（華電萊州發(fā)電有限公司，山東 煙臺 261441）

0 引言

電力系統(tǒng)是國家經(jīng)濟發(fā)展的重要支柱，現(xiàn)階段，火力發(fā)電在我國電力供應(yīng)組成中，仍然占有非正常大的比重。尤其是在我國經(jīng)濟快速增長的大背景下，用電需求也在不斷擴大。為了能夠滿足生活、生產(chǎn)用電，不僅需要擴大發(fā)電廠機組裝機容量，而且還需要提升設(shè)備的自動化管理水平，降低故障發(fā)生概率，提升電網(wǎng)系統(tǒng)運行的安全性和穩(wěn)定性?；痣姀S一次風(fēng)機故障智能預(yù)警系統(tǒng)就是基于相似性模型的原理，采集風(fēng)機設(shè)備的監(jiān)測位點的數(shù)據(jù)信息，通過篩選正常運行的參數(shù)建立超球動態(tài)模型，通過導(dǎo)入數(shù)據(jù)計算出預(yù)測值，根據(jù)相似度曲線判斷監(jiān)測點預(yù)測值、相似度值和殘差值，從而起到故障預(yù)警的作用。

1 火電廠一次風(fēng)機常見故障及原因評價

一次風(fēng)機主要由發(fā)動機、風(fēng)葉、風(fēng)輪、風(fēng)殼、進氣箱、集流器以及風(fēng)力調(diào)節(jié)系統(tǒng)組成。為火電廠鍋爐提供一定壓力、一定流量的風(fēng)力作用，將磨煤機輸出的煤粉吹入爐膛內(nèi)，并且提供足夠的氧氣，提升燃料的燃燒效率?？梢哉f一次風(fēng)機對火電廠鍋爐的燃燒效率有著非常重要的作用，對電網(wǎng)系統(tǒng)運行的穩(wěn)定性也有直接的影響[1]?；痣姀S一次風(fēng)機常見故障包括軸承溫度異常、風(fēng)機振動異常、風(fēng)機出力異常等。下面就對引發(fā)一次風(fēng)機故障的主要原因進行簡要分析：

1.1 軸承溫度異常

引起軸承溫度異常的主要原因包括：軸承潤滑油質(zhì)量較差、油量較少或者潤滑油含有較多雜質(zhì)導(dǎo)致潤滑效果不佳。軸承箱蓋密封性較差或者底座連接處的螺栓出現(xiàn)異常，軸承運動過程中會造成潤滑油外溢，導(dǎo)致油箱內(nèi)油位下降，低于安全值后同樣會影響軸承潤滑效果造成溫度過高[2]。

1.2 風(fēng)機振動異常

振動異常是火電廠一次風(fēng)機的主要故障之一，引發(fā)該故障的主要原因包括：轉(zhuǎn)子質(zhì)量不均衡、臨界轉(zhuǎn)速出現(xiàn)異?；蛘咿D(zhuǎn)子中心點偏移，造成不規(guī)則振動；轉(zhuǎn)子內(nèi)油膜振蕩以及與周圍器件引起的摩擦等，都有可能造成風(fēng)機振動異常。此外，風(fēng)機固定螺栓與基礎(chǔ)接觸不良、基礎(chǔ)平衡性設(shè)計存在缺陷、水利振動、旋轉(zhuǎn)脫硫引起的振動、電動機振動以及喘振都會引發(fā)一次風(fēng)機振動異常。

1.3 風(fēng)機出力異常

風(fēng)機出力異常主要表現(xiàn)在出風(fēng)口風(fēng)壓以及風(fēng)機轉(zhuǎn)速較低，影響風(fēng)機工作的穩(wěn)定性。造成風(fēng)機出力異常的主要原因包括：風(fēng)道系統(tǒng)出現(xiàn)堵塞或者泄露等問題，影響設(shè)備的工作狀態(tài)；風(fēng)機制造工藝存在缺陷影響出風(fēng)口風(fēng)壓；風(fēng)機設(shè)備維護不當(dāng)，造成過度磨損，嚴(yán)重影響風(fēng)機的密封性能，風(fēng)機內(nèi)部漏風(fēng)現(xiàn)象嚴(yán)重，影響風(fēng)機設(shè)備工作的穩(wěn)定性。

火電廠一次風(fēng)機設(shè)備故障不僅會影響電網(wǎng)系統(tǒng)運行的穩(wěn)定性，而且還會波及工作人員的人身安全。設(shè)備故障發(fā)生時，往往會伴隨有一些征兆，這些征兆具體表現(xiàn)在設(shè)備運行的各個參數(shù)值當(dāng)中，智能預(yù)警系統(tǒng)通過對設(shè)備運行狀態(tài)信息進行實時采集，結(jié)合數(shù)據(jù)庫中設(shè)備運行歷史參數(shù)為依據(jù)，通過算法對當(dāng)前運行狀態(tài)進行評估，敏銳捕捉異常參數(shù)，對設(shè)備故障進行有效預(yù)警，變被動維修為主動預(yù)防，降低人工維護過程中由于時間延誤造成的設(shè)備損傷，提升火電廠設(shè)備的使用壽命，給火電企業(yè)帶來更大的經(jīng)濟效益。火電廠一次風(fēng)機故障智能預(yù)警系統(tǒng)對設(shè)備運行的狀態(tài)參數(shù)信息進行實時采集，結(jié)合數(shù)據(jù)分析，判斷設(shè)備工作是否存在異常，然后進行故障預(yù)警[3]。

2 火電廠一次風(fēng)機故障智能預(yù)警系統(tǒng)設(shè)計

火電廠一次風(fēng)機故障智能預(yù)警系統(tǒng)將設(shè)備正常運行的參數(shù)信息錄入數(shù)據(jù)庫，以此為基本，根據(jù)神經(jīng)網(wǎng)絡(luò)算法對設(shè)備故障進行有效預(yù)警。主要工作原理包括一次風(fēng)機運行狀態(tài)信息采集、數(shù)據(jù)輸入、建立超球動態(tài)模型并完善、生成一次風(fēng)機相似度曲線，監(jiān)測點預(yù)測值、相似度值和殘差值。

火電廠一次風(fēng)機故障智能預(yù)警系統(tǒng)采集火電廠一次風(fēng)機正常運行的數(shù)據(jù)信息，對設(shè)備運行參數(shù)信息進行歸一化處理，得到一次風(fēng)機運行的數(shù)據(jù)集合，該數(shù)據(jù)代表一次風(fēng)機的正常運行狀態(tài)，結(jié)合狀態(tài)參數(shù)構(gòu)建一次風(fēng)機超球動態(tài)模型。根據(jù)動態(tài)模型，從空間角度進行分析，設(shè)備模型建立過程就是用從一次風(fēng)機歷史數(shù)據(jù)中篩選關(guān)聯(lián)動態(tài)點，從而構(gòu)成鍋爐一次風(fēng)機運行狀態(tài)超球過程。完善模型的精度就是從所有的關(guān)聯(lián)狀態(tài)點中篩選出相互之間的差別都大于某一個相似性指標(biāo)的關(guān)聯(lián)參照點，從而得到一個劃分的足夠精確而細(xì)致的超球模型。狀態(tài)點預(yù)測值的產(chǎn)生，實時數(shù)據(jù)通過動態(tài)超球模型計算，判斷該狀態(tài)在動態(tài)超球模型中的位置，然后根據(jù)所有歷史狀態(tài)點和該狀態(tài)點的相似性關(guān)系，利用相似性算法得到狀態(tài)點預(yù)測值[4]。

火電廠一次風(fēng)機相似度曲線的產(chǎn)生，該設(shè)備實時數(shù)據(jù)與該狀態(tài)點的預(yù)測數(shù)據(jù)具有相似性的關(guān)系，通過距離相似度計算得到一個相似度值，隨著設(shè)備的運行，實時數(shù)據(jù)不斷輸入到模型中，從而得到該設(shè)備運行狀態(tài)的相似度曲線?；痣姀S一次風(fēng)機故障智能預(yù)警系統(tǒng)架構(gòu)，如圖1所示。

2.1 數(shù)據(jù)采集

火電廠一次風(fēng)機故障智能預(yù)警系統(tǒng)在數(shù)據(jù)采集過程中，主要分為入口溫度、軸承溫度、電動機定子線圈溫度、一次風(fēng)機橫向振動、縱向振動、出口壓力、振動、電流和電壓等。

2.2 數(shù)據(jù)處理

分時段進行火電廠一次風(fēng)機設(shè)備的測試點頻率，將同一時段的設(shè)備測量值的數(shù)量，按照測試點數(shù)據(jù)，獲得一次風(fēng)機設(shè)備運行狀態(tài)。根據(jù)數(shù)據(jù)采集的同時性原則，使用Linear方法對數(shù)據(jù)進行插值處理，該方法執(zhí)行速度快，精確度高，能夠確保所有數(shù)據(jù)信息時間和數(shù)量的一致性。

2.3 數(shù)據(jù)歸一化處理

由于一次風(fēng)機不同測點得到的數(shù)據(jù)對超球模型的建立會產(chǎn)生較大影響，因需要通過Min-Max數(shù)據(jù)標(biāo)準(zhǔn)化方法統(tǒng)一不同測點的量綱，從而確?？梢越⒂行У臄?shù)據(jù)模型。

2.4 一次風(fēng)機故障預(yù)警模型建立

智能預(yù)警系統(tǒng)在一次風(fēng)機設(shè)備上設(shè)置有多個不同的監(jiān)測傳感器，每一個監(jiān)測點狀態(tài)會進行多次測量，某一時刻的測量值為：

根據(jù)不同監(jiān)測點同一時間的測量值，建立超球模型K：

通過連續(xù)多次的采集監(jiān)測數(shù)據(jù)，可以將一次風(fēng)機正常工作狀態(tài)進行數(shù)據(jù)模擬，經(jīng)過歸一處理的監(jiān)測點數(shù)據(jù)信息分成h分，按照1/h步距篩選一次風(fēng)機設(shè)備監(jiān)測點數(shù)據(jù)信息，并將其導(dǎo)入到超球動態(tài)模型D中：

火電廠一次風(fēng)機超球模型D代表所有監(jiān)測位點同一時刻的狀態(tài)信息，不同時刻的狀態(tài)信息則分別由Dn表示。根據(jù)超球模型收集具有代表性的火電廠一次風(fēng)機正常運行狀態(tài)參數(shù)，通過訓(xùn)練獲得可以完整模擬設(shè)備正常運行的狀態(tài)。

2.5 故障分析預(yù)警

通過超球模型對一次風(fēng)機運行狀態(tài)信息進行分析處理，將監(jiān)測位點數(shù)據(jù)信息導(dǎo)入到模型中得到預(yù)測值，利用距離相似度算法得到一次風(fēng)機設(shè)備的相似度曲線，然后根據(jù)監(jiān)測點相似度計算公式導(dǎo)入數(shù)據(jù)信息計算結(jié)果，以數(shù)據(jù)庫中歷史正常數(shù)據(jù)為參照，得到相似度最小值作為火電廠一次風(fēng)機相似基準(zhǔn)線，結(jié)合故障預(yù)警系統(tǒng)的診斷列表，查找出異常參數(shù)所代表的故障類型以及造成異常的主要原因，然后系統(tǒng)進行有效預(yù)警，幫助工作人員及時發(fā)現(xiàn)設(shè)備異常，采取有效的維護措施降低設(shè)備故障發(fā)生概率，提升電網(wǎng)系統(tǒng)運行的穩(wěn)定性和安全性[5]。

3 結(jié)論

綜上所述，伴隨著我國經(jīng)濟的高速發(fā)展，生產(chǎn)生活對于電能的需求量與日俱增，電網(wǎng)系統(tǒng)的規(guī)模不斷擴大，發(fā)電機組的裝機容量也在不斷提升。發(fā)電機組是確保電網(wǎng)系統(tǒng)安全運輸?shù)暮诵沫h(huán)節(jié)，再加上火力發(fā)電目前仍是我國主要電力輸出方式。因此，發(fā)電設(shè)備運行的安全性和穩(wěn)定性就成為人們關(guān)注的焦點。火電廠一次風(fēng)機故障會對火電系統(tǒng)造成嚴(yán)重影響，其中風(fēng)道異常振動表現(xiàn)得最為突出。本文分析了一次風(fēng)機異常振動的主要原因，通過智能預(yù)警系統(tǒng)實現(xiàn)對風(fēng)機設(shè)備的實時監(jiān)控，能夠更加快捷、準(zhǔn)確的對一次風(fēng)機故障進行有效預(yù)警，協(xié)助火電廠工作人員進行故障處理。相信，隨著科學(xué)技術(shù)的不斷進步，一次風(fēng)機設(shè)備故障檢測與定位技術(shù)不斷成熟，故障監(jiān)測的靈敏性和準(zhǔn)確性不斷提升，對于電網(wǎng)系統(tǒng)的安全運行將會起到很好的支持作用。