发电机组运行参数实时智能诊断分析系统建设

国电乐东发电有限公司 黄书益 岳 琳 方丰智 马开明

设备可靠性是机组安全生产的重要保障，因此，在设备的全寿命周期中，通过对设备的管理优化来实现机组可靠性和经济性的优化平衡，对电厂的生产经营具有重要意义[1]。随着智慧电厂建设越来越广泛，以状态监测、状态检修为核心的设备智慧化管理在我国发电行业得到了积极推广。状态检修是指在设备状态评价的基础上，根据设备状态和分析诊断结果安排检修时间和项目，并主动实施的检修方式。

从设备安全性角度考虑，状态检修方式以设备当前的实际工作状况为依据[2]，通过先进的状态监测手段、可靠性评价手段及寿命预测手段判断设备的状态，识别故障的早期征兆，对故障部位及其严重程度、故障发展趋势做出判断，并根据分析诊断结果在设备性能下降到一定程度和故障将要发生前进行维修。由于科学地提高了设备的可用率和明确了检修目标，这种检修体制耗费最低，为设备安全、稳定、长周期、全性能、优质运行提供了可靠的技术和管理保障。

1 系统开发意义

实践证明，状态检修的初步应用给企业带来了显著的效益，设备可靠性和经济性都得到了有效提高，但我国状态检修的实施依然存在明显问题。目前电力行业状态检修的实施普遍不完善，主要集中在设备监控方面，而对状态检修的核心内容即设备可靠性分析、数据挖掘和检修决策方面则很少涉及，没有形成完整的状态检修体系。

另一方面，电厂SIS系统实现了对全厂生产过程实时数据的采集与处理，包含大量的设备实时性能数据，主要用于反映设备的经济性状况。而点检系统通过离线的外观检查、参数检测、无损检测、理化分析等方式获得了设备的状态数据，主要体现设备的可靠性程度。无论是SIS数据还是点检数据都在一些方面描述了设备状态，因此可通过对SIS数据和点检数据的有机融合和充分挖掘，实现对设备状态的全面反映。

2 系统建设思路

2.1 整体技术路线

本文主要研究在发电企业现有硬件和信息系统基础上，开发基于大数据融合的电厂设备智慧化运行管控系统。系统以SIS数据为基础、融合点检数据，并以相关试验和测试数据作为补充，以数据挖掘模型为工具；针对具体设备建立物理模型和运行知识库，进而开展状态监测、健康评估、经济运行分析等；以实现设备异常发现、故障原因预判、检修计划建议的安全分析功能（简称“智慧安全岛”），以及设备运行寻优、运行优化方式建议、影响经济运行因素分析等经济分析和优化功能（简称“智慧经济岛”）；确保设备状态全面受控，挖掘设备安全性和经济性的最佳平衡点，为实现电厂设备的全程监控和运行管理水平提供有效和便利的技术途径。

系统融合SIS（历史和在线数据）、SAP、一体化平台、精密专项点检、历史缺陷和维修台账、部分试验数据等，通过离线学习和在线学习构建设备知识库和运行寻优案例库。系统建立了智慧安全岛和智慧经济岛，智慧安全岛的作用是通过设备状态检修提高设备可靠性、减少维护费用；智慧经济岛的作用是在保证安全的前提下，通过对设备的经济性分析、异常参数侦测和运行寻优，提高设备运行的经济性、节能增效。本文提出了一个基于SIS在线数据和点检离线数据相融合的多维设备智慧化管控系统（图1）。

图1 总体技术路线

2.2 智慧安全岛技术路线

首先对多维度数据进行有机融合，提取设备特征参数，实现对设备状态的全面反映；基于多维数据离线挖掘获得设备正常工况参数库和故障知识库，形成设备知识库；利用风险矩阵图实现设备状态对机组的安全性评估，分析设备健康劣化对机组性能的影响程度，包括安全性风险及设备的寿命评估；最后基于设备的寿命周期管理情况，根据设备风险评估分析和故障诊断结果，构造设备—故障模式—检修方案的空间映射拓扑结构，采用优化算法综合优化设备检修的时间和策略，为状态检修提供参考。预留与SAP缺陷和维修工单交互接口，后期可实现维修管理闭环。

2.3 智慧经济到技术路线

首先对设备运行过程的海量历史数据进行数据清洗、提质，挖掘得到设备运行优秀案例库；基于运行参数关联分析与经济性分析计算，侦测出影响经济性的异常参数；根据设备运行优秀案例库，结合案例推理模型对设备运行参数进行寻优计算，输出运行优化建议供运行人员参考，预留与ICS寻优控制模块的交互接口，后期可实现闭环优化。平台建立运行智能评价模块，进行实时操作分析、实时影响因素分析等，对优化运行的结果进行智能反馈，形成“寻找历史最优—〉实际值与最优值持续对标—〉操作水平整体提升—〉产生新最优”这样一个螺旋上升的循环方式，提升设备经济运行水平，挖掘节能增效潜力。

3 实际案例

3.1 智慧安全岛

本文系统建设中选取磨煤机、循泵、给水泵、送引风机开展状态检修研发工作，可为相关企业的运行参数实时智能诊断分析系统建设提供方向。

逐个设备进行可靠性分析，通过故障模式及后果分析（FMEA）对可能故障模式及所产生的影响/后果进行分析，明确设备故障表现、故障阈值、故障后果及相应的设备检修方案；融合不同类型的数据建立趋势分析与故障预警模型，通过设备历史曲线分析、多设备状态云图分析的方式，实现对单台设备状态的初步评价及同类设备的整体评价，并构造典型故障的映射空间拓扑图，建立故障模糊诊断模型和神经网络预测模型，实现对典型故障的预测及诊断；在可靠性分析和典型运行工况分析的基础上，根据SIS在线数据和点检离线数据的有机融合，获得变工况下的设备状态目标值曲线，通过建立定量的设备状态评估模型和半定量的设备状态分级评估模型，得到在变工况下对设备健康状态的评价。

对选取的设备进行全寿命周期管理，针对设备的具体构成部件对其进行可靠性分析，区分耐用件和易损件。对主设备耐用件的寿命评定采用温度场和应力场有限元计算、低周疲劳寿命和蠕变寿命计算、剩余寿命评定等技术方案；对易损件采用可靠性理论中寿命数据统计分析的技术。再结合设备本身的设计寿命建立设备寿命的综合评估模型；最后根据可靠性分析、健康状态评估、寿命评估，通过综合分析得到设备健康状态对系统性能的综合影响结果提出设备的状态维修建议，为合理维修决策提供参考。

3.2 智慧经济岛建设

本次系统建设选取磨煤机、循泵、给水泵、送引风机开展经济性分析与优化工作，方式如下：

选择同类型设备，从SIS中获取大量的历史运行数据，从一体化平台获取设备缺陷台账和检修台账数据，对数据进行清洗、挖掘，提取有效数据记录，作为数据挖掘和模型训练的基础；针对磨煤机和循泵建立起经济性分析模型，采用经过清洗的数据集对模型进行训练或验证，使模型趋于成熟，并可将模型用于在线经济性计算、案例寻优等环节。

对经过清洗和结构化的数据进行挖掘，结合经济性分析模型寻优得到不同工况（不同负荷和煤种）下的磨煤机和循泵最经济性运行方式的案例，形成最优运行案例库，案例库可用于指导在线运行寻优。同时开发在线增量挖掘模块，基于SIS数据进行在线学习不断更新案例库中的案例，使其一直保持在同类工况下的最优秀状态；基于最优运行案例库，结合在线经济性计算，异常参数侦测，提供运行优化调整策略，将调整参数输出给运行人员参考。

综上，本文建立的发电机组运行参数实时智能诊断分析系统适用于燃煤电厂及具备相似业务的发电企业。通过精密点检、设备状态监测、设备故障诊断理论培训，可有效提发电企业设备维护人员理论水平。本系统从机理层面分析设备的故障模式，并对电站设备实时参数进行智慧监测，对电站设备进行健康监测，实现动态阈值预警，实现AI故障诊断推理。并根据设备健康情况、检修计划、零部件备品情况，制定检修优化建议；最后构建经济型分析模型，并根据案例库对实时运行参数进行优化建议。由此为我国发电企业基于数据融合的设备状态监测与智慧检修提供指建设性意见以及相关决策依据。