基于物联网的火电机组远程诊断服务实践

史恒惠　夏静　李海军

摘要：基于物联网的火电机组远程诊断服务，即通过对机组运行数据的集中采集、存储和挖掘，建立涵盖设备级、参数级和重要的工艺流程的针对性专业诊断模型，实现故障早期预警，提升了设备管理及监控水平。

关键词：物联网；火电机组；远程诊断服务；运行数据；故障预警 文献标识码：A

中图分类号：TP393 文章编号：1009-2374（2016）01-0131-04 DOI：10.13535/j.cnki.11-4406/n.2016.01.066

近年来，国内超（超）临界机组的大量投运，发电设备逐渐向超大型化、全自动化方向发展，但随之引出的设备运行风险也在增加。而机组频繁调峰、长周期运行等新运行方式的普遍化，对设备可靠性提出了苛刻要求。企业追求经济效益最大化，这要求企业不断提高自己的管理水平和技术水平。充分利用信息技术，挖掘生产和管理潜力，提高生产和管理效率，是每一个工业企业都必须开展的课题，也是“两化融合”的必然趋势。

目前，发电企业多数已部署了SIS、MIS、TDM等系统，并在生产管理中发挥一定的作用，但是普遍存在应用深度、数据挖掘不够等情况，一定程度上造成了数据和资源的浪费，无法为机组的经济性、可靠性管理提供相对全面、可靠的依据。远程诊断服务作为电力系统以及装备密集型行业的发展方向之一，可以结合发电企业现有信息化系统和设备特征，利用物联网技术，将分布于不同地域、不同企业的数据进行集中采集、存储和挖掘，并在此基础上建立企业知识库模型，案例分析模型，积累设备诊断和故障分析经验。通过集中发挥高端专业技术人才优势，对发电企业设备故障及异常进行早期预警和诊断，对性能指标进行优化分析，从而提升整个发电企业的设备管理及监控水平，对保障发电企业安全、经济运行具有重要的意义。

1 基于物联网的火电机组远程诊断服务平台技术路线

系统核心技术是研究神经网络技术在基于物联网的火电机组远程诊断服务领域开发和应用，在开发的系统平台上，通过感知系统内部大量节点之间相互连接的关系，达到系统、设备、参数故障预警和诊断的目的。主要研究及开发内容如下：

1.1 自适应与自组织能力

神经网络在学习或训练过程中改变突触权重值，以适应周围环境的要求。它较之专家系统的固定的推理方式及传统计算机的指令程序方式更能够适应化环境的变化，总结规律，完成某种运算、推理、识别及控制任务。因而它具有更高的智能水平，更接近人的大脑。

1.2 非线性映射能力

神经网络有多种算法，如BP算法、Hebb算法、LMS算法、RNN算法、高斯混合模型（gmm）等，这些算法各有特点。高斯混合模型（gmm）是其中最高效的一种：高斯混合模型是单一高斯机率密度函数的延伸，由于gmm能够平滑地近似任意形状的密度分布，划分更为精细，适用于多类别的划分，可以应用于复杂对象建模。

例：有一批观察数据X={x1，…，xn}，数据个数为n，在d维空间中的分布不是椭球状，那么就不适合以一个单一的高斯密度函数来描述这些数据点的机率密度函数。此时我们采用一个变通方案，假设每个点均由一个单高斯分布生成（具体参数μj、Σj未知），而这一批数据共由M（明确）个单高斯模型生成，具体某个数据xi属于哪个单高斯模型未知，且每个单高斯模型在混合模型中占的比例αj未知，将所有来自不同分布的数据点混在一起，该分布称为高斯混合分布。

图1 表示所有样本数据 图2 表示已经明确了样本的分类

由图2可以看出，gmm将原本杂乱无章的分布收敛到了三种近似椭圆形的分布模型。

结合神经网络各种算法的特点和发电企业的经验，本方案选择了高斯混合模型（gmm）作为诊断服务平台模型建设的主要算法，诊断模型具有计算准确、创建简单、易于掌握、便于扩展使用等特点。模型的创建要求不依赖专业研究院或高校学者级别的专家参与，模型的训练只需要找出模型对象各工况的正常时段即可，适合有丰富电厂运行和设备维护经验，对设备运行特性熟悉的电厂级专家使用。

2 基于物联网的火电机组远程诊断服务平台系统结构

2.1 系统体系结构

基于物联网的火电机组远程诊断服务平台由电厂侧和诊断中心侧组成，按照功能架构分为四层：数据采集层、数据存储层、业务处理层、信息展示层。主要功能由多个业务子系统完成：核心诊断系统、辅助诊断系统、集中预警处理系统、远程诊断决策支持系统。

系统功能架构角度如图3所示，整个系统包括数据采集层、数据存储层、业务处理层和信息展示层。

图3 系统功能架构图

2.1.1 数据采集层。将发电单位相关的实时数据库系统以及点巡检和TDM等业务系统产生的实时数据和关系型数据，通过与电厂的不低于2M的专线网络，采用OLEDB、OPC、PITOPI、Webservices或其他特定接口的采集方式实现对底层系统生产过程和历史数据的采集。

2.1.2 数据存储层。主要将数据采集层采集到的数据，通过统一时标、描述、分类处理后存储在诊断中心实时数据库和关系型数据库。

2.1.3 业务处理层。以数据存储层的数据为基础，通过辅助诊断系统和其他诊断系统将数据存储层数据转化为各子系统所需数据格式，进行相关业务处理。将处理后产生的中间结果发送到核心诊断系统处理和预警。然后将各子系统和核心诊断系统产生的分析报告和结果发送到数据展示层。业务处理层的基础功能由核心诊断系统、辅助诊断系统以及后期根据需要增加其他专业子系统（例如正在研发的锅炉寿命管理系统等其他诊断系统）。

第一，核心诊断系统具有对所有过程信号进行整体分析的能力，根据当前实际运行状态与历史正常运行状态产生的偏差提供早期预警。核心诊断系统可以实现对电厂的各类转机进行监测，还可以完成系统、设备、参数级的模型建设和诊断。核心诊断系统主要基础功能包括状态预测、数据计算、模式设定、工况选择、组态功能、分析界面、报警功能、规则定义。

第二，辅助诊断系统作为核心诊断系统的补充，以电厂旋转机械为关注对象进行诊断，进行基于振动分频段的部件（如转子、轴承等）以及模糊综合评价整机为核心的状态评价。主要基础功能包括设备静态模型管理、监测和分析、数据综合管理、故障诊断知识库管理、事件通知。

2.1.4 信息展示层。汇聚来自业务处理层各诊断系统报警信息、分析报告和结果。由集中预警处理系统和远程诊断决策支持系统组成。

第一，集中预警处理系统主要作用是汇总显示来自核心诊断系统中关于诊断设备的分类报警信息，在数据异常时及时发出报警提醒相关技术人员及时分析。其主要功能模块分为树状目录显示、分析界面、报警展示平台。

第二，远程诊断决策支持系统的主要用途是有效整合电厂层诊断关键数据和汇总来自业务处理层的分析报告和结果，作为诊断中心的知识积累和展示平台为诊断专家诊断提供便利。其具备基础功能为数据集成、实时信息展示、多样式报表展现、智能下钻功能、多功能网页部件。

2.2 网络拓扑结构

根据硬件架构规划，各个业务子系统分别部署在多个不同的服务器上，整个系统的网络拓扑架构如图4所示：

图4 远程诊断中心网络拓扑图

3 基于物联网的火电机组远程诊断服务创新点

3.1 研究高斯混合模型技术在大型火力发电企业的应用

研究高斯混合模型技术在大型火力发电企业，多模式、多工况下系统、设备、参数级诊断模型的开发和应用。突破国际、国内传统的设备级诊断局限，针对大型火力发电企业的机电装备，构建基于物联网的工业企业（机电装备）远程诊断服务平台，通过信息技术实现高斯混合模型与诊断技术的融合，诊断对象扩展到企业主要生产工艺和流程，诊断范围涵盖安全、性能、节能与环保等领域，实现多模式、多工况的系统、设备、参数级故障早期预警、基础诊断、性能劣化分析和运行操作指导。

3.2 实现诊断对象的无关性特征

利用基于数据的相关性建模方式，实现诊断对象的无关性特征。研发通用的、基于数据的相关性诊断模型建立方式，实现诊断对象的无关性，突破目前诊断产品功能单一化的技术壁垒，为不同的诊断对象提供量身订做的解决方法。开发相关性分析功能，用数学方法自动计算和分析诊断对象相关参数之间关联性的强弱，并以矩阵图形方式展示，方便诊断专家快速定义诊断模型的关联的测点，为模型的不断优化提供依据。

3.3 监视设备、工艺过程相对于正常运行状态的任何偏差

能够监视设备、工艺过程相对于正常运行状态的任何偏差，实现故障早期预警。传统监视系统是基于固定限值产生的报警，而核心诊断系统是在正常运行中从各种现场测量元件或者数据源获得的大量历史数据对所需监视的重要设备或者过程模型进行训练。在数据训练完成后，核心诊断系统能够监视相对于正常运行状态的任何偏差，可以在破坏性故障真正发生之前的早期阶段准确发现和定位故障。如图5所示：

图5 远程诊断模型测点曲线图

3.4 平台和专家充分融合，创新故障诊断模式

依靠平台的早期预警功能，结合设备运维状况、发电厂能级分布，诊断对象修前修后状况，设备维护检修标准和知识库，融合诊断专家的专业经验，判定检修周期，给出检修意见，降低设备维护维修成本；借助系统的智能分析和专家资源不断扩充诊断范围、提升诊断能力，为设备状态检修提供技术支撑；形成一种模型诊断→实例分析→知识融合→优化模型→模型诊断的循环提升诊断模式。

3.5 依托物联网技术，创新技术监督模式

基于物联网技术，统一数据规范和标准，采集智能仪表、就地远传仪表、嵌入式系统、DSC、实时数据库、生产管理系统及Oracle数据库、TDM系统等与诊断对象相关的基础数据，构建为远程诊断服务的“大数据”平台。通过该项目特有的对象无关性建模方式，建立技术监督相关的诊断模型，辅助技术监督工作由定期的、阶段性工作向实时的、在线的模型转变，创新技术监督模式。为诊断对象的安全经济运行、劣化趋势分析、操作模式优化、设备预防性维护和故障分析提供决策支持。

3.6 故障知识库的可扩展性促进诊断系统逐步优化升级为专家系统

故障知识库的可维护和可扩展性保证了领域专家的知识可以很好地融入平台，基于模型诊断，通过诊断成果的积累、提炼，融合诊断专家的知识、经验，丰富经验数据库、设备的标准故障知识库，利用循环提升的诊断模式，逐步形成完善的发电企业设备振动及生产工艺诊断专家系统。

3.7 一体化解决方案具有良好的开放性和可维护性

系统采用了“核心诊断系统+辅助分析系统+集中预警系统+决策支持系统”的一体化解决方案，各系统分界清晰，能够整合来自不同系统的数据信息，为诊断专家提供集中的、实时的、结构清晰、有价值的诊断信息。采用模块化、开放性的设计方式，为平台提供了灵活的扩展能力，为远程诊断项目推广奠定了良好基础。

4 基于物联网的火电机组远程诊断服务应用实践

基于物联网的火电机组远程诊断服务于2013年12月26日正式对某发电公司2×1000MW超超临界机组实施远程诊断服务。经过一年的运行实践，目前诊断对象包括发电机、主变压器、汽轮机、水泵、风机、磨煤机等各类设备以及锅炉燃烧系统、风烟系统、回热系统、真空系统、主蒸汽系统等组合式机电系统，建立涵盖安全、性能、节能与环保等领域的诊断模型58个，不断优化、运行远程诊断决策支持系统、辅助诊断系统及集中报警处理系统，已出具各类报告约80份，能够及时发现设备劣化趋势、设备故障、参数异常、异常操作等，为机组安全、可靠、经济和环保运行增加了一层有效的技术防线。举例说明如下：

4.1 安全性诊断

建立的安全类诊断模型，能够及时发现和消除多起重大缺陷隐患，有效促进该厂机组实现连续在网运行350天的好成绩。如：针对哈汽-东芝机组易出现低压缸变形大和振动问题，诊断发现机组低压缸相对膨胀缓增，提出冬季控制排汽温度等建议，避免低压缸变形过大导致跳机；诊断发现锅炉低负荷垂直水冷壁壁温偏差大，从运行方式、检修等方面提出建议，大幅降低壁温偏差，有效避免水冷壁拉裂泄漏等。例：受热面安全性诊断。在锅炉受热面模型监控中发现，发现锅炉低负荷工况水冷壁易出现同一区域内壁温偏差大的异常问题，如图6所示，虽然水冷壁壁温绝对值并不高，未达到DCS中设定的报警值，但鉴于膜式水冷壁的结构特点，此时部分水冷壁区域膨胀受阻，长期运行则存在水冷壁拉裂泄漏的隐患（之前此区域曾发生过两次泄漏事件）。针对现状，从运行方面找出磨煤机合理的运行方式及最危险的运行工况，在运行操作上提出调整方案，缓解了水冷壁壁温偏差程度，诊断一年半以来，该区域未再发生泄漏事件，为锅炉的安全运行奠定了基础。

图6 水冷壁模型正常与异常测点曲线图

4.2 经济性诊断

图7 高加性能模型中测点曲线图

建立的经济类诊断模型，早期预警并解决两台机组冬季凝汽器端差过大、变负荷过程中循环水温升过大、主再热汽温波动等；准确诊断分析机组低压封供汽温度高、低加危急疏水频繁开启等真正原因，有效促进机组压红线运行，其中发电机和厂用电系统无功功率偏高的诊断及处理措施已申请专利。例：高加水侧短路预警。机组运行中发现#1高加上端差、给水温升缓降（图7为8个月的趋势图），通过高加端差及给水温升的微小变化，早于现场生产人员准确诊断高加水侧短路现象。

4.3 设备状态预警

建立的设备性能诊断模型，及时掌握设备状况，如准确预警锅炉三大风机动静叶执行器调节性能，诊断解决了汽泵轴振大、一次风机振动劣化和波动等重大缺陷；通过空预器性能诊断，避免系统阻力快速增大、排烟温度升高甚至机组被迫降出力运行的情况。例：风机动、静叶执行器调节品质劣化预警。在风机动、静叶执行器模型投入监控的9个月中，先后发现一次风机及引风机动、静叶执行器调节品质劣化情况3例，均及时给发电公司出具了诊断报告，避免了因执行器调节品质差造成风机电流偏差大引起的抢风甚至喘振现象，确保了机组的安全运行。如图8所示：

图8 一次风机动叶执行器性能曲线图

4.4 振动专项分析

基于物联网的火电机组远程诊断服务平台将核心诊断的预警功能与辅助诊断的专项分析功能相结合，在振动劣化初期预警后，利用辅助诊断系统进行专项频谱、相位、轴心轨迹等分析，查找设备振动的主要原因。对于特定时段，根据设备情况，可对机组、设备的启、停工况进行监视，开展瞬态及启停车分析。如：一次风机轴承振动劣化分析。2A一次风机轴承X、Y向振速原维持在1.5～2.8mm/s、1.3～2.5mm/s，2014年6月振速小幅升高，维持在2.0～4.5mm/s、1.7～4.5mm/s范围内，振动存在周期性的波动。通过频谱分析判断该风机振动波动是动不平衡引起的。建议检修中除常规检查轴承、叶片、中心偏差等项目外，重点检查液压执行机构的部件磨损情况。该风机在其后的检修中，通过对以上问题的检查，成功解决了振动劣化现象，避免了设备的进一步损坏。如图9所示：

图9 一次风机X/Y振动大时频谱图

4.5 环保诊断

建立的环保诊断模型，及时预警主要污染物排放浓度超标、氨逃逸偏大、环保设备性能劣化等，并从运行优化、煤质、检修技改等方面给予技术指导。基于负荷调度曲线的喷氨量调节方法与系统已申请专利。如：FGD吸收塔浆液品质劣化。吸收塔底部压力偏高。压力与吸收塔液位不相匹配，浆液品质偏离正常范围较多，建议降低吸收塔液位及浓度至正常范围，采取合理的运行方式，避免浆液品质进一步劣化。如图10所示：

图10 吸收塔底部压力曲线图

5 项目效益分析

5.1 经济效益分析

自基于物联网的火电机组远程诊断服务开展以来，通过各方努力，大幅降低了该厂锅炉上部垂直水冷壁壁温偏差，减少高温受热面超温次数和幅度，并降低主、再热汽温波动范围，不仅有效减少因壁温偏差造成的受热面热应力，且大幅减缓高温受热面管内氧化皮的生成及脱落。通过辅机性能劣化初期的预警及建议，有效地提醒该厂技术人员关注设备劣化趋势，优化设备运行方式，合理安排设备预防性检修。而故障诊断报告则及时提醒发电公司人员合理安排消缺工作，提高了机组运行的可靠性。

5.2 降低人工成本，建立快速反应机制

实现信息、数据和人力资源的共享，降低人工成本，建立快速反应机制。发电公司设备出现问题，由以往技术人员必须及时赶到现场处理变为利用远程诊断平台的数据，专业技术人员进行不同地点、同时的异常分析、讨论和研究处理方案，实现“数据移动、人不移动”的设想，节省大量人力费用。

5.3 便于设备检修前后性能对比及运行中劣化分析

通过对设备、系统建模训练，在设备检修后投运之初即可及时对比设备检修前后性能，便于管理人员及时掌握设备检修状况。而在正常运行中，能够及时预警设备劣化倾向，为生产管理提供有力技术支撑。

5.4 建立行之有效的诊断管理模式

基于物联网的火电机组远程诊断服务实践符合现代火电机组故障预警和性能劣化分析工作开展要求，建立了一套行之有效的诊断管理模式，从设备状态预警、诊断分析直到报告和治理措施落实，实现了闭环管理。

6 结语

基于物联网的火电机组远程诊断服务的实施，突破国际、国内传统的设备级诊断局限，诊断对象扩展到企业主要生产工艺和流程。通过监视设备、工艺过程相对于正常运行状态的任何偏差，实现故障早期预警，是发电企业设备安全、经济、稳定运行的有力支撑，产生了巨大的经济效益和社会效益。

参考文献

[1] 西安热工研究院.发电设备状态监测与寿命管理[M].北京：中国电力出版社，2013.

（责任编辑：蒋建华）