史恒惠　夏靜　李海軍

摘要：基于物聯(lián)網(wǎng)的火電機(jī)組遠(yuǎn)程診斷服務(wù)，即通過(guò)對(duì)機(jī)組運(yùn)行數(shù)據(jù)的集中采集、存儲(chǔ)和挖掘，建立涵蓋設(shè)備級(jí)、參數(shù)級(jí)和重要的工藝流程的針對(duì)性專業(yè)診斷模型，實(shí)現(xiàn)故障早期預(yù)警，提升了設(shè)備管理及監(jiān)控水平。

關(guān)鍵詞：物聯(lián)網(wǎng)；火電機(jī)組；遠(yuǎn)程診斷服務(wù)；運(yùn)行數(shù)據(jù)；故障預(yù)警 文獻(xiàn)標(biāo)識(shí)碼：A

中圖分類號(hào)：TP393 文章編號(hào)：1009-2374（2016）01-0131-04 DOI：10.13535/j.cnki.11-4406/n.2016.01.066

近年來(lái)，國(guó)內(nèi)超（超）臨界機(jī)組的大量投運(yùn)，發(fā)電設(shè)備逐漸向超大型化、全自動(dòng)化方向發(fā)展，但隨之引出的設(shè)備運(yùn)行風(fēng)險(xiǎn)也在增加。而機(jī)組頻繁調(diào)峰、長(zhǎng)周期運(yùn)行等新運(yùn)行方式的普遍化，對(duì)設(shè)備可靠性提出了苛刻要求。企業(yè)追求經(jīng)濟(jì)效益最大化，這要求企業(yè)不斷提高自己的管理水平和技術(shù)水平。充分利用信息技術(shù)，挖掘生產(chǎn)和管理潛力，提高生產(chǎn)和管理效率，是每一個(gè)工業(yè)企業(yè)都必須開(kāi)展的課題，也是“兩化融合”的必然趨勢(shì)。

目前，發(fā)電企業(yè)多數(shù)已部署了SIS、MIS、TDM等系統(tǒng)，并在生產(chǎn)管理中發(fā)揮一定的作用，但是普遍存在應(yīng)用深度、數(shù)據(jù)挖掘不夠等情況，一定程度上造成了數(shù)據(jù)和資源的浪費(fèi)，無(wú)法為機(jī)組的經(jīng)濟(jì)性、可靠性管理提供相對(duì)全面、可靠的依據(jù)。遠(yuǎn)程診斷服務(wù)作為電力系統(tǒng)以及裝備密集型行業(yè)的發(fā)展方向之一，可以結(jié)合發(fā)電企業(yè)現(xiàn)有信息化系統(tǒng)和設(shè)備特征，利用物聯(lián)網(wǎng)技術(shù)，將分布于不同地域、不同企業(yè)的數(shù)據(jù)進(jìn)行集中采集、存儲(chǔ)和挖掘，并在此基礎(chǔ)上建立企業(yè)知識(shí)庫(kù)模型，案例分析模型，積累設(shè)備診斷和故障分析經(jīng)驗(yàn)。通過(guò)集中發(fā)揮高端專業(yè)技術(shù)人才優(yōu)勢(shì)，對(duì)發(fā)電企業(yè)設(shè)備故障及異常進(jìn)行早期預(yù)警和診斷，對(duì)性能指標(biāo)進(jìn)行優(yōu)化分析，從而提升整個(gè)發(fā)電企業(yè)的設(shè)備管理及監(jiān)控水平，對(duì)保障發(fā)電企業(yè)安全、經(jīng)濟(jì)運(yùn)行具有重要的意義。

1 基于物聯(lián)網(wǎng)的火電機(jī)組遠(yuǎn)程診斷服務(wù)平臺(tái)技術(shù)路線

系統(tǒng)核心技術(shù)是研究神經(jīng)網(wǎng)絡(luò)技術(shù)在基于物聯(lián)網(wǎng)的火電機(jī)組遠(yuǎn)程診斷服務(wù)領(lǐng)域開(kāi)發(fā)和應(yīng)用，在開(kāi)發(fā)的系統(tǒng)平臺(tái)上，通過(guò)感知系統(tǒng)內(nèi)部大量節(jié)點(diǎn)之間相互連接的關(guān)系，達(dá)到系統(tǒng)、設(shè)備、參數(shù)故障預(yù)警和診斷的目的。主要研究及開(kāi)發(fā)內(nèi)容如下：

1.1 自適應(yīng)與自組織能力

神經(jīng)網(wǎng)絡(luò)在學(xué)習(xí)或訓(xùn)練過(guò)程中改變突觸權(quán)重值，以適應(yīng)周圍環(huán)境的要求。它較之專家系統(tǒng)的固定的推理方式及傳統(tǒng)計(jì)算機(jī)的指令程序方式更能夠適應(yīng)化環(huán)境的變化，總結(jié)規(guī)律，完成某種運(yùn)算、推理、識(shí)別及控制任務(wù)。因而它具有更高的智能水平，更接近人的大腦。

1.2 非線性映射能力

神經(jīng)網(wǎng)絡(luò)有多種算法，如BP算法、Hebb算法、LMS算法、RNN算法、高斯混合模型（gmm）等，這些算法各有特點(diǎn)。高斯混合模型（gmm）是其中最高效的一種：高斯混合模型是單一高斯機(jī)率密度函數(shù)的延伸，由于gmm能夠平滑地近似任意形狀的密度分布，劃分更為精細(xì)，適用于多類別的劃分，可以應(yīng)用于復(fù)雜對(duì)象建模。

例：有一批觀察數(shù)據(jù)X={x1，…，xn}，數(shù)據(jù)個(gè)數(shù)為n，在d維空間中的分布不是橢球狀，那么就不適合以一個(gè)單一的高斯密度函數(shù)來(lái)描述這些數(shù)據(jù)點(diǎn)的機(jī)率密度函數(shù)。此時(shí)我們采用一個(gè)變通方案，假設(shè)每個(gè)點(diǎn)均由一個(gè)單高斯分布生成（具體參數(shù)μj、Σj未知），而這一批數(shù)據(jù)共由M（明確）個(gè)單高斯模型生成，具體某個(gè)數(shù)據(jù)xi屬于哪個(gè)單高斯模型未知，且每個(gè)單高斯模型在混合模型中占的比例αj未知，將所有來(lái)自不同分布的數(shù)據(jù)點(diǎn)混在一起，該分布稱為高斯混合分布。

圖1 表示所有樣本數(shù)據(jù) 圖2 表示已經(jīng)明確了樣本的分類

由圖2可以看出，gmm將原本雜亂無(wú)章的分布收斂到了三種近似橢圓形的分布模型。

結(jié)合神經(jīng)網(wǎng)絡(luò)各種算法的特點(diǎn)和發(fā)電企業(yè)的經(jīng)驗(yàn)，本方案選擇了高斯混合模型（gmm）作為診斷服務(wù)平臺(tái)模型建設(shè)的主要算法，診斷模型具有計(jì)算準(zhǔn)確、創(chuàng)建簡(jiǎn)單、易于掌握、便于擴(kuò)展使用等特點(diǎn)。模型的創(chuàng)建要求不依賴專業(yè)研究院或高校學(xué)者級(jí)別的專家參與，模型的訓(xùn)練只需要找出模型對(duì)象各工況的正常時(shí)段即可，適合有豐富電廠運(yùn)行和設(shè)備維護(hù)經(jīng)驗(yàn)，對(duì)設(shè)備運(yùn)行特性熟悉的電廠級(jí)專家使用。

2 基于物聯(lián)網(wǎng)的火電機(jī)組遠(yuǎn)程診斷服務(wù)平臺(tái)系統(tǒng)結(jié)構(gòu)

2.1 系統(tǒng)體系結(jié)構(gòu)

基于物聯(lián)網(wǎng)的火電機(jī)組遠(yuǎn)程診斷服務(wù)平臺(tái)由電廠側(cè)和診斷中心側(cè)組成，按照功能架構(gòu)分為四層：數(shù)據(jù)采集層、數(shù)據(jù)存儲(chǔ)層、業(yè)務(wù)處理層、信息展示層。主要功能由多個(gè)業(yè)務(wù)子系統(tǒng)完成：核心診斷系統(tǒng)、輔助診斷系統(tǒng)、集中預(yù)警處理系統(tǒng)、遠(yuǎn)程診斷決策支持系統(tǒng)。

系統(tǒng)功能架構(gòu)角度如圖3所示，整個(gè)系統(tǒng)包括數(shù)據(jù)采集層、數(shù)據(jù)存儲(chǔ)層、業(yè)務(wù)處理層和信息展示層。

圖3 系統(tǒng)功能架構(gòu)圖

2.1.1 數(shù)據(jù)采集層。將發(fā)電單位相關(guān)的實(shí)時(shí)數(shù)據(jù)庫(kù)系統(tǒng)以及點(diǎn)巡檢和TDM等業(yè)務(wù)系統(tǒng)產(chǎn)生的實(shí)時(shí)數(shù)據(jù)和關(guān)系型數(shù)據(jù)，通過(guò)與電廠的不低于2M的專線網(wǎng)絡(luò)，采用OLEDB、OPC、PITOPI、Webservices或其他特定接口的采集方式實(shí)現(xiàn)對(duì)底層系統(tǒng)生產(chǎn)過(guò)程和歷史數(shù)據(jù)的采集。

2.1.2 數(shù)據(jù)存儲(chǔ)層。主要將數(shù)據(jù)采集層采集到的數(shù)據(jù)，通過(guò)統(tǒng)一時(shí)標(biāo)、描述、分類處理后存儲(chǔ)在診斷中心實(shí)時(shí)數(shù)據(jù)庫(kù)和關(guān)系型數(shù)據(jù)庫(kù)。

2.1.3 業(yè)務(wù)處理層。以數(shù)據(jù)存儲(chǔ)層的數(shù)據(jù)為基礎(chǔ)，通過(guò)輔助診斷系統(tǒng)和其他診斷系統(tǒng)將數(shù)據(jù)存儲(chǔ)層數(shù)據(jù)轉(zhuǎn)化為各子系統(tǒng)所需數(shù)據(jù)格式，進(jìn)行相關(guān)業(yè)務(wù)處理。將處理后產(chǎn)生的中間結(jié)果發(fā)送到核心診斷系統(tǒng)處理和預(yù)警。然后將各子系統(tǒng)和核心診斷系統(tǒng)產(chǎn)生的分析報(bào)告和結(jié)果發(fā)送到數(shù)據(jù)展示層。業(yè)務(wù)處理層的基礎(chǔ)功能由核心診斷系統(tǒng)、輔助診斷系統(tǒng)以及后期根據(jù)需要增加其他專業(yè)子系統(tǒng)（例如正在研發(fā)的鍋爐壽命管理系統(tǒng)等其他診斷系統(tǒng)）。

第一，核心診斷系統(tǒng)具有對(duì)所有過(guò)程信號(hào)進(jìn)行整體分析的能力，根據(jù)當(dāng)前實(shí)際運(yùn)行狀態(tài)與歷史正常運(yùn)行狀態(tài)產(chǎn)生的偏差提供早期預(yù)警。核心診斷系統(tǒng)可以實(shí)現(xiàn)對(duì)電廠的各類轉(zhuǎn)機(jī)進(jìn)行監(jiān)測(cè)，還可以完成系統(tǒng)、設(shè)備、參數(shù)級(jí)的模型建設(shè)和診斷。核心診斷系統(tǒng)主要基礎(chǔ)功能包括狀態(tài)預(yù)測(cè)、數(shù)據(jù)計(jì)算、模式設(shè)定、工況選擇、組態(tài)功能、分析界面、報(bào)警功能、規(guī)則定義。

第二，輔助診斷系統(tǒng)作為核心診斷系統(tǒng)的補(bǔ)充，以電廠旋轉(zhuǎn)機(jī)械為關(guān)注對(duì)象進(jìn)行診斷，進(jìn)行基于振動(dòng)分頻段的部件（如轉(zhuǎn)子、軸承等）以及模糊綜合評(píng)價(jià)整機(jī)為核心的狀態(tài)評(píng)價(jià)。主要基礎(chǔ)功能包括設(shè)備靜態(tài)模型管理、監(jiān)測(cè)和分析、數(shù)據(jù)綜合管理、故障診斷知識(shí)庫(kù)管理、事件通知。

2.1.4 信息展示層。匯聚來(lái)自業(yè)務(wù)處理層各診斷系統(tǒng)報(bào)警信息、分析報(bào)告和結(jié)果。由集中預(yù)警處理系統(tǒng)和遠(yuǎn)程診斷決策支持系統(tǒng)組成。

第一，集中預(yù)警處理系統(tǒng)主要作用是匯總顯示來(lái)自核心診斷系統(tǒng)中關(guān)于診斷設(shè)備的分類報(bào)警信息，在數(shù)據(jù)異常時(shí)及時(shí)發(fā)出報(bào)警提醒相關(guān)技術(shù)人員及時(shí)分析。其主要功能模塊分為樹(shù)狀目錄顯示、分析界面、報(bào)警展示平臺(tái)。

第二，遠(yuǎn)程診斷決策支持系統(tǒng)的主要用途是有效整合電廠層診斷關(guān)鍵數(shù)據(jù)和匯總來(lái)自業(yè)務(wù)處理層的分析報(bào)告和結(jié)果，作為診斷中心的知識(shí)積累和展示平臺(tái)為診斷專家診斷提供便利。其具備基礎(chǔ)功能為數(shù)據(jù)集成、實(shí)時(shí)信息展示、多樣式報(bào)表展現(xiàn)、智能下鉆功能、多功能網(wǎng)頁(yè)部件。

2.2 網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)

根據(jù)硬件架構(gòu)規(guī)劃，各個(gè)業(yè)務(wù)子系統(tǒng)分別部署在多個(gè)不同的服務(wù)器上，整個(gè)系統(tǒng)的網(wǎng)絡(luò)拓?fù)浼軜?gòu)如圖4所示：

圖4 遠(yuǎn)程診斷中心網(wǎng)絡(luò)拓?fù)鋱D

3 基于物聯(lián)網(wǎng)的火電機(jī)組遠(yuǎn)程診斷服務(wù)創(chuàng)新點(diǎn)

3.1 研究高斯混合模型技術(shù)在大型火力發(fā)電企業(yè)的應(yīng)用

研究高斯混合模型技術(shù)在大型火力發(fā)電企業(yè)，多模式、多工況下系統(tǒng)、設(shè)備、參數(shù)級(jí)診斷模型的開(kāi)發(fā)和應(yīng)用。突破國(guó)際、國(guó)內(nèi)傳統(tǒng)的設(shè)備級(jí)診斷局限，針對(duì)大型火力發(fā)電企業(yè)的機(jī)電裝備，構(gòu)建基于物聯(lián)網(wǎng)的工業(yè)企業(yè)（機(jī)電裝備）遠(yuǎn)程診斷服務(wù)平臺(tái)，通過(guò)信息技術(shù)實(shí)現(xiàn)高斯混合模型與診斷技術(shù)的融合，診斷對(duì)象擴(kuò)展到企業(yè)主要生產(chǎn)工藝和流程，診斷范圍涵蓋安全、性能、節(jié)能與環(huán)保等領(lǐng)域，實(shí)現(xiàn)多模式、多工況的系統(tǒng)、設(shè)備、參數(shù)級(jí)故障早期預(yù)警、基礎(chǔ)診斷、性能劣化分析和運(yùn)行操作指導(dǎo)。

3.2 實(shí)現(xiàn)診斷對(duì)象的無(wú)關(guān)性特征

利用基于數(shù)據(jù)的相關(guān)性建模方式，實(shí)現(xiàn)診斷對(duì)象的無(wú)關(guān)性特征。研發(fā)通用的、基于數(shù)據(jù)的相關(guān)性診斷模型建立方式，實(shí)現(xiàn)診斷對(duì)象的無(wú)關(guān)性，突破目前診斷產(chǎn)品功能單一化的技術(shù)壁壘，為不同的診斷對(duì)象提供量身訂做的解決方法。開(kāi)發(fā)相關(guān)性分析功能，用數(shù)學(xué)方法自動(dòng)計(jì)算和分析診斷對(duì)象相關(guān)參數(shù)之間關(guān)聯(lián)性的強(qiáng)弱，并以矩陣圖形方式展示，方便診斷專家快速定義診斷模型的關(guān)聯(lián)的測(cè)點(diǎn)，為模型的不斷優(yōu)化提供依據(jù)。

3.3 監(jiān)視設(shè)備、工藝過(guò)程相對(duì)于正常運(yùn)行狀態(tài)的任何偏差

能夠監(jiān)視設(shè)備、工藝過(guò)程相對(duì)于正常運(yùn)行狀態(tài)的任何偏差，實(shí)現(xiàn)故障早期預(yù)警。傳統(tǒng)監(jiān)視系統(tǒng)是基于固定限值產(chǎn)生的報(bào)警，而核心診斷系統(tǒng)是在正常運(yùn)行中從各種現(xiàn)場(chǎng)測(cè)量元件或者數(shù)據(jù)源獲得的大量歷史數(shù)據(jù)對(duì)所需監(jiān)視的重要設(shè)備或者過(guò)程模型進(jìn)行訓(xùn)練。在數(shù)據(jù)訓(xùn)練完成后，核心診斷系統(tǒng)能夠監(jiān)視相對(duì)于正常運(yùn)行狀態(tài)的任何偏差，可以在破壞性故障真正發(fā)生之前的早期階段準(zhǔn)確發(fā)現(xiàn)和定位故障。如圖5所示：

圖5 遠(yuǎn)程診斷模型測(cè)點(diǎn)曲線圖

3.4 平臺(tái)和專家充分融合，創(chuàng)新故障診斷模式

依靠平臺(tái)的早期預(yù)警功能，結(jié)合設(shè)備運(yùn)維狀況、發(fā)電廠能級(jí)分布，診斷對(duì)象修前修后狀況，設(shè)備維護(hù)檢修標(biāo)準(zhǔn)和知識(shí)庫(kù)，融合診斷專家的專業(yè)經(jīng)驗(yàn)，判定檢修周期，給出檢修意見(jiàn)，降低設(shè)備維護(hù)維修成本；借助系統(tǒng)的智能分析和專家資源不斷擴(kuò)充診斷范圍、提升診斷能力，為設(shè)備狀態(tài)檢修提供技術(shù)支撐；形成一種模型診斷→實(shí)例分析→知識(shí)融合→優(yōu)化模型→模型診斷的循環(huán)提升診斷模式。

3.5 依托物聯(lián)網(wǎng)技術(shù)，創(chuàng)新技術(shù)監(jiān)督模式

基于物聯(lián)網(wǎng)技術(shù)，統(tǒng)一數(shù)據(jù)規(guī)范和標(biāo)準(zhǔn)，采集智能儀表、就地遠(yuǎn)傳儀表、嵌入式系統(tǒng)、DSC、實(shí)時(shí)數(shù)據(jù)庫(kù)、生產(chǎn)管理系統(tǒng)及Oracle數(shù)據(jù)庫(kù)、TDM系統(tǒng)等與診斷對(duì)象相關(guān)的基礎(chǔ)數(shù)據(jù)，構(gòu)建為遠(yuǎn)程診斷服務(wù)的“大數(shù)據(jù)”平臺(tái)。通過(guò)該項(xiàng)目特有的對(duì)象無(wú)關(guān)性建模方式，建立技術(shù)監(jiān)督相關(guān)的診斷模型，輔助技術(shù)監(jiān)督工作由定期的、階段性工作向?qū)崟r(shí)的、在線的模型轉(zhuǎn)變，創(chuàng)新技術(shù)監(jiān)督模式。為診斷對(duì)象的安全經(jīng)濟(jì)運(yùn)行、劣化趨勢(shì)分析、操作模式優(yōu)化、設(shè)備預(yù)防性維護(hù)和故障分析提供決策支持。

3.6 故障知識(shí)庫(kù)的可擴(kuò)展性促進(jìn)診斷系統(tǒng)逐步優(yōu)化升級(jí)為專家系統(tǒng)

故障知識(shí)庫(kù)的可維護(hù)和可擴(kuò)展性保證了領(lǐng)域?qū)＜业闹R(shí)可以很好地融入平臺(tái)，基于模型診斷，通過(guò)診斷成果的積累、提煉，融合診斷專家的知識(shí)、經(jīng)驗(yàn)，豐富經(jīng)驗(yàn)數(shù)據(jù)庫(kù)、設(shè)備的標(biāo)準(zhǔn)故障知識(shí)庫(kù)，利用循環(huán)提升的診斷模式，逐步形成完善的發(fā)電企業(yè)設(shè)備振動(dòng)及生產(chǎn)工藝診斷專家系統(tǒng)。

3.7 一體化解決方案具有良好的開(kāi)放性和可維護(hù)性

系統(tǒng)采用了“核心診斷系統(tǒng)+輔助分析系統(tǒng)+集中預(yù)警系統(tǒng)+決策支持系統(tǒng)”的一體化解決方案，各系統(tǒng)分界清晰，能夠整合來(lái)自不同系統(tǒng)的數(shù)據(jù)信息，為診斷專家提供集中的、實(shí)時(shí)的、結(jié)構(gòu)清晰、有價(jià)值的診斷信息。采用模塊化、開(kāi)放性的設(shè)計(jì)方式，為平臺(tái)提供了靈活的擴(kuò)展能力，為遠(yuǎn)程診斷項(xiàng)目推廣奠定了良好基礎(chǔ)。

4 基于物聯(lián)網(wǎng)的火電機(jī)組遠(yuǎn)程診斷服務(wù)應(yīng)用實(shí)踐

基于物聯(lián)網(wǎng)的火電機(jī)組遠(yuǎn)程診斷服務(wù)于2013年12月26日正式對(duì)某發(fā)電公司2×1000MW超超臨界機(jī)組實(shí)施遠(yuǎn)程診斷服務(wù)。經(jīng)過(guò)一年的運(yùn)行實(shí)踐，目前診斷對(duì)象包括發(fā)電機(jī)、主變壓器、汽輪機(jī)、水泵、風(fēng)機(jī)、磨煤機(jī)等各類設(shè)備以及鍋爐燃燒系統(tǒng)、風(fēng)煙系統(tǒng)、回?zé)嵯到y(tǒng)、真空系統(tǒng)、主蒸汽系統(tǒng)等組合式機(jī)電系統(tǒng)，建立涵蓋安全、性能、節(jié)能與環(huán)保等領(lǐng)域的診斷模型58個(gè)，不斷優(yōu)化、運(yùn)行遠(yuǎn)程診斷決策支持系統(tǒng)、輔助診斷系統(tǒng)及集中報(bào)警處理系統(tǒng)，已出具各類報(bào)告約80份，能夠及時(shí)發(fā)現(xiàn)設(shè)備劣化趨勢(shì)、設(shè)備故障、參數(shù)異常、異常操作等，為機(jī)組安全、可靠、經(jīng)濟(jì)和環(huán)保運(yùn)行增加了一層有效的技術(shù)防線。舉例說(shuō)明如下：

4.1 安全性診斷

建立的安全類診斷模型，能夠及時(shí)發(fā)現(xiàn)和消除多起重大缺陷隱患，有效促進(jìn)該廠機(jī)組實(shí)現(xiàn)連續(xù)在網(wǎng)運(yùn)行350天的好成績(jī)。如：針對(duì)哈汽-東芝機(jī)組易出現(xiàn)低壓缸變形大和振動(dòng)問(wèn)題，診斷發(fā)現(xiàn)機(jī)組低壓缸相對(duì)膨脹緩增，提出冬季控制排汽溫度等建議，避免低壓缸變形過(guò)大導(dǎo)致跳機(jī)；診斷發(fā)現(xiàn)鍋爐低負(fù)荷垂直水冷壁壁溫偏差大，從運(yùn)行方式、檢修等方面提出建議，大幅降低壁溫偏差，有效避免水冷壁拉裂泄漏等。例：受熱面安全性診斷。在鍋爐受熱面模型監(jiān)控中發(fā)現(xiàn)，發(fā)現(xiàn)鍋爐低負(fù)荷工況水冷壁易出現(xiàn)同一區(qū)域內(nèi)壁溫偏差大的異常問(wèn)題，如圖6所示，雖然水冷壁壁溫絕對(duì)值并不高，未達(dá)到DCS中設(shè)定的報(bào)警值，但鑒于膜式水冷壁的結(jié)構(gòu)特點(diǎn)，此時(shí)部分水冷壁區(qū)域膨脹受阻，長(zhǎng)期運(yùn)行則存在水冷壁拉裂泄漏的隱患（之前此區(qū)域曾發(fā)生過(guò)兩次泄漏事件）。針對(duì)現(xiàn)狀，從運(yùn)行方面找出磨煤機(jī)合理的運(yùn)行方式及最危險(xiǎn)的運(yùn)行工況，在運(yùn)行操作上提出調(diào)整方案，緩解了水冷壁壁溫偏差程度，診斷一年半以來(lái)，該區(qū)域未再發(fā)生泄漏事件，為鍋爐的安全運(yùn)行奠定了基礎(chǔ)。

圖6 水冷壁模型正常與異常測(cè)點(diǎn)曲線圖

4.2 經(jīng)濟(jì)性診斷

圖7 高加性能模型中測(cè)點(diǎn)曲線圖

建立的經(jīng)濟(jì)類診斷模型，早期預(yù)警并解決兩臺(tái)機(jī)組冬季凝汽器端差過(guò)大、變負(fù)荷過(guò)程中循環(huán)水溫升過(guò)大、主再熱汽溫波動(dòng)等；準(zhǔn)確診斷分析機(jī)組低壓封供汽溫度高、低加危急疏水頻繁開(kāi)啟等真正原因，有效促進(jìn)機(jī)組壓紅線運(yùn)行，其中發(fā)電機(jī)和廠用電系統(tǒng)無(wú)功功率偏高的診斷及處理措施已申請(qǐng)專利。例：高加水側(cè)短路預(yù)警。機(jī)組運(yùn)行中發(fā)現(xiàn)#1高加上端差、給水溫升緩降（圖7為8個(gè)月的趨勢(shì)圖），通過(guò)高加端差及給水溫升的微小變化，早于現(xiàn)場(chǎng)生產(chǎn)人員準(zhǔn)確診斷高加水側(cè)短路現(xiàn)象。

4.3 設(shè)備狀態(tài)預(yù)警

建立的設(shè)備性能診斷模型，及時(shí)掌握設(shè)備狀況，如準(zhǔn)確預(yù)警鍋爐三大風(fēng)機(jī)動(dòng)靜葉執(zhí)行器調(diào)節(jié)性能，診斷解決了汽泵軸振大、一次風(fēng)機(jī)振動(dòng)劣化和波動(dòng)等重大缺陷；通過(guò)空預(yù)器性能診斷，避免系統(tǒng)阻力快速增大、排煙溫度升高甚至機(jī)組被迫降出力運(yùn)行的情況。例：風(fēng)機(jī)動(dòng)、靜葉執(zhí)行器調(diào)節(jié)品質(zhì)劣化預(yù)警。在風(fēng)機(jī)動(dòng)、靜葉執(zhí)行器模型投入監(jiān)控的9個(gè)月中，先后發(fā)現(xiàn)一次風(fēng)機(jī)及引風(fēng)機(jī)動(dòng)、靜葉執(zhí)行器調(diào)節(jié)品質(zhì)劣化情況3例，均及時(shí)給發(fā)電公司出具了診斷報(bào)告，避免了因執(zhí)行器調(diào)節(jié)品質(zhì)差造成風(fēng)機(jī)電流偏差大引起的搶風(fēng)甚至喘振現(xiàn)象，確保了機(jī)組的安全運(yùn)行。如圖8所示：

圖8 一次風(fēng)機(jī)動(dòng)葉執(zhí)行器性能曲線圖

4.4 振動(dòng)專項(xiàng)分析

基于物聯(lián)網(wǎng)的火電機(jī)組遠(yuǎn)程診斷服務(wù)平臺(tái)將核心診斷的預(yù)警功能與輔助診斷的專項(xiàng)分析功能相結(jié)合，在振動(dòng)劣化初期預(yù)警后，利用輔助診斷系統(tǒng)進(jìn)行專項(xiàng)頻譜、相位、軸心軌跡等分析，查找設(shè)備振動(dòng)的主要原因。對(duì)于特定時(shí)段，根據(jù)設(shè)備情況，可對(duì)機(jī)組、設(shè)備的啟、停工況進(jìn)行監(jiān)視，開(kāi)展瞬態(tài)及啟停車分析。如：一次風(fēng)機(jī)軸承振動(dòng)劣化分析。2A一次風(fēng)機(jī)軸承X、Y向振速原維持在1.5～2.8mm/s、1.3～2.5mm/s，2014年6月振速小幅升高，維持在2.0～4.5mm/s、1.7～4.5mm/s范圍內(nèi)，振動(dòng)存在周期性的波動(dòng)。通過(guò)頻譜分析判斷該風(fēng)機(jī)振動(dòng)波動(dòng)是動(dòng)不平衡引起的。建議檢修中除常規(guī)檢查軸承、葉片、中心偏差等項(xiàng)目外，重點(diǎn)檢查液壓執(zhí)行機(jī)構(gòu)的部件磨損情況。該風(fēng)機(jī)在其后的檢修中，通過(guò)對(duì)以上問(wèn)題的檢查，成功解決了振動(dòng)劣化現(xiàn)象，避免了設(shè)備的進(jìn)一步損壞。如圖9所示：

圖9 一次風(fēng)機(jī)X/Y振動(dòng)大時(shí)頻譜圖

4.5 環(huán)保診斷

建立的環(huán)保診斷模型，及時(shí)預(yù)警主要污染物排放濃度超標(biāo)、氨逃逸偏大、環(huán)保設(shè)備性能劣化等，并從運(yùn)行優(yōu)化、煤質(zhì)、檢修技改等方面給予技術(shù)指導(dǎo)?；谪?fù)荷調(diào)度曲線的噴氨量調(diào)節(jié)方法與系統(tǒng)已申請(qǐng)專利。如：FGD吸收塔漿液品質(zhì)劣化。吸收塔底部壓力偏高。壓力與吸收塔液位不相匹配，漿液品質(zhì)偏離正常范圍較多，建議降低吸收塔液位及濃度至正常范圍，采取合理的運(yùn)行方式，避免漿液品質(zhì)進(jìn)一步劣化。如圖10所示：

圖10 吸收塔底部壓力曲線圖

5 項(xiàng)目效益分析

5.1 經(jīng)濟(jì)效益分析

自基于物聯(lián)網(wǎng)的火電機(jī)組遠(yuǎn)程診斷服務(wù)開(kāi)展以來(lái)，通過(guò)各方努力，大幅降低了該廠鍋爐上部垂直水冷壁壁溫偏差，減少高溫受熱面超溫次數(shù)和幅度，并降低主、再熱汽溫波動(dòng)范圍，不僅有效減少因壁溫偏差造成的受熱面熱應(yīng)力，且大幅減緩高溫受熱面管內(nèi)氧化皮的生成及脫落。通過(guò)輔機(jī)性能劣化初期的預(yù)警及建議，有效地提醒該廠技術(shù)人員關(guān)注設(shè)備劣化趨勢(shì)，優(yōu)化設(shè)備運(yùn)行方式，合理安排設(shè)備預(yù)防性檢修。而故障診斷報(bào)告則及時(shí)提醒發(fā)電公司人員合理安排消缺工作，提高了機(jī)組運(yùn)行的可靠性。

5.2 降低人工成本，建立快速反應(yīng)機(jī)制

實(shí)現(xiàn)信息、數(shù)據(jù)和人力資源的共享，降低人工成本，建立快速反應(yīng)機(jī)制。發(fā)電公司設(shè)備出現(xiàn)問(wèn)題，由以往技術(shù)人員必須及時(shí)趕到現(xiàn)場(chǎng)處理變?yōu)槔眠h(yuǎn)程診斷平臺(tái)的數(shù)據(jù)，專業(yè)技術(shù)人員進(jìn)行不同地點(diǎn)、同時(shí)的異常分析、討論和研究處理方案，實(shí)現(xiàn)“數(shù)據(jù)移動(dòng)、人不移動(dòng)”的設(shè)想，節(jié)省大量人力費(fèi)用。

5.3 便于設(shè)備檢修前后性能對(duì)比及運(yùn)行中劣化分析

通過(guò)對(duì)設(shè)備、系統(tǒng)建模訓(xùn)練，在設(shè)備檢修后投運(yùn)之初即可及時(shí)對(duì)比設(shè)備檢修前后性能，便于管理人員及時(shí)掌握設(shè)備檢修狀況。而在正常運(yùn)行中，能夠及時(shí)預(yù)警設(shè)備劣化傾向，為生產(chǎn)管理提供有力技術(shù)支撐。

5.4 建立行之有效的診斷管理模式

基于物聯(lián)網(wǎng)的火電機(jī)組遠(yuǎn)程診斷服務(wù)實(shí)踐符合現(xiàn)代火電機(jī)組故障預(yù)警和性能劣化分析工作開(kāi)展要求，建立了一套行之有效的診斷管理模式，從設(shè)備狀態(tài)預(yù)警、診斷分析直到報(bào)告和治理措施落實(shí)，實(shí)現(xiàn)了閉環(huán)管理。

6 結(jié)語(yǔ)

基于物聯(lián)網(wǎng)的火電機(jī)組遠(yuǎn)程診斷服務(wù)的實(shí)施，突破國(guó)際、國(guó)內(nèi)傳統(tǒng)的設(shè)備級(jí)診斷局限，診斷對(duì)象擴(kuò)展到企業(yè)主要生產(chǎn)工藝和流程。通過(guò)監(jiān)視設(shè)備、工藝過(guò)程相對(duì)于正常運(yùn)行狀態(tài)的任何偏差，實(shí)現(xiàn)故障早期預(yù)警，是發(fā)電企業(yè)設(shè)備安全、經(jīng)濟(jì)、穩(wěn)定運(yùn)行的有力支撐，產(chǎn)生了巨大的經(jīng)濟(jì)效益和社會(huì)效益。

參考文獻(xiàn)

[1] 西安熱工研究院.發(fā)電設(shè)備狀態(tài)監(jiān)測(cè)與壽命管理[M].北京：中國(guó)電力出版社，2013.

（責(zé)任編輯：蔣建華）