浙江浙能溫州發(fā)電有限公司 翁忠華 徐智偉

風(fēng)機(jī)性能特征參數(shù)趨勢(shì)分析及預(yù)測(cè)

浙江浙能溫州發(fā)電有限公司 翁忠華 徐智偉

本文通過預(yù)警系統(tǒng)性能參數(shù)預(yù)警信息，在基于狀態(tài)編碼的風(fēng)機(jī)狀態(tài)相似性條件約束下，搜尋歷史相似的時(shí)間序列數(shù)據(jù)集，然后對(duì)每個(gè)相似的時(shí)間序列進(jìn)行系統(tǒng)辨識(shí)，得到對(duì)應(yīng)的系統(tǒng)特征參數(shù)，最后對(duì)有用特征參數(shù)進(jìn)行曲線擬合，得到風(fēng)機(jī)的性能趨勢(shì)預(yù)測(cè)曲線。

風(fēng)機(jī)性能；預(yù)警；系統(tǒng)辨識(shí)；性能預(yù)測(cè)

0 引言

機(jī)械設(shè)備故障預(yù)測(cè)的一個(gè)主要目的是實(shí)現(xiàn)設(shè)備運(yùn)行狀態(tài)的預(yù)報(bào)。故障預(yù)測(cè)的一個(gè)核心和難點(diǎn)就是如何從信號(hào)中提取能夠有效反應(yīng)故障發(fā)展趨勢(shì)的故障特征量，以及如何根據(jù)故障特征量準(zhǔn)確地預(yù)測(cè)故障發(fā)展趨勢(shì)。

由于大型機(jī)械設(shè)備結(jié)構(gòu)日趨復(fù)雜，運(yùn)行工況多變，近年來，針對(duì)機(jī)械設(shè)備非平穩(wěn)運(yùn)行狀態(tài)的特征提取成為國(guó)內(nèi)外學(xué)者研究的重點(diǎn)和前沿。目前，新方法主要有循環(huán)平穩(wěn)和準(zhǔn)循環(huán)平穩(wěn)信號(hào)分析與循環(huán)統(tǒng)計(jì)方法、經(jīng)驗(yàn)?zāi)B(tài)分解方法、混沌分形、形態(tài)學(xué)分析、小波分析、流形學(xué)習(xí)、支持向量機(jī)及粗糙集等，這些方法為提高機(jī)電系統(tǒng)故障診斷能力提供了新途徑，在信號(hào)分析和特征量提取方面發(fā)揮了巨大的作用。

在故障特征量提取后，需要依據(jù)故障特征量的發(fā)展趨勢(shì)采用適當(dāng)?shù)墓收项A(yù)測(cè)方法實(shí)現(xiàn)設(shè)備故障預(yù)報(bào)。在故障預(yù)測(cè)方面，神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、專家系統(tǒng)、模糊數(shù)學(xué)、貝葉斯網(wǎng)絡(luò)、隱馬爾可夫模型等算法具有應(yīng)用價(jià)值[1]。

預(yù)警系統(tǒng)通常采用基于相似性原理進(jìn)行建模，文章[7-12]介紹了預(yù)警系統(tǒng)的研究應(yīng)用。大多數(shù)過程工業(yè)的系統(tǒng)具有結(jié)構(gòu)復(fù)雜、時(shí)變、非線性和強(qiáng)耦合的特點(diǎn)，基于相似性原理的數(shù)據(jù)挖掘預(yù)測(cè)方法常用于過程工業(yè)中。文章[9,13-15]介紹了基于相似性原理的預(yù)警系統(tǒng)的原理、系統(tǒng)結(jié)構(gòu)和實(shí)現(xiàn)。基于相似性原理的預(yù)警系統(tǒng)可以應(yīng)用到各種復(fù)雜的系統(tǒng)中，實(shí)施簡(jiǎn)單快捷；移植方便，不需要參數(shù)調(diào)整且具有很強(qiáng)的魯棒性；覆蓋全工況多擾動(dòng)，可以建立個(gè)性化模型，以動(dòng)態(tài)帶作為報(bào)警閾值，從而得出和展示故障初期的征兆[7]。

采集一段時(shí)間（一般為一年）的系統(tǒng)相關(guān)運(yùn)行數(shù)據(jù)，作為基準(zhǔn)工況參數(shù)樣本，并且認(rèn)為這些樣本已經(jīng)全覆蓋系統(tǒng)的各個(gè)運(yùn)行工況。預(yù)警系統(tǒng)根據(jù)所選歷史數(shù)據(jù)樣本進(jìn)行相似性分析，建立相應(yīng)的動(dòng)態(tài)模型，并使用所建模型對(duì)工業(yè)系統(tǒng)采集的實(shí)時(shí)測(cè)量值樣本進(jìn)行計(jì)算并且與模型設(shè)定的偏差值比較，若超出閾值則差生偏差預(yù)警。

本文介紹“預(yù)警模型性能參數(shù)預(yù)警——預(yù)警事件前后時(shí)間序列搜尋——定模型系統(tǒng)辨識(shí)——辨識(shí)參數(shù)擬合及預(yù)測(cè)”的技術(shù)路線。從系統(tǒng)測(cè)點(diǎn)狀態(tài)參數(shù)角度分析，搜尋參數(shù)的相似的時(shí)間子序列并作為分析單元。通過預(yù)警系統(tǒng)性能參數(shù)預(yù)警信息出發(fā)，在基于狀態(tài)編碼的風(fēng)機(jī)狀態(tài)相似性條件約束下，搜尋歷史相似的時(shí)間序列數(shù)據(jù)集，然后對(duì)每個(gè)相似的時(shí)間序列進(jìn)行系統(tǒng)辨識(shí)，得到對(duì)應(yīng)的系統(tǒng)特征參數(shù)，最后對(duì)有用特征參數(shù)進(jìn)行曲線擬合，得到風(fēng)機(jī)的性能趨勢(shì)預(yù)測(cè)曲線。

1 風(fēng)機(jī)故障特征及信息編碼

1.1 風(fēng)機(jī)故障和信息特征

風(fēng)機(jī)的大量失效故障不是瞬時(shí)發(fā)生的，故障從開始、發(fā)展到惡化總有一段出現(xiàn)異?，F(xiàn)象的事件，而且有征兆可尋。觀察和統(tǒng)計(jì)表明，大型旋轉(zhuǎn)設(shè)備的大部分故障是具有時(shí)間依存性的、可預(yù)知的趨勢(shì)性故障，采用科學(xué)有效的故障預(yù)測(cè)往往能夠揭示故障的發(fā)展變化，有利于避免設(shè)備惡性事件和繼發(fā)性事故的發(fā)生。

故障發(fā)展變化的特征信息是一種早期的故障信息，甚至是故障發(fā)生前的趨勢(shì)特征信息，其具有弱信息特征導(dǎo)致信噪比很低；在故障預(yù)測(cè)中有用信息往往被復(fù)雜系統(tǒng)的時(shí)變、非線性運(yùn)行特征、工況和負(fù)載變化、環(huán)境干擾和測(cè)試系統(tǒng)噪聲等非故障信息所淹沒，傳統(tǒng)分析方法往往難以進(jìn)行有效的故障預(yù)測(cè)。

1.2 風(fēng)機(jī)性能參數(shù)與辨識(shí)參數(shù)的同構(gòu)關(guān)系

許多故障模式往往伴隨著設(shè)備性能的劣化，而設(shè)備性能相關(guān)的本質(zhì)參數(shù)往往能夠反映本質(zhì)的性能退化情況，然而設(shè)備本質(zhì)參數(shù)往往是不能直接測(cè)量，只能通過可測(cè)量的狀態(tài)參數(shù)來推斷。

對(duì)于風(fēng)機(jī)，經(jīng)常希望通過監(jiān)測(cè)系統(tǒng)的參數(shù)變化來確定系統(tǒng)的狀態(tài)。當(dāng)系統(tǒng)的輸出和系統(tǒng)模型的預(yù)測(cè)值相差較大時(shí)，表明系統(tǒng)的本質(zhì)特性發(fā)生了變化。

系統(tǒng)辨識(shí)參數(shù)與設(shè)備本質(zhì)參數(shù)往往有一種同構(gòu)的關(guān)系，通常可以通過辨識(shí)參數(shù)的變化來描述設(shè)備本質(zhì)參數(shù)的變化，使問題處理簡(jiǎn)單和理解更加深刻。例如與歷史同工況和同狀態(tài)變化向量相比，負(fù)載響應(yīng)時(shí)間過長(zhǎng)、穩(wěn)態(tài)偏差值逐漸增大等都可以反映設(shè)備處于一個(gè)性能劣化的過程。

1.3 測(cè)點(diǎn)狀態(tài)編碼

對(duì)風(fēng)機(jī)歷史數(shù)據(jù)進(jìn)行挖掘，通常兩到三年事件跨度的數(shù)據(jù)。一臺(tái)大型風(fēng)機(jī)通常有幾十個(gè)測(cè)點(diǎn)，雖然采用了數(shù)據(jù)壓縮技術(shù)，兩三年累計(jì)下來的數(shù)據(jù)量也非?？捎^，非常不便于數(shù)據(jù)的定位和分析。因此，對(duì)風(fēng)機(jī)各個(gè)工況參數(shù)進(jìn)行狀態(tài)編碼，對(duì)各個(gè)測(cè)點(diǎn)進(jìn)行離散化，提供測(cè)點(diǎn)參數(shù)變化的大致輪廓，方便計(jì)算機(jī)的快速搜尋定位；壓縮事件感知和提高相似性工況和狀態(tài)工況變化的搜尋。鑒于風(fēng)機(jī)性能劣化是一個(gè)漸進(jìn)的過程，我們可以選擇歷程中變化最多的和具有代表性的狀態(tài)和狀態(tài)變化向量來研究，而不影響分析結(jié)果。

時(shí)間序列近似表示是將原始時(shí)間序列用某個(gè)維數(shù)更低的時(shí)間序列在一定的誤差范圍內(nèi)代替，這樣可以實(shí)現(xiàn)數(shù)據(jù)壓縮，減少計(jì)算代價(jià)。如果能從序列中抽取少量的、主要的特征對(duì)時(shí)間序列采用近似表示，相當(dāng)于迸行了十分必要有效的維數(shù)約減以消除數(shù)據(jù)冗余，可以大大提高序列的查找速度。

可以采用PAA方法進(jìn)行狀態(tài)編碼。PAA方法采用分段累積、近似法首先將時(shí)間序列分成相等長(zhǎng)度的若干小段，然后分別計(jì)算出每一小段的平均值，這些平均值組成的向量就是原來時(shí)間序列降低維數(shù)后的表示，這種變換得到了原序列的分段常數(shù)近似表示，具有簡(jiǎn)單、重觀、高效的優(yōu)點(diǎn)[16]。

風(fēng)機(jī)狀態(tài)S用各個(gè)輸入測(cè)點(diǎn)的狀態(tài)編碼Si向量表示：

兩個(gè)風(fēng)機(jī)狀態(tài)的變化向量為：

兩個(gè)風(fēng)機(jī)狀態(tài)的距離定義為：

其中YT為測(cè)點(diǎn)狀態(tài)加權(quán)向量。

1.4 風(fēng)機(jī)性能參數(shù)的選擇

風(fēng)機(jī)的性能參數(shù)主要有流量、壓力、功率、電流、轉(zhuǎn)速、風(fēng)機(jī)進(jìn)出口流體壓力和溫度、機(jī)組負(fù)荷、動(dòng)葉開度、電機(jī)風(fēng)機(jī)軸承溫度和振動(dòng)、潤(rùn)滑油溫度和回油溫度等測(cè)點(diǎn)參數(shù)。通常需要綜合考慮這些來考察風(fēng)機(jī)的性能，然而這些參數(shù)之中與性能的相關(guān)性非常小，可以不考慮。通?？梢詫?duì)風(fēng)機(jī)工況歷史數(shù)據(jù)機(jī)組負(fù)荷進(jìn)行等長(zhǎng)度分箱，對(duì)每個(gè)分箱內(nèi)的數(shù)據(jù)相同數(shù)量的抽樣，然后進(jìn)行相關(guān)性分析。剔除與性能關(guān)聯(lián)性小的測(cè)點(diǎn)，縮小影響風(fēng)機(jī)性能參數(shù)的維度，簡(jiǎn)化分析過程，減少計(jì)算量。

通常可以采用影響性能參數(shù)的測(cè)點(diǎn)作為模型的輸入?yún)?shù)，例如：

采用反映性能參數(shù)的測(cè)點(diǎn)作為模型的輸出參數(shù)，例如：

2 系統(tǒng)特征參數(shù)辨識(shí)

2.1 可辨識(shí)性

大型選裝機(jī)械的故障通常為隨機(jī)過程，在研究對(duì)象長(zhǎng)歷程的運(yùn)行過程中，工況變化、負(fù)載變化、環(huán)境變化和外界干擾等非故障因素產(chǎn)生的影響。風(fēng)機(jī)是一個(gè)復(fù)雜的非線性動(dòng)力系統(tǒng)，傳統(tǒng)方法描述系統(tǒng)運(yùn)動(dòng)行為時(shí)，通常將非線性忽略掉。一般認(rèn)為，在一個(gè)狀態(tài)小范圍的工況參數(shù)變化過程中設(shè)備的動(dòng)態(tài)特性是線性的。

2.2 相似性時(shí)間序列的搜尋

兩個(gè)時(shí)間序列在近似表示條件下的相似性即指：如果兩個(gè)時(shí)間序列經(jīng)過某些近似表示后的相似性函數(shù)在一定的誤差限制范圍內(nèi)滿足某個(gè)條件，則認(rèn)為這兩個(gè)時(shí)間序列在這種近似表示條件下是彼此相似的[16]。

根據(jù)預(yù)警事件前后時(shí)間長(zhǎng)度為L(zhǎng)的時(shí)間范圍內(nèi)的參數(shù)狀態(tài)編碼，依據(jù)某種相似性，搜尋歷史時(shí)間序列數(shù)據(jù)集。

通常以預(yù)警系統(tǒng)性能參數(shù)的測(cè)點(diǎn)的預(yù)警事件作為辨識(shí)系統(tǒng)啟動(dòng)的觸發(fā)事件。假設(shè)事件觸發(fā)時(shí)刻風(fēng)機(jī)的狀態(tài)編碼為S0，可以采用以下的方法進(jìn)行相似性時(shí)間序列的搜尋：

2、搜尋Si前后長(zhǎng)度為L(zhǎng)的，采樣時(shí)間間隔為dt（通常dt=1s）的時(shí)間序列集合，計(jì)算Ri開始和結(jié)束時(shí)刻的狀態(tài)、開始和結(jié)束時(shí)刻的最高最低狀態(tài)

3、搜尋類正向單位階躍時(shí)間序列相似的中心狀態(tài)集合U2，采用以下的判別方式：

4、搜尋類負(fù)向單位階躍時(shí)間序列相似的中心狀態(tài)集合U3，采用以下的判別方式：

2.3 系統(tǒng)特征參數(shù)辨識(shí)

根據(jù)對(duì)象特性及系統(tǒng)辨識(shí)研究需求，建立模型類庫(kù)。由于風(fēng)機(jī)性能辨識(shí)模型較為簡(jiǎn)單，首先考慮LS模型。采用簡(jiǎn)單的最小二乘法進(jìn)行特征參數(shù)辨識(shí)。

輸出性能參數(shù)有：

系統(tǒng)模型：

用于描述系統(tǒng)的輸入j輸出i特性，其中

為了討論的方便，以下省略下標(biāo)ij，表示對(duì)某一特定的輸入輸出系統(tǒng)模型。準(zhǔn)則函數(shù)為：

其中，好h(k)是可觀測(cè)的數(shù)據(jù)向量，利用隨機(jī)序列的一個(gè)實(shí)現(xiàn)，使準(zhǔn)則數(shù)：

2.4 特征參數(shù)趨勢(shì)及預(yù)測(cè)

3 結(jié)論

本文介紹了一種風(fēng)機(jī)性能趨勢(shì)預(yù)測(cè)的方法。方法采用基于相似性建模的風(fēng)機(jī)預(yù)警性能模型進(jìn)行風(fēng)機(jī)工況參數(shù)進(jìn)行偏差值估計(jì)，根據(jù)正負(fù)偏差閾值設(shè)置觸發(fā)預(yù)警事件；對(duì)風(fēng)機(jī)各個(gè)工況參數(shù)進(jìn)行狀態(tài)編碼；根據(jù)預(yù)警事件前后時(shí)間長(zhǎng)度為L(zhǎng)的時(shí)間范圍內(nèi)的風(fēng)機(jī)事件中心狀態(tài)、開始狀態(tài)和結(jié)束狀態(tài)，搜尋歷史相似的時(shí)間序列數(shù)據(jù)集；對(duì)每個(gè)相似的時(shí)間序列進(jìn)行系統(tǒng)辨識(shí)，得到對(duì)應(yīng)的系統(tǒng)特征參數(shù)；對(duì)有用特征參數(shù)進(jìn)行曲線擬合，得到風(fēng)機(jī)的性能趨勢(shì)預(yù)測(cè)曲線。

[1]徐小力與王紅軍,大型旋轉(zhuǎn)機(jī)械運(yùn)行狀態(tài)趨勢(shì)預(yù)測(cè)．2011： 科學(xué)出版社．

[2]汪洋,發(fā)電廠風(fēng)機(jī)狀態(tài)趨勢(shì)分析與壽命預(yù)測(cè)．湖北電力,2006(04)： 第36-38頁(yè)．

[3]周津慧,重大設(shè)備狀態(tài)檢測(cè)與壽命預(yù)測(cè)方法研究,2006,西安電子科技大學(xué)．第141頁(yè)．

[4]張新廣,基于盲系統(tǒng)辨識(shí)的旋轉(zhuǎn)機(jī)械故障診斷新方法研究,2008,鄭州大學(xué)．第76頁(yè)．

[5]李超順,水電機(jī)組控制系統(tǒng)辨識(shí)及故障診斷研究,2010,華中科技大學(xué)．第146頁(yè)．

[6]鄒麗潔,電站設(shè)備參數(shù)異動(dòng)搜索分析與故障預(yù)警研究,2011,華北電力大學(xué)（北京）．第98頁(yè)．

[7]李玉珍,故障預(yù)警系統(tǒng)在發(fā)電設(shè)備狀態(tài)評(píng)估與故障診斷工作中的應(yīng)用,in 2010年全國(guó)發(fā)電企業(yè)設(shè)備檢修技術(shù)大會(huì)2010： 西安．第852-867頁(yè)．

[8]富雙進(jìn),電站風(fēng)機(jī)故障預(yù)警系統(tǒng)的研究,2015,華北電力大學(xué)．第56頁(yè)．

[9]高明,火電廠送風(fēng)機(jī)故障預(yù)警系統(tǒng)的研究,2013,華北電力大學(xué)．第57頁(yè)．

[10]常劍與高明,基于相似性建模的發(fā)電機(jī)組設(shè)備故障預(yù)警系統(tǒng)．機(jī)電工程,2012(05)： 第576-579頁(yè)．

[11]劉鑫沛,基于相似性建模的發(fā)電設(shè)備故障預(yù)警方法研究,2014,華北電力大學(xué)．第59頁(yè)．

[12]郭康維,基于相似性建模的鍋爐一次風(fēng)機(jī)故障預(yù)警研究,2014,華北電力大學(xué)．第50頁(yè)．

[13]常帥,基于相似建模的汽輪機(jī)故障預(yù)警系統(tǒng),2013,華北電力大學(xué)(保定) 華北電力大學(xué)．

[14]陳昆亮,汽輪發(fā)電機(jī)組狀態(tài)監(jiān)測(cè)與故障預(yù)警系統(tǒng)研究,2012,華北電力大學(xué)(北京) 華北電力大學(xué)．

[15]趙振書,基于相似性原理的發(fā)電機(jī)故障預(yù)警系統(tǒng),2013,華北電力大學(xué)(保定) 華北電力大學(xué)．

[16]張榮明,時(shí)序數(shù)據(jù)挖掘中的相似性和趨勢(shì)預(yù)測(cè)研究,2009,廣東工業(yè)大學(xué)．