數據驅動的汽輪機健康狀態管理技術綜述

（東方汽輪機有限公司，四川 德陽 618000）

0 引言

汽輪機作為電力生產系統的核心設備，是集成耦合機、電、液、熱、信息等多因素、多介質的復雜機電系統。這類發電系統通過多種監測與保護系統對機組的健康狀態進行記錄和診斷，存儲了海量、多維、多態數據。汽輪機系統復雜，設備體積龐大，工作環境惡劣，一旦出現異常狀態或故障，會導致停機或減產，影響發電廠經濟效益，甚至會導致特、重大安全事故的發生。因此，應用現代信息技術手段進行機組健康狀態管理，即機組狀態實時監測、機組異常狀態辨別、機組故障模式診斷和機組維護維修計劃科學合理的制定等，是提高現役汽輪機組安全、可靠、穩定、高效運行的重要措施。

傳統汽輪機健康狀態管理技術主要應用于具體設備特定健康狀態，缺少系統層面整體性的研究，對機組狀態的演變、故障的傳播無法準確建模和分析，因此，基于數據驅動的機組狀態監測和故障模式診斷逐漸成為掌握系統性能演變的重要手段和研究熱點[1-2]。數據驅動的機組狀態健康管理技術采集和獲取系統實時狀態，利用統計分析和信號分析的數據處理方法，提取與系統屬性、狀態有關的特征參數，借助機器學習智能算法和數據處理模型進行系統狀態檢測、分析和辨識，可靠有效地診斷系統狀態模式，為機組維護、安全運行提供決策信息。

1 汽輪機健康狀態分類

汽輪機是將內能轉化為機械能的大型復雜旋轉設備，根據機組系統狀態的劣化演變過程，將其健康狀態分為熱力性能狀態和機械故障狀態，如圖1 所示。機組的熱力性能狀態主要指機組的效率和通流能力，其狀態監測和故障診斷的理論基礎是基于汽輪機變工況運行特性，通過溫度、壓力、流量等熱力過程參數的變化來表征熱力性能狀態，是一種早期的機械故障診斷。當機組的健康狀態以異常振動、跳機等外部表現形式表征時，機組將發生機械故障，相較熱力參數的變化，振動信號是一種迅速、直接表征機組運行狀態的物理參數。據統計，旋轉設備70%以上的機械故障都是以振動形式表現的，利用振動信號進行汽輪機機組健康狀態管理是目前最普遍的方法。

參考機組運行實時數據和歷史數據，通過對反應汽輪機性能和運行狀態的特征參數的分析，以期對機組的健康狀態，如機組健康狀態、運行優化服務、故障解決方案等做出綜合評估。

2 數據驅動的汽輪機健康狀態分析方法

隨著“互聯網+”技術的發展，傳統發電廠正朝著數字信息化、可視化和智能化的數字發電廠發展，將最大限度實現發電廠的安全、經濟、高效、環保運行。數字發電廠系統的監控變量和健康狀態數據大幅增加，傳統的過程監控管理方法將無法準確、及時、高效地反應發電廠的健康狀態；同時數字發電廠系統的強耦合、非線性和多元不確定性等特點，無法從系統側面分析發電廠健康狀態的劣化演變信息。因此，針對數字發電廠海量多態的大數據，數據驅動的發電廠健康狀態管理更為適用，能有效、可靠處理多元多樣的信息，挖掘數據內在關聯。數據驅動的汽輪機健康狀態管理以數字發電廠豐富的監測數據為基礎，利用數據挖掘技術提取反映機組狀態的隱含的有用信息，并以特征參數表征機組的健康狀態，從而實現機組狀態監測和故障模式診斷的目的。

汽輪機單元系統運行過程中故障萌發和演變以監測變量的監測數據進行記錄，包括系統的實時運行數據和大量的歷史數據。其中，實時數據反映系統當前的健康狀態，歷史數據則包含了監測對象的各種運行工況。理論上，對大量的監測數據進行有效、合理的挖掘，可獲得表征系統故障和故障演變的特征參數，從數據方面研究故障演變的機理。數據驅動的汽輪機健康狀態分析方法能夠較為準確地監測系統狀態、識別故障和辨識故障模式，主要方法包括統計分析方法、信號處理方法和人工智能方法，如圖2 所示。

2.1 基于統計分析方法

圖1 汽輪機健康狀態分類及征兆

圖2 數據驅動的汽輪機健康狀態分析方法

基于統計分析的方法關鍵是分析監測變量數據、構建狀態判別健康閾值，對機組實時狀態進行辨識和預警，主要包括單變量統計分析和多變量的統計分析方法。單變量統計方法只能選取單個關鍵變量進行監測，忽略了變量之間的關系，存在局限性，監測精度和可靠性不高，常用的控制圖方法包括：Shewhart 控制圖、MA（移動平均）控制圖、EWMA（指數加權平均）控制圖和CUSUM（累積和）控制圖。多變量統計分析通過對線性或非線性變量數據空間進行重構和融合，提取系統狀態表征參數，構建健康閾值統計量，檢測系統異常狀態。針對處理數據的復雜程度不同，多變量統計分析方法包括線性方法和非線性方法[3-5]，其中線性特征提取方法包括PCA（主元分析）、PLS（偏最小二乘方法）、FDA（Fisher 判別分析）、ICA（獨立成分分析），非線性特征提取方法在線性方法基礎上進入核變換，用隱式映射對高維數據降維處理，包括KPCA（核主元分析）、KPLS（核偏最小二乘方法）、KFDA（核Fisher 判別分析）、KICA（核獨立成分分析）。

2.2 基于信號處理方法

系統運行過程中監測變量的時間序列數據蘊含著機組健康狀態的演化信息和設備不同時刻的工況信息。基于信號處理的健康狀態分析方法是用信號處理模型或技術監測變量信號方差、幅值、相位和頻率等特征的變化，對系統狀態進行判斷和評估。信號處理的常用方法包括WT（小波變換法）、EMD（經驗模式分解法）、MSP（形態信號處理法）和SA（譜分析法）等，因其分析過程不需要準確的物理模型，是汽輪機機械故障診斷實用性較強、最常用的方法[6-8]。

2.3 基于人工智能方法

人工智能分析方法針對系統健康狀態類型與狀態劣化演變征兆之間無特定確切的對應關系，通過計算機不斷學習構建分析模型，按照一定規則、知識、邏輯對模型輸出數據進行分析判斷，實現系統健康狀態的分析。其關鍵核心就是對系統運行過程數據和故障數據集進行訓練學習，提取有效的表征系統實時變化、突變和趨勢變化等特征信息?；谌斯ぶ悄艿姆治龇椒o需建立定量的數學模型，是一種系統不確認定性方法，典型的方法有神經網絡、D-S 證據理論、SVM（支持向量機）和粗糙集理論等[9-12]。

3 研究現狀

數據驅動汽輪機健康狀態管理方法種類多，與分析對象的數據特性、數據屬性、數據規模和可用性等相關，主要集中在用各種數據驅動方法對汽輪機的熱力性能狀態和機械故障狀態進行分析研究。典型的數據驅動的汽輪機健康狀態方法研究實例及應用如表1 所示。

表1 典型數據驅動的汽輪機健康狀態方法

目前汽輪機組本身結構的大型化、設備的高度集成化和系統運行過程的復雜性，汽輪機健康狀態演變過程的非線性、不確定性、多樣性和異常狀態并發性等，導致單一的健康狀態管理分析方法準確性不高，泛化能力弱，無法滿足數字發電廠對機組健康狀態管理的要求。因此，需要多種數據驅動的方法進行選擇性的集成和融合，同時集成和融合高效的特征提取和模式分類方法，有效提高機組健康狀態管理系統的數據適應性、擴展性、有效性、準確性、魯棒性和敏感性，以便對機組健康狀態的劣化演變可以進行準確監測、故障溯源和綜合評估。

4 數據驅動的汽輪機健康狀態管理策略

數據驅動的汽輪機健康狀態管理的核心是機組運行數據，不同對象的監測變量、變量取值和變量數據類型等數據的參數屬性不同，有的參數可以直接表征監測對象的健康狀態，比如機組的熱力性能狀態可通過負荷、流量、壓力和溫度分析獲得；相對地，某些對象系統的健康狀態的演變則無法由監測變量直接表征，比如機組因某一故障跳機是由上游流程參數變化所導致。因此，對監測數據的預處理、系統物理模型的數據表達和系統健康狀態演變的特征參數提取是健康狀態管理的關鍵和基礎。

數據驅動的汽輪機健康狀態管理的內容主要包括機組系統狀態實時監測與報警、故障預警與故障模式診斷、機組運維服務智能評估。健康狀態管理策略如圖3 所示。首先，利用分析對象歷史運行數據和在線狀態監測數據，提取機組狀態演化過程中不同階段的特征參數，建立特征參數模型與故障模式的對應關系；其次，將分析數據作為建模數據，利用數據驅動方法構建機組健康狀態監測模型，以健康閾值為控制限制值進行狀態判別，對機組異常狀態進行故障模式辨識和分類。最后，根據分析結果對機組健康狀態進行綜合評估。該管理策略框架一般分為在線建模和離線建模，在實際工程應用中，從構建機組健康狀態特征參數到健康閾值的確定和健康狀態的演化模型都較為困難，需要不斷積累訓練樣本或故障模式，其核心和挑戰問題是選取對數據適應性好的一種或幾種數據進行分析、特征參數提取和健康閾值確定。

數據驅動的汽輪機健康狀態管理策略為數字發電廠的安全、可靠、穩定、高效運行提供科學保障，主要包括機組健康狀態的實時監測、機組異常狀態預警、機組故障模式診斷、故障解決方案、機組運維服務、機組健康狀態綜合評估、機組群負荷匹配方案、關鍵部件性能評估、機組維護維修建議和機組熱力性能分析。通過汽輪機健康狀態管理，可從系統層面對機組健康狀態作出全面、及時、有效、可靠的綜合評估，為數字發電廠的經營決策提供指導和科學依據。

5 工程應用現狀

汽輪機等大型高端能源裝備的現代化管理，需要將數據庫技術、網絡通信技術等先進信息技術與汽輪機健康狀態管理技術有效結合起來，能夠快速、高效、準確科學地評判設備健康狀態，從而保證機組安全、可靠、經濟、高效和長周期運行。

圖3 數據驅動的健康狀態管理策略

目前，電站高端裝備制造業已按照《中國制造2025》總體框架向智能管理、綜合診斷方向發展，其服務形式開始由專家現場服務向遠程診斷服務進行轉變升級。國內外大型裝備制造企業和發電企業越來越多地采用了云計算、大數據、互聯網等技術，對電站設備進行遠程監控與故障診斷等方面的技術研究和項目實施。2013 年上海電氣電站集團與大唐集團合作，以洛河發電廠6 臺火電機組為試點進行遠程診斷服務，并與廣東寶麗華集團簽訂首個電站遠程診斷服務協議。哈爾濱電機廠自主開發了發電設備遠程狀態監測與故障診斷系統，該系統包括機組性能試驗、設計制造、安裝調試、運營管理、維修保障、改造升級等服務內容，主要應用于水電項目，在三峽等項目上已實施，且所有診斷程序均自主編制，向用戶免費提供服務。國電投在西門子核心診斷系統的基礎上自主研發了火電遠程診斷一體化平臺，可實現接入電站設備故障預警、遠程性能試驗、汽輪機通流診斷、指標對標、振動精密診斷等功能。東方汽輪機有限公司利用先進的設計研發技術優勢和創新的服務形式，已完成基于大數據分析的火力發電廠遠程診斷平臺的搭建，主要包括電站機組運行數據的采集、預處理、傳輸技術，制定功能架構、輸入/輸出接口、數據相關標準，開發完成電站遠程診斷與分析平臺前置系統和集中統一的電站遠程診斷與分析平臺；在此基礎上設計了電站遠程診斷與分析平臺的業務模型和服務模型，開發了平臺相關功能組件、服務流程和應用算法，進行了系統數據的分析與挖掘應用，建立了電站機組遠程診斷分析系統，實現了電站機組的遠程異常診斷、故障分析、控制優化和售后服務等功能；該遠程診斷系統現已接入萬州發電廠、橫山發電廠1 000 MW 機組的數據，主要進行汽輪機經濟性分析，運行參數優化，潤滑油系統分析診斷以及軸系振動故障診斷、通流異常、軸封系統調節狀態、軸承卡澀、軸向推力大小及方向、供熱狀態自檢、末葉片狀態診斷等汽輪機相關主要系統和核心設備部件，從系統層面或設備級對汽輪機的健康狀態進行監測和診斷。

隨著大數據、云計算、IoT（物聯網）、AI 技術的發展，新一代發電廠將以數字化物理載體為基礎，向數字化、智能化方向轉型，構建以清潔低碳、包容多樣、智慧互聯、安全可靠高效的能源供應服務體系為核心的智慧發電廠，對發電廠整個系統的數據進行存儲、整合、建模、分析，提供發電廠全生命周期的生產、經營、管理、決策支持等服務[23]，加快發展智慧能源。西門子公司建立了三維數字化建模和燃機系統診斷系統，提供三維數字化檔案；西門子與華潤電力合作，共同搭建CSASS“分析專家”系統，包含設備性能優化、設備可靠性改善、技術監控等10 個功能模塊。上海電氣電站集團智能化團隊聯合上海汽輪機有限公司等推出的管控一體化平臺是針對智慧發電廠（發電項目），在傳統的MIS（管理信息系統）和SIS（廠級監控系統）基礎上打造的智慧發電管控一體化平臺。

汽輪機健康狀態管理系統作為智能發電廠大系統核心組成部分，將通過設備狀態監測與預警、設備診斷、能耗分析、健康狀態評估和以可靠性為中心的維護維修等功能模塊，在全局或局部實現系統效率、安全性、可靠性、可維修性、靈活性的目標優化，幫助發電廠提高設備的可靠度及機組出力水平，減少或杜絕非停、降負荷和環保排放事故，延長設備壽命和大修周期，大幅度降低運維費用和運維工作量，實現發電廠安全、可靠、綠色、經濟、靈活的電力可持續供給。

6 研究展望

隨著數字智能信息技術的飛速發展，數據驅動的汽輪機健康狀態綜合管理需要更加智能、自動和有效。但汽輪機設備龐大、系統復雜，其狀態數據一般具有多態、海量、多變和非線性等特性，尤其是數據的高維非線性、數據分布不均和故障數據或異常數據有限等，很大程度上導致數據驅動方法無法有效、準確地表征汽輪機的實時狀態。

為滿足現代能源發電廠數字化、智能化、智慧化的需求，提高現役汽輪機組安全、可靠、穩定、高效運行，利用數據驅動信息技術全面掌握汽輪機健康狀態仍需技術創新并進行工程應用方面的研究。

（1）數據獲取和預處理：在實際應用中，需發展應用集成創新技術獲取各類系統數據，并應用數據正則化、流信息、遷移網絡學習等方法處理數據，實時地分析處理和有效表示數據展示。

（2）狀態監測和故障診斷模型的構建：汽輪機構成的電力系統復雜、高度耦合和拓撲變化不確定，導致機組健康狀態管理是個復雜的系統問題。在工程實踐中，需根據數據類型和系統特性，構建新的數據模型，提高汽輪機組系統健康狀態的預測性和溯源性。

（3）數據驅動分析方法的融合和集成：汽輪機構成的大型復雜電力系統具有動態性、不確定性、脆弱性、開放性和多故障并發性等問題，單一的狀態監測和故障診斷技術存在精度低、泛化能力弱等問題，無法準確、及時地獲取汽輪機的健康狀態，需將多種數據驅動方法進行融合和集成，研究多技術融合的健康狀態管理方法，有效提高系統的可靠性、準確性、敏感性和魯棒性，降低其不確定性。

（4）智能、先進的數據驅動的健康狀態管理系統的開發：應用信息智能技術建立系統健康狀態管理的智慧系統，使生產過程可以自我完善優化，智能地動態優化系統級設備參數，實現和保障發電廠安全、高效、綠色、低碳的智能運行。

（5）數據共享與數據安全：安全隔離與信息交換平臺建設進一步促進了汽輪機健康狀態管理系統集群的建立，要求發展數據安全護航技術，在保證數據安全共享的基礎上，實現數據和系統的大融合和大集成。

7 結語

通過汽輪機組狀態參數數據進行狀態監測和故障診斷是汽輪機健康狀態管理的發展趨勢，也是當前研究的熱點和方向。當前數據驅動汽輪機健康狀態管理方法體系與實際數字發電廠復雜系統應用尚有較大差距，系統狀態劣化演變的機理和基礎研究尚有欠缺，需逐步完善健康狀態管理系統平臺的構建，進行多學科交叉研究攻克核心關鍵技術，不斷創新和發展汽輪機健康狀態管理技術研究。