燃氣調壓器故障分析系統的設計與實現

李興泉陳楚粵姜懿蕓耿啟征孫明陽

(1.山東建筑大學 熱能工程學院，山東 濟南250101；2.青島積成電子股份有限公司，山東 濟南250101)

0 引言

根據《中國天然氣發展報告(2019)》[1]預計，2050 年前我國天然氣消費繼續保持增長趨勢，將給城市的輸配管網維護帶來更大壓力。 燃氣調壓器是輸配系統中最重要的環節之一，其發揮著各級壓力調節、用氣壓力控制及維穩的作用。 自工業革命后，英美等國家創造并發展了先進的設備管理與維修的理念，提出從原始的“事后維修”轉變到“預防維修”“適時管理”等現代設備管理與維修的模式[2]，而我國在智慧燃氣的理念支持下，調壓器故障診斷系統及在線預警技術方面發展迅速。 李江波等[3]最早提出了基于先進的精簡指令集計算機微處理器(Advanced RISC Machine，ARM)的燃氣調壓器檢測系統進行氣密性和特性測試，檢測結果可以直觀反映調壓器靜壓特性的相關參數值是否符合要求。 同時，隨著設備自動化程度提高，調壓器相關智能系統也在不斷的創新，楊蒙[4]首次將小波變換與逆向傳播(Back Propagation，BP)神經網絡結合構造的小波神經網絡應用于燃氣調壓器故障診斷研究中，通過相應頻帶里變化的能量比例提取調壓器故障特征。由于此時故障診斷的分類結果不完善，杜毅[5]使用數學軟件Matlab 中的工具箱對歷年燃氣調壓器的故障類型及頻次進行數據模型分析，再進行經驗模態分解(Empirical Mode Decomposition，EMD)找出運行規律。 HAO 等[6]繼續研究了差分整合移動平均自回歸(Autoregressive Integrated Moving Average，ARIMA)模型在燃氣調壓器故障診斷方面的應用，通過平穩化處理數據后識別模型種類，再選擇應用檢驗通過后的模型預測。 閔行博[7]優化了小波包算法，大幅度降低了調壓器誤報和漏報故障的概率。李夏喜等[8]提出在歷史數據中提取參數穩定的特征點作為故障診斷模型的訓練依據，實時監測調壓器的運行狀態。 但上述所提出的EMD 和小波包分析法實時性不好且數據收集有限，郭裕祺等[9]提出了一種基于自編碼器的燃氣調壓器在線故障診斷系統。

目前國內燃氣企業已經普遍建立了調壓器日常巡檢制度和數據采集與監視控制系統(Supervisory Control And Data Acquisition，SCADA)，定期保養和維護調壓器，并監控管理。 但隨著大數據、云計算、物聯網等互聯網技術的發展，傳統的調壓器維護工作已經顯現出定期檢測周期長、人力資源耗費大、監控覆蓋率降低、管理模式無改進及險情發現滯后等缺陷。 由于調壓器大部分時間處于正常運行，運行規律相對穩定，故障類型比較有限且在出口壓力或流量上有所表征，運行狀態中產生的故障也是逐步演進的趨勢，因此，設計燃氣調壓器的故障分析系統是提高城市燃氣管網的管理效率、增強安全保障性的有效措施。 文章依據燃氣調壓器的工作原理和性能指標設計了故障分析系統，通過對SCADA 系統或物聯網壓力傳感器采集的出口壓力數據進行稀疏自編碼特征提取，并將特征樣本導入故障診斷模型，分析不同故障類型在出口壓力上的表現特點，以期能夠建立一個更高效、更智慧的燃氣調壓器故障預測性系統。

1 燃氣調壓器工作原理及性能指標概述

1.1 燃氣調壓器的工作原理

調壓器是一個可通過調整閥口面積，使流速和動能發生改變的局部阻力元件，按照工作原理可以分為直接式和間接式。 由于間接式調壓器薄膜兩側的壓力差容易控制在極小范圍內，比直接式的精度和關閉等級更高，適合城鎮高中壓管網的調壓。 但直接式與間接式調壓器的基本結構和原理相似，直接式反應更迅速，能夠更直觀地看出壓力與閥口變化的關系。 直接式燃氣調壓器結構圖如圖1 所示，主要由閥桿、薄膜、調節彈簧、閥口、閥瓣等組成，當下游用氣量增加時，出口壓力P2下降，此時上側調壓器調節彈簧的力大于導壓管連接的出口壓力即薄膜下側的壓力，導致薄膜下降，閥瓣也隨著閥桿一起向下位移，閥口開度增大，出口壓力P2恢復到初始給定值；若進口壓力P1升高時，閥口開度變小，則燃氣流量降低，出口壓力P2可以保持設定值。

圖1 直接式燃氣調壓器結構圖

調壓器本身不需要外界能量，可實現內部參數的動態調節，即在滿足下游流量需求的條件下，保持出口壓力維持于允許設定值的范圍內。 直接式燃氣調壓器自動調節系統工作原理如圖2 所示，調壓器信號管測量的出口壓力結果，受到進氣量、進口壓力的干擾。 當出口壓力的實際值與給定值出現壓力偏差時，此時產生的偏差信號提示閥桿進行位移，使出口壓力結果引入到輸入端參與下一次調節。

圖2 直接式燃氣調壓器自動調節系統工作原理圖

因此，對于調壓器的運行標準來說，設定的出口壓力是最重要的參數，其會影響閥門的調節性能。當出口壓力設定偏高時，調壓器根據自動壓力調節原理，閥口處閉合。 此時下游壓力高于上游，當出口壓力下降后，再次引起穩定器和調壓器主體薄膜向下運動，直到各個薄膜受到的力達到平衡。 當出口壓力設定太低時，氣體在閥口閉合處的壓差偏大，同時氣體中的雜質時會繼續沖刷閥口和閥座，降低了閥口的封閉性。 在平衡過程中，閥口不斷運動，氣體加倍沖刷閥口和閥座，增進了對閥口及閥座的損害程度。 若長時間出現間斷性供氣的情況，會導致進、出口壓差過大，造成閥門、閥口關閉不嚴，調壓精度下降，更容易出現安全事故。

1.2 燃氣調壓器的動態模型

燃氣調壓器的動態特性是當入口壓力或流量發生變化時，自動調節系統在過渡過程中的特性，其能夠影響調壓器的運行安全及設備性能。 采用模塊化建模的方法，以直接式燃氣調壓器的主閥為研究對象，列出運動方程式，由式(1)表示為

式中m為閥桿、閥瓣等運動部件質量，kg；g為重力加速度，m/s2；k為調節彈簧剛度，N/s；x為彈簧等運動部件位移，m；c為調節彈簧阻尼系數，N·s/m；t為運動時間，s；ΔP為進、出口間的壓力差，ΔP＝P2- P1；S為薄膜的有效面積，m2。

當彈簧處于平衡狀態，閥口開度穩定在某一位置時，建立的運動部件模型為該運動方程的實現，需要連接其他已經建立的子模型如容積模型、孔口流動模型、氣體參數模型、閥門信號模型等之間的相關端口來完成[10]。

1.3 燃氣調壓器相關性能指標定義

(1) 穩壓精度A指一族靜特性曲線上，工作范圍內出口壓力實際值與設定壓力間的最大正偏差和最大負偏差絕對值的平均值對設定壓力的百分比，由式(2)表示為

式中Δ＋、Δ-分別為出口壓力實際值與設定壓力間的正、負偏差，MPa；P2s為設定壓力，MPa。

穩壓精度等級(Accuracy class，AC)則定義為穩壓精度的最大允許值乘以100[11]。

穩壓精度受到彈簧剛度和薄膜面積的影響，選擇彈簧剛度較小及薄膜有效面積變化量較小的調壓器來提高穩壓精度。

(2) 關閉壓力等級SG 定義為實際關閉壓力與設定壓力之差對設定壓力之比的最大允許值乘以100[11]，通常關閉等級越低則關閉性能越好。

2 燃氣調壓器故障分析系統的設計

根據實際工作狀態可知，當處于用氣高峰時，下游出口壓力在設定壓力附近波動，若整體運行壓力上移，則可判斷設定壓力偏高，出現超壓的問題；當處于正常用氣時，出口壓力在穩壓精度范圍內正常變化，是驗證調壓器調節作用的最好時段，也為研究預測調壓器運行狀態提供了數據基礎；當處于用氣低谷時，出口壓力值能夠反映調壓器處理下游超壓的情況，包括調壓器關閉時的關閉壓力，直接反映調壓器的關閉等級偏高問題。

故障預測分析系統旨在將維修人員的經驗轉化為“電子腦”存儲，是“電子腦”指導維修人員檢修的一個交互過程，該分析系統結構如圖3 所示，其核心是診斷模型，需要30 d 的歷史數據和以往專家經驗作為故障判斷的依據，經過數據預處理和特征提取后導出診斷結果，形成用氣特征圖譜和故障特征類型。 用氣特征圖譜能夠客觀地刻畫用氣規律，讀取出口壓力、流量等關鍵評價調壓器狀態的數據，自動繪制靜特性曲線并計算出實際穩壓精度等級和關閉壓力等級；故障特征是通過故障診斷模型分類欠壓、內漏、啟動壓力升高、關閉等級升高等問題。

圖3 調壓器故障預測分析系統結構圖

2.1 故障分析系統的數據采集

目前使用的傳統壓力表存在以下3 種問題:(1) 依靠人工讀數，無法避免人為誤差，導致數據不夠準確；(2) 無法積累數據，即使人工記錄后，查閱也很困難；(3) 無法做到實時監控，人工檢查具有滯后性。 由于調壓場站分布都相對分散，遠程控制系統的成本偏高，應用智能物聯網壓力傳感器可以減少各項成本。 將調壓器中的傳統機械壓力表更換成物聯網壓力傳感表，或在調壓器后端安裝智能壓力表，通過智能壓力傳感器可以設定高低壓的報警值，當調壓器運行出現故障如超壓時，向燃氣公司調度中心發送報警信號，檢修人員進行維修。

導致調壓器運行異常的因素很多，但都可以在出口壓力上有所表征。 因此，建立該分析系統的關鍵在于收集不同時刻的出口壓力，文章從SCADA系統和物聯網壓力傳感器中提取到2020 年不同日期的出口壓力數據，形成用氣特征圖譜如圖4 所示。

圖4 調壓器的實際壓力工作狀態曲線圖

2.2 故障分析系統診斷模型的建立

燃氣調壓器故障診斷模型采用高維度的特征向量來更準確地表達模型特征。 由于將所有歷史數據樣本全部打標，工作量巨大無法完成，由機器學習稀疏自編碼提取特征值，將存儲的歷史數據圖片進行聚類，找出離群的樣本圖片即疑似故障并對其進行標注，之后支持向量機分類器(Support Vector Machine，SVM)會對標注數據進行自動分類，產生一個機器故障分類結果，同時也根據提煉的專家經驗再進行故障判定，由此產生的經驗判斷結果和之前的機器學習結果進行融合判斷(即對20%的歷史數據樣本和上線運行后的數據進行測試驗證)，形成一個具有雙重判斷依據的故障結果，最終融合的故障結果將繼續作為故障輸入數據，對機器的故障分類依據進行更新，驗證更新為更準確的故障判定依據，工作原理如圖5 所示。

圖5 調壓器故障診斷模型工作流程圖

2.2.1 故障分析系統診斷的特征樣本提取

現在很多燃氣調壓器預警應用，采用小波包能量值法對壓力數據進行特征提取并得到定量故障判斷依據，但由于現存大量用戶有用氣類型不同、用氣習慣差異、調壓器品牌型號不統一等情況，故無法滿足大數據條件下的適用要求。 沒有分類標簽的原始壓力數據，增加其類別標記工作量大且復雜，因此文章希望機器能夠自己學習到樣本中的重要特征，使其在龐大的數據環境下獲得最優的表達，并有效地降維樣本。

采用稀疏自編碼器進行數據的特征提取，旨在構造某些新的特征來表示原始的數據樣本，避免了因人的主觀經驗影響的取值偏差。 新的特征需包含原始數據的有效信息，同時便于之后的學習補充。自編碼器是一種無監督的包含編碼器和解碼器兩部分的神經網絡模型，通過調整損失函數，其能產生許多變種形式，稀疏自編碼器是其中的一種[10]。 將數據預處理后以24 h 為時間長度的調壓器出口壓力曲線作為原始數據樣本，輸入到稀疏自編碼器，通過稀疏自編碼器的算法，重構還原出口壓力曲線。 機器通過不斷迭代得到最小值的重構誤差[12]，使所有樣本的平均重構誤差最終達到一個最小值。 其中，涉及的重構誤差是指稀疏自編碼器的輸入與輸出間的差值，其大小可用來判斷原始數據樣本偏離歷史數據規律的程度。 重構誤差顯示越小說明特征越準確，符合歷史曲線的運行規律，相反誤差越大則說明不符合正常運行規律，需要進行故障預測分析。 若新樣本數據持續偏離原有的數據特征，且經排查后調壓器運行正常，則說明用戶用氣習慣發生了改變，需要對歷史數據庫進行更新[9]。

2.2.2 故障分析系統診斷的分類機器

支持向量機是建立在統計學習理論基礎上的一種數據挖掘方法，可以較好地處理有關時間序列分析的回歸與分類以及有關判別分析等模式識別的問題，并可推廣于預測和綜合評價等領域和學科[13]。SVM 分類器的工作機理是找到一個最符合分類要求的超平面，使該超平面在滿足分類精度的前提下，保證超平面兩邊的空白區域達到最大化。 通常SVM 可以實現大部分線性可分數據的最優分類，常用于各類分類統計的應用中。

該系統在對歷史數據樣本和上線運行后的數據進行測試、驗證時，將稀疏自編碼器提取的特征值和預測出口穩定數據作為SVM 分類器的輸入，找到相應的故障類型標簽，再對燃氣調壓器故障分類模型進行訓練及測試，最終準確輸出主要的故障類型。

2.2.3 故障分析系統診斷的經驗參數

(1) 調壓器故障判斷經驗

調壓器自身零件損壞及老化問題會造成以下影響:對于調壓器關閉壓力超標的原因有閥門堵塞或損壞、閥瓣密封圈或閥口密封墊片老化、薄膜老化等，此類情況分別采取清洗或更換閥門、及時更換密封圈或密封墊片、更換調壓器薄膜等方法；由于調壓器內部雜質增多引起調壓器出口壓力降低，此類情況采取清洗調壓器的方法。 通常調壓器的主要故障率集中在閥口墊片的老化及損傷，雜質堆積在閥口的橡膠密封墊上導致閥口的關閉性能降低，使出口壓力值偏高。

除此之外調壓器的故障也可由流量的變化引起。 當實際流量大于設計流量時會造成調壓器出口壓力降低，出現此類情況應及時更換調壓器的型號；當上游管道壓力供氣量不斷變化時出口壓力出現波動，此類情況及時與上游機構進行協商[14]。

(2) 燃氣調壓器壓力參數設定標準

燃氣調壓器壓力設定參數具體見表1。

根據調壓器壓力參數的設定值進行維修后，調壓器的SG 應低于設備出廠SG，且最高不超過關閉壓力最大允許相對增量25%(SG25)[11]；若連續維修3 次，關閉壓力仍然超過SG25，列為危舊設備，并及時更換。

表1 調壓器壓力設定參數表

3 燃氣調壓器故障分析系統的實現

3.1 故障分析系統診斷分類的實現

由故障分析系統中的故障診斷模型分類出以下4 種故障類型，見表2，同時也作為機器學習、提煉專家經驗的故障判斷依據繼續在樣本數據中更新。

表2 調壓器壓力故障特征表

3.2 故障分析系統預警和報警的實現

根據上述分析系統及故障診斷的研究，建立如圖6 所示的調壓器狀態分析功能平臺，展示了調壓器出口壓力、實時壓力、調壓精度、關閉等級等工作情況以及進行數據有效性評估，做出智能故障判斷。

圖6 調壓器每日狀態分析功能平臺圖

文章以調壓器故障分析系統為核心建立的該功能平臺主要實現故障報警和故障預警兩大功能[15]。

針對調壓器故障預警類型，列出以下3 種情形表示燃氣調壓器已出現故障的趨勢，但現階段仍可以正常工作運行，并進行預警。

(1) 調壓器關閉閥口時，出口壓力高出預期，屬于關閉壓力偏高；

(2) 隨著調壓器的運行，出口壓力逐漸偏離設定值，無法滿足用戶用氣需求，屬于出口壓力偏移；

(3) 出口壓力瞬時拉低，但尚未脫壓，屬于瞬時欠壓。

對于調壓器故障報警類型，列出以下5 種情形表示調壓器已出現嚴重故障且存在安全風險，需要及時安排維修。

(1) 調壓器設定出口壓力偏高

如圖7 所示，紅線表示當前的出口壓力，紅線兩側的虛線表示調壓精度的上、下偏差，最上部的虛線表示當前關閉等級。 可以看出該日的最大、最小出口壓力分別為3.17 和2.92 kPa，設定的出口壓力和當前調壓精度分別為2.6 kPa、±0.64%，此時的出口壓力和關閉等級分別為2.94 kPa、SG7.7，故可以判斷由于設定的出口壓力偏高，導致運行壓力整體上移，進而造成壓力超標。

(2) 關閉等級超標

如圖8 所示，可以看出該日調壓器的最大、最小出口壓力分別為3.21 和2.22 kPa，設定的出口壓力和當前調壓精度分別為2.5 kPa、±4.06%，此時的出口壓力和關閉等級分為2.34 kPa、SG33.9，由此情形判斷因為閥口的關閉性能逐漸降低，導致關閉壓力偏高，出口壓力偏高。

(3)調壓器內漏

如圖9 所示，可以看出該日的最大、最小出口壓力分別為3.32 和2.06 kPa，設定的出口壓力為2.4 kPa，此時的出口壓力和關閉等級分別為2.16 kPa、SG53.6，當前的調壓精度為±5.69%，由此情形判斷閥口關閉不嚴，出現內漏，導致出口壓力持續升高，下游壓力超標。

(4) 出口壓力已超過放散壓力，卻未啟動，安全附屬設施異常，則放散閥失效。

(5) 出口壓力已超過切斷壓力，卻未啟動，安全附屬設施異常，則切斷閥失效。

圖7 調壓器設定出口壓力偏高故障曲線圖

圖8 調壓器關閉等級超標故障曲線圖

圖9 調壓器閥口關閉不嚴故障曲線圖

4 結論

為了增強城市燃氣管網的安全保障性，基于調壓器出口壓力保持穩定的特性，文章設計了燃氣調壓器故障分析系統，完成了數據采集、故障診斷的設計，得出的主要結論如下:

(1) 故障分析系統建立了調壓器狀態分析功能平臺，能夠自動判斷欠壓、內漏、出口壓力偏移和超壓等4 種故障類型。

(2) 故障分析系統實現了對出現關閉壓力偏高、出口壓力偏移、出口壓力瞬時欠壓等3 種情形的故障預警，以及對出現設定出口壓力偏高、關閉等級超標、內漏、放散閥失效和切斷閥失效等5 種情形的故障報警。

(3) 故障系統能夠實時地對燃氣調壓器運行狀態進行評估、自動識別故障類型及科學安排維修，降低了因調壓器故障導致的供氣風險，改變了傳統調壓器事后管理的現狀，擴大了管理的范圍，有效地實現了針對性的燃氣調壓器預防性管理，對燃氣調壓器的維護管理方面有較好的促進作用。