摘 要：以燃機為核心設(shè)備的電廠具有很大的優(yōu)勢，是未來能源領(lǐng)域的重要發(fā)展方向。為了提高電廠燃機設(shè)備的故障檢測效率，本文分析了常見的10種故障類型、配置了對應(yīng)的傳感器、構(gòu)建了小型的故障檢測物聯(lián)網(wǎng)。在物聯(lián)網(wǎng)的決策環(huán)節(jié)，設(shè)計基于ESN網(wǎng)絡(luò)的智能故障檢測方法，并給出方法的詳細(xì)流程。在測試試驗中，采用基于ESN網(wǎng)絡(luò)的檢測方法，使5組燃機故障的檢測準(zhǔn)確率均超過90%，證實了物聯(lián)網(wǎng)系統(tǒng)的有效性。

關(guān)鍵詞：電廠燃機；故障檢測；物聯(lián)網(wǎng)

中圖分類號：TM 61" " 文獻(xiàn)標(biāo)志碼：A

在電力能源的供給版圖中，燃機設(shè)備并未受到廣泛關(guān)注。但是隨著國家對生態(tài)環(huán)境日益重視，低碳低能耗要求日益深入人心，基于燃機聯(lián)合蒸汽輪機等設(shè)備的發(fā)電技術(shù)逐漸受到能源領(lǐng)域的重視[1]。以燃機為核心設(shè)備的發(fā)電過程，具有以下特點。1）基于燃機的電廠循環(huán)效率和能源利用率高，大大優(yōu)于火力發(fā)電的燃煤過程。2）基于燃機的發(fā)電過程，蒸汽是主要的能源介質(zhì)形態(tài)，降低了環(huán)境的污染程度[2]。3）投資少、占地面積小、建廠速度快，因此基于燃機的電廠在未來擁有廣闊的發(fā)展趨勢。需要指出的是，燃機設(shè)備是比較復(fù)雜的大型設(shè)備，在實際應(yīng)用的過程中可能出現(xiàn)各種類型的故障[3]。這些故障的形成原因各異，導(dǎo)致檢測困難、檢出率低、檢測效率不高等問題。因此，為了保證電廠的正常工作，需要尋找燃機設(shè)備的高效檢修方法。本文通過細(xì)分故障類型，配置對應(yīng)的傳感器網(wǎng)絡(luò)以形成檢測物聯(lián)網(wǎng)，再結(jié)合有效的數(shù)據(jù)分析模型，以期大幅提高燃機設(shè)備故障的檢測效率。

1 電廠燃機故障分析及物聯(lián)網(wǎng)檢測架構(gòu)

電廠內(nèi)的燃機設(shè)備結(jié)構(gòu)復(fù)雜、使用頻率高，因此受到各種人為和自然因素干擾，導(dǎo)致可能出現(xiàn)各種類型的故障。其中，比較常見的燃機故障有以下10種。1）絕緣失效或絕緣破損導(dǎo)致故障。2）軸承潤滑不良、滾珠遺失、軸瓦破損引發(fā)軸承故障。3）電磁耦合繞組短路出現(xiàn)電壓不穩(wěn)、短路故障。4）電力負(fù)載過大導(dǎo)致燃機過熱等故障。5）燃機內(nèi)電氣組件問題出現(xiàn)電壓不穩(wěn)故障。6）超出功率承載范圍導(dǎo)致運行異常故障。7）長時間使用導(dǎo)致設(shè)備老化故障。8）核心部件出現(xiàn)問題導(dǎo)致燃機機組故障。9）各種因素導(dǎo)致振動故障。10）系統(tǒng)復(fù)雜接地系統(tǒng)不統(tǒng)一導(dǎo)致接地故障。

針對上述故障，可以采用對應(yīng)的傳感器進(jìn)行故障檢測，這種運用傳感器的方法可以有效替代人工檢測，提高檢測效率。上述10種故障對應(yīng)的檢測傳感器見表1。

通過使用各種類型傳感器和測量設(shè)備，可以對電廠燃機的主要故障進(jìn)行自動化檢測、自動化數(shù)據(jù)采集。為了統(tǒng)一處理這些數(shù)據(jù)并對燃機狀態(tài)進(jìn)行綜合化判定，本文通過構(gòu)建小型物聯(lián)網(wǎng)，對電廠燃機設(shè)備故障進(jìn)行自動化檢測和判定。電廠燃機故障檢測的物聯(lián)網(wǎng)系統(tǒng)如圖1所示。

在圖1中，上位機是整個物聯(lián)網(wǎng)的核心，負(fù)責(zé)將燃機設(shè)備的各種狀態(tài)信息進(jìn)行整合處理，并判斷燃機設(shè)備能否正常使用。為確定燃機設(shè)備是否存在局部故障，或到重大故障轉(zhuǎn)變的可能性，需要采用一種智能化的監(jiān)測方法。

2 電廠燃機故障的智能檢測方法設(shè)計

在電廠燃機設(shè)備故障檢測小型物聯(lián)網(wǎng)體系結(jié)構(gòu)中，需要用多種傳感器檢測10種故障。對表1中的10種故障來說，在時間維度上，發(fā)生概率不確定，并且各種故障出現(xiàn)的時間節(jié)點帶有一定的隨機性和偶然性。而不同故障對燃機設(shè)備能否正常使用的影響，也有明顯區(qū)別。有的故障屬于局部故障，發(fā)現(xiàn)后及時處理并不影響燃機的正常使用。有些故障屬于核心故障，一旦出現(xiàn)問題就需要停機檢修。為了徹底實現(xiàn)自動化檢測處理，需要采用智能化的算法給出故障判定結(jié)果，從而取代人工檢測。

用各種傳感器對燃機狀態(tài)進(jìn)行持續(xù)監(jiān)測會形成大量的數(shù)據(jù)。這些數(shù)據(jù)是用來判定燃機是否存在故障的原始信息。當(dāng)處理大批量數(shù)據(jù)，并根據(jù)處理結(jié)果得到某種決策時，可以采用神經(jīng)網(wǎng)絡(luò)的方法。在本文中，考慮各種故障狀態(tài)變量的差異性、數(shù)據(jù)集合的龐大性，需要將ESN網(wǎng)絡(luò)作為數(shù)據(jù)處理的核心智能算法。

ESN網(wǎng)絡(luò)在本文中的應(yīng)用結(jié)構(gòu)，如圖2所示。

ESN網(wǎng)絡(luò)是在BP網(wǎng)絡(luò)上發(fā)展起來的一種性能更優(yōu)秀的網(wǎng)絡(luò)，其數(shù)據(jù)處理、機制學(xué)習(xí)、訓(xùn)練迭代、結(jié)果估計的能力都非常強大。在本文設(shè)計的ESN網(wǎng)絡(luò)中，輸入層包括表1的10個狀態(tài)變量，將其作為10種故障時間序列數(shù)據(jù)的輸入，中間層包括大量的神經(jīng)元，這些神經(jīng)元以復(fù)雜的形態(tài)連接，可以對更加復(fù)雜的機制進(jìn)行高效學(xué)習(xí)，輸出層只有一個單元，即對燃機狀態(tài)是否存在故障進(jìn)行判定。

對應(yīng)圖2的3個層次，給出ESN網(wǎng)絡(luò)的數(shù)學(xué)模型，如公式（1）～公式（3）所示。

I（k）=（i1（k），i2（k），…，il（k）T） （1）

C（k）=（c1（k），c2（k），…，cm（k）T） （2）

O（k）=（o1（k），o2（k），…，on（k）T） （3）

式中：I（k）為電廠燃機設(shè)備10種故障數(shù)據(jù)構(gòu)成的輸入數(shù)據(jù)集合；C（k）為電廠燃機設(shè)備故障檢測ESN網(wǎng)絡(luò)的中間層神經(jīng)元集合；O（k）為電廠燃機設(shè)備的故障檢測結(jié)果。

當(dāng)執(zhí)行ESN網(wǎng)絡(luò)進(jìn)行燃機故障檢測時，可采用如下步驟。

首先，將10種故障的時間序列數(shù)據(jù)，按照相同的時間坐標(biāo)輸入到ESN網(wǎng)絡(luò)的輸入單元。需要注意10種故障數(shù)據(jù)量綱不同、閾值范圍大小不一，因此需要對其進(jìn)行歸一化處理，便于輸入數(shù)據(jù)都處在相同的變化范圍內(nèi)。

其次，將輸入的10個變量數(shù)據(jù)送入ESN網(wǎng)絡(luò)的隱含層，這里有數(shù)量豐富的神經(jīng)元，可以對全部數(shù)據(jù)進(jìn)行整理、歸種、分析，并通過神經(jīng)元之間的關(guān)系模擬逼近各個輸入之間的關(guān)系，建立網(wǎng)絡(luò)內(nèi)部的各輸入變量關(guān)系模擬矩陣以及隱含層到輸出層的關(guān)系模擬矩陣。

最后，隱含層根據(jù)大量經(jīng)驗數(shù)據(jù)的學(xué)習(xí)和訓(xùn)練，結(jié)合當(dāng)前輸入數(shù)據(jù)，對電廠燃機可能存在的故障狀態(tài)進(jìn)行智能判斷，并將判斷結(jié)果輸出到輸出神經(jīng)元。

在ESN網(wǎng)絡(luò)的性能測試中，分別選取500組、1000組數(shù)據(jù)，對其收斂性能進(jìn)行測試，結(jié)果如圖3所示。

從圖3可以看出，ESN網(wǎng)絡(luò)訓(xùn)練的數(shù)據(jù)量越大，收斂速度越快，并且收斂時的迭代誤差越小。對比圖中兩條曲線可以看出，在1000組數(shù)據(jù)訓(xùn)練下，收斂速度要快于500組數(shù)據(jù)的訓(xùn)練結(jié)果，并且收斂時的迭代誤差縮小了70%。

3 電廠燃機故障的智能檢測試驗

在前面的研究工作中，本文分析并確立了影響電廠燃機設(shè)備正常工作的10種故障，并分別配置傳感器，將其用于故障數(shù)據(jù)采集，構(gòu)建一個小型的物聯(lián)網(wǎng)系統(tǒng)。在物聯(lián)網(wǎng)的上位機決策環(huán)節(jié)中，基于ESN網(wǎng)絡(luò)構(gòu)建了電廠燃機狀態(tài)的智能化檢測方法。

在后續(xù)工作中，需要通過進(jìn)一步試驗來驗證所構(gòu)建的物聯(lián)網(wǎng)傳感系統(tǒng)、ESN網(wǎng)絡(luò)故障檢測方法的有效性。

在小型物聯(lián)網(wǎng)上位機運行后，對電廠燃機各個節(jié)點的各種傳感器進(jìn)行數(shù)據(jù)采集工作，并將這些數(shù)據(jù)源源不斷地送到ESN網(wǎng)絡(luò)中，用ESN網(wǎng)絡(luò)執(zhí)行內(nèi)核程序，整合、處理各種傳感器的數(shù)據(jù)，對電廠燃機設(shè)備狀態(tài)進(jìn)行最終故障判定，這個核心程序的運行流程如圖4所示。

根據(jù)圖4的流程，對ESN網(wǎng)絡(luò)進(jìn)行訓(xùn)練。在此次訓(xùn)練的過程中，將迭代次數(shù)設(shè)定為1000次，迭代閾值為0.01。如果迭代結(jié)果始終不能小于0.01，那么執(zhí)行1000次迭代為止，如果迭代次數(shù)不到1000次，迭代結(jié)果就小于0.01，結(jié)束迭代過程?？梢杂玫玫降妮斎霗?quán)重矩陣、輸出權(quán)重矩陣、隱含權(quán)重矩陣來分析當(dāng)前狀態(tài)參數(shù)的結(jié)果。

在ESN網(wǎng)絡(luò)達(dá)成穩(wěn)定后，對電廠內(nèi)的多組燃機進(jìn)行持續(xù)故障檢測，并和常規(guī)的檢測方法進(jìn)行橫向比對，得到的結(jié)果如圖5所示。

從圖5可以看出，采用本文提出的ESN網(wǎng)絡(luò)的燃機故障檢測方法，準(zhǔn)確率比常規(guī)檢測方法更高。對5組燃機狀態(tài)的故障檢測來說，ESN網(wǎng)絡(luò)方法的檢測準(zhǔn)確率都在90%以上，優(yōu)于常規(guī)的檢測方法。這充分證明了本文構(gòu)建的基于多傳感器的物聯(lián)網(wǎng)系統(tǒng)以及提出的ESN網(wǎng)絡(luò)智能檢測方法的有效性。

4 結(jié)論

以燃機為核心設(shè)備的發(fā)電過程具有非常突出的特點：能源循環(huán)利用效率高、環(huán)境污染程度降低、建廠工期短、占地面積小。但是，燃機設(shè)備在使用過程中會出現(xiàn)多種故障，會對電廠正常運營造成負(fù)面影響。本文針對電廠燃機設(shè)備進(jìn)行了深入分析，提出了常見的10種故障，包括絕緣故障、軸承故障、短路故障、機組過熱故障、電壓不穩(wěn)故障、功率過載故障、設(shè)備老化故障、機組核心故障、振動故障、接地故障。在此基礎(chǔ)上，針對故障檢測選擇了10種傳感器，包括絕緣檢測儀、軸承跳動儀、電流表、電壓表、溫度計、功率監(jiān)測儀、老化測試儀、霍爾傳感器、振動速度傳感器、接地故障探測儀，并基于上述傳感器構(gòu)建了小型物聯(lián)網(wǎng)系統(tǒng)，設(shè)計了ESN網(wǎng)絡(luò)故障檢測方法。結(jié)果證實，與常規(guī)方法相比，物聯(lián)網(wǎng)和故障檢測方法更具有有效性。

參考文獻(xiàn)

[1] 吳玉進(jìn).火電廠燃機故障診斷及運行維護技術(shù)分析[J].中國設(shè)備工程，2023（15）：150-152.

[2] 何洪，阮航. 基于數(shù)據(jù)分析的設(shè)備故障預(yù)警與診斷技術(shù)在燃?xì)怆姀S的應(yīng)用[J].石油科技論壇，2023，42（1）：61-66.

[3] 楊喜連，王玉璋，楊志鵬，等. 基于視覺信息增強的服役燃機控制系統(tǒng)傳感器故障分種方法研究[J].動力工程學(xué)報，2023，43（9）：1160-1165.