智慧检修在火力发电机组中的应用

张斌 高泽明 闫宗良

河北国华定州发电有限责任公司 河北定州 073000

在发电项目中，火力发电机组是最传统的发电方式，也是应用最广的发电方式[1]。但是火力发电因为需要将煤炭燃烧引起蒸汽发热推动锅炉做功，这一整套系统过于复杂，包括火力发电供热系统、煤炭传动系统、火力发电给水系统、蒸汽冷凝系统、火力发电水循环系统、消防系统、发电系统等，因此在对火力发电机组进行检修的过程中，工作量十分庞大，且一时间难以辨别所需维修的地点，因此引进智慧检修的方式运用到火力发电机组的检修工作中。智慧检修是通过计算机在线监测火力发电机组中的各处信息，分析历史数据，并通过计算机给出综合评价的一个检修系统[2]。本文首先对智慧检修的重要性和智慧检修的研究现状进行探究，简单叙述了智慧检修系统的功能，了解了智慧检修的研究背景。然后从智慧检修系统的三个功能出发，详细介绍了智慧检修在火力发电机组中的应用。

1 智慧检修的研究背景

大型火力发电机组拥有十分复杂的设备仪器，因此这一设施的检查和维修工作极其复杂，只凭人工方法很难在不耽误电力运行的情况下完成检修，因此需要使用现代科技手段帮助工作人员完成检修任务[3]。智慧检修通常需要以火力发电机组以往的工作数据作为参考，以国内所有火力发电机组的运行参数作为大数据依据，实时监测火力发电机组的状态，通过计算机手段识别早期的损坏故障征兆，预测检修时间和检修方法，并给出合理的检修方案。综上所述，就是通过以往的数据判断火力发电机组现在的状态，并在其损坏时给出维修计划和维修方法。

2 火力发电机组的智慧检修应用研究

现在的智慧检修设备大致可以分为三大系统，分别是火力发电机组设备运行实时监测系统、火力发电机组损坏程度预测判定系统和发电机组智慧检修推荐系统。但是这三大系统只有第一项系统完全达到了理想状态，其他两项在功能上距离理想状态还有很大的不足，因此还需要不断进行完善。到目前为止，智慧检修设备只能预防性地定期对火力发电机组进行维护检测，根据火力发电机组以往的运行数据推算发生故障的大概时间，却无法真正地对火力发电机组的维护维修进行决策。且大多数设备还属于国外产品，价格昂贵，运算性能较差，对我国发电能力的适用性不足，因此将智慧检修应用于火力发电机组，研究其有效性，为火力发电机组检修提供参考。

2.1 运行实时监测系统

运行实时监测系统主要由数据监测存储中心、程序算法运行中心和智慧平台应用中心组成。

数据监测存储中心主要具备数据存储和设备检测的功能，能够进行对设备数据的采集、将数据编码转译、将编码存储在硬盘中、将编码转移复制到中央处理器中等多项能力，具备这些能力的数据监测存储中心又可以被视为智慧检修系统的 “侦察兵”，是整个智慧检修系统的最先运行的部分[4]。

程序算法运行中心也是整个智慧检修设备的中央处理器，一般在处理器内采取流式算法将转运来的编码转译为数据，并按照特定的程序算法对数据进行加工处理，经过处理后的数据参数会转移到下一个平台系统中，开展下一步的工作。相比于最初的算法中心，现在的程序算法运行中心已经能够采取在线运行的方式处理监测数据，其内部配备了多层算法，可以实现独立运行。其所有需要编码转译的数据都来自于数据监测存储中心，由程序算法运行中心统一处理后再返还数据监测存储中心，避免数据重复调用，浪费内存空间。

智慧平台应用中心通常用于管理和发布发电机智慧检修的应用程序，采取开放式结构[5]。在智慧检修系统中，各个单独的应用模块都在指挥平台应用中心的管理范围之内，由各个开发商独立运营与维护。

运行实时监测系统在运行的过程中需要以关键指标量作为标准，判断火力发电机组内部的运行良好程度。在分析处理发电站设备参数时，关键指标量能够起到至关重要的作用。设振动摆度α 、轴线位移l 、压力脉动ε 和空气间隙h ，得到关键指标量A ：

通过公式（1）计算的关键指标量A 是一个重要的指标工具。而且还能在局部放电时为系统提供局部放电脉冲信号，以便长期观察放电趋势，判断需要维修的部位。

2.2 机组损坏程度预测判定系统

机组损坏程度预测判定系统中的首要功能就是大数据平台，其内部核心是一个拥有超球建模功能的学习引擎，能够通过分析处理运行实时监测系统中收集到的发电机数据，得到数据之间的关联性，建立一个基于火力发电机组的健康模型，并通过对比健康模型和显示数据之间的差异，判断火力发电机组的健康程度，并实时汇报健康预测，机组损坏程度预测判定系统运行机制如图1 所示。

图1 机组损坏程度预测判定系统运行机制

如图1 所示，在该系统中重要的模块主要分为三个部分，分别是超球建模模块、智能感知模块和故障诊断模块。超球建模模块的主要功能是收集观测火力发电机组的历史数据，并根据大数据库中的资料将观测到的数据转译处理[6]。

超球建模需要以机器学习算法为主要运行计算工具，通过计算机设备在火力发电机组的实时观测数据建立该算法的底层模型，整个过程完全由计算机本身自动化实现，不需要人为干扰。该模块基于火力发电机组的运行历史参数，再结合大数据中的数据资料，按照火力发电机组的架构及标签整理其所监测的对象的设备状态数据，然后应用超球建模算法自动分析状态关联程度，形成一个火力发电机组的状态模型，因此超球建模也被称为超球模型。

智能感知模块则是大数据平台的基本功能之一，在前文超球建模系统的基础上，不断感知火力发电机组的数据更新信息，将更新资料与模型资料对比，自动分析，并给出设备的健康评价值。设备健康评价值又被称为健康度，是一种能够体现火力发电机组健康状况的评分标准。

故障诊断模块则是通过上述数据库中每个时间段火力发电机组状态的不同，确定该发电机组的健康状况的一个模块。可以首先在数据库中收集所有相关设备的状况数据，以提高该模块的权威性和准确性。

2.3 智慧检修系统

使用智慧检修能够大幅度提升火力发电机组的运行管理水平，因火力发电机组本身的复杂性，工作人员难以全面照顾每一台火力发电机组的完好无损。而火力发电机组一旦产生事故，轻则整个火力发电机组受到损坏需要重新建设，导致区域内的电力系统瘫痪，造成巨大的经济损失，重则会导致发电厂发生爆炸，造成重大人员伤亡事故。而基于计算机的智慧检修系统却能够起到预警和检测作用，及时提醒工作人员进行检修，保障火力发电机组的安全运行，对电力系统的运行有着至关重要的意义。而且智慧检修系统的检修方法是将火力发电机组的损伤掐灭在萌芽状态，并没有等到机械设备完全损伤再去修理，此时的维修费用远低于事后修补，极大地节省了检修成本。

相比已经基本成型的运行实时监测系统和机组损坏程度预测判定系统，智能检修系统一直处于开发阶段，目前也没有能够自动运行的成果。智慧检修系统是在前两个已经能够判定故障地点的模块基础上，自动生成维修策略，并通过传感器等自动化机制，自行维修火力发电机组。因此只有智能检修系统开发成功，智慧检修系统才算真正成型。

3 实验

建立一个火力发电机组的健康模型，这个健康模型的原始数据脱胎于发电机组的历史数据中，使用超球建模算法辅助实现。然后利用智能感知模块观测到的火力发电机组实时数据，对比数据库中的健康数据，得到该火力发电机组的健康值评价。如果故障诊断模块中的数据较为全面，还能判断故障种类和故障地点，如表1 所示。

如表1 所示，当智能感知模块感知到火力发电机组设备损坏具体情况时，就能够根据大数据库中的信息得到故障参数，并通过计算分析得到故障部位，从而实现火力发电机组的智能维修，减少维修损耗，通过对比本文提出的智慧检修在火力发电机中的应用方法和文献[3]火力发电企业机组检修实施阶段管控方案及系统、文献[4]基于全生命周期的水电站智慧检修对比故障诊断数据精准度如图2 所示，由图2 可知，本文方法可以更好地诊断故障数据，为下一步检修奠定基础。

表1 故障诊断参考示例

图2 故障诊断数据精准度

4 结语

总体而言，随着科学技术的不断发展，机械设备是在不断复杂化的。而火力发电机组作为其中必须长期保证其完好性，且结构相对复杂的设施，只依靠人工检修已经很难维护，因此上文中所研究的智慧检修就不可避免地受到重视。越来越多的电力企业开始建设智慧检修设备，逐步完善智慧检修体系，打造智慧检修管理方案。尽管已经有很多企业关注并应用了智慧检修的方法，但这种方法目前还处于发展的早期阶段，还有许多难点需要进行继续深入的研究。