羅 寧， 何 青

(華北電力大學(xué) 能源動(dòng)力與機(jī)械工程學(xué)院，北京 102206)

火電機(jī)組凝汽器真空故障診斷的研究

羅 寧， 何 青

(華北電力大學(xué) 能源動(dòng)力與機(jī)械工程學(xué)院，北京 102206)

通過(guò)仿真機(jī)進(jìn)行凝汽器故障診斷，選擇合適的故障判斷基準(zhǔn)，判斷凝汽器系統(tǒng)真空是否發(fā)生故障。首先在確定真空應(yīng)達(dá)值時(shí)建立了Pc-M模型，在其后的真空故障判斷中使用該P(yáng)c-M模型表示機(jī)組的真空應(yīng)達(dá)值，當(dāng)閾值取0.5%時(shí)可以診斷出真空故障，最后分別采用了線性相關(guān)度法和BP神經(jīng)網(wǎng)絡(luò)法對(duì)單故障工況和多故障并發(fā)工況進(jìn)行診斷。結(jié)果表明BP神經(jīng)網(wǎng)絡(luò)法相比線性相關(guān)度法無(wú)論是速度還是精度都有明顯的優(yōu)勢(shì)，而且在多故障并發(fā)的情況下同樣結(jié)果精確。

凝汽器； 故障診斷； 真空應(yīng)達(dá)值； 線性相關(guān)度； BP神經(jīng)網(wǎng)絡(luò)

0 引言

火力發(fā)電廠是生產(chǎn)電力的重要場(chǎng)所，其系統(tǒng)設(shè)備紛繁復(fù)雜，體積巨大，并且設(shè)備多處于高溫高壓高轉(zhuǎn)速的嚴(yán)酷工作條件下，任何一個(gè)設(shè)備的故障都可能導(dǎo)致嚴(yán)重的后果，輕則停機(jī)沖擊電網(wǎng)，重則危及電廠周邊人身及財(cái)產(chǎn)安全。

凝汽器是將汽輪機(jī)乏汽凝結(jié)成水的特殊換熱器，又稱冷凝器。能夠在汽機(jī)末級(jí)建立并維持真空，提高汽輪機(jī)比焓降，從而增大汽機(jī)輸出功率和循環(huán)熱效率；為鍋爐供應(yīng)潔凈的凝結(jié)水給水。凝汽器設(shè)備故障頻發(fā)并且故障發(fā)生時(shí)可能遠(yuǎn)不止一處故障，所以凝汽器的工作狀況對(duì)整體機(jī)組的安全經(jīng)濟(jì)性有重大影響[1]。

凝汽器主要會(huì)發(fā)生真空故障、凝結(jié)水過(guò)冷、冷卻管泄露、冷卻管振動(dòng)等故障[2]。其中最為常見(jiàn)的是真空故障[3]。由于凝汽器低真空現(xiàn)象會(huì)引起汽輪機(jī)運(yùn)行中的各種故障，因此研究其故障診斷技術(shù)和方法，開發(fā)行之有效的故障監(jiān)測(cè)和診斷系統(tǒng)，對(duì)機(jī)組的安全運(yùn)行具有至關(guān)重要的作用。

目前，凝汽器故障診斷常見(jiàn)方法有神經(jīng)網(wǎng)絡(luò)法、模糊專家系統(tǒng)法、D-S 規(guī)則方法和模糊模式識(shí)別方法以及其他方法[4-6]等，都不同程度地解決了凝汽器故障診斷中的不確定性問(wèn)題[7-10]。

本文主要針對(duì)寧海1 000 MW仿真機(jī)組進(jìn)行凝汽器部分的故障診斷，選擇合適的故障判斷基準(zhǔn)，判斷凝汽器系統(tǒng)真空是否發(fā)生故障，并建立起一個(gè)能夠快速準(zhǔn)確判斷出故障發(fā)生的故障診斷模型。當(dāng)判斷出凝汽器真空故障時(shí)，在單故障發(fā)生和多故障并發(fā)等多種狀況下檢驗(yàn)該模型診斷結(jié)果的準(zhǔn)確性。除了使用BP神經(jīng)網(wǎng)絡(luò)法進(jìn)行診斷外，還使用最簡(jiǎn)單原始的向量線性相關(guān)度的方法進(jìn)行診斷，通過(guò)對(duì)比兩種診斷方法來(lái)表現(xiàn)BP神經(jīng)網(wǎng)絡(luò)法的優(yōu)越性。

1 凝汽器故障集的確定

1.1 實(shí)驗(yàn)用仿真機(jī)機(jī)組簡(jiǎn)介

本次實(shí)驗(yàn)使用的仿真機(jī)仿真的是浙江國(guó)華寧海發(fā)電廠的1000 MW機(jī)組[11]，其機(jī)組主要參數(shù)如下：

(1)鍋爐部分。SG3091/27.56-M54X，上海鍋爐廠生產(chǎn)的BMCR工況額定蒸汽流量3091T/H額定工況蒸汽壓力27.56 MPa。

(2)汽機(jī)部分。N1000-26.25/600/600(TC4F)，超超臨界一次中間再熱凝汽式、單軸、四缸四排汽汽輪機(jī)，三高(雙列)、四低、一除氧。

(3)凝汽器部分。凝汽器雙背壓，在設(shè)計(jì)條件及主機(jī)THA設(shè)計(jì)工況下，汽輪機(jī)平均背壓6.2 kPa；循環(huán)冷卻倍率為55(按THA工況主機(jī)及小汽機(jī)排汽總量為基準(zhǔn))，循環(huán)水設(shè)計(jì)進(jìn)水溫度為24.5 ℃，循環(huán)水為海水。凝汽器補(bǔ)充水采用噴霧除氧。

1.2 典型凝汽器故障集

通過(guò)參考各種同類文獻(xiàn)，整理出如表1所示的幾個(gè)典型的凝汽器故障集[12-17]。這些典型故障可以在之后故障集的確定中作為參考。

1.3 故障征兆集的確定

通過(guò)查閱寧海1 000 MW機(jī)組汽輪機(jī)分冊(cè)手冊(cè)，找出手冊(cè)中給定的故障特征參數(shù)。根據(jù)參考文獻(xiàn)中整理得到的故障征兆參數(shù)，結(jié)合機(jī)組實(shí)際結(jié)構(gòu)特點(diǎn)，可以為下一步在仿真機(jī)中確定故障發(fā)生時(shí)發(fā)生變化的參數(shù)做參考。

就實(shí)驗(yàn)結(jié)果準(zhǔn)確性來(lái)講，所選取的征兆參數(shù)越詳盡，則結(jié)果越準(zhǔn)確。考慮操作量以及時(shí)間因素，選擇故障發(fā)生時(shí)變化區(qū)分度較明顯的參數(shù)。

表1 典型凝汽器故障集匯總

結(jié)合在仿真機(jī)中故障發(fā)生時(shí)產(chǎn)生變化的各項(xiàng)參數(shù)與實(shí)際操作量的權(quán)衡，如表2所示最終選取如下30個(gè)征兆參數(shù)作為本次設(shè)計(jì)的特征集。

表2 故障征兆參數(shù)集

2 真空應(yīng)達(dá)值判斷故障

2.1 故障判斷基準(zhǔn)選擇

故障判斷基準(zhǔn)中基準(zhǔn)所指的是在機(jī)組正常運(yùn)行工況下某項(xiàng)參數(shù)所應(yīng)該達(dá)到的數(shù)值，如真空基準(zhǔn)與傳熱系數(shù)K基準(zhǔn)。

直接判斷真空法：通過(guò)判斷實(shí)際真空是否達(dá)到真空應(yīng)達(dá)值來(lái)直接判斷真空是否故障。

傳熱系數(shù)K判斷真空：通過(guò)判斷傳熱系數(shù)K是否達(dá)到應(yīng)達(dá)值來(lái)判斷是否發(fā)生故障。

采取直接判斷真空法時(shí)，常規(guī)方法是先算出凝汽器的真空應(yīng)達(dá)值，然后通過(guò)對(duì)比凝汽器實(shí)際真空度和應(yīng)達(dá)值偏差來(lái)判斷是否發(fā)生故障，但是在計(jì)算真空應(yīng)達(dá)值時(shí)存在如下問(wèn)題：

(1)怎樣量化表達(dá)冷卻管內(nèi)壁表面清潔度。

(2)冷卻管流程和冷卻管的結(jié)構(gòu)因素如何考慮。

(3)在計(jì)算凝汽器端差時(shí)需要用到的傳熱系數(shù)K如何確定。

凝汽器總體傳熱系數(shù)K本身受很多因素影響，通過(guò)量化計(jì)算真空應(yīng)達(dá)值較困難，且計(jì)算傳熱系數(shù)K過(guò)程又存在多個(gè)不同的標(biāo)準(zhǔn)(1.別爾曼公式2.美國(guó)傳熱協(xié)會(huì)(HEI)公式3.英國(guó)電氣機(jī)械制造協(xié)會(huì)(BEAMA)公式)。由此可見(jiàn)，通過(guò)計(jì)算來(lái)得到真空應(yīng)達(dá)值的方法很難實(shí)現(xiàn)。

2.2 真空應(yīng)達(dá)值基準(zhǔn)確定

鑒于上述傳統(tǒng)計(jì)算真空應(yīng)達(dá)值的各種局限性，本次設(shè)計(jì)中我們作出Pc-M的擬合曲線用以代替?zhèn)鹘y(tǒng)方法中真空應(yīng)達(dá)值的計(jì)算。由于此擬合曲線是在本機(jī)組仿真機(jī)上通過(guò)數(shù)據(jù)采集得到，并非計(jì)算得出，排除了計(jì)算應(yīng)達(dá)值時(shí)很多影響因素的干擾，因此該方法得出的應(yīng)達(dá)值比計(jì)算得出的真空應(yīng)達(dá)值K更加準(zhǔn)確。

Pc為凝汽器背壓，M為表征工況的參數(shù)，我們可以用以下公式計(jì)算出M值來(lái)表征凝汽器的運(yùn)行工況，M值的具體計(jì)算方法由式(1)給出：

(1)

式中：Pc為凝汽器背壓，kPa；Tw為循環(huán)水進(jìn)口溫度，K；Dw為循環(huán)水流量，kg/s；Cp為水密度，kg/m3。

2.3 擬合偏差的計(jì)算

(1)擬合曲線Pc-M及擬合偏差計(jì)算：

本文中所提到的各項(xiàng)偏差計(jì)算是指當(dāng)前變量x1相對(duì)應(yīng)達(dá)值x0的偏差，具體的計(jì)算方法由式(2)給出：

(2)

為了能更直觀表示出個(gè)工況下擬合偏差的大小關(guān)系，我們做出如下圖1所示δ-M折線圖。

從圖1中可以清楚的看出，擬合曲線偏差的最大值δ=0.459%。

(2)各故障下真空度與擬合值的偏差計(jì)算

以600 MW工況為例，依次插入9個(gè)故障并采集各故障下的凝汽器A、B的真空數(shù)值。同樣，每2 min記一次數(shù)，持續(xù)2 h，共計(jì)60組數(shù)據(jù)。由于故障A8真空破壞門誤開和A9循環(huán)水中斷是機(jī)組重大設(shè)備故障，均會(huì)迅速導(dǎo)致機(jī)組跳機(jī)，無(wú)法測(cè)滿2 h的數(shù)據(jù)，對(duì)于這兩個(gè)會(huì)引起跳機(jī)的故障采取如下采集方式：每2 s記一次數(shù)，持續(xù)1 min，共計(jì)30組數(shù)據(jù)。如圖2所示，表示各故障下真空相對(duì)應(yīng)達(dá)值擬合值的偏差大小關(guān)系。

圖1 各工況下凝汽器背壓擬合偏差曲線

圖2 各故障工況下真空較擬合值的偏差曲線

出現(xiàn)圖中所示情況的主要原因是：A7故障為真空系統(tǒng)泄露，而真空系統(tǒng)泄露是真空下降很快，故該工況下真空相對(duì)擬合應(yīng)達(dá)值偏差很大；A8和A9故障為循環(huán)水中斷和真空破壞門誤開，這兩個(gè)故障均會(huì)引起機(jī)組迅速反映并跳機(jī)，從而導(dǎo)致這兩個(gè)工況下的凝汽器真空度急劇下降。

通過(guò)數(shù)據(jù)的比較，發(fā)現(xiàn)9個(gè)故障發(fā)生時(shí)的真空相對(duì)擬合值偏差的最小值δ1=0.512%大于擬合最大偏差δ8=0.459%，當(dāng)δ取0.5%時(shí)，可以用此方法直接判斷真空可以診斷出故障是否發(fā)生。

2.4 故障論域特征向量征兆參數(shù)閾值確定

對(duì)于征兆表達(dá)方式有如下兩種：(1)隨時(shí)間的變化率；(2)與應(yīng)達(dá)值的偏差及閾值;它們的征兆表達(dá)方式的依據(jù)及優(yōu)缺點(diǎn)如表3所示。

對(duì)于會(huì)引起真空急劇下降并致機(jī)組跳機(jī)的故障，需要及時(shí)發(fā)現(xiàn)并采取相應(yīng)的補(bǔ)救措施，所以當(dāng)機(jī)組發(fā)生這類故障時(shí)，對(duì)應(yīng)的征兆應(yīng)依據(jù)參數(shù)單位時(shí)間變化率的正負(fù)來(lái)表征；對(duì)于引起真空緩慢下降的故障，由于這類故障發(fā)生時(shí)，相應(yīng)的征兆參數(shù)變化緩慢，所以可根據(jù)參數(shù)運(yùn)行值與應(yīng)達(dá)值的偏差及閥值來(lái)進(jìn)行表征如表4所示。具體表現(xiàn)為A1～A7故障采用第二種表達(dá)方式，A8、A9是會(huì)引起跳機(jī)的故障采用第一種表達(dá)方式。

表3 兩種征兆表達(dá)方式的依據(jù)及優(yōu)缺點(diǎn)

表4 各征兆參數(shù)狀態(tài)量化值及對(duì)應(yīng)的偏差范圍

注：Y表示故障特征參數(shù)在該工況下相對(duì)應(yīng)達(dá)值的偏差。

為了得到故障論域特征向量，我們需要在全工況下對(duì)各個(gè)故障進(jìn)行采集數(shù)據(jù)并分析。通過(guò)確定一個(gè)合適的閾值，來(lái)將各故障下30個(gè)征兆參數(shù)轉(zhuǎn)化為故障特征向量。此步驟需要采集大量數(shù)據(jù)并進(jìn)行分析，操作量極大。由于本文主要研究的是真空應(yīng)達(dá)值的確定及故障判斷方法，確定閾值并非我們的主要研究目標(biāo)。其確定的閾值標(biāo)準(zhǔn)如表4所示。

3 線性相關(guān)度法的故障診斷

3.1 線性相關(guān)度模型

首先，建立線性相關(guān)度的模型

Y=[A]X

(3)

式中：Y為故障輸出向量，單元數(shù)為9，每個(gè)單元數(shù)分別代表故障相關(guān)度；X為故障特征向量，單元數(shù)30；[A]為前文中提及到的在仿真機(jī)上仿真得到的故障論域特征向量。

3.2 線性相關(guān)度法的驗(yàn)證

在仿真機(jī)600 MW工況分別插入故障。A4:B循環(huán)水泵跳閘；A5:A真空泵跳閘且備用泵不聯(lián)啟；A4、A5兩個(gè)故障同時(shí)發(fā)生。插入故障A4后，采集30個(gè)征兆參數(shù)的數(shù)值，并根據(jù)上一章中的量化偏差閾值將其轉(zhuǎn)換成該故障下的特征向量。同理，可以得到A真空泵跳閘且備用泵不聯(lián)啟故障下的特征向量和兩個(gè)故障同時(shí)發(fā)生時(shí)的故障特征向量。將3組故障特征向量X分別帶入模型公式計(jì)算。

(1)A4:B循環(huán)水泵跳閘故障

故障特征向量

X4=[1,1,1,0,0,0,0.5,0.5,0.5,0.5,0.5,1,0,1,1,1,0.5,0.5,0.5,0.5,0,0, 0.5，0.50.5,0.5,1,1,0.5,0.5]

故障輸出向量

Y4=[8.5,11.75.12.13.9.9.12.5,10.5,]

從圖3中可以看出，A4故障所對(duì)應(yīng)的單元數(shù)13最大，為線性最相關(guān)。故該診斷結(jié)果表明A4故障發(fā)生。與實(shí)際插入故障相符，故診斷結(jié)果正確。

圖3 A4故障特征向量對(duì)應(yīng)的相關(guān)度診斷結(jié)果

(2)A5：A真空泵跳閘且備用泵不聯(lián)啟

故障特征向量

X5=[1,1,0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5,1,0, 0.5, 0.5,0, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5,1,0.5, 0.5,]

故障輸出向量

Y5=[8,9.75,9,9,9.75,9,11,9.75,8.5]

從圖4中可以看出A7故障所對(duì)應(yīng)的單元數(shù)11最大，為最相關(guān)，故而該診斷結(jié)果表明發(fā)生A7故障真空系統(tǒng)泄露。而實(shí)際發(fā)生的故障為A5故障A真空泵跳閘且備用泵不聯(lián)啟，可以看出，這次未能成功診斷出故障。

圖4 A5故障特征向量對(duì)應(yīng)的相關(guān)度診斷結(jié)果

(3)A4、A5故障同時(shí)發(fā)生

故障特征向量

X45=[1,1,1,0,0,0.5,0.5,0.5,0.5,0.5,1,0.5,0.5,1,1,0, 0.5,0.5,0.5,0,0, 0.5,0.5, 0.5, 0.5, 0.5,1,1,0, 0.5]

故障輸出向量

Y45=[8,10.75,11,12,9.5,9,12,10,9.5]

從圖5中可以看出A4和A7對(duì)應(yīng)的單元數(shù)12最大，為線性最相關(guān)，診斷結(jié)果表明A4、A7故障發(fā)生。實(shí)際發(fā)生的故障為A4和A5故障。本方法只是診斷出其中一個(gè)故障，依舊未能成功的將兩個(gè)故障全部診斷出來(lái)。

圖5 A4、A5故障特征向量對(duì)應(yīng)的相關(guān)度診斷結(jié)果

除了不能成功診斷出故障外，在三次故障診斷的結(jié)果圖中均可以發(fā)現(xiàn)，9個(gè)故障的相關(guān)度區(qū)分度很小，相關(guān)度相差只有1.5甚至不到1。如何判定究竟是哪個(gè)故障發(fā)生也是個(gè)很大的問(wèn)題。由于區(qū)分度很小，嚴(yán)格來(lái)講，并不能確定是某個(gè)故障發(fā)生。

綜上結(jié)果表明，線性相關(guān)度法存在著明顯的不足，一是無(wú)法診斷多個(gè)故障同時(shí)發(fā)生的工況。在某些單個(gè)故障發(fā)生的工況下，該方法也存在一些問(wèn)題，問(wèn)題主要集中在相關(guān)度區(qū)分度不足，例如在某些故障工況下，診斷出的各故障相關(guān)度很接近，很難確定究竟是哪個(gè)或哪些故障發(fā)生。

基于存在以上提出的種種問(wèn)題，在實(shí)際診斷中，這種最原始的方法幾乎很少使用，為此，我們重新使用了一種常用的方法來(lái)進(jìn)行本次故障診斷研究。

4 基于BP神經(jīng)網(wǎng)絡(luò)的故障診斷

4.1 BP神經(jīng)網(wǎng)絡(luò)法簡(jiǎn)介

神經(jīng)網(wǎng)絡(luò)是目前在故障診斷領(lǐng)域使用最頻繁的診斷方法之一。由于其是將信息存儲(chǔ)于網(wǎng)絡(luò)內(nèi)的神經(jīng)元中，并且通過(guò)多次學(xué)習(xí)組織來(lái)達(dá)到精確逼近任意復(fù)雜非線性系統(tǒng)的目的，故其有著較高的診斷精度。BP神經(jīng)網(wǎng)絡(luò)即為基于BP算法的神經(jīng)網(wǎng)絡(luò)。BP算法即為誤差反向傳播(Error Back Propagation)算法。BP算法的基本特點(diǎn)是，學(xué)習(xí)過(guò)程由信號(hào)的正向與誤差的反向傳播兩個(gè)過(guò)程組成。多層前饋網(wǎng)絡(luò)的訓(xùn)練經(jīng)常采用誤差反向傳播算法，所以也常將多層前饋網(wǎng)絡(luò)直接稱為BP神經(jīng)網(wǎng)絡(luò)。

如圖6所示，BP神經(jīng)網(wǎng)絡(luò)主要包括如下3個(gè)結(jié)構(gòu)：輸入層、輸出層和隱含層。在本次設(shè)計(jì)中，輸入層為30個(gè)故障征兆參數(shù)；輸出層為故障集中的9個(gè)故障。

圖6 BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)模型

其中隱含層節(jié)點(diǎn)數(shù)是決定故障診斷精確度的一個(gè)重要因素，若節(jié)點(diǎn)數(shù)過(guò)少，神經(jīng)網(wǎng)絡(luò)的性能很差，不能產(chǎn)生足夠的連接權(quán)組合數(shù)來(lái)滿足對(duì)樣本的學(xué)習(xí)最終導(dǎo)致診斷結(jié)果正確率不夠高。如果選取過(guò)少，雖然解決了之前正確率不高的問(wèn)題，但同時(shí)導(dǎo)致訓(xùn)練學(xué)習(xí)的時(shí)間過(guò)長(zhǎng)且結(jié)果很難達(dá)到最優(yōu)點(diǎn)。

4.2 建立BP神經(jīng)網(wǎng)絡(luò)模型及驗(yàn)證

4.2.1 建立BP神經(jīng)網(wǎng)絡(luò)模型

在MATLAB 中創(chuàng)建程序，調(diào)用MATLAB工具箱中的BP神經(jīng)網(wǎng)絡(luò)工具。本次設(shè)計(jì)中使用的MATLAB版本為R2015a。

程序部分參數(shù)設(shè)置如下:隱含層節(jié)點(diǎn)數(shù)取40，最大訓(xùn)練次數(shù)為5 000，每隔20步顯示一次訓(xùn)練結(jié)果，訓(xùn)練要求的精度0.000 1，初始學(xué)習(xí)率的選擇0.85，學(xué)習(xí)速率1 r下降比設(shè)置為0.7，學(xué)習(xí)速率增長(zhǎng)比設(shè)置為1.05，動(dòng)量因子的選擇0.9。程序模型如圖7所示。

圖7 BP神經(jīng)網(wǎng)絡(luò)程序模型圖

將仿真機(jī)上得到的各故障工況下的故障論域特征向量9×30=270個(gè)參數(shù)作為訓(xùn)練樣本對(duì)該BP神經(jīng)網(wǎng)絡(luò)程序進(jìn)行訓(xùn)練。訓(xùn)練結(jié)果誤差曲線如圖8所示。

圖8 訓(xùn)練結(jié)果誤差曲線

可見(jiàn)在第167次訓(xùn)練后誤差達(dá)到最小等于9.656 5×10-5，至此得到可用于凝汽器故障診斷的模型。

4.2.2 驗(yàn)證模型準(zhǔn)確性

同線性相關(guān)度法的內(nèi)容，依次代入3種故障狀況下的故障征兆特征向量，結(jié)果如下。

(1)A4:B循環(huán)水泵跳閘故障

故障特征向量

X4=[1,1,1,0,0,0.5,0.5,0.5,0.5.0.5,1,0,1,1,1,0.5,

0.5,0.5,0.5,0,0,0.5,0.5,0.5,0.5,0.5,1,1,0.5,0.5]；代入上述MATLAB程序中，得到如圖9所示結(jié)果。

圖9 A4故障特征向量對(duì)應(yīng)診斷結(jié)果

從圖9可以看出A4故障表現(xiàn)最明顯，將圖中9個(gè)故障對(duì)應(yīng)的概率數(shù)值統(tǒng)計(jì)如表5所示。

表5 A4各故障發(fā)生概率

從表中可以看到，該模型診斷出A4發(fā)生的概率為98.29%，遠(yuǎn)高于其他8個(gè)故障的數(shù)量級(jí)，可以判斷是A4故障發(fā)生，這與實(shí)際故障狀況相符，診斷結(jié)果正確。

(2)A5:A真空泵跳閘且備用泵不聯(lián)啟

故障特征向量

X5=[1,1,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,1,0,0.5,0.5,0,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,1,0.5,0,0.5]；代入MATLAB程序中，得到如圖10所示結(jié)果。

圖10 A5故障特征向量對(duì)應(yīng)診斷結(jié)果

從圖10可以看出A5故障表現(xiàn)最明顯，將上圖中9個(gè)故障對(duì)應(yīng)的概率數(shù)值統(tǒng)計(jì)如表6所示。

表6 A5各故障發(fā)生概率

從表中可以看到該模型診斷出A5發(fā)生的概率為97.9%，遠(yuǎn)高于其他8個(gè)故障的數(shù)量級(jí)，可以判斷是A5故障發(fā)生，這與實(shí)際故障狀況相符，診斷結(jié)果正確。

(3)A4、A5故障同時(shí)發(fā)生

故障特征向量

X45=[1,1,1,0,0,0.5,0.5,0.5,0.5,0.5,1,0.5,0.5,1,1,0, 0.5,0.5,0.5,0,0,0.5,0.5,0.5,0.5,0.5,1,1,0,0.5]；代入MATLAB程序中，得到如圖11所示結(jié)果。

圖11 A4、A5故障特征向量對(duì)應(yīng)診斷結(jié)果

從圖11可以看出A4、A5兩個(gè)故障表現(xiàn)最明顯，將上圖中9個(gè)故障對(duì)應(yīng)的概率數(shù)值統(tǒng)計(jì)如表7所示。

表7 A4、A5各故障發(fā)生概率

從表8中可以看出診斷結(jié)果中，A4和A5故障發(fā)生概率均高于50%，且遠(yuǎn)高于其他7個(gè)故障發(fā)生的概率。診斷結(jié)果為A4、A5故障發(fā)生，這與實(shí)際仿真機(jī)故障插入情況相符合，診斷結(jié)果正確。

4.2.3 隨機(jī)驗(yàn)證模型準(zhǔn)確性

為了檢測(cè)上述兩個(gè)故障同時(shí)發(fā)生的診斷結(jié)果的偶然性，額外隨機(jī)選取兩個(gè)故障進(jìn)行二次驗(yàn)證如下，取A1、A6故障同時(shí)發(fā)生，該工況下故障特征向量：

X16=[1,1,0.5,0.5,0.5,0,0,0,0,0,0,1,0.5,0.5,0.5,0.5,0,1,1,0.5,0.5,0,0,0,1,1,0.5,1,0.5,0]；代入MATLAB程序中，得到如圖12所示結(jié)果。

圖12 A1、A6故障特征向量對(duì)應(yīng)診斷結(jié)果

從圖12可以看出A1、A6兩個(gè)故障表現(xiàn)最明顯，將上圖中9個(gè)故障對(duì)應(yīng)的概率數(shù)值統(tǒng)計(jì)如表9所示。

表8 A1、A6各故障發(fā)生概率

從表8中可以看出診斷結(jié)果中，A1和A6故障發(fā)生概率最高，均高于80%，且遠(yuǎn)高于其他7個(gè)故障發(fā)生的概率。故可認(rèn)定診斷結(jié)果為A1、A6故障發(fā)生，這與實(shí)際仿真機(jī)故障插入情況相符合，診斷結(jié)果正確。

該工況下的診斷結(jié)果也表明，之前能診斷出A4、A5故障同時(shí)發(fā)生并非其偶然性。

從以上3個(gè)故障工況的診斷結(jié)果可以看出，在1 000 MW機(jī)組仿真機(jī)下，該BP神經(jīng)網(wǎng)絡(luò)可以快速準(zhǔn)確地診斷出單個(gè)故障發(fā)生或多個(gè)故障同時(shí)發(fā)生。同時(shí)診斷結(jié)果的區(qū)分度很高，診斷出的故障與其他的故障發(fā)生概率相差幾個(gè)數(shù)量級(jí)，可以準(zhǔn)確判斷是哪個(gè)故障發(fā)生。

4.3 BP神經(jīng)網(wǎng)絡(luò)法優(yōu)缺點(diǎn)分析

相比線性相關(guān)度法，BP神經(jīng)網(wǎng)絡(luò)法的結(jié)果令人滿意，該方法不僅能夠準(zhǔn)確快速診斷出單個(gè)故障，而且在多故障并發(fā)的情況下同樣表現(xiàn)出色。單從診斷結(jié)果的數(shù)據(jù)來(lái)看，BP神經(jīng)網(wǎng)絡(luò)法得到的故障區(qū)分度很高，相差一個(gè)甚至幾個(gè)數(shù)量級(jí)，完全可以確定是哪個(gè)故障發(fā)生，體現(xiàn)出了BP神經(jīng)網(wǎng)絡(luò)法在故障領(lǐng)域的優(yōu)越性。

但是BP神經(jīng)網(wǎng)絡(luò)法的精確度很大一部分要?dú)w功于數(shù)據(jù)量。理論來(lái)講，提供給神經(jīng)網(wǎng)絡(luò)訓(xùn)練的數(shù)據(jù)量越大，該方法最終診斷出的結(jié)果越準(zhǔn)確。故而想要得到較精確的數(shù)據(jù)，需要大量的訓(xùn)練樣本支持。

另外，在進(jìn)行診斷的過(guò)程中，該方法也暴露出一定問(wèn)題，如BPNN法程序開始時(shí)賦予的初始化權(quán)值及閾值是隨機(jī)的，而且訓(xùn)練終止時(shí)的誤差也不完全相同，因?yàn)槊看纬跏蓟W(wǎng)絡(luò)時(shí)都是隨機(jī)的，訓(xùn)練后的權(quán)植和閾值也不完全相同(大致是一樣的)，所以每次訓(xùn)練后的結(jié)果也略有不同，在進(jìn)行故障診斷時(shí)，容易陷入局部極小值，最終可能導(dǎo)致多次診斷同一故障時(shí)得到的結(jié)果不一致，甚至出現(xiàn)診斷出錯(cuò)的情況。需要多次進(jìn)行嘗試，并在得到合適的結(jié)果時(shí)，在程序中固定初始權(quán)值并保存網(wǎng)絡(luò)。

5 結(jié)論

本文主要討論了凝汽器故障診斷在電力工業(yè)生產(chǎn)過(guò)程中的重要性，并針對(duì)如何判斷真空發(fā)生故障和真空發(fā)生故障時(shí)如何診斷出發(fā)生何種故障進(jìn)行了重點(diǎn)研究。

(1)確定真空故障判斷基準(zhǔn)。由于直接判斷真空法在實(shí)際生產(chǎn)中的便利性及直觀性，本次設(shè)計(jì)中采用了直接判斷真空法。該方法的核心思想是確定真空應(yīng)達(dá)值，通過(guò)對(duì)比實(shí)際真空值與應(yīng)達(dá)值的方法來(lái)判斷真空是否發(fā)生故障。

(2)確定真空應(yīng)達(dá)值。本文未采用傳統(tǒng)的計(jì)算真空應(yīng)達(dá)值的方法，而是在仿真機(jī)上進(jìn)行數(shù)據(jù)采集，用M值來(lái)表征凝汽器的運(yùn)行工況，通過(guò)大量的數(shù)據(jù)來(lái)支撐得到Pc-M的擬合曲線，而這條擬合曲線上的點(diǎn)就表示各工況下的背壓應(yīng)達(dá)值。

(3)Pc-M可用于真空故障判斷。9個(gè)故障工況下的數(shù)據(jù)表明，在本次設(shè)計(jì)中擬合曲線的最大擬合偏差仍小于故障發(fā)生時(shí)最小的背壓值變化偏差，當(dāng)閾值取值δ=0.5%時(shí)，該模型可以診斷出真空故障。

(4)線性相關(guān)度法：線性相關(guān)度法通過(guò)計(jì)算各故障的線性相關(guān)度來(lái)判斷故障。該方法在單個(gè)故障診斷時(shí)診斷結(jié)果受量化值取值影響較大，且在本次設(shè)計(jì)的量化取值下診斷結(jié)果區(qū)分度很小，難以確定某一故障是否發(fā)生。在多故障并發(fā)工況下無(wú)法準(zhǔn)確診斷出所有故障，且該方法診斷故障費(fèi)時(shí)費(fèi)力，效率很低。

(5)BP神經(jīng)網(wǎng)絡(luò)法：BP神經(jīng)網(wǎng)絡(luò)法首先對(duì)BP神經(jīng)網(wǎng)絡(luò)MATLAB程序進(jìn)行訓(xùn)練，之后再故障診斷。實(shí)驗(yàn)驗(yàn)證結(jié)果表明，BP神經(jīng)網(wǎng)絡(luò)法相比線性相關(guān)度法無(wú)論是速度還是精度都有明顯的優(yōu)勢(shì)。另外，BP神經(jīng)網(wǎng)絡(luò)法在多故障診斷中也具有可行性。該方法能夠準(zhǔn)確診斷出多故障工況下的所有故障。

[1] 張艷萍.用于故障診斷的凝汽器真空模型研究[D].北京：華北電力大學(xué), 2009.

[2] 李季,嚴(yán)東超.BP神經(jīng)網(wǎng)絡(luò)改進(jìn)算法在電氣故障診斷系統(tǒng)中的應(yīng)用[J]. 電力科學(xué)與工程, 2005，21(1):69-72.

[3] 王彪,劉格.基于BP神經(jīng)網(wǎng)絡(luò)的直接空冷凝汽器背壓預(yù)測(cè)[J]. 電力科學(xué)與工程,2014，30(5):67-70.

[4] 司麗麗,陳榮生,滕丕忠,等.電站凝汽器運(yùn)行狀態(tài)監(jiān)測(cè)智能決策系統(tǒng)研究[J].能源研究與信息,2007, 23(2):96-99.

[5] 陳林霄,王惠杰,楊新健.基于改進(jìn)型BP神經(jīng)網(wǎng)絡(luò)的火電機(jī)組初壓優(yōu)化[J].節(jié)能,2013,32(11):53-56.

[6] 丁常富,王亮.基于交叉驗(yàn)證法的BP神經(jīng)網(wǎng)絡(luò)在汽輪機(jī)故障診斷中的應(yīng)用[J].電力科學(xué)與工程,2008, 24(3):31-34.

[7] 侯煒,田沛,徐桂成,等. D-S證據(jù)理論在凝汽器故障診斷中的應(yīng)用[J].電力科學(xué)與工程,2003，19(4):65-67.

[8] 張建華,侯國(guó)蓮,張巍,等. 一種基于模糊規(guī)則和遺傳算法的凝汽器故障診斷方法的研究[J].中國(guó)電機(jī)工程學(xué)報(bào),2004,24(4):205-209.

[9] 孫曉剛,張建華,侯國(guó)蓮,等. 基于概率神經(jīng)網(wǎng)絡(luò)的凝汽器故障診斷研究[J].現(xiàn)代電力,2005, 22(3):58-61.

[10] 于偉鋒,陳鴻偉.基于試驗(yàn)和BP神經(jīng)網(wǎng)絡(luò)的CFB鍋爐脫硫效率研究[J].電力科學(xué)與工程,2013, 29(8):50-56.

[11] 羅韶輝，高錦堯，張連濤.寧海電廠二期1000MW超超臨界機(jī)組啟停機(jī)優(yōu)化[C].長(zhǎng)三角電機(jī)、電力科技分論壇. 2011.

[12] 宮喚春.基于模糊支持向量機(jī)的凝汽器故障診斷[J]. 熱力發(fā)電, 2015(6):98-101.

[13] 張新海,雷勇.BP神經(jīng)網(wǎng)絡(luò)在機(jī)械故障診斷中的應(yīng)用[J]. 噪聲與振動(dòng)控制. 2008，28(5): 95-97.

[14] AJAMI ALI, DANESHVAR MAHDI. Independent component analysis approach for fault diagnosis of condenser system in thermal power plant[J]. Journal of Central South University, 2014, 21(1):242-251.

[15] 高建強(qiáng),馬亞,鐘錫鎮(zhèn),等. 基于遺傳神經(jīng)網(wǎng)絡(luò)的直接空冷凝汽器故障診斷研究[J]. 華北電力大學(xué)學(xué)報(bào)(自然科學(xué)版),2013,40(3):69-73.

[16] 王運(yùn)民,吳艷,夏成銳,等. 火電廠小汽輪機(jī)排汽連接方式的改進(jìn)與定量分析[J]. 電力科學(xué)與技術(shù)學(xué)報(bào), 2015, 30(4):131-135.

[17] 向敏,何川,田力,等. 基于模糊神經(jīng)網(wǎng)絡(luò)的配電網(wǎng)無(wú)線通信系統(tǒng)性能評(píng)估方法[J]. 電力科學(xué)與技術(shù)學(xué)報(bào), 2016, 31(2):64-71.

作者簡(jiǎn)介：羅 寧 (1994-)，男，碩士研究生，研究方向?yàn)殡娬驹O(shè)備故障診斷與狀態(tài)監(jiān)測(cè)、壓縮空氣儲(chǔ)能技術(shù)等。

Research on Vacuum Fault Diagnosis of Condenserin Thermal Power Unit

LUO Ning, HE Qing

(School of Energy Power and Mechanical Engineering, North China Electric Power University, Beijing 102206, China )

According to the simulation machine to do condenser fault diagnosis.Choosing the appropriate fault judgment benchmarks to judge whether thevacuum of condenser failed. Firstly we established the Pc-M model to judge the vacuum value, and secondly the Pc-M model was used to judge the vacuum. When the threshold was 0.5%,the vacuum failure can be diagnosed. Finally the linear correlation method and the BP neural network method were used to diagnose the single fault condition and the multi-fault concurrency conditions. The final results showed that the BP neural network method was better than the linear correlation method and has obvious advantages both the speed and accuracy, and the same exact is accurate in the case of multiple failures.

condenser; fault diagnosis; vacuum target value; linear correlation; BP neural network(BPNN)

虞斌(1965-)，男，教授，主要從事高效傳熱傳質(zhì)環(huán)保設(shè)備的研究。

10.3969/j.ISSN.1672-0792.2017.05.014

2017-03-16。

國(guó)家自然科學(xué)基金資助項(xiàng)目(51276059)。

TK264

A

1672-0792(2017)05-0070-09