基于熱電聯產的汽輪機組油膜振蕩故障診斷系統設計

魏佳佳

(安徽電氣工程職業技術學院 動力工程系，安徽 合肥 230000)

當前汽輪發電機組裝機容量不斷增加，導致機組運行過程中，油膜振蕩故障經常出現，因此，對汽輪機組油膜振蕩故障診斷進行研究，避免油膜突發事故發生，具有重要意義[1].

眾多學者對此進行大量研究，文獻[2]采用線性方法，分析油膜振蕩特性系數，對油膜故障進行診斷，但該方法由于系數算法局限性，診斷故障類別信任度較低.文獻[3]映射振蕩故障集合，模糊識別故障診斷模式，但其模糊識別矩陣一致性較差，故障診斷信任度同樣較低.針對這一問題，結合以上理論，提出基于熱電聯產的汽輪機組油膜振蕩故障診斷系統，保證汽輪發電機組的安全穩定運行.

1 基于熱電聯產的汽輪機組油膜振蕩故障診斷系統設計方法

1.1 基于熱電聯產的系統硬件設計

采用模塊化結構，耦合熱電聯產設計系統框架.根據現場實際需求，選擇不同類型的模塊，共同組成適用的系統硬件，使其具有一定的可擴展性和彈性，為各模塊配置小液晶屏，實時監測汽輪機組油膜的現場數據[4].其中電源模塊采用220 V和110 V的交流輸入，根據接入傳感器數量，配置多通道插槽，使電源輸入符合標準雙路寬電壓輸入，滿足多數場合需求；鍵相模塊配置多種傳感器，包括霍爾、電渦流、光電、磁阻等，采用兩路緩沖輸出模式，分別為繼電器輸出和3～18 mA電流輸出，為油膜振動信號采集提供鍵相信號；振蕩位移模塊選取速度傳感器和電渦流傳感器，測量油膜的脹差、軸振動、軸位移、瓦振；振蕩加速度模塊采用正反轉測量、超速保護、單一測量3種模式，用于汽輪機組轉速的測量；緩變量模塊選擇雙線制輸入和液晶屏輸出，測量油膜振蕩過程中，其壓力和溫度等緩慢變化的過程量.對模塊進行AVR單片機控制，耦合熱電聯產的生產方式，實現汽輪機組的熱-功轉換，為全部模塊的熱插拔提供支持[5].系統整體框架如圖1所示.

圖1 基于熱電聯產模式的系統框架

熱電聯產設備的蒸發器，采用低沸點、干流體的有機工質，利用汽輪機組的排汽，將有機工質加熱至蒸氣，使其膨脹后處于過熱區，讓有工機質經過回熱器降溫至35 ℃，經泵加壓后，對汽輪機組排汽的熱量進行吸收[6].同時通過有機工質冷凝多余排汽，經過疏水擴容器，擴容回收蒸汽和冷凝的飽和水，取代汽輪機組的部分排汽，實現汽輪機組循環，循環過程中，利用排汽熱量增加系統發電量[7].至此完成基于熱電聯產的系統硬件設計.

1.2 系統軟件設計

1.2.1 預處理汽輪機組油膜振蕩信號

通過系統硬件監測汽輪機組運行狀態，采集油膜振蕩信號，并對其進行預處理.從能量角度出發，采用小波包的降噪算法，引入一個尺度函數，通過濾波器組，截取各個尺度信號，得到由尺度函數膨脹產生的小波系[8].小波函數φ計算公式為：

φ=(aj-2cj)×D,

(1)

式中，D為正交鏡象濾波器的脈沖響應；aj為尺度函數第j層的尺度系數；cj為第j層小波系數.選擇小波函數φ，小波分解含有噪聲的油膜振蕩信號，分配信號特性到不同尺度的小波分解系數，壓縮信號得到小波包[9].按照能量大小順序，對小波包進行排列，選取前A個能量較大的小波包，重構油膜振蕩信號.減小重構信號和原始信號的誤差，計算公式為：

(2)

式中，C為誤差極小化目標函數；d(i)、h(i)分別為第i個小波包的重構信號和原始信號.抽取可以組成一組正交基的小波包基，對小波進行分解，給定一個序列的信息，采用自底向頂的搜索方式，找到能夠表達出信號特性的最優小波包基[10].具體搜索流程如圖2所示.

圖2 最優小波包基搜索流程

閾值量化最優小波包基分解系數，得到噪聲消除后，包含油膜振蕩狀態信息的振蕩信號.

1.2.2 識別汽輪機組油膜振蕩故障診斷模式

采用小波包頻帶能量法，提取預處理后信號的頻譜特征，識別油膜振蕩故障診斷模式.當振蕩信號非平穩性表現極明顯時，判定汽輪機組油膜出現振蕩故障.映射故障信號到小波函數φ構成的子空間，分離故障信號各個時刻和頻帶，得到高頻和低頻兩部分，使振蕩故障信號能夠分解到相互獨立的頻帶內[11-12].將分解后的頻帶空間，作為故障特征提取空間，計算故障信號在各個頻帶內的能量值，公式為：

(3)

式中，Kε為ε尺度下的故障信號總能量；N為子頻帶數量；Gn為第n個子頻帶信號歸一化后的能量比值；Ln為第n個子頻帶故障信號長度；Q為小波包節點能量.對頻帶空間內，故障信號分離的時域子信號進行頻譜分析[13]，提取保留時間特征的相位、振幅、頻率，排序時域子信號的能量值Kε，將Kε依次分配到首尾相連的等帶寬頻，使各頻帶內的能量值Kε形成一個向量[12].計算網絡中間層神經元t的輸入量Ut，公式為：

(4)

式中，xy為輸入層神經元y的故障特征向量；αt為中間層神經元t至各單元的輸出閾值；m、P分別為輸入層和中間層神經元數量.利用傳遞函數，計算中間層各單元的輸出、以及輸出層各單元的響應[14].隨機選擇下一個學習樣本輸入網絡，重復上述過程，直至神經網絡迭代誤差小于預設值，輸出油膜振蕩故障診斷結果，并將其應用到檢測的汽輪機組中[15].至此實現汽輪機組油膜振蕩故障診斷模式的識別，完成系統軟件設計，結合硬件設計和軟件設計，完成基于熱電聯產的汽輪機組油膜振蕩故障診斷系統設計.

2 實驗論證分析

將此次設計系統，與兩組常規汽輪機組油膜振蕩故障診斷系統，進行對比實驗，比較3組系統的油膜振蕩故障診斷信任度.

2.1 實驗準備

將某發電廠意大利ANSILDO制造的汽輪機組作為實驗對象，其進汽溫度為562 ℃，型號為TCDF，進汽壓力為17.3 MPa，容量為317 MW.該汽輪機組長期存在油膜振蕩偏大現象，現已停機中修，實驗裝置如圖3所示.

圖3 油膜振蕩故障實驗裝置

根據油膜振蕩故障實驗裝置，利用小波包分解子信號，將時域子信號等分為8個小波包區間，構成8個可以表征故障信號的特征向量，利用其能量關系，反映油膜振蕩故障特性.選取單隱藏層神經網絡，分別將提取的8個故障特征向量及汽輪機組故障診斷模式，作為網絡輸入量和輸出量.啟動汽輪機組，統計汽輪機組317 MW滿負荷運行過程中，油膜軸振和瓦振的實測值，結果如表1所示.

表1 滿負荷時油膜振蕩參數

由表1可知，汽輪機組油膜的2、5、7、9、10軸承振蕩參數偏大，在計算機中導出10個軸承油膜振蕩數據平均值，其信號波形如圖4所示.

經過圖4的油膜振蕩信號波形，在實驗臺上進行故障診斷信任度測試實驗，將油膜振蕩信號保存至Excel文檔，作為系統測試的原始數據，在軸心的一個平面上，布置了兩個相互垂直的電渦流傳感器，分別測量轉子的X方向和Y方向振動，其中采樣頻率設置為1 280 Hz.

頻率/Hz圖4 油膜振蕩信號波形

2.2 實驗結果

2.2.1 滿負荷下故障診斷信任度測試

應用3組油膜振蕩故障診斷系統，文獻[2]作為常規系統1，文獻[3]作為常規系統2，分析采集的振蕩故障信號，診斷汽輪機組故障類型.獲取多組常見振蕩故障的樣本數據，用于3組系統的訓練和學習，樣本數據如表2所示.

表2 訓練學習的振蕩故障樣本數據類別

3組系統對每種故障進行概率賦值，計算故障類別診斷的信任度，公式為：

(5)

式中，Fβ為系統診斷的第β種振蕩故障；Vβ為第β種故障類別判斷的可利用度；ξ為輸入樣本數據特征向量的誤差.根據公式(5)計算滿負荷下振蕩信號結果，具體步驟如下所示：

步驟1：監測油膜振蕩故障運行狀態；

步驟2：采集油膜振蕩信號，并對其進行預處理；

步驟3：從能量角度出發，采用小波包的降噪算法，引入一個尺度函數；

步驟4：通過濾波器組，截取各個尺度信號，得到由尺度函數膨脹產生的小波系數.

步驟5：求得振蕩信號診斷數據.

統計3組系統的振蕩故障診斷結果，診斷故障類別診斷的信任度，測試結果如表3所示.

表3 滿負荷下振蕩信號診斷結果

由表3可知，3組系統診斷給油膜振蕩故障的信任度都高于其他故障類別，表明3組系統的故障診斷結果均為油膜振蕩故障，但設計系統故障診斷信任度明顯高于兩組常規系統.進行多次實驗進一步驗證，測試結果如圖5所示.

實驗次數圖5 滿負荷下故障診斷信任度對比

由圖5可知，設計系統針對油膜振蕩故障類別，信任度平均診斷值為0.21；常規系統1和常規系統2信任度的平均診斷值分別為0.15和0.13，相比兩組常規系統，設計系統故障診斷信任度分別提高了0.06和0.08.

2.2.2 最小負荷下故障診斷信任度測試

改變汽輪機組的運行條件，降低機組運行容量至150～160 MW之間，采集機組最小負荷運行狀態下的振蕩信號，3組系統分別診斷汽輪機組故障類型.結果表明，3組系統診斷的汽機故障類別均為油膜振蕩故障，診斷的信任度如圖6所示.

實驗次數圖6 最小負荷下故障診斷信任度對比

由圖6可知，常規系統1和常規系統2受負荷變化影響較大，當汽機運行負荷在最小區間內變化時，油膜振蕩故障信任度診斷值也隨之產生波動.而設計系統不受運行負荷影響，故障診斷信任度診斷值較為平穩，且明顯高于兩組常規系統.

2.2.3 噪聲條件下故障診斷信任度測試

將汽輪機組運行狀態恢復至滿負荷，對采集的汽機振蕩信號進行無線信道噪聲干擾，在故障信號中混入干擾信號，控制振蕩信號頻率為10～90 KHz之間，3組系統分別診斷汽輪機組故障類型.結果表明，3組系統的故障診斷結果同樣均為油膜振蕩，故障診斷的信任度如圖7所示.

干擾信號頻率/kHz圖7 噪聲條件下故障診斷信任度對比

由圖7可知，混入干擾信號頻率越大，診斷給故障診斷類別的信任度就越小，設計系統診斷給油膜振蕩故障的信任度平均值為0.20，最大值和最小值為0.21和0.19，常規系統1信任度診斷的平均值為0.15，最大值和最小值為0.17和0.14，常規系統2信任度診斷的平均值為0.13，最大值和最小值為0.14和0.11，相比兩組常規系統，針對不同頻率的干擾信號，設計系統故障診斷信任度都有所提高.綜上所述，設計系統和常規系統都能診斷出油膜振蕩故障類別，但設計系統診斷給診斷結果的信任度，遠高于兩組常規系統，減少了輸出結果的不確定性，使診斷的故障類別更為準確可靠.

3 結 論

此次設計的基于熱電聯產的汽輪機組油膜振蕩故障診斷系統充分發揮了熱電聯產的技術優勢，提高了故障診斷信任度.但此次設計系統仍存在一定不足，在今后的研究中，會對汽輪機組故障信息進行融合，提取更多的振蕩故障頻譜信息，進一步減小故障診斷的不確定性.