数据驱动的汽轮机健康状态管理技术综述

（东方汽轮机有限公司，四川 德阳 618000）

0 引言

汽轮机作为电力生产系统的核心设备，是集成耦合机、电、液、热、信息等多因素、多介质的复杂机电系统。这类发电系统通过多种监测与保护系统对机组的健康状态进行记录和诊断，存储了海量、多维、多态数据。汽轮机系统复杂，设备体积庞大，工作环境恶劣，一旦出现异常状态或故障，会导致停机或减产，影响发电厂经济效益，甚至会导致特、重大安全事故的发生。因此，应用现代信息技术手段进行机组健康状态管理，即机组状态实时监测、机组异常状态辨别、机组故障模式诊断和机组维护维修计划科学合理的制定等，是提高现役汽轮机组安全、可靠、稳定、高效运行的重要措施。

传统汽轮机健康状态管理技术主要应用于具体设备特定健康状态，缺少系统层面整体性的研究，对机组状态的演变、故障的传播无法准确建模和分析，因此，基于数据驱动的机组状态监测和故障模式诊断逐渐成为掌握系统性能演变的重要手段和研究热点[1-2]。数据驱动的机组状态健康管理技术采集和获取系统实时状态，利用统计分析和信号分析的数据处理方法，提取与系统属性、状态有关的特征参数，借助机器学习智能算法和数据处理模型进行系统状态检测、分析和辨识，可靠有效地诊断系统状态模式，为机组维护、安全运行提供决策信息。

1 汽轮机健康状态分类

汽轮机是将内能转化为机械能的大型复杂旋转设备，根据机组系统状态的劣化演变过程，将其健康状态分为热力性能状态和机械故障状态，如图1 所示。机组的热力性能状态主要指机组的效率和通流能力，其状态监测和故障诊断的理论基础是基于汽轮机变工况运行特性，通过温度、压力、流量等热力过程参数的变化来表征热力性能状态，是一种早期的机械故障诊断。当机组的健康状态以异常振动、跳机等外部表现形式表征时，机组将发生机械故障，相较热力参数的变化，振动信号是一种迅速、直接表征机组运行状态的物理参数。据统计，旋转设备70%以上的机械故障都是以振动形式表现的，利用振动信号进行汽轮机机组健康状态管理是目前最普遍的方法。

参考机组运行实时数据和历史数据，通过对反应汽轮机性能和运行状态的特征参数的分析，以期对机组的健康状态，如机组健康状态、运行优化服务、故障解决方案等做出综合评估。

2 数据驱动的汽轮机健康状态分析方法

随着“互联网+”技术的发展，传统发电厂正朝着数字信息化、可视化和智能化的数字发电厂发展，将最大限度实现发电厂的安全、经济、高效、环保运行。数字发电厂系统的监控变量和健康状态数据大幅增加，传统的过程监控管理方法将无法准确、及时、高效地反应发电厂的健康状态；同时数字发电厂系统的强耦合、非线性和多元不确定性等特点，无法从系统侧面分析发电厂健康状态的劣化演变信息。因此，针对数字发电厂海量多态的大数据，数据驱动的发电厂健康状态管理更为适用，能有效、可靠处理多元多样的信息，挖掘数据内在关联。数据驱动的汽轮机健康状态管理以数字发电厂丰富的监测数据为基础，利用数据挖掘技术提取反映机组状态的隐含的有用信息，并以特征参数表征机组的健康状态，从而实现机组状态监测和故障模式诊断的目的。

汽轮机单元系统运行过程中故障萌发和演变以监测变量的监测数据进行记录，包括系统的实时运行数据和大量的历史数据。其中，实时数据反映系统当前的健康状态，历史数据则包含了监测对象的各种运行工况。理论上，对大量的监测数据进行有效、合理的挖掘，可获得表征系统故障和故障演变的特征参数，从数据方面研究故障演变的机理。数据驱动的汽轮机健康状态分析方法能够较为准确地监测系统状态、识别故障和辨识故障模式，主要方法包括统计分析方法、信号处理方法和人工智能方法，如图2 所示。

2.1 基于统计分析方法

图1 汽轮机健康状态分类及征兆

图2 数据驱动的汽轮机健康状态分析方法

基于统计分析的方法关键是分析监测变量数据、构建状态判别健康阈值，对机组实时状态进行辨识和预警，主要包括单变量统计分析和多变量的统计分析方法。单变量统计方法只能选取单个关键变量进行监测，忽略了变量之间的关系，存在局限性，监测精度和可靠性不高，常用的控制图方法包括：Shewhart 控制图、MA（移动平均）控制图、EWMA（指数加权平均）控制图和CUSUM（累积和）控制图。多变量统计分析通过对线性或非线性变量数据空间进行重构和融合，提取系统状态表征参数，构建健康阈值统计量，检测系统异常状态。针对处理数据的复杂程度不同，多变量统计分析方法包括线性方法和非线性方法[3-5]，其中线性特征提取方法包括PCA（主元分析）、PLS（偏最小二乘方法）、FDA（Fisher 判别分析）、ICA（独立成分分析），非线性特征提取方法在线性方法基础上进入核变换，用隐式映射对高维数据降维处理，包括KPCA（核主元分析）、KPLS（核偏最小二乘方法）、KFDA（核Fisher 判别分析）、KICA（核独立成分分析）。

2.2 基于信号处理方法

系统运行过程中监测变量的时间序列数据蕴含着机组健康状态的演化信息和设备不同时刻的工况信息。基于信号处理的健康状态分析方法是用信号处理模型或技术监测变量信号方差、幅值、相位和频率等特征的变化，对系统状态进行判断和评估。信号处理的常用方法包括WT（小波变换法）、EMD（经验模式分解法）、MSP（形态信号处理法）和SA（谱分析法）等，因其分析过程不需要准确的物理模型，是汽轮机机械故障诊断实用性较强、最常用的方法[6-8]。

2.3 基于人工智能方法

人工智能分析方法针对系统健康状态类型与状态劣化演变征兆之间无特定确切的对应关系，通过计算机不断学习构建分析模型，按照一定规则、知识、逻辑对模型输出数据进行分析判断，实现系统健康状态的分析。其关键核心就是对系统运行过程数据和故障数据集进行训练学习，提取有效的表征系统实时变化、突变和趋势变化等特征信息。基于人工智能的分析方法无需建立定量的数学模型，是一种系统不确认定性方法，典型的方法有神经网络、D-S 证据理论、SVM（支持向量机）和粗糙集理论等[9-12]。

3 研究现状

数据驱动汽轮机健康状态管理方法种类多，与分析对象的数据特性、数据属性、数据规模和可用性等相关，主要集中在用各种数据驱动方法对汽轮机的热力性能状态和机械故障状态进行分析研究。典型的数据驱动的汽轮机健康状态方法研究实例及应用如表1 所示。

表1 典型数据驱动的汽轮机健康状态方法

目前汽轮机组本身结构的大型化、设备的高度集成化和系统运行过程的复杂性，汽轮机健康状态演变过程的非线性、不确定性、多样性和异常状态并发性等，导致单一的健康状态管理分析方法准确性不高，泛化能力弱，无法满足数字发电厂对机组健康状态管理的要求。因此，需要多种数据驱动的方法进行选择性的集成和融合，同时集成和融合高效的特征提取和模式分类方法，有效提高机组健康状态管理系统的数据适应性、扩展性、有效性、准确性、鲁棒性和敏感性，以便对机组健康状态的劣化演变可以进行准确监测、故障溯源和综合评估。

4 数据驱动的汽轮机健康状态管理策略

数据驱动的汽轮机健康状态管理的核心是机组运行数据，不同对象的监测变量、变量取值和变量数据类型等数据的参数属性不同，有的参数可以直接表征监测对象的健康状态，比如机组的热力性能状态可通过负荷、流量、压力和温度分析获得；相对地，某些对象系统的健康状态的演变则无法由监测变量直接表征，比如机组因某一故障跳机是由上游流程参数变化所导致。因此，对监测数据的预处理、系统物理模型的数据表达和系统健康状态演变的特征参数提取是健康状态管理的关键和基础。

数据驱动的汽轮机健康状态管理的内容主要包括机组系统状态实时监测与报警、故障预警与故障模式诊断、机组运维服务智能评估。健康状态管理策略如图3 所示。首先，利用分析对象历史运行数据和在线状态监测数据，提取机组状态演化过程中不同阶段的特征参数，建立特征参数模型与故障模式的对应关系；其次，将分析数据作为建模数据，利用数据驱动方法构建机组健康状态监测模型，以健康阈值为控制限制值进行状态判别，对机组异常状态进行故障模式辨识和分类。最后，根据分析结果对机组健康状态进行综合评估。该管理策略框架一般分为在线建模和离线建模，在实际工程应用中，从构建机组健康状态特征参数到健康阈值的确定和健康状态的演化模型都较为困难，需要不断积累训练样本或故障模式，其核心和挑战问题是选取对数据适应性好的一种或几种数据进行分析、特征参数提取和健康阈值确定。

数据驱动的汽轮机健康状态管理策略为数字发电厂的安全、可靠、稳定、高效运行提供科学保障，主要包括机组健康状态的实时监测、机组异常状态预警、机组故障模式诊断、故障解决方案、机组运维服务、机组健康状态综合评估、机组群负荷匹配方案、关键部件性能评估、机组维护维修建议和机组热力性能分析。通过汽轮机健康状态管理，可从系统层面对机组健康状态作出全面、及时、有效、可靠的综合评估，为数字发电厂的经营决策提供指导和科学依据。

5 工程应用现状

汽轮机等大型高端能源装备的现代化管理，需要将数据库技术、网络通信技术等先进信息技术与汽轮机健康状态管理技术有效结合起来，能够快速、高效、准确科学地评判设备健康状态，从而保证机组安全、可靠、经济、高效和长周期运行。

图3 数据驱动的健康状态管理策略

目前，电站高端装备制造业已按照《中国制造2025》总体框架向智能管理、综合诊断方向发展，其服务形式开始由专家现场服务向远程诊断服务进行转变升级。国内外大型装备制造企业和发电企业越来越多地采用了云计算、大数据、互联网等技术，对电站设备进行远程监控与故障诊断等方面的技术研究和项目实施。2013 年上海电气电站集团与大唐集团合作，以洛河发电厂6 台火电机组为试点进行远程诊断服务，并与广东宝丽华集团签订首个电站远程诊断服务协议。哈尔滨电机厂自主开发了发电设备远程状态监测与故障诊断系统，该系统包括机组性能试验、设计制造、安装调试、运营管理、维修保障、改造升级等服务内容，主要应用于水电项目，在三峡等项目上已实施，且所有诊断程序均自主编制，向用户免费提供服务。国电投在西门子核心诊断系统的基础上自主研发了火电远程诊断一体化平台，可实现接入电站设备故障预警、远程性能试验、汽轮机通流诊断、指标对标、振动精密诊断等功能。东方汽轮机有限公司利用先进的设计研发技术优势和创新的服务形式，已完成基于大数据分析的火力发电厂远程诊断平台的搭建，主要包括电站机组运行数据的采集、预处理、传输技术，制定功能架构、输入/输出接口、数据相关标准，开发完成电站远程诊断与分析平台前置系统和集中统一的电站远程诊断与分析平台；在此基础上设计了电站远程诊断与分析平台的业务模型和服务模型，开发了平台相关功能组件、服务流程和应用算法，进行了系统数据的分析与挖掘应用，建立了电站机组远程诊断分析系统，实现了电站机组的远程异常诊断、故障分析、控制优化和售后服务等功能；该远程诊断系统现已接入万州发电厂、横山发电厂1 000 MW 机组的数据，主要进行汽轮机经济性分析，运行参数优化，润滑油系统分析诊断以及轴系振动故障诊断、通流异常、轴封系统调节状态、轴承卡涩、轴向推力大小及方向、供热状态自检、末叶片状态诊断等汽轮机相关主要系统和核心设备部件，从系统层面或设备级对汽轮机的健康状态进行监测和诊断。

随着大数据、云计算、IoT（物联网）、AI 技术的发展，新一代发电厂将以数字化物理载体为基础，向数字化、智能化方向转型，构建以清洁低碳、包容多样、智慧互联、安全可靠高效的能源供应服务体系为核心的智慧发电厂，对发电厂整个系统的数据进行存储、整合、建模、分析，提供发电厂全生命周期的生产、经营、管理、决策支持等服务[23]，加快发展智慧能源。西门子公司建立了三维数字化建模和燃机系统诊断系统，提供三维数字化档案；西门子与华润电力合作，共同搭建CSASS“分析专家”系统，包含设备性能优化、设备可靠性改善、技术监控等10 个功能模块。上海电气电站集团智能化团队联合上海汽轮机有限公司等推出的管控一体化平台是针对智慧发电厂（发电项目），在传统的MIS（管理信息系统）和SIS（厂级监控系统）基础上打造的智慧发电管控一体化平台。

汽轮机健康状态管理系统作为智能发电厂大系统核心组成部分，将通过设备状态监测与预警、设备诊断、能耗分析、健康状态评估和以可靠性为中心的维护维修等功能模块，在全局或局部实现系统效率、安全性、可靠性、可维修性、灵活性的目标优化，帮助发电厂提高设备的可靠度及机组出力水平，减少或杜绝非停、降负荷和环保排放事故，延长设备寿命和大修周期，大幅度降低运维费用和运维工作量，实现发电厂安全、可靠、绿色、经济、灵活的电力可持续供给。

6 研究展望

随着数字智能信息技术的飞速发展，数据驱动的汽轮机健康状态综合管理需要更加智能、自动和有效。但汽轮机设备庞大、系统复杂，其状态数据一般具有多态、海量、多变和非线性等特性，尤其是数据的高维非线性、数据分布不均和故障数据或异常数据有限等，很大程度上导致数据驱动方法无法有效、准确地表征汽轮机的实时状态。

为满足现代能源发电厂数字化、智能化、智慧化的需求，提高现役汽轮机组安全、可靠、稳定、高效运行，利用数据驱动信息技术全面掌握汽轮机健康状态仍需技术创新并进行工程应用方面的研究。

（1）数据获取和预处理：在实际应用中，需发展应用集成创新技术获取各类系统数据，并应用数据正则化、流信息、迁移网络学习等方法处理数据，实时地分析处理和有效表示数据展示。

（2）状态监测和故障诊断模型的构建：汽轮机构成的电力系统复杂、高度耦合和拓扑变化不确定，导致机组健康状态管理是个复杂的系统问题。在工程实践中，需根据数据类型和系统特性，构建新的数据模型，提高汽轮机组系统健康状态的预测性和溯源性。

（3）数据驱动分析方法的融合和集成：汽轮机构成的大型复杂电力系统具有动态性、不确定性、脆弱性、开放性和多故障并发性等问题，单一的状态监测和故障诊断技术存在精度低、泛化能力弱等问题，无法准确、及时地获取汽轮机的健康状态，需将多种数据驱动方法进行融合和集成，研究多技术融合的健康状态管理方法，有效提高系统的可靠性、准确性、敏感性和鲁棒性，降低其不确定性。

（4）智能、先进的数据驱动的健康状态管理系统的开发：应用信息智能技术建立系统健康状态管理的智慧系统，使生产过程可以自我完善优化，智能地动态优化系统级设备参数，实现和保障发电厂安全、高效、绿色、低碳的智能运行。

（5）数据共享与数据安全：安全隔离与信息交换平台建设进一步促进了汽轮机健康状态管理系统集群的建立，要求发展数据安全护航技术，在保证数据安全共享的基础上，实现数据和系统的大融合和大集成。

7 结语

通过汽轮机组状态参数数据进行状态监测和故障诊断是汽轮机健康状态管理的发展趋势，也是当前研究的热点和方向。当前数据驱动汽轮机健康状态管理方法体系与实际数字发电厂复杂系统应用尚有较大差距，系统状态劣化演变的机理和基础研究尚有欠缺，需逐步完善健康状态管理系统平台的构建，进行多学科交叉研究攻克核心关键技术，不断创新和发展汽轮机健康状态管理技术研究。