基于遠程診斷平臺的燃氣機組設備健康評價及應用

呂宏彪 張 平

國家電投集團河南電力有限公司技術信息中心 河南 鄭州 450000

1 燃氣機組設備遠程診斷系統原理介紹

智能遠程診斷系統通過自動采集燃氣機組設備的實時、歷史數據，通過人工建模，對各設備模型實時產生反映設備狀態的相似度曲線，對設備測點實時狀態監測。根據相關測點的歷史數據分布情況進行大數據分析，計算當前工況各測點實時預估值，并根據測點預測值和實測值的比較結果偏差進行報警[1]。實現對早期故障的設備實時動態智能預警。

2 建設燃氣機組設備健康評價要素點

現場運行設備的狀態是一個實時動態變化的過程，由于燃氣機組啟停頻繁，電網要求調峰變工況運行幅度較大，現場運行設備對象模型的動態變化性和設備的各個測點之間又存在著大量的交叉耦合[2]，建立完備的故障庫和案例庫，提取故障特征，通過特征信息與征兆矢量有效匹配故障模式是遠程診斷的基礎。結合設備振動監測數據、設備性能、壽命數據、特征類數據信息構建設備健康狀態評估實現對發電設備的故障診斷與生產技術分析是遠程診斷的核心。根據設備運維狀況以及設備檢修維護標準，給出檢修建議方案、判定檢修周期，達到狀態檢修是遠程診斷的目標。

3 基于燃氣機組設備的遠程診斷平臺建設

3.1 平臺功能及架構 基于燃氣機組設備的遠程診斷平臺采用面向服務的方式實現，平臺多源數據集成輸入，采用B/S架構建立數據交互，形成完整數據鏈條。

平臺總體功能架構由硬件層、接口層、支撐層、核心業務層、決策層及表現層構成。總體業務以設備為核心，以設備綜合監測，健康綜合評價來發現和確定問題，通過維修決策建議提供解決方案，見圖1。

圖1 系統總體功能架構

3.2 平臺建設方案 基于燃氣機組設備的遠程診斷平臺具有健康評價、核心診斷、輔助振動精密診斷、性能分析、離線診斷、專家知識庫等應用模塊。將設備運行狀態密切相關的測點參數作為數據源，按統一標準體系接入平臺。接入數據多源集成，并支持離線數據導入。經數據清洗后，按相似性原理人工進行建模。應用多元診斷算法，整合燃氣機組現場關鍵數據進行分析，通過特征信息與征兆矢量匹配故障模式，對故障設備有效預警，并構建設備健康評價，形成維修決策建議。

3.3 平臺技術創新點

3.3.1 多源集成數據，提高準確性 遠程診斷平臺集成設備安全數據、自動化監控數據和設備管理系統數據。將所有與設備運維信息、設備運行狀態數據和管理信息數據標準化接口接入進行存儲，以提高設備狀態檢測結果的準確性和多維感知精準性。結合設備對機組安全經濟運行的重要性，展示該設備的狀態信息、壽命信息、點檢信息、試驗化驗、設備性能等內容，輔助管理決策。

3.3.2 多元診斷算法融合，構建設備健康評價 診斷通過創建半監督學習工程模型。根據生產工藝、性能等創建部件、設備、系統級的模型，訓練算法可選擇高斯混合模型、回歸高斯混合模型、支持向量機、多項式擬合等多元算法訓練。模型可設置多模式，不同模式可實現自動切換。實際應用過程中多根據不同的工況設置模式，如啟動模式、正常運行模式、停機模式等。

如接入遠程診斷的某燃氣電廠，單臺機組建立系統工程4個，下屬設備16個。共建立設備部件模型142個，涵蓋燃機機組634個遠傳測點，系統將機組分解為設備、部件，以設備為單位，綜合不同指標對于設備總體健康狀況的影響，用客觀量化的評價標準建立總體評價模型[3]，結果通過量化曲線顯示四個等級標識。評價區別不同工況以提高準確性，同時建立故障數據庫。

總之，在新時期的高職語文教學中，教師要認識到在語文教學中滲透中國傳統文化教育是一個長期而艱巨的任務，在語文教學中深入挖掘教材中有關傳統文化資源，根據學生的具體學情，靈活運用多種教學方法，并且充分利用我國的民族傳統節日，調動高職學生學習傳統文化的積極性。同時，注重開展形式多樣的中國傳統文化活動，幫助學生積累豐富的傳統文化知識，這樣把語文教學與傳統文化教育聯系起來，指導學生通過語文學習了解和把握中華民族傳統文化的精華，促進高職學生人文素養的全面提高。

3.3.3 專家知識系統對故障精準定位，智能預警 通過分類電廠故障類型形成故障模式，故障模式直接關聯到測點，測點又分為故障特征量、輔助量和公共量，將測點元過渡到設備部件。

采用以振動、溫度、壓力、電氣量等多綜合指標為基礎的基于故障規則的專家知識系統，針對燃氣輪機設備基礎類，旋轉機械類、電氣類等多種早期故障進行預警。診斷結果提示出相應的處理措施。生成的診斷報告內容包括：設備基本信息、原因、波形頻譜圖，處理措施等。故障診斷報告內容包含：實時監測信息，主要分析圖譜(含常規圖譜和雙通道分析圖譜)，故障診斷結論(征兆和處理措施)等。

3.3.4 維修決策建議 根據實時報警數據以及機組設備整體評價結果，對報警信息進行基于故障風險的設備健康評估，結合專家系統給出維修決策建議[4]。維修決策建議綜合當前報警通道的故障征兆、通道設備整體健康評價狀態、通道的歷史報警處理情況，結合設備臺賬信息提出維修建議方案，以幫助現場人員了解問題的嚴重性并提出維修決策建議。

4 案例介紹

4.1 某廠燃氣輪機燃燒室排氣溫度異常 燃氣輪機的排氣溫度直觀反映燃燒器的燃燒工況且關系高溫部件的安全運行。出現排氣溫度高系統性能將下降，嚴重超限時會導致熱部件的損壞。某廠燃機排氣溫度除用于燃機的溫度控制，還用于排氣溫度高保護和溫度偏差保護：排氣溫度>631℃報警，>671℃跳閘。

2019年3月24日，通過遠程診斷平臺發現某廠燃氣機組排氣溫度多點偏差大，觸發遠程故障預警系統報警，見圖2。

圖2 診斷平臺中測點預警圖

診斷主要征兆信息為：機組排氣溫度111 點較平均溫度偏低 30℃左右；118點和123點排氣溫度較平均溫度偏高40℃左右。

4.1.1 特征信息與征兆矢量匹配故障模式

(2)燃燒室陶瓷片損壞引起空氣流場發生變化，進而影響排氣溫度。

4.1.2 專家系統給出建議處理措施

(1)加強各點排氣溫度的變化監視，對天然氣各精濾和粗濾液位計加強檢查，液位明顯上升及時排污。

(2)停機后應對 ESV 閥前濾網及環形管線定期進行檢查、排污，運行人員應對天然氣本體進行定期疏水。

(3)長期停機對燃燒器前管段進行充氮保養。必要時對燃燒器進行內窺鏡檢查，以進一步判斷各燃燒器的工況。

(4)穩定燃機排放標準情況下對燃燒進行調整。

建議處理措施結合了當前報警通道的故障征兆、設備整體故障評價嚴重程度等。

4.1.3 處理結果 機組停運后通過內窺鏡檢查，發現燃燒器內部有結垢現象。對24個預混和值班燃燒器進行流量測試，結果顯示下半圈的#7至#17燃燒器流量明顯偏小，表明下半部分的燃燒器堵塞較為嚴重。經過超聲波清洗，并對值班和預混燃燒器的相對位置分布進行調整。檢修后的燃機排氣溫度分布均勻性較檢修前有了明顯改善。

5 結論

(1)通過采用神經網絡算法的遠程診斷系統搭建出遠程診斷平臺能實現燃氣機組設備健康評價。

(2)神經網絡引入多元診斷算法搭建、訓練模型，結合設備振動監測數據、設備性能、壽命數據、特征類數據信息實現對設備健康狀態的實時有效評估。

(3)平臺將燃氣機組設備相關信息(實時運行參數、點檢信息、壽命信息、性能數據、試驗化驗數據等)綜合歸集、整合信息源，進一步提高了設備狀態檢測結果的準確性。

(4)通過建立知識庫模型及案例分析模型對故障精準定位，為發電企業提供智能故障預警、劣化分析以及運行指導。

通過實用案例證明，該平臺在燃氣機組實際現場應用中能及時發現影響設備性能及安全的缺陷，為發電企業提供故障早期預警、精準定位以及維修決策建議。