燃煤电厂除尘设备预测性维护系统分析

林美华

（福建龙净环保股份有限公司，福建 龙岩 364000）

0 引言

结合实际调研可以发现，现阶段我国很多燃煤电厂在除尘设备维护方面存在不足，如维护计划制定不合理、欠维护或过维护、除尘设备状态不可控等，该类情况导致燃煤电厂除尘设备故障频发，相应环保、安全问题也随之产生。为尽可能解决相关问题，该文围绕燃煤电厂除尘设备预测性维护系统开展具体研究。

1 燃煤电厂除尘设备维护现状

1.1 现状分析

对燃煤电厂来说，长期运行设备引发故障的过程较为漫长，这就使传统监测手段在故障提前预警和实时监测方面存在不足，为解决相关问题，可通过最新技术开展设备预警建模，通过对比分析归档数据和实时数据，计算明确偏差，保证设备故障预警及时发出，同时以微信、短信、声光报警等方式传递预警信息，基于接收的信息，备件库可及时备件，燃煤电厂设备的稳定运行将得到保障。为实现上述目标，故障诊断、在线监测、物联网、大数据等技术的结合应用极为关键[1]。

1.2 研究方向

但在长期运行过程中，燃煤电厂除尘设备会受到操作、煤种、工况等多种因素影响，除尘效率会在这类影响下降低，为保证除尘设备的长期稳定运行，定期检修维护工作极为关键。现阶段我国设备故障诊断及状态监测领域的发展极为迅速，相关探索在火电领域同样大量存在。对燃煤电厂系统来说，其本身由多种系统组合构成，烟气净化系统同时包括脱硫、脱硝、除尘等系统。对电侧设备的监测在我国各地燃煤电厂较为普遍，但作为烟气净化系统关键设备，除尘设备的监测受关注程度并不高，为填补市场空白，保证燃煤电厂粉尘排放稳定且达标，必须做好除尘设备预测性维护[2]。

2 除尘设备预测性维护系统的具体设计

2.1 基该设计

预测性维护系统的设计，具体分析了除尘设备的维护需求，并从系统的功能以及系统关键技术两个层面对其予以优化设计。

2.1.1 系统功能设计

该文设计的除尘设备预测性维护系统如图1 所示，系统功能可从三方面进行探讨：第一，数据采集。电厂锅炉侧工况数据实时获取由SISPI 负责，静电除尘器上位机由OPC进行数据获取，以GPS 时钟或机组DCS 时钟为两路数据基准，通过物联网VPDN 进行采集数据的远程传输，分析平台接收数据后基于时间序列进行存储；第二，数据分析。结合燃煤电厂除尘设备历史运行数据，基于过负载模型和机械劣化模型对灰斗、振打器、加热器、高压变压器等进行计算，单设备的老化分析、寿命分析、通流能力分析、负荷能力分析可由此完成；第三，检修维护策略。检修专家知识库设置、维护策略制定可结合不同设备异常状态开展，顺利实现设备异常排查，运行检修人员采取行动措施的及时性也将大幅提升，可有效规避设备故障引发的停炉检修问题。在除尘设备预测性维护系统支持下，可得到始终处于最佳运行状态的除尘设备，基于生命周期的相关备品备件管理也能够顺利开展[3]。

图1 除尘设备预测性维护系统功能

2.1.2 系统技术应用

除尘设备预测性维护系统的采用的技术主要体现在两个方面：第一，工艺及设备。研究涉及的燃煤电厂电除尘器由机械和电气两部分组成，电气部分涉及低压控制系统和高压直流电源装置，高电压能够使极间的气体产生电离，运动过程中的离子和粉尘相碰撞，电场力作用下带上电荷的粉尘移动至收尘极，粉尘收集由此完成，燃煤电厂气体除尘需要能够顺利满足；第二，预测性维护模型。灰斗堵灰、绝缘子破裂、振打失灵、阴极线断线均属于常见的静电除尘设备故障，该文研究的预测性维护模型可实现对这类典型故障的预测。图2 为除尘设备预测性维护系统的电场短路判断逻辑。结合图2 进行分析不难发现，除尘设备预测性维护系统综合考虑关联分析、同比分析、环比分析、预警阈值、运行时长、检修时间、故障信息完成了预测性维护模型算法设计，除尘设备的状态检修辅助决策及在线预警得以实现[4]。

图2 电场短路判断逻辑示意图

2.2 细节设计

预测性维护系统是通过对除尘设备隐患故障趋势的精准预判，对其实施保养，以此延长除尘设备使用年限。其中在系统的细节设计阶段，可依托工业互联网平台开展，逐步淘汰单一数据专项分析、被动处理的除尘设备维修，单纯反馈设备状态、基于经验的预防性维修也需要同时淘汰，因此细节设计应聚焦燃煤电厂除尘设备的大数据综合分析、设备维修主动管控、基于数据的预防性维修，进而提供高可行性的解决方案，全生命周期的监测、诊断需要同时实现。在预测性维护系统的细节设计环节，具体可从软硬件配备上，为其创造对应的实践应用条件。在硬件设施布置阶段，需要设置性能优良的服务器设施与计算机平台以及传感器、监控器等。而在软件设计上，应聚焦远程监测、智能故障诊断、大数据性能预测等方面的创新，利用监控软件实时掌握除尘设备的运行数据和健康状态，进而为智能化的除尘设备维护、管理提供支持。在工业互联网平台支持下，对除尘设备的监测和诊断要设法实现数据可视、自动化的故障诊断、报警、统计。通过对故障数据的查看、追溯、统计，可明确除尘设备的运行数据和可靠性，维修和养护工作自然能够更好开展。

此外，在系统设计过程中，还可以使用在线监测诊断和应力波分析方法，基于在线监测诊断，可实现对除尘设备状态的实时监测，高效通信网络、先进传感器需要在除尘设备预测性维护系统中得到充分应用，为保证测量和分析工作的实时、连续推进，还需要应用大数据技术，在技术的强大数据处理能力支持下，对比除尘设备健康状态下数据和监测得到的数据，除尘设备的故障发生规律可由此识别、解读、模拟，除尘设备的运行状态判断、最佳维护时机辅助决策、各部件使用寿命预测均可顺利实现。关于除尘设备预测性维护系统的建设需要充分结合除尘设备特点和燃煤电厂运行及管理实际情况，这关系着系统价值能否充分发挥；应力波分析技术能够较好服务于燃煤电厂除尘设备监测，该技术能够充分结合除尘设备的运行特点，解决以往监测诊断工作面临的一系列难点。作为超声波能量脉冲，应力波能够对除尘设备运行过程中产生的冲击和摩擦完成信号采集，基于处理、分析信号获取的频率、能量、直方图等数据，即可完成除尘设备的故障和状态分析。应力波技术在除尘设备中的应用可实现对相关故障宽度和深度的分辨，振动对这一分辨过程造成的影响能够降到最低，除尘设备冲击和摩擦可基于应力波能量图实现量化展示，能够直观展示源于二者产生的应力波能量以及除尘设备动态化的内部变化。直方图能够对除尘设备存在的污染等非周期事件进行监测，利用FFT 频谱可实现除尘设备故障的具体定位，这种定位能够精确到具体部件。通过贯彻新型维护保障理念，应力波技术在除尘设备预测性维护系统中的应用需要实现对除尘设备早期故障特征提取，相较于传统技术，应力波技术能够在除尘设备实际损坏后及时捕捉突变状态，同时完成的除尘设备运行状态预判能够在传统技术完成故障诊断前给出，真正改变除尘设备传统检修思路，状态检修将真正逐步取代定期检修。

例如某发电厂在实现除尘设备高效运行目标时，专门从下述三个方面，打造良好的维护环境。第一，推进电改袋式除尘技术，增加设备人力巡视频率，随时记录除尘设备除尘量变化规律、设备运行动态，结合记录信息知晓变化趋势，而且还在发电厂限电时时，及时更换出现破损或使用年限较长的除尘布袋；第二，组建技术组，专门对预测性维护系统的应用流程以及应用效果进行调研，并利用漏焊智能监测装置，对除尘设备上漏焊处进行有效补焊，借此抑制除尘设备低效运行；第三，对发电厂中使用的锅炉设备的返烟现象予以解决，经过风机频率与吹扫频率的控制，促使烟气处于可控状态，及时对反烟后的烟气予以回收，最终确保该发电厂在预测性维护计划执行阶段，始终处于烟气合理清除环节，维护了发电厂发电项目的生态性价值。

由于袋式除尘设备在日常运行期间，其风量、清灰效果、滤袋通畅性以及粉尘回收密封性均影响除尘效率。所以，在设计预测性系统时，于发电厂除尘设备周边增设风量传感器与风力传感器、智能监控系统，在一体化设计中知晓除尘设备是否存在隐患问题，借此达到合理预判故障目的。

2.3 应用过程

在除尘设备预测性维护系统的应用过程中，需要聚焦硬件、软件、网络部署，以此保证系统能够更好地服务于燃煤电厂，主要涉及数据采集箱、传感器、分析软件，需要在除尘设备上布置传感器，收集相关信息，监测现场就近布置数据采集箱，对多个传感器的监测信息进行汇聚和处理，在控制室部署分析软件，对多个数据采集箱提供的设备监测数据信息进行诊断、分析及处理。在传感器的部署过程中，须保证传感器测点选择兼顾安装方便、信息采集可靠稳定、便于后续维护等要求，具体选择夹持安装传感器的方式，传感器安装位置在安装前须结合螺栓尺寸确定，并做好打孔、固定处理，以此在夹持底座上安装传感器。结合工况实际，可局部调整传感器位置，以此实现信号质量改善；在软件及网络的部署方面，须做好分析软件、除尘设备监测与诊断平台的设计，应在大数据中心布置除尘设备监测与诊断平台，采用私有云方式建设除尘设备监测与诊断平台，通过独享宿主机资源，除尘设备监测与诊断平台能够满足安全、独享、合规需求，多副本冗余方式的数据规避数据单点故障风险，同时可提供迁移、监控、恢复、备份、容灾等数据库运维方案，顺利实现数据库的部署、扩展、管理。在PLC 机房内布置分析软件，大数据中心部署总的集群软件服务器。基于服务器/浏览器架构设计，分析软件可通过网络连接通过电脑浏览器访问，同时可通过手机App 对除尘设备健康状态进行实时查看。结合燃煤电厂实际情况，除尘设备预测性维护系统设计还需要做好网络架构方案设计，具体设计须利用已有的内部网络和骨干网络，燃煤电厂提供分析服务器到除尘设备监测与诊断平台服务器网络传输链路，以此实现与分析软件服务器、数据采集箱、终端监控应用系统、除尘设备监测与诊断平台的连接，最终在燃煤电厂生产管理系统大屏幕上展示除尘设备运行状态实时数据，可以更好地开展除尘设备的维护工作[5]。

2.4 应用效果

以某燃煤电厂为例，结合除尘设备历史运行数据，建设除尘设备预测性维护系统，该系统可实现除尘设备的短路等故障预警，并能够提供建议用于运维策略。以基于系统的堵灰故障预测为例，可得到图3 所示的堵灰故障预测特征曲线，由此进行分析可以发现，输灰管道某一电场随时间增加出现火花率逐步增加，同时存在逐步下降的二次电流、电压，随着二次电流、二次电压为零，短路报警自动发出。除尘设备预测性维护系统主页能够显示设备名称、故障原因、报警类别、机组编号、报警时间、设备状态等基本信息，结合预警信息，运行人员可明确除尘设备故障情况及出现原因，采用针对性预警和处理措施，更好预防除尘设备故障。在具体应用除尘设备预测性维护系统的过程中，该系统具备的VPN、多种通信协议、数据透传等功能可较好对接燃煤电厂的自动化系统和第三方信息系统，数据对接可基于OPC、HTTP 等方式实现，因此未来除尘设备预测性维护系统将逐步参与到燃煤电厂的管理业务和数据信息整合与集成中，这一过程需要聚焦设备管理系统与除尘设备预测性维护系统的数据对接，以此规避“数据孤岛”问题，可加快燃煤电厂的生产经营一体化进程，提升应用集成水平。对燃煤电厂除尘设备的维护策略来说，除尘设备预测性维护系统能够通过比较、定量、统计分析明确相关零部件是否需要更换或保养，最佳维护时间和内容也能够顺利确定，燃煤电厂除尘设备管理、诊断水平因此大幅提升。

3 结论

综上所述，燃煤电厂除尘设备预测性维护系统具备较高的推广价值。在此基础上，该文涉及的基该设计、细节设计、应用效果等内容，则直观展示了除尘设备预测性维护系统具体构成。燃煤电厂除尘设备近年来不断升级，物联网、云计算等技术也开始用于设备预测性维护，这一现状必须得到高度重视，为更好地实现除尘设备预测性维护，应结合“未病先防，即病防变”理念，更深入应用智能诊断技术、大数据技术等新型技术。