火电厂金属部件全生命周期管理系统的开发与应用

余伟权，柯安鹏，李文华，杨哲一，崔雄华

（1.广东省能源集团有限责任公司珠海发电厂，珠海519050；2.西安热工研究院有限公司，西安710054）

火电厂金属部件全生命周期管理系统通过对机组重要金属部件进行状态、风险[1-5]和寿命[6-10]等统一动态管理，综合分析得出重要金属部件的薄弱环节和风险点，由此给出优化后的检修策略与维修技术改造计划，科学指导机组的检修与运行，减少机组的检修盲区，消除机组存在的安全隐患，延长机组的检修周期，降低机组的检修费用，最终由计划检修转变为状态检修，提高机组的运行可靠性与经济性。状态检修是根据机组设备状态而非固定周期来进行的检修，其关键在于掌握设备的实时状态，准确判断需要检修的部件并制定针对性的检修计划。本系统可自动给出设备状态、风险等信息，并给出优化后的检修策略，是帮助电厂实现从计划检修到状态检修转变的有效途径和手段。

1 金属部件全生命周期管理系统的开发

1.1 开发思路

系统技术方案如图1所示，金属部件全生命周期管理系统基于金属部件的设计、历次检验和日常运行数据，结合传统失效风险和寿命评估获得的知识，构建知识驱动的检修策略优化管理平台，给出机组重要金属部件风险状况和寿命评估结果，并根据风险和寿命评估结果给出适当的检验、检修及技术改造等策略。

图1 系统技术方案Fig.1 Technical plan of the system

1.2 系统工作流程

系统根据业务需求实时或定时使用基础数据（包括设计数据、运行数据、维修记录、检验记录和更换记录）进行寿命、风险评估以及定期工作判断，然后根据计算出的寿命值结合更换记录决定最新的更换改造计划，根据风险值结合定期工作规则及检验维修记录决定最新的检验计划。用户按计划实施完更换或检修工作后将更换、检修记录录入系统，系统将根据新的记录再次进行评估并更新更换和检验计划，系统业务流程如图2所示。

图2 系统业务流程Fig.2 Businessprocessof thesystem

2 金属部件全生命周期管理系统在电厂生产中的实际应用

2.1 金属部件检修策略与更换计划的优化管理

根据建立的部件电子台账与实时测点数据，系统可以自动实现各部件的风险评估与剩余寿命评估，并由此给出检修策略，包括需要优先检修的部位、各部位检修时间与周期和建议检修手段等。只要是列入检验的部件，均可给出风险评估结果，可全面覆盖受检部件。剩余寿命由于需要温度参数进行计算，故只有安装了壁温测点的部位才可给出实时剩余寿命。因此建议在各部件温度最高的部位安装壁温测点，温度最高处剩余寿命最短，具备较强的预警性与代表性。电厂可根据实际情况加装壁温测点，扩大寿命管理的覆盖范围。

电厂在某次检修期前，从系统中导出了存在风险部位列表与未检验部位列表，检修策略导出文件如图3所示。参考检修计划文件，部分部件风险值较高，系统建议每年检修一次，其余存在风险部件按风险值从高到低在表中排列。电厂通过风险值排序，掌握了需要优先检修的部件与部位及各部位对应的检验方法，并据此编制了合理的金属部件检修计划。当检修期开始后，电厂完成了存在风险部位的检修后，将检验结果与该部件上次检验的风险提示信息对比，发现部分管道焊缝缺陷存在扩展，于是在检修期内对这部分焊缝进行了紧急修复消缺，其余中等风险部位缺陷经检验，未发生扩展，故当次检修未安排消缺处理。

图3 检修策略导出文件Fig.3 Export fileof maintenancestrategy

电厂本次检修时间短、工期紧，若全面检验则时间不够，且有可能对已经多次检验的部件重复检验，反而无法顾及真正存在风险的部位，造成检修资源的浪费与风险隐患无法排除。根据系统给出的优化后检修策略，电厂在有限的检修工期内对所有存在较高风险的部位进行了排查，并且将威胁机组安全运行的高风险部位进行了消缺处理，排除了安全隐患，真正做到了检修资源的充分利用与检修效果的最大化。

对于部分安装了壁温测点的高温部件，系统可根据温度情况和运行时间，自动计算其剩余寿命，并根据剩余寿命值，合理安排更换时间。金属部件剩余寿命与更换计划如图4所示。电厂通过查阅系统，发现一根受热面管剩余寿命不足1个大修期，决定参照系统提示的年份，结合近期检修工期，对该管段进行提前更换。换管后，对换下的管样进行实验室分析，发现管样组织老化严重，且硬度和拉伸性能明显低于标准要求的下限值，若未进行更换继续服役，则随时有发生爆管的风险。通过系统对高温部件剩余寿命的监控，电厂有效地避免了一次非计划停机。

图4 金属部件剩余寿命与更换计划Fig.4 Residual lifeand changing plan of metal components

2.2 机组运行策略的优化管理

电厂在对剩余寿命不足的受热面管进行更换后，从系统中调取了该管段及其附近管段的壁温测点监控数据，发现该区域长期存在金属管子壁温偏高的情况，虽然均未超过报警值。但长期的超温会导致金属管子老化加速和寿命缩短。系统显示除更换管段外，附近管子也存在寿命损耗偏大的情况。电厂对该区域金属管子壁温偏高原因进行了调查分析，发现为锅炉燃烧存在偏差，导致该区域烟气温度偏高，造成该区域管子长期处于超温状态。电厂根据分析结果，及时对锅炉燃烧进行了调整，降低了该区域烟气温度，后根据系统监测情况，该区域管子壁温恢复正常。根据系统监测数据，电厂排除了局部管子超温的风险，避免了管子发生大面积过热爆管的故障。

2.3 机组实时监测体系盲区的排查

电厂在根据系统监测数据，对锅炉燃烧进行调整后，系统各监测点温度数据均正常。但是随后在无壁温测点位置发生了受热面管，根据分析，爆管原因为长时间过热。电厂分析认为，该区域未加装壁温测点，导致系统对该区域壁温情况无法监测。电厂计划在下一次检修期对该区域加装壁温测点并与系统相连接。通过对系统的排查和梳理，找出了电厂监测体系的盲区，可以做到更有效地和更全面地实时数据监测，有效地保障电厂的安全运行。

3 系统发展方向的探讨

3.1 基于失效模式智能学习与辨识的金属部件材质状态综合评估

目前本系统可以做到金属部件的风险评估与寿命评估，并给出优化后的检修策略，但目前无法对部件的材质状态给出综合评估结果。因为金属部件材质综合评估需结合多项数据，并依据评估人员的个人实际经验进行分析，难以简单量化来通过目前的系统实现。

对于工业设备和部件来说，材质状态综合评估通常可以通过设备内部机理分析和数据分析挖掘两种方法来实现。前者综合考虑设备的机械、材料和流体流动等特性，来确定其劣化趋势和程度。但由于同一类型的设备在设计、制造、安装和运行等过程中的各种不确定性，使得设备机理分析的过程变得相当复杂，且准确度不高；后者是从数据挖掘角度出发，基于设备历史状态的相关各类数据及特征来反映设备的当前状态，如设备的设计数据、检验数据和运行数据等综合信息反映了设备的状态，采用恰当的特征提取方式后，特征值将能代表其状态。但工业应用的特点造就了设备正常数据非常多，但失效样本却很少的结果。因此，必须结合设备内部机理研究和设备数据挖掘技术两者的各自优势，通过专家的机理分析强化少量的失效案例样本，提高数据挖掘时特征值评价的准确性，最终实现高效、准确的风险评估和寿命评估。

通过对系统内加入人工智能模块，利用人工智能具备的深度学习功能，并结合导入系统的金属部件失效机理，对失效案例进行深度学习。结合失效机理深度学习与设备数据，实现金属部件材质状态的智能评估，使系统从“自动化”升级为“智能化”。只要智能化给出存在风险和原因，即可智能化给出处理意见和方案，实现全过程智能化管理。

3.2 集团内多电厂联网与数据互通型系统

对于具备深度学习能力的系统，“学习资料”的数量和品质直接决定了学习质量，也就决定了系统是否能够真正实现智能化。对于单个电厂而言，其具备的机组数量有限，设备数据与失效案例数量均较少，难以满足真正的智能化学习。若能将某个发电集团的机组全部安装本系统，并将各个电厂联网，这样系统可以综合所有电厂机组的数据进行深度学习，并可将学习成果应用到所有电厂，某个电厂发生了问题，系统可以向集团内其他类似机组发送警告，提醒该电厂对类似问题进行排查。海量数据与海量应用的结合，可以促进系统实现高度智能化，为电厂金属部件的安全运行保驾护航。

4 结论

本文介绍了火电厂金属部件全生命周期管理系统的开发、实际应用情况与发展展望。通过电厂的应用实例可以看出，该系统通过对机组重要金属部件进行状态、风险和寿命的统一动态管理，综合分析得出重要金属部件的薄弱环节和风险点，由此给出优化后的检修策略与维修技改计划，科学指导机组的检修与运行，显著提高了机组运行的可靠性。该系统在未来可以从智能化学习与多机组联网两个方向进行升级发展，成为真正的智能化金属部件管理系统。