History database of sensor fault diagnosis

4 結 語

從系統功能、架構設計以及算法等角度闡述了熱工遠程監測分析診斷系統，實現了火電機組熱控系統的狀態監測、性能指標評價、故障診斷、模型閉環辨識與控制參數優化整定等功能，并在貴州電科院試運行。

系統在第一次迭代開發的基礎上，仍需進行功能的不斷完善和系統升級等開發工作。即通過改進算法、增加性能評價指標或建立更有效的評價體系，以提高性能評價準確度和可靠性；增加傳感器和執行器的故障類型及診斷方法，通過采用智能計算、統計分析等算法或設計架構來降低故障的漏報率和虛警率；通過改進或增加智能算法提高系統閉環辨識精度以及優化控制參數。