火電廠金屬部件全生命周期管理系統的開發與應用

余偉權，柯安鵬，李文華，楊哲一，崔雄華

（1.廣東省能源集團有限責任公司珠海發電廠，珠海519050；2.西安熱工研究院有限公司，西安710054）

火電廠金屬部件全生命周期管理系統通過對機組重要金屬部件進行狀態、風險[1-5]和壽命[6-10]等統一動態管理，綜合分析得出重要金屬部件的薄弱環節和風險點，由此給出優化后的檢修策略與維修技術改造計劃，科學指導機組的檢修與運行，減少機組的檢修盲區，消除機組存在的安全隱患，延長機組的檢修周期，降低機組的檢修費用，最終由計劃檢修轉變為狀態檢修，提高機組的運行可靠性與經濟性。狀態檢修是根據機組設備狀態而非固定周期來進行的檢修，其關鍵在于掌握設備的實時狀態，準確判斷需要檢修的部件并制定針對性的檢修計劃。本系統可自動給出設備狀態、風險等信息，并給出優化后的檢修策略，是幫助電廠實現從計劃檢修到狀態檢修轉變的有效途徑和手段。

1 金屬部件全生命周期管理系統的開發

1.1 開發思路

系統技術方案如圖1所示，金屬部件全生命周期管理系統基于金屬部件的設計、歷次檢驗和日常運行數據，結合傳統失效風險和壽命評估獲得的知識，構建知識驅動的檢修策略優化管理平臺，給出機組重要金屬部件風險狀況和壽命評估結果，并根據風險和壽命評估結果給出適當的檢驗、檢修及技術改造等策略。

圖1 系統技術方案Fig.1 Technical plan of the system

1.2 系統工作流程

系統根據業務需求實時或定時使用基礎數據（包括設計數據、運行數據、維修記錄、檢驗記錄和更換記錄）進行壽命、風險評估以及定期工作判斷，然后根據計算出的壽命值結合更換記錄決定最新的更換改造計劃，根據風險值結合定期工作規則及檢驗維修記錄決定最新的檢驗計劃。用戶按計劃實施完更換或檢修工作后將更換、檢修記錄錄入系統，系統將根據新的記錄再次進行評估并更新更換和檢驗計劃，系統業務流程如圖2所示。

圖2 系統業務流程Fig.2 Businessprocessof thesystem

2 金屬部件全生命周期管理系統在電廠生產中的實際應用

2.1 金屬部件檢修策略與更換計劃的優化管理

根據建立的部件電子臺賬與實時測點數據，系統可以自動實現各部件的風險評估與剩余壽命評估，并由此給出檢修策略，包括需要優先檢修的部位、各部位檢修時間與周期和建議檢修手段等。只要是列入檢驗的部件，均可給出風險評估結果，可全面覆蓋受檢部件。剩余壽命由于需要溫度參數進行計算，故只有安裝了壁溫測點的部位才可給出實時剩余壽命。因此建議在各部件溫度最高的部位安裝壁溫測點，溫度最高處剩余壽命最短，具備較強的預警性與代表性。電廠可根據實際情況加裝壁溫測點，擴大壽命管理的覆蓋范圍。

電廠在某次檢修期前，從系統中導出了存在風險部位列表與未檢驗部位列表，檢修策略導出文件如圖3所示。參考檢修計劃文件，部分部件風險值較高，系統建議每年檢修一次，其余存在風險部件按風險值從高到低在表中排列。電廠通過風險值排序，掌握了需要優先檢修的部件與部位及各部位對應的檢驗方法，并據此編制了合理的金屬部件檢修計劃。當檢修期開始后，電廠完成了存在風險部位的檢修后，將檢驗結果與該部件上次檢驗的風險提示信息對比，發現部分管道焊縫缺陷存在擴展，于是在檢修期內對這部分焊縫進行了緊急修復消缺，其余中等風險部位缺陷經檢驗，未發生擴展，故當次檢修未安排消缺處理。

圖3 檢修策略導出文件Fig.3 Export fileof maintenancestrategy

電廠本次檢修時間短、工期緊，若全面檢驗則時間不夠，且有可能對已經多次檢驗的部件重復檢驗，反而無法顧及真正存在風險的部位，造成檢修資源的浪費與風險隱患無法排除。根據系統給出的優化后檢修策略，電廠在有限的檢修工期內對所有存在較高風險的部位進行了排查，并且將威脅機組安全運行的高風險部位進行了消缺處理，排除了安全隱患，真正做到了檢修資源的充分利用與檢修效果的最大化。

對于部分安裝了壁溫測點的高溫部件，系統可根據溫度情況和運行時間，自動計算其剩余壽命，并根據剩余壽命值，合理安排更換時間。金屬部件剩余壽命與更換計劃如圖4所示。電廠通過查閱系統，發現一根受熱面管剩余壽命不足1個大修期，決定參照系統提示的年份，結合近期檢修工期，對該管段進行提前更換。換管后，對換下的管樣進行實驗室分析，發現管樣組織老化嚴重，且硬度和拉伸性能明顯低于標準要求的下限值，若未進行更換繼續服役，則隨時有發生爆管的風險。通過系統對高溫部件剩余壽命的監控，電廠有效地避免了一次非計劃停機。

圖4 金屬部件剩余壽命與更換計劃Fig.4 Residual lifeand changing plan of metal components

2.2 機組運行策略的優化管理

電廠在對剩余壽命不足的受熱面管進行更換后，從系統中調取了該管段及其附近管段的壁溫測點監控數據，發現該區域長期存在金屬管子壁溫偏高的情況，雖然均未超過報警值。但長期的超溫會導致金屬管子老化加速和壽命縮短。系統顯示除更換管段外，附近管子也存在壽命損耗偏大的情況。電廠對該區域金屬管子壁溫偏高原因進行了調查分析，發現為鍋爐燃燒存在偏差，導致該區域煙氣溫度偏高，造成該區域管子長期處于超溫狀態。電廠根據分析結果，及時對鍋爐燃燒進行了調整，降低了該區域煙氣溫度，后根據系統監測情況，該區域管子壁溫恢復正常。根據系統監測數據，電廠排除了局部管子超溫的風險，避免了管子發生大面積過熱爆管的故障。

2.3 機組實時監測體系盲區的排查

電廠在根據系統監測數據，對鍋爐燃燒進行調整后，系統各監測點溫度數據均正常。但是隨后在無壁溫測點位置發生了受熱面管，根據分析，爆管原因為長時間過熱。電廠分析認為，該區域未加裝壁溫測點，導致系統對該區域壁溫情況無法監測。電廠計劃在下一次檢修期對該區域加裝壁溫測點并與系統相連接。通過對系統的排查和梳理，找出了電廠監測體系的盲區，可以做到更有效地和更全面地實時數據監測，有效地保障電廠的安全運行。

3 系統發展方向的探討

3.1 基于失效模式智能學習與辨識的金屬部件材質狀態綜合評估

目前本系統可以做到金屬部件的風險評估與壽命評估，并給出優化后的檢修策略，但目前無法對部件的材質狀態給出綜合評估結果。因為金屬部件材質綜合評估需結合多項數據，并依據評估人員的個人實際經驗進行分析，難以簡單量化來通過目前的系統實現。

對于工業設備和部件來說，材質狀態綜合評估通常可以通過設備內部機理分析和數據分析挖掘兩種方法來實現。前者綜合考慮設備的機械、材料和流體流動等特性，來確定其劣化趨勢和程度。但由于同一類型的設備在設計、制造、安裝和運行等過程中的各種不確定性，使得設備機理分析的過程變得相當復雜，且準確度不高；后者是從數據挖掘角度出發，基于設備歷史狀態的相關各類數據及特征來反映設備的當前狀態，如設備的設計數據、檢驗數據和運行數據等綜合信息反映了設備的狀態，采用恰當的特征提取方式后，特征值將能代表其狀態。但工業應用的特點造就了設備正常數據非常多，但失效樣本卻很少的結果。因此，必須結合設備內部機理研究和設備數據挖掘技術兩者的各自優勢，通過專家的機理分析強化少量的失效案例樣本，提高數據挖掘時特征值評價的準確性，最終實現高效、準確的風險評估和壽命評估。

通過對系統內加入人工智能模塊，利用人工智能具備的深度學習功能，并結合導入系統的金屬部件失效機理，對失效案例進行深度學習。結合失效機理深度學習與設備數據，實現金屬部件材質狀態的智能評估，使系統從“自動化”升級為“智能化”。只要智能化給出存在風險和原因，即可智能化給出處理意見和方案，實現全過程智能化管理。

3.2 集團內多電廠聯網與數據互通型系統

對于具備深度學習能力的系統，“學習資料”的數量和品質直接決定了學習質量，也就決定了系統是否能夠真正實現智能化。對于單個電廠而言，其具備的機組數量有限，設備數據與失效案例數量均較少，難以滿足真正的智能化學習。若能將某個發電集團的機組全部安裝本系統，并將各個電廠聯網，這樣系統可以綜合所有電廠機組的數據進行深度學習，并可將學習成果應用到所有電廠，某個電廠發生了問題，系統可以向集團內其他類似機組發送警告，提醒該電廠對類似問題進行排查。海量數據與海量應用的結合，可以促進系統實現高度智能化，為電廠金屬部件的安全運行保駕護航。

4 結論

本文介紹了火電廠金屬部件全生命周期管理系統的開發、實際應用情況與發展展望。通過電廠的應用實例可以看出，該系統通過對機組重要金屬部件進行狀態、風險和壽命的統一動態管理，綜合分析得出重要金屬部件的薄弱環節和風險點，由此給出優化后的檢修策略與維修技改計劃，科學指導機組的檢修與運行，顯著提高了機組運行的可靠性。該系統在未來可以從智能化學習與多機組聯網兩個方向進行升級發展，成為真正的智能化金屬部件管理系統。