數字化高壓加熱器故障率自適應推算方法

楊 嶺,孟祥松,朱 艷,景海增,賈瑞雪

(1.大港油田對外合作項目部,天津 300280) (2.上海數映科技有限公司,上海 201702)

1 引 言

隨著火電機組裝機容量不斷增加,高參數和大容量逐漸成為高壓加熱器未來的發展方向[1],火電機組的結構較為復雜,且在電廠中各個火電機組之間都存在聯系,人們在此背景下對電廠的安全性提出了較高的要求。回熱系統在汽輪機熱力系統工作過程中發揮著重要的作用[2]。機組在運行過程中的安全性和熱經濟性直接受高壓加熱器運行狀態的影響。計算高壓加熱系統的故障率,監視高壓加熱系統的運行狀態,是保障機組安全運行的基礎。

余興剛[3]等人采用弗留格爾公式結合高壓加熱器設計數據建立功率變工況計算模型,在異常工況下和疏水閥泄露工況下利用該模型計算高壓加熱器的耗熱率,以此為依據獲取高壓加熱器的故障率,但該方法忽視了溫度檢測。龐占洲[4]等人通過負荷分段方式獲得高壓加熱器的運行數據,采用最小二乘方法擬合處理上述運行數據,構建多變量回歸模型,利用多變量回歸模型計算高壓加熱器的故障率,該方法檢測到的給水壓力和給水流量誤差較大,存在推算精度低的問題。

為了解決上述方法中存在的問題,提出數字化高壓加熱器故障率自適應推算方法。

2 高壓加熱器動態數學模型

用V表示高壓加熱器的空間容積;ρ表示高壓加熱器的飽和蒸汽密度,構建高壓加熱器在工作狀態下的質量平衡方程如下:

(1)

式中:V′為汽側水空間在高壓加熱器系統中的容積,m3;τ為過渡時間,s;ρ′為飽和水密度,kg/m3;F為加熱器在運行過程中的汽、水流量,m3/s。

用h″表示飽和蒸汽焓;Ws表示冷卻管與汽側蒸汽之間存在的換熱量,數字化高壓加熱器在運行狀態下的汽側能量平衡方程如下:

(2)

式中:h為是水、汽流量的焓值,kJ/kg;h′為飽和水焓,kJ/kg。

用mw表示管內給水的質量;tw2表示給水出口溫度;Fw表示高壓加熱器的給水流量,建立如下水側能量平衡方程:

(3)

式中:Cp為加熱器系統的給水比熱容,kJ/(kg·℃);tw1為給水入口對應的溫度,℃。

用M表示高壓加熱器系統中水側管子對應的質量,通過下式描述水側的傳熱過程[5-6]:

(4)

式中:tm為金屬管壁在加熱器工作狀態下的溫度,℃;Ww為高壓加熱器與金屬管壁之間的換熱量,kJ。

Gw為水側管子在加熱器中的表面積,則水側在高壓加熱器中的傳熱過程可利用下式描述:

Ws=Gwβw[tm-(tw1+tw2/2)]

(5)

式中:βw為水側對流換熱系數。

用V0表示高壓加熱器汽側空間的總容積,當容積平衡時,存在V″+V′=V0。

結合上述方程,通過下式計算給水出口溫度在高壓加熱器工作過程中的變動率:

(6)

通過下式描述金屬管壁在高壓加熱器中的溫度變化情況:

(7)

設L為高壓加熱器的水位,當加熱器的橫截面積在高度方向不發生變化時,其計算公式如下:

L=KmV′

(8)

式中:Km為水位波動系數。

設Ks為蒸汽側的受熱面積;Kw為被水淹沒的受熱面積,其計算公式分別如下:

(9)

式中:L0為高壓加熱器底部與最下端管子之間存在的距離,m;Lm為高壓加熱器底部與最上端管子之間存在的距離,m。

3 高壓加熱器故障率推算

根據高壓加熱器動態數學模型構建高壓加熱器故障模型:

(10)

式中:G1、G2為給水入口和出口在高壓加熱器中的流量,m3/s;c1為管側水對應的比熱容,kJ/(kg·℃);t1為給水入口處對應的溫度,℃;c2為殼側水對應的比熱容,kJ/(kg·℃);t2為給水出口處對應的溫度,℃;Gdi、Gdo分別為疏水入口和出口對應的流量,m3/s;tdi、tdo分別為疏水入口和出口在高壓加熱器中對應的溫度,℃;Gc為蒸汽在加熱器蒸汽入口處的流量,m3/s;cg為殼氣體對應的比熱容,kJ/(kg·℃);ts為飽和蒸汽溫度,℃;ζ為時間,s;Vt為管內在高壓加熱器的容積,m3;ρ1為水在管內的密度,m3/s;Mt為管束金屬在高壓加熱器內的質量,kg;ct為金屬比熱容,kJ/(kg·℃);V1為殼側水容積,m3;ρ2為殼側水密度,m3;Vg為殼側對應的汽體容積,m3;ρ3為汽體在殼側的密度,m3/s;cg為殼側汽體比熱容,kJ/(kg·℃)。

在上述模型的基礎上構建如下機理模型K1:

K1=f(t1,t2,tdi,tdo,φ)

(11)

式中:φ為影響因子。

對式(11)求偏導,獲得報警狀態下高壓加熱器給水端的故障模型ΔK1:

ΔK1=μ1Δt1+μ2Δt2+μ3Δtdi+μ4Δtdo+μ5Δφ

(12)

式中:ΔK1為給水端在高壓加熱器報警狀態下的增量;常數μ1、μ2、μ3、μ4、μ5的計算公式如下:

根據實際發生故障時高壓加熱器中變化較大的參數以及上述計量模型,提取φ、t2、tdo作為高壓加熱器的主要故障參數。

(13)

利用Elman神經網絡[7-8]建立高壓加熱器故障率推算模型,將提取的主要故障參數φ、t2、tdo輸入高壓加熱器故障率推算模型中,完成高壓加熱器故障的自適應推算。

建立高加熱器故障率推算模型的具體流程如下:

(1)提取工作狀態下高壓加熱器的故障參數,并對其展開相關預處理[9-10];

(2)將高壓加熱器的故障參數作為Elman網絡的輸入,確定節點在Elman神經網絡的輸出層、輸入層、結構層和隱含層中的數量,設計網絡整體拓撲結構;

(3)采用改進粒子群算法[11-12]訓練Elman神經網絡,獲得最優網絡參數和權值,將高壓加熱器故障參數輸入訓練后的Elman神經網絡中,推算高壓加熱器的故障率。

數字化高壓加熱器故障率推算模型如圖1所示,高壓加熱器現場圖形如圖2所示。

圖1 高壓加熱器故障率推算模型

圖2 高壓加熱器

4 實驗與分析

為了驗證數字化高壓加熱器故障率自適應推算方法的整體有效性,需要對其展開測試,在測試過程中引入文獻[3]方法和文獻[4]方法作為對比方法。

采用所提方法、文獻[3]方法和文獻[4]方法對下述高壓加熱器的故障率展開推算。

上述高壓加熱器的主要參數如表1所示。

表1 高壓加熱器主要參數

采用所提方法、文獻[3]方法和文獻[4]方法在高壓加熱器泄露前、泄露出現及惡化和泄露穩定情況下檢測高壓加熱器的疏水溫度和給水出口溫度,對比不同方法檢測結果的絕對誤差,測試結果如圖3和圖4所示。

圖3 疏水溫度絕對誤差

圖4 給水出口溫度絕對誤差

由圖3和圖4可知,采用所提方法測試時,疏水溫度絕對誤差和給水出口溫度絕對誤差在三個階段中均保持在0左右,而文獻[3]方法和文獻[4]方法的疏水溫度絕對誤差和給水出口溫度絕對誤差雖然在泄露前保持在0左右,但在泄露出現及惡化和泄露穩定情況下的誤差曲線出現明顯波動,表明在泄露出現及惡化和泄露穩定情況下文獻[3]方法和文獻[4]方法無法準確地檢測高壓加熱器的疏水溫度和給水出口溫度。

采用所提方法、文獻[3]方法和文獻[4]方法測試高壓加熱器不同負荷下的給水壓力和給水流量,測試結果如圖5和圖6所示。

圖5 給水壓力

圖6 給水流量

分析圖5和圖6中的數據可知,隨著高壓加熱器負荷的增大,給水壓力和給水流量不斷增大,采用所提方法測試時,獲得的變化曲線與實際曲線貼近,采用文獻[3]方法和文獻[4]方法測試時,獲得的變化曲線與實際曲線之間存在較大誤差,通過上述測試可知,所提方法可準確地測量高壓加熱器的給水壓力和給水流量。

選取推算精度作為指標,采用上述方法在相同環境下展開多次高壓加熱器故障率推算測試,測試結果如圖7所示。

圖7 不同方法的推算精度

由圖7可知,三種方法的推算精度隨著推算次數的增加均有所提高,所提方法在首次推算過程中就取得80%的推算精度,在第5次推算時,推算精度接近100%,文獻[3]方法的最終推算精度未達到80%,文獻[4]方法在第4次推算時獲得最高精度80%,通過上述測試可知,所提方法的推算精度優于文獻[3]方法和文獻[4]方法,因為所提方法構建了數字化高壓加熱器的動態數學模型,可以獲取高壓加熱器在工作狀態下的特點,提取主要故障參數,提高了方法的推算精度。

5 結 語

火電機組的運行狀態和熱經濟效益直接受高壓加熱器的影響,由于振動、侵蝕和流體沖刷等因素,高壓加熱器容易出現泄露故障,研究高壓加熱器故障率推算方法具有重要意義。目前高壓加熱器故障率推算方法存在推算精度低的問題,提出數字化高壓加熱器故障率自適應推算方法,該方法構建動態數學模型對高壓加熱器的工作特點展開分析,以此為依據采用Elman神經網絡建立故障率推算模型,有效解決了目前方法中存在的問題,為高壓加熱器故障的維修提供了相關依據。