基于邊緣計算的旋轉設備振動態勢感知平臺開發與應用

劉曉東 黃生文

摘? 要：以火電廠的旋轉設備作為研究對象，應用邊緣計算、智能監測技術對全廠主機和重要輔機旋轉設備振動在線監測，應用智能態勢感知、數據可視化技術實現火電廠重要發電設備數字化管理、智能化監測，自動生成統計報表，達到對旋轉機械振動狀態感知和趨勢預測的目的。應用輔機智能平衡技術實現輔機在線動平衡。整體研究對推動電廠的智慧化建設具有一定的借鑒意義。

關鍵詞：邊緣計算；旋轉設備；振動；態勢感知

中圖分類號：TP311；TK268.+1 文獻標識碼：A 文章編號：2096-4706（2023）03-0164-04

Development and Application of Rotating Equipment Vibration Situation Awareness Platform Based on Edge Calculation

LIU Xiaodong， HUANG Shengwen

（Hebei Zhuozhou Jingyuan Thermal Power Co.， Ltd.， Baoding? 072750， China）

Abstract： Taking the rotating equipment of thermal power plant as the research object， the edge calculation and intelligent monitoring technology are applied to online monitor the rotating equipment vibration of the main engine and important auxiliary equipment of the whole plant， and the intelligent situation awareness and data visualization technology are applied to realize the digital management and intelligent monitoring of the important power generation equipment of thermal power plant， and the statistical report is automatically generated， so as to realize the purpose of vibration state awareness and trend prediction of the rotating machinery. The auxiliary machine intelligent balance technology is applied to realize the on-line dynamic balance of the auxiliary machine. The overall research has the certain reference significance for promoting the intelligent construction of the power plant.

Keywords： edge calculation; rotating equipment; vibration; situation awareness

0? 引? 言

汽輪發電機組等旋轉設備是火力發電廠中的核心發電設備，其能否安全可靠運行直接影響電廠及電力系統的安全穩定。而在現場生產中由于制造、安裝、調度等不確定性因素的存在，旋轉設備的運行工況也隨著機組負荷指令不斷地發生改變，導致容易出現各種各樣的故障，輕則限制汽輪發電機組出力影響正常生產，重則發生設備損壞事故可能會對電廠甚至電網產生嚴重后果。目前火電廠旋轉設備振動數據作為一項主要的監測參數，它包含在生產運行監測數據中，可以對主輔機的運行狀態實時監控反映機組各設備當前的運行狀態[1]。

1? 研究背景

TDM（Turbine Dignosis Managment）系統是一套振動分析檢測系統，依賴專業人員對監測振動信號的解讀，憑經驗得出診斷結果，其面向的應用人群非常有限，且由于TDM系統產生的年代較早，系統沒有任何人工智能技術和大數據技術的應用。近些年隨著智慧電站項目在國內風風火火的開展起來，傳統的TDM系統也迎來了升級換代的機會。TDM系統在網絡架構上做了必要的擴展，適應了智慧電廠大數據平臺的應用要求，在監測內容上擴充了監測范圍，監測測點逐漸豐富，在監測技術上為了適應智慧電廠的要求，融合了大數據挖掘技術、人工智能診斷技術等[2，3]。

2? 總體架構和關鍵技術

2.1? 總體架構

旋轉設備振動態勢感知平臺以振動數據為核心，應用邊緣計算技術建立起包含全部輔機在內的旋轉設備振動態勢感知大數據平臺。結合人工智能、大數據挖掘、三維建模等技術，實現系統的態勢感知，數據可視化應用、智能報表和輔機智能平衡等功能。根據研究內容，采用理論分析、數值模擬、數據建模結合現場軟件功能測試，最終實現系統的設計目標，如圖1所示。

（1）應用邊緣計算技術，挖掘輔機振動監測的需求，實踐輔機振動監測的方法，實現全廠的輔機振動監測集成。

（2）對旋轉機械設備運行特性、運行工況變化進行實測分析，將設備運行中的實際狀況和各項指標特征輸入大數據模型庫。經過數據訓練、歸納故障特征、識別故障數據、模型優化，應用Python語言開發適合振動數據的大數據態勢感知算法模型。

（3）搜集和整理現場實際的振動數據，針對振動分頻值、相位、軸心軌跡、軸心位置等多維度信息，應用大數據模型，通過信息熵的計算方法得到機組狀態信息期望，并表現為反映機組整體運行狀態的振動指標系數。

（4）應用大數據挖掘和三維建模技術，梳理振動相關重要事件的發生過程，把過程重要細節通過計算機軟件實現智能數據展示。

（5）應用大數據挖掘技術和人工智能技術，從振動數據平臺提取輔機平衡所需要的歷史特征數據，自動匹配影響系數，計算平衡數據，實現智能平衡。

2.2? 邊緣計算技術

邊緣計算技術是發揮分布式計算能力，緩解大規模數據監測對集成服務器的負載壓力，發揮“振動信號源”的就近優勢，在輔機就地安裝部署若干“輔機邊緣計算就地信號采集單元”，完成對振動傳感器模擬量信號的采集、處理和計算，最后把信號轉化為數字量信號，通過光纜傳送到電子設備間，完成大規模的輔機振動信號的采集和數據集成，提供了快速響應的、高效的最近端信號采集和數據集成服務[4]。如：統計旋轉設備運行小時數、振動波動區間、報警次數、報警持續時間、報警危害等級評價、關鍵運行工況指標統計，研究機組穩定運行與技術指標間的強聯系與弱聯系關系、根據不同狀態以不同的模式采集發送數據等。

2.3? 振動特征綜合指數

“振動指數”是一套對旋轉設備振動監測有效的簡化機制，以最簡單的指數形式，直觀地反映機組振動特征狀態。振動指數是本項目獨創的概念，具有開創性和創新性，是旋轉設備振動態勢感知系統重要的創新功能之一。對不同類型旋轉設備振動指數形成的算法模型進行研究，綜合考慮通頻幅值、分頻幅值、分頻相位、軸心位置等因素的權重分配。眾多不同類型旋轉設備各自形成的指數，如數值顯示、趨勢變化、報警點信息關聯等等。

2.4? 智能態勢感知

系統具備主動的“感知”能力。應用人工智能技術，使系統具備主動感知設備運行工況變化、設備振動狀態變化和趨勢變化的能力，并主動推送相關信息告知用戶。系統具備主動感知、主動信息推送的能力，使得人機交互模式由傳統的以人為主動方，機器為被動方的“應答模式”轉變為以機器為主動方，人為被動方的“推送模式”。新的人機交互模式能充分發揮系統的感知能力，不再需要用人眼去發現重要的信息，系統就能通過后臺的實時運算識別出監測設備正在發生的狀態變化和趨勢變化等重要事件，牢牢把握對振動“態”和“勢”的靈敏監測，及時把重要信息推送給用戶，并提供相關的信息展示頁面鏈接供給用戶選擇是否需要切換到相應的監測功能界面。

如：用戶正在使用“主軸系監測”界面監測#2機組主機的振動數據。此時振動態勢感知平臺感知到#1機組主汽溫升高，同時#1就主機1瓦軸振幅值伴隨由明顯升高，此時振動態勢感知平臺就會主動給用戶推送一條“系統感知到#1機組主汽溫正在上升，伴隨#1機組主機1瓦軸振X和1瓦軸振Y振動幅值升高，是否需要切換到相應的界面”的信息，用戶選擇切換到相應界面后，系統會調出相對應的數據和界面供用戶監測和分析。

2.5? 數據可視化

本文著力研究振動數據的可視化應用方法，主要的研究方向定位在結合大數據挖掘技術對重要事件的數據回放過程。振動態勢感知平臺系統不僅要具備實時的振動態勢感知能力，同時還要具備強大的數據分析功能。通過對振動數據可視化應用方法的研究，可以更全面的展示振動數據和機組運行工況數據之間的關聯關系，把重要事件的發生過程中各個細節通過可視化的方式精準地還原出來，以全新的數據回放方式把原本復雜的數據梳理成條理清晰的信息呈現給用戶，為用戶提供全新的振動監測分析技術手段，提升用戶對系統使用的體驗感受。

2.6? 可編輯智能報表模板

自動報表是振動態勢感知平臺一項重要的功能。傳統的自動報表模板是固定不能編輯的，這大大限制了報表應用的需求變化。通常一份報表模板固定下來之后，其需求穩定期一般在3—6個月，之后多少都會由于管理制度的變化或者新的業務要求產生一些需求的變化，傳統不可編輯的報告模板就無能為力了，只能依靠軟件開發重新開發一套新的報表模板。

需對可編輯的報表模板進行研究，使報表模板可以根據用戶需求變化，最大限度地滿足用戶對報表模板的編輯需求，使自動報表能適應盡可能多的應用需求的變化。

2.7? 輔機智能平衡

應用大數據挖掘技術，研究輔機配平衡算法，能夠識別輔機間共性的影響因素，在不停機的條件下，完成風機配平衡的計算。

傳統的輔機配平衡需要利用停機機會，臨時為輔機安裝專業的振動監測設備。通常需要做2次平衡試驗，才能完成一臺輔機的配平衡工作。其實，電廠眾多輔機的共性數據是可以共享的，由于過去很多輔機沒有安裝振動監測設備，以至于無法為眾多的輔機建立起可以相互共享的數據平臺。通過本項目實施，可以為電廠所有旋轉設備建立一個數據共享的振動大數據平臺，系統從歷史數據中選取合適的振動特征數據，自動匹配同類型輔機的配平衡影響系數，不需要專門為輔機做平衡試驗，就能自動計算出配平衡的結果，實現輔機的智能平衡方案。

3? 平臺開發與驗證

3.1? 主輔機智能監測功能

傳統的TDM系統作為常規火電廠的專業分析系統，給用戶提供了一些分析專業的分析工具，而對這些專業分析工具的具體運用還是取決于用戶的專業水平和專業能力，在用戶缺乏專業知識或對專業的分析工具并不熟悉的前提下常常難以對發生的問題準確分析。振動態勢感知平臺本身就是“專家”，其在TDM系統的網絡構架上做了必要的擴展，適應了智慧電廠大數據平臺的應用要求；在監測內容上擴充了監測范圍，監測測點逐漸豐富；在監測技術上為了適應智慧電廠的要求，融合了大數據挖掘技術、人工智能診斷技術等[5]。軟件界面如圖2所示。

3.2? 智能報表生成功能

對旋轉機械設備運行特性、運行工況變化進行實測分析，將設備運行中的實際狀況和各項指標特征輸入大數據模型庫。經過數據訓練、歸納故障特征、識別故障數據及模型優化，應用Python語言開發適合振動數據的大數據態勢感知算法模型；統計旋轉設備運行小時數、振動波動區間、報警次數、報警持續時間、報警危害等級評價、關鍵運行工況指標統計[6]。應用邊緣計算技術，為火電廠提供快速響應的最近端的數據應用服務，研發一套技術監督管理需要的振動技術監督報表。系統根據大數據模型庫中的數據自動生成所需的技術監督報表，極大節約了專業技術人員的工作量并有效提高了工作效率。軟件界面如圖3所示。

3.3? 智能輔機動平衡功能

在大數據挖掘技術的基礎上，對傳統的輔機質量不平衡因素導致的振動進行分析，識別輔機間質量不平衡的共性因素和個性因素[7]，對共性因素采用配平衡算法，完成風機智能動平衡的計算。傳統火電廠的輔機配平衡需在機組停機時進行，還需科研院所專家參與計算并臨時為待平衡輔機安裝專業的振動監測設備等。而機組停機制約生產，采用在線輔機動平衡的方式可以有效解決上述問題。由于同一個火電廠眾多同類型輔機是由一個廠家供貨，同一批生產，在進行動平衡時往往具有相似或相近的影響系數，隱私這些數據是可以共享的。通過本項目實施，可以在采集已有歷史數據的基礎上建立一個振動大數據平臺，系統在需要進行在線動平衡時會從平臺數據庫中選取較工況穩定的振動數據，自動匹配同類型輔機的配平衡影響系數，自動計算出配平衡的結果，實現輔機的智能平衡方案。軟件界面如圖4所示。

4? 結? 論

應用邊緣計算技術，可以有效地對全廠主機和全部重要輔機旋轉設備的振動在線實時監測，實現振動設備管理全“數字化”、監測全“智能化”、統計報表全“自動化”，實現對旋轉機械振動狀態的感知和趨勢的預測。實現電廠振動數據準確、快捷、高效的管理，對電廠整體安全生產起到了積極促進作用。

參考文獻：

[1] 吳韜.基于案例推理與模糊粗糙集理論的汽輪機故障診斷系統研究 [J].機電信息，2019（33）：76-78.

[2] 張樹濤.旋轉機械運行安全在線監測系統的研究與開發 [D].蘭州：蘭州理工大學，2021.

[3] 馮坤.發電廠關鍵設備預警分析平臺的建立與研究 [D].保定：華北電力大學，2017.

[4] 張佳樂，趙彥超，陳兵，等.邊緣計算數據安全與隱私保護研究綜述 [J].通信學報，2018，39（3）：1-21.

[5] 錢強.火電企業監控信息系統的設計與實現 [D].南京：南京理工大學，2008.

[6] 李文豪，陳仲生.邊緣計算網關關鍵技術及其應用 [J].控制與信息技術，2022（4）：1-10.

[7] 白浩.風機不平衡故障特征與診斷方法 [J].內燃機與配件，2017（11）：89.

作者簡介：劉曉東（1971—），男，漢族，河北涿鹿人，工程師，本科，研究方向：汽輪機檢修及振動治理；黃生文（1989—），男，漢族，山東曹縣人，高級工程師，碩士研究生，研究方向：發電廠汽輪機專業技術監督管理。

收稿日期：2022-10-13