火电厂风机运行状态监测与故障诊断研究

摘  要：火电厂风机作为电站的主要辅机之一，其是否正常安全運行直接影响着电站的经济情况和电站的正常工作运转。但是国内相关监测技术和故障诊断仪器不够先进，只是停滞在固定时间的巡回监测，停机维修及后续状况分析等低层阶段，因此，在实际生活中常常会面临风机检测时间还未到但风机却发生故障，造成停运等情况，给企业造成严重损失。基于此，提升对风机故障系统的诊断显得很重要。

关键词：火电厂风机;状态监测;故障诊断

中图分类号：TM621.9     文献标识码：A       文章编号：2096-6903（2020）06-0000-00

火电厂风机状态监测与故障诊断系统研究是一项具有较高实用性的一门技术，随着科学技术的高速发展，风机诊断技术有了很大程度的提升，人工智能在风机诊断上的应用逐渐增多。考虑到国内研究现状，应更加完善风机监测和诊断技术，从而提高风机运行时的安全性。

1对风机进行状态监测与故障诊断的意义

火电厂风机作为电厂的主要辅机之一，其在运行过程中，如果由于风机故障而引起停机，则会造成停炉事件的发生，给企业带来大量的资金损失，如果对风机的监测和故障诊断不到位，常常会发生检测维修时间没到就出现故障的情况，还会经常发生风机在失衡状态下继续运转的情况，这会加重轴承的负载，从而减少轴承的使用期限。还有可能出现“维修过剩”等情况。因而对风机进行状态监测和故障诊断能够直观的避免以上失误，减少企业经济方面的损失。

1.1提高风机运行的安全性能

通过状态监测和故障诊断，可以快速准确的对风机的各种状态进行检测，并得出相应的结论，再开展相对应的解决措施。提前对风机进行检修和调整，可以提高风机运转过程中的安全性，从而大幅度降低故障的发生率，减少维修费用，减少企业的经济损失。

1.2减少企业损失率

保证风机能够最大程度的发挥其效用，在相应条件下发挥风机潜在的能力，提高风机的利用率，延长风机的使用时间，从而减少维修费用，防止企业的经济损失。

1.3减少维修时间，次数和程度

可以大大降低风机发生故障的比率，延长风机的使用时间 从而减少因监测不到位而产生的维修费用，减少因风机故障而损失的人力，物力和财力，以此增加企业的收益。此外，还可以免去不必要的维修，减少风机维修的次数，降低风机维修程度，延长风机使用寿命。

1.4为完善风机提供参考

通过对风机进行检测和诊断，可以为风机的完善和改造提供参考数据，让风机不断优化，不断提高诊断结果的准确性，从而提高风机的质量，增加企业的收益。

2故障诊断方法

2.1传统的故障诊断方法

在故障诊断初期会利用各种物理和化学手段相结合的方法直接的进行故障诊断，随着各种检测技术和信号处理的发展，故障诊断开始渐渐的以数据的处理为内核，运用风机故障所传达的信号来进行诊断。再到后来，随着故障诊断技术和设备的迅速发展，开始通过建立各种数学模型进行诊断处理。但在大型旋转机器相对复杂和诊断技术发展并不高的情况下，对风机的故障诊断并不完全精确。

2.2诊断专家系统

风机本身十分复杂，所以故障的样式十分多样和复杂，故障形式和提前传达的故障征兆并不是相互对应的，因此，很多时候故障诊断是让经验丰富的故障诊断工人进行检验性的“直觉”判断，这些经验很难通过建立数学模型或进行各种逻辑推理来进行故障诊断。随着社会的进步，信息技术快速发展，人工智能的出现和专家系统的成功发展和运用让诊断专家系统故障诊断方法应运而生。该方法是人们利用日积月累的经验和大量的故障诊断信息设计的一种智能计算机系统，诊断专家系统能够代替领域专家来进行专业的故障诊断，因此提高了诊断的准确度和可信度。

在实际应用中，诊断专家系统无法解决从现场直接获得的问题，需要通过人机交互的方式解决，操作者需要回应多个专业性的诊断问题，因此需要操作者具有十分充足的知识储备。

2.3人工神经网络诊断方法

人工神经网络诊断方法是近几年产生的，这种方法不需要操作者具有高超的专业知识，只需要具备一定的专业性指向即可。这是该方法的优点，但该方法也有一定的局限性，一方面是它的系统性能很可能会受选择示例的限制，如果示例的正交性和完备性不好，可能会影响系统的性能，从而影响诊断结果。此外当有两个相似示例时，诊断的结果也可能会受到影响，另一方面是人工神经网络只能处理数字化的信息，是相对较低级的人工智能模拟，虽然人工神经网络诊断方法有许多优点，也得到许多成功的应用，但该技术还需要进行完善和改进。

2.4模糊诊断方法

模糊诊断是基于数值运算的诊断方法，这种方法可通过人工智能自动进行，不需要人工干预，其更加方便和快捷，模糊诊断的方法所需要的初始数据只有要研究的征兆集，故障集，隶属函数和模糊关系矩阵。用这种方法进行故障诊断时，只需要输入特征值，后续便可直接得出诊断结果 不需要人工的过多操作。

3风机状态检测与故障诊断技术的发展趋势

3.1整体系统

目前风机系统已经从单纯的分析监测诊断向主动控制发展，整体系统的可靠性，智能性和开放性逐渐得到提升，高精度的智能分析技术让诊断结果更加准确。

3.2采集器

精度更高、速度更高、集成更高，采集方式向多方向发展，因此可以提供多种信息，采集的数据从只有稳态数据发展到包括瞬态数据在内的多种数据。

3.3监测系统

面向客户更好的方向发展，让诊断的操作更加方便，显示的结果更加直观。

3.4诊断系统

向着智能化方向发展，由在线采集，离线诊断向着在线采集，实时诊断的方向发展，大大的提高了诊断结果的准确性。在数据的储蓄上具有更大容量，存储方式向大型数据库的方向发展，更多信息被同时储存，不用担心删掉一些数据而造成后续的损失。数据的传输效率逐渐加速，波特率可达到100兆甚至几百兆。

4影响故障诊断的因素

4.1主观因素

诊断过程和工作人员积累的经验都是主观因素，工作人员应该对诊断对象进行深入了解，这样可以避免一些因主观臆断而产生的失误，诊断人员应该仔细分析风机的构造和各个部件的构成和联系，还要对风机的维修记录和进期风机的工作情况进行详细了解。这样，才可以对后续的工作做到心中有数。

实际应用中，传感器的合理放置具有重要意义。传感器应尽量靠近风机的受载区域，合理分析传感器的径向布置或者是轴向布置或是径向、轴向均要布置。

信号分析是诊断过程中的重要环节，也是风机故障诊断的关键，信號分析的结果决定着诊断最终的结果。

4.2客观因素

客观因素包括风机的障碍类型，诊断设备的复杂程度等，机器的故障又可分为以下几类

原发型和诱发型：原发型障碍通常隐藏在机器内部，所以不容易被检测。相对来说，诱发型障碍容易被检测。

渐变型和突发型：在故障发生过程中可以把突发型和渐变型障碍区分开来，突发型障碍在现实生活中还有发生，这种障碍在事情发生前很难被发现。

器质故障和操作型故障：在故障诊断的开始阶段，不恰当的数据参数会影响机器的正常运行，可能会造成机器零件的损坏和其他部件的相互碰撞摩擦。在故障诊断的操作过程中，由于技术人员的失误，很有可能发生操作型的故障，影响诊断结果。

主导型和非主导型：正常运行的风机存在着许多微小的故障，这些微小的故障对风机运行的影响较小，因此，在运行初期很难诊断出风机存在的故障，但是，只要存在至少一个主导型故障，就可能导致机器的停止运行。风机的复杂程度和设计质量也会影响故障的诊断精确性，风机越复杂，其可诊断性就越低。

5提高监测和诊断质量的方法

需要技术人员在监测和诊断过程中更加细心，积累经验，准确判断。也要提升监测和诊断仪器的质量。工作人员应在诊断故障过程中建立精确的过程模型，进行有效的开展数据分析，对故障进行分离和分类。

6结束

状态监测和故障检测技术在工业中十分重要，设备的可持续运行和安全运行在企业中同样十分重要。在火电厂中，风机在运行过程中突然发生故障会对企业造成严重危害，经济损失量大，监测和诊断技术是发现可能在风机运行过程中出现的故障，进而让可能发生的问题降低到最小。由于风机本身复杂，因此需要诊断技术的提升和诊断设备的精进，需把风机诊断技术融入到人工智能当中，提升诊断结果的真实性和可靠性。

参考文献

[1] 杨苹，吴捷.火电厂的实时状态监测系统与故障诊断[J].电力系统自动化，2000（17）：37-40.

[2] 轩建平，来五星，史铁林，等.隔离测量器在火电厂分布式网络化状态监测故障诊断系统中的应用[J].仪表技术与传感器，1999（8）：3-5.

收稿日期：2020-05-03

作者简介：陈志远（1988—），男，安徽宣城人，本科，助理工程师，研究方向：火力发电厂大型风机检修与维护。

Study on Operation Condition Monitoring and Fault Diagnosis of Fan in Thermal Power Plant

CHEN Zhiyuan

（Sichuan Baima Circulating Fluidized Bed Demonstration Power Sstation Co.， Ltd.， Neijiang  Sichuan  641000）

Abstract： As one of the main auxiliary equipment in power plant， the normal and safe operation of fan directly affects the economic situation and normal operation of power station. However， the relevant monitoring technology and fault diagnosis instruments in China are not advanced enough， and they are only stuck in the low-level stage of fixed time patrol monitoring， shutdown maintenance and follow-up status analysis. Therefore， in real life， it is often faced with fan detection time has not yet arrived， but the fan fails， resulting in shutdown and other situations， causing serious losses to enterprises. Based on this， it is very important to improve the diagnosis of fan fault system.

Keywords： fan of thermal power plant; condition monitoring; fault diagnosis