发电机组设备故障诊断研究.docx

发电机组设备故障诊断研究XXX摘 要：说明了国内外发电设备故障诊断技术,阐述了人工神经网络、模糊集理论等智能方法的发展及在电力系统故障诊断领域中的应用,这些方法为电力系统的故障诊断开辟了新的有效途径。关键词：发电设备；故障诊断Study on Fault Diagnosis of Generating Equipment XXXAbstract: This paper analyzes the fault diagnosis and its study, and it presents artificial neural net work, fuzzy sets theory and their application in fault diagnosis of power system. These methods provide new and effective approaches for fault diagnosis of power system.Keywords: generating equipment; fault diagnosis引言随着现代工业和科学技术的迅速发展，发电设备的单机容量越来越大，且日趋高速化、自动化和智能化，对电力工业也提出了越来越高的要求：保护环境、提高效率、降低成本等。高速发展的电力行业正面临着多重挑战。近些年，我国电力供应仍然不足，电力企业必须保证机组安全运行，并在整个生产周期中保证机组运行的可靠性和安全性，这就要求将安全生产排在第一位，实现不间断地安全运营。现代设备，故障机理是很复杂的，有效的故障诊断对获得较高的生产率显得尤为重要。机器性能良好，可预知地了解机器的突发性故障、磨损度，进行寿命预测，可使企业预知机器可能产生的各种情况，提前做好准备。传统的诊断技术已远远不能适应技术的发展，一旦因故障引起设备停机，不仅将造成经济的损失，还会有人员的伤亡。所以，广泛应用高智能、集成化、大型化和通用型的故障诊断技术，对提高发电设备运行时的安全性和可靠性有着重大意义。1 国内外发电设备故障诊断技术发展背景1.1 国外发电设备故障诊断技术的发展 美国从事电站故障诊断系统工作的西屋公司，其从1976年开始电站在线计算机的诊断工作，1980年投入了一个小型的电机诊断系统，1981年进行电站的人工智能专家故障诊断系统的研究，1984年应用于现场，后来又发展成大型电站在线监测诊断系统（AID），并建立了沃伦多故障运行中心（DOC），通过DOC中心，可以看到分布在全美20多个电厂的数据信息。Bently公司在转子动力学方面，对旋转机械的故障机理的研究比较透彻，在振动检测方面有比较深入研究，该公司在故障诊断方面起步虽晚，但开发的旋转机械故障诊断系统ADB3在我国电站领域的应用很广。IRD公司在故障预防性维修技术方面处于国际领先地位，近年来实现了Mpulse联网机械状态检测系统。欧洲也有许多著名的诊断公司：瑞士的ABB公司于1971年由BBC公司引入第一个计算机辅助数据采集系统，目前正大力发展以计算机为终端核心的“人机联系”振动观察系统，并由诊断软件精确诊断机器故障；1978年，法国电气研究与发展部研制了在线振动检测系统，近年又发展了用于大型电站机组与反应堆冷却泵的监测诊断的以监测与诊断辅助站的PSDA系统。德国的申克也生产用于设备诊断的分析仪器及软件系统。1.2 国内发电设备故障诊断技术的发展 我国工业企业的设备诊断技术从1983年起步，初期主要应用于石油、冶金、及电力等行业，进入20世纪90年代后，迅速渗透到国民经济的各个主要行业。现在全国从事与电站设备故障诊断系统相关的单位有数十家，主要是高校、研究所、制造厂、电厂等。尽管在国内故障诊断技术起步较晚，但已经慢慢发展和成熟起来。上海发电设备成套设计研究所在国家“六五”、“七五”、“八五”期间从事旋转机械状态监测和诊断技术的研究，获机电部二等奖，研究装置在电厂得到了较好的应用，同时还从事应用于火电和核电的扭转振动状态监测诊断装置研究，并获得了一项国家专利。大型汽轮发电机组的在线监测和故障诊断技术作为国家“七五”、“八五”重大科技攻关项目，在“九五”期间仍然受到支持，其意义是显而易见的。哈尔滨工业大学振动工程中心自1983年以来与兄弟单位一起,连续承担了国家“六五”、“七五”、“八五”重点攻关项目中有关大型旋转机械故障诊断技术和装置的研究课题，开发出近20套多种类型的故障诊断装置，并应用于各种大型汽轮发电机组和石化企业压缩机组的状态监测和故障诊断，代表类型有MMMD-3；哈尔滨电工与仪表研究所和清华大学等研制了ZHX-10型200MW汽轮发电机组状态监测、分析及故障诊断系统。实践证明，经过十几年的努力，国内开发的适合于火电、水电、核电的故障诊断系统在电力行业中发挥了一定的作，,也取得了一定的经济和社会效益。2设备故障诊断技术的发展2.1 设备使用的规律所有设备在整个服役期内，发生故障的次数和使用时间之间具有宏观上的分布规律：（1）初级阶段。故障率较高，原因有：设备刚刚投运时，必然会暴露出在制造、安装和调试中遗留的问题；相关人员对设备的操作和维护还需要有一个适应和熟悉的过程。（2）稳定期。制造、安装和调试中遗留的问题已经得到了较好的解决，故障率低，一般是突发性故障。（3）劣化期。设备逐渐劣化，故障率开始上升。2.2 故障诊断技术故障诊断技术自二十世纪七十年代兴起，在各产业部门和技术领域发展很快，并取得了很大成效，并且促使了设备维修体制的一次变革。先后经历了以下三种方式。事后维修，等到设备无法工作时再进行维修。早期电力设备采取的是事后维修的方式，根据事故的严重程度，又可分为延缓性维修和根治性维修，这是一种完全被动的维修方式，对生产影响很大，由于故障已经发生，后果及损失是非常严重。后来发展为对电力设备进行定期试验和维修，即预防性维修。预防性维修，预先制定计划，定期进行维修和更换。现在，定期预防性试验和维修已经在电力部门形成制度，对减少和防止事故的发生起到了一定的作用。但预防性维修大多是“离线”进行的，上有许多不完善的地方：需要停电进行试验，但是不少重要的电力设备不能轻易停运，从经济角度，停电检修会造成很大的直接或间接经济损失。停电后，由于它们的试验条件不同于设备的运行条件，多数项目是在低压下检查，很有可能发现不了绝缘缺陷和潜在的故障。由于是周期性的定期试验和检查，而不是连续的实时监测，设备仍有可能在设备检修间隔期内发生故障。即使设备的运行状态良好，由于是按计划进行定期的试验和检查，会造成人力物力的浪费，甚至可能因为拆卸组装过多反而造成对设备的损坏，即过度维修。状态维修，根据设备状态来确定维修工作的内容和时间，制定维修方案。考虑到由于原有预防性维修的局限性，为降低停电和维修费用，在电力系统中正在兴起以状态监测(通常是在线监测)为基础的状态维修。具体内容是对运行中的电气设备的绝缘状况进行连续的在线监测，即时获得能反映绝缘状态变化的信息，在进行分析处理后，对设备的绝缘状况做出诊断，并根据诊断的结论安排必要的维修，包括3个步骤：在线监测、分析诊断、预知性维修。状态维修可更有效地使用设备，提高设备的利用率；降低备件的库存量以及更换部件与维修所需的费用；有目标地进行维修，可以提高维修水平，使设备运行更安全可靠；可以系统地对设备制造部门反馈设备的质量信息，用以提高产品的可靠性。3设备故障诊断的技术方法3.1基于传统故障诊断机理分析的方法 诊断的初期是利用各种物理和化学的原理与手，通过伴随故障出现的各种物理和化学现象，直接检测故障。随着传感技术、动态测试技术和信号处理技术的发展，开始采用以数据处理为核心的故障诊断方式，利用故障所对应的征兆来诊断故障。目前，对汽轮发电机组的故障机理的研究主要是对故障规律、故障征兆和故障模型等方面的研究。故障机理研究是从振动信号中提取故障征兆，从而建立起故障征兆与故障集合之间的映射关系。由于大型旋转机械本身的复杂性和对故障机理不完全清楚，至今难以建立起普遍适用的准确数学模型。3.2基于信号处理的方法当可以得到被控过程的输入输出信号，但很难建立被控对象的解析数学模型时，可采用基于信号处理的方法。基于信号处理的方法是一种传统的故障诊断技术，通常利用信号模型，如相关函数、频谱、自回归滑动平均、小波变换等，直接分析可测信号，提取方差、均值、幅值、相位、峭度、散度、频谱等特征值，从而识别和评价机械设备所处的状，,检测出故障，如统计推理近似诊断法、谱峰自动识别法、最大熵谱估计法。3.3基于解析模型的方法基于解析模型的方法应用在线系统辨识技术实时地为系统建立数学模型，当系统中存在故障时，系统的输入输出关系就会改变，这些变化就会反映在数学模型中，因而通过观测系统数学模型的参数变化，便能判定系统是否存在故障。基于解析模型的故障诊断方法能够深入研究系统本质的动态性质并进行实时诊断，该方法可以分为状态估计法、等价空间法和参数估计法等。3.4基于知识的方法基于系统模型的故障诊断方法要求得到较为精确的系统模型，但在实际工程中往往难以建立系统的模型或模型不精确，这就限制了这种故障诊断方法在实际中的使用。基于知识的方法不需要对象的精确数学模型，近年来得到了迅速发展。常见的有专家系统法、模糊诊断法、人工神经网络法以及基于诊断对象的模型知识的诊断方法。4发电设备故障诊断技术的发展方向目前以知识处理为核心，信号处理、建模处理与知识处理相融合的智能诊断技术正迅速发展。故障诊断技术开始与其他的前沿科学相融合，一同发展。例如：故障诊断与模糊数学、小波分析、分析几何等前沿数学的结合；故障诊断与人工神经网络、专家系统等人工智能技术的结合，以及故障诊断与信息技术的融合等。4.1模糊诊断的原理电力设备故障诊断中存在着大量的不确定现象，表现为随机性和模糊性。随机性是由于试验的数据的分散性及他与故障的因果关系不确定等造成的，可以用统计的方法进行研究。模糊性是指故障的差异在某阶段存在“亦此亦彼”的特性，是故障的一种客观属性。因此，需要找到一种能够合理表征电力设备故障诊断中模糊性的工具，可将模糊数学应用于故障诊断中，用数学公式把模糊不清的概念清晰化，从而对故障现象中的模糊性能够合理量化。模糊诊断技术在电力设备监测的具体应用中，不仅突破了传统的基于规则的绝缘监测评判方法，而且利用模糊诊断技术可以对多因子故障进行分类和模糊判别。4.2人工神经网络目前，人工神经网络在电力系统中的应用主要集中以下领域：故障检测和继电保护、运行监视和暂态稳定控制、警报处理和故障诊断、负荷建模和负荷管理、动态和静态安全分析、负荷预测、最优潮流计算、经济调度等。4.3小波分析小波分析是一种崭新的时频分析方法，具有良好的时频局部化特性和对信号自适应、“变焦距”多尺度分析能力，适合于对非平稳信号的处理。小波分析是Fourier变换的突破性进展，并发展了窗Fourier变换的局部化思想，它的窗宽随频率增高而缩小，符合高频信号的分辨率较高的要求。小波分析的主要特点之一是具有用多重分辨率来刻化信号局部特性的能力，因而很适合探测在正常信号中出现的瞬态反常现象，并展示其成分。目前，小波分析已经成功地应用于机械设备的振动信号分析中，在电气设备的故障信号分析中，小波分析也必将成为有力的工具。4.4专家系统专家系统作为一种使用知识和推理的智能计算机程序系统，汇集被广泛共享的公开知识和人类专家的个人经验知识，能够解决具体的、专业范围内的难题。根据专家系统的特点，进行电力设备故障诊断可根据各种故障现象，及时、准确地判明故障的原因、类型和部位，甚至能够根据诊断的结果提出相应的处理措施，甚至还可以预测设备的使用年限或寿命。近十年来，故障诊断专家系统无论是在理论上还是在系统开发方面都取得了很大的进展。随着新的原理与方法和故障诊断专家系统的结合，如基于模糊数学、人工神经网络的专家诊断系统等技术的不断发展，可能会对专家诊断系统在电力设备诊断中的应用产生突破性进展。结论电力设备的故障诊断技术是一项系统工程，需要从电力设备劣化的特征量开始研究，在确定特征量的基础上再确定信号监测传感器、信号传输方式、分析方式；最终再考虑故障诊断方法。参考文献1 顾煜炯.发电设备状态维修理论与技术M.北京：中国