張 令，劉 暉，李彥文，李政謙，樊 怡，趙立慧

（1.國電宿遷熱電有限公司，江蘇 宿遷 223803；

2.北京華電天仁電力控制技術有限公司，北京 100039；3.華北電力大學，河北 保定 071003）

0 引言

當前，隨著火電廠節(jié)能減排工作的推進，排放的煙氣要求越來越嚴格[1]，對煙風燃燒系統(tǒng)改進越來越完善。而引風機作為將高溫煙氣排出鍋爐的裝置，工作在高溫、雜質(zhì)多且摩擦腐蝕都很嚴重的工作條件下，很容易發(fā)生故障[2]。引風機作為常用風機中典型、重要、故障率最多且故障分析難度大的運行設備，對其進行故障預警與診斷成為研究的熱點。

引風機作為故障類型繁多的設備，不同的信號之間相互耦合，且設備運行時會受到許多不確定性因素和隨機干擾的影響[2]，導致對設備運行征兆與故障之間的關系未知。傳統(tǒng)現(xiàn)場實際應用時，多采用運行數(shù)據(jù)進行閾值比對法，輔之以巡檢的方法進行預警與診斷，不能夠全面準確地進行預警與診斷工作。隨著火電廠信息化的發(fā)展，通過對歷史數(shù)據(jù)進行關鍵信息挖掘并將故障特征信息提取，使用于構(gòu)建引風機智能大數(shù)據(jù)監(jiān)控系統(tǒng)成為可能。

圖1 引風機狀態(tài)檢修流程圖Fig.1 Flow chart of induced draft fan status maintenance

對引風機進行診斷與預測的智能化是火電廠裝備管理新的研究方向。其顯著特點是構(gòu)建火電廠廠級監(jiān)控信息系統(tǒng)（SIS），在傳統(tǒng)的故障診斷方案中引入了預測能力以及智能計算的思想方法[3]，形成一套盡早發(fā)現(xiàn)引風機故障早期征兆的運行狀態(tài)檢測系統(tǒng)。目前的研究成果[2-29]主要集中在利用風機故障歷史數(shù)據(jù)，挖掘出不同的故障所對應的設備運行狀態(tài)，從而達到判斷出現(xiàn)故障的目的[4]。同時，劉濤等[2,11,12,23,24]提出使用模式識別方法，使用正常歷史數(shù)據(jù)建立進行引風機狀態(tài)庫，使用相似性建模的多元狀態(tài)估計方法。潘作為等[5,6,8,17,25-28]使用振動信號與運行參數(shù)數(shù)據(jù)進行分析，并設計實現(xiàn)了對應的監(jiān)測系統(tǒng)。

本文總結(jié)了現(xiàn)有的火電廠引風機故障診斷與預警的方法與應用優(yōu)缺點，同時從裝備智能故障診斷角度，結(jié)合火電廠實際情況對方案進行綜合評價與發(fā)展趨勢分析。為構(gòu)建火電廠引風機故障診斷與預警大數(shù)據(jù)平臺提供方案參考。

1 發(fā)展歷程

由于電站的引風機是火電廠重要機型之一，其設備的運行狀態(tài)直接關系到機組的啟停[6]。引風機主要依靠電機的旋轉(zhuǎn)帶動葉輪，使得進入進氣箱的氣體能夠在葉輪中獲取克服管網(wǎng)阻力所需的能量[2]。機械運轉(zhuǎn)方面的故障通過傳感器監(jiān)測設備的溫度、壓力等來進行初步的判斷，而性能方面的故障則需要使用運行數(shù)據(jù)來進行分析。同時，在風機的各個部件中，葉輪轉(zhuǎn)子及其支撐軸承的故障率最高[7,8]。因此，滾動軸承、葉輪故障診斷是引風機故障診斷領域的主要研究對象[5]。

1.1 引風機智能故障診斷發(fā)展歷程

圖2 引風機測點分布Fig.2 Induced draft fan distribution

早期，火電廠引風機是通過巡檢人員定時到現(xiàn)場檢查振動、溫度以及氣壓等參數(shù)來確定設備狀況。這種檢查為人工操作，較為繁瑣且不能夠在故障早期及時發(fā)現(xiàn)問題。此后，隨著計算機在發(fā)電行業(yè)的普及，數(shù)據(jù)庫、通信網(wǎng)絡等可以實現(xiàn)對設備的遠程監(jiān)控目標。在此之后，引風機的監(jiān)測逐步向自動化、智能化方向發(fā)展[9]。為了迎合電廠信息化趨勢，國內(nèi)外的大容量機組都安裝有檢查測點，監(jiān)測數(shù)據(jù)實時接入電廠的運行監(jiān)控系統(tǒng)，以供實時報警系統(tǒng)使用[5]。

現(xiàn)在電站的故障保護裝置方式多采用點表閾值比對法。如果短時間設備的實時運行值未在報警系統(tǒng)中的點表設定運行范圍內(nèi)則報警；若在設定時長后運行數(shù)據(jù)仍舊處于異常運行狀態(tài)，則將設備切除，機組將非計劃停運?，F(xiàn)有較為成熟且廣泛應用的引風機狀態(tài)檢修實施平臺設計的流程圖見圖1[10]。

該軟件搭建了一個檢修平臺，首先從運行數(shù)據(jù)表提取出實時的數(shù)據(jù)進行狀態(tài)評價和風險評估，同時根據(jù)維修記錄來給出檢修建議，運行人員根據(jù)軟件的檢修建議操作引風機。所需要進行后臺操作優(yōu)化的部分主要集中在數(shù)據(jù)操作模塊，也就是智能故障診斷方法研究。

現(xiàn)有的智能故障診斷的研究方向主要集中在兩個大方向。其一，使用多元狀態(tài)估計法對引風機系統(tǒng)運行狀態(tài)建模分析[2]；其二，使用包絡分析的方法對振動信號等進行分析[5]。

1.2 引風機監(jiān)測參數(shù)

目前對性能方面使用歷史數(shù)據(jù)進行故障診斷的方式主要有兩種：一種是使用振動信號進行分析得出設備異常[5,6,8,17,25,26,27,28]，另一種是綜合使用振動、壓力、葉輪轉(zhuǎn)子轉(zhuǎn)速以及電流信號構(gòu)造狀態(tài)矩陣進行分析[2,11,12,21,23,24]，而設備的轉(zhuǎn)速可以使用電機功率來替代。當前火電廠都裝備有SIS來實現(xiàn)引風機狀態(tài)監(jiān)測，SIS中含有能夠反映引風機設備運行狀態(tài)與故障信息的數(shù)據(jù)[11]。綜合各類文獻[2,5,6,8,11,12,17,24-28]總結(jié)研究所需要的測點，設備的主要測點分布情況見圖2，參數(shù)說明見表1[2]。

SIS系統(tǒng)可以實時記錄參數(shù)的運行數(shù)據(jù)，每條記錄包括振動、溫度、壓力、流量、電壓和電流共計22個參數(shù)[2,11]。其中，文獻[2,11]使用全部22個測點進行相關性分析，篩選出相關性強的15個測點。文獻[5]使用傳感器測量4個振動幅值、風機出口壓力、風機軸轉(zhuǎn)速、電機電流7個測點。其余文獻[6,8,11,12,17,24-28]使用的測點均能在圖2、表1中取得。

表1 監(jiān)測參數(shù)說明Table 1 Monitoring parameter description

圖3 故障預警系統(tǒng)實現(xiàn)方法Fig.3 Method of fault warning system implementation

2 研究現(xiàn)狀

2.1 多元狀態(tài)估計法

隨著數(shù)據(jù)挖掘技術的不斷發(fā)展，使用模式識別的方法對引風機狀態(tài)進行相似性建模的方法也具有很強的實際操作意義。其中，MSET（Multivariate State Estimation Technique）是由Singer等提出的一種非線性的多元預測診斷技術。通過分析實際監(jiān)測參數(shù)與設備正常運行時的健康數(shù)據(jù)，估計正常運行時的各個參數(shù)的標準量，稱為估計向量[12]。使用實際運行數(shù)據(jù)構(gòu)造觀測向量，運用估計向量與觀測向量之間的距離衡量實際狀態(tài)與正常狀態(tài)的相似性來做出診斷[12]。

文獻[2,11]在引風機故障診斷方案中使用MEST法。首先，采集SIS中引風機系統(tǒng)關鍵測點的正常情況下的運行數(shù)據(jù)，使用聚類方法得出大量正常運行歷史數(shù)據(jù)的質(zhì)心，使用質(zhì)心來代表該類工況。通過計算實時運行狀態(tài)向量與根據(jù)歷史數(shù)據(jù)計算而成的狀態(tài)估計向量，采用歐氏距離進行狀態(tài)估計向量與實測向量之間的距離測算，作為相似度預測。如果距離超過了設定的閾值即進行報警。其實現(xiàn)方法流程圖見圖3。

這種多元診斷方式能檢測設備狀態(tài)初始劣化點的特點，可以捕獲故障動態(tài)發(fā)展過程，實現(xiàn)風機故障預警[2]。但其需要大量的歷史數(shù)據(jù)做支撐，如果歷史狀態(tài)庫未能涵蓋當前工況，則結(jié)果不具有參考性。且該方案對噪聲很敏感，如果有某個測點數(shù)據(jù)出現(xiàn)傳感器或數(shù)據(jù)傳輸異常，則會有誤報警情況。該方案可以隨著時間的累積越來越完善，且具有建模過程簡單和物理意義明確等優(yōu)點。該方法也是火電廠智能化診斷應用的熱點研究方向。

2.2 振動信號頻譜分析

引風機是高轉(zhuǎn)速的旋轉(zhuǎn)設備，其存在的故障會反映在振動信號內(nèi)[13]。從振動角度出發(fā)，引風機振動的因素一般為引風機自身的振動和因為相關電機震動導致了引風機共振這兩大類[5]。在排除了電機故障之后，確定是因為引風機故障造成的異常振動后，使用振動信號頻譜分析的方法進行檢測。

基于引風機的監(jiān)測方法中，使用SIS中的數(shù)據(jù)進行信號分析與故障特征提取成為研究的熱點[5]。其中針對實測振動瞬態(tài)信號，通過各種信號分析方法進行有效提取故障信息的手段已經(jīng)廣泛應用于工業(yè)現(xiàn)場實際中[5]。最基本的信號分析及故障特征提取方法是時域分析、頻譜分析、倒頻譜和包絡分析，這些方法統(tǒng)稱為經(jīng)典方法[14]。同時，包絡分析很好地實現(xiàn)滾動軸承振動調(diào)制信號的解調(diào)分析，提取軸承故障的特征信息，是振動故障特征提取的主要方法之一。文獻[15]給出了希爾伯特變換在振動信號分析中應用研究的介紹。且文獻[5]針對引風機使用小波與分形結(jié)合的故障特征提取方法，并研發(fā)了引風機振動監(jiān)測系統(tǒng)。

分析振動信號的方法研究較為完善，相關的方法也層出不窮。具有包含故障信息豐富、反映速度快、對故障的可識別性強等突出優(yōu)點。但是振動信號的主要缺點是對干擾噪聲非常敏感，引風機的干擾信號較多，從振動信號中有效的分理出故障信號，確定干擾成分比較難。現(xiàn)有的引風機需要配合火電廠負荷進行自動調(diào)節(jié)，在提高其穩(wěn)定性的同時，故障特征隨時間變化易為非平穩(wěn)信號，其數(shù)學基礎、模型都很復雜，且較難理解。

3 發(fā)展趨勢

在實際工業(yè)診斷中，振動信號分析具有準確、高效的優(yōu)點，但是所需要的設備儀器多，且對運行人員分析操作要求較高，在火電廠引風機中應用不廣泛。而多元狀態(tài)估計法模型簡單，應用便捷，逐漸成為火電廠常用的報警方法。但是，其不能夠?qū)崿F(xiàn)具體的故障診斷方案，且計算的精確度以及故障信息的豐富程度和響應速度還沒有達到應用的要求。主要的發(fā)展趨勢在于：逐漸完善數(shù)據(jù)庫實時分析技術以及通信傳輸設備，使實時診斷響應速度得到提高；其次，完善運行數(shù)據(jù)庫異常狀態(tài)下的故障特征及其處理方式，建立故障診斷專家?guī)?，提高故障分類的準確度。

同時，由于數(shù)據(jù)庫運行和故障分析需要有大量的硬件及軟件資源，而智能故障診斷系統(tǒng)的運行維護是一個非常冗雜且專業(yè)要求很高的問題，電站維護開支較大。則從集團級研究出一個可以針對大數(shù)據(jù)、多接口、多電廠整合故障診斷平臺將是可預見的重點發(fā)展方向之一。

4 結(jié)束語

本文針對引風機故障診斷問題，闡述了現(xiàn)有的引風機故障診斷系統(tǒng)的基本結(jié)構(gòu)、故障預警及診斷方法。綜合文獻以及現(xiàn)場實地可以看出，現(xiàn)有應用引風機智能故障診斷的手段較為單一，能夠達到實時報警的功能。使用歷史數(shù)據(jù)進行狀態(tài)檢修的理論與實踐還停留在小樣本且無自適應能力的階段，已建立的模型仍需要通過更多實測振動數(shù)據(jù)和故障案例驗證，來檢驗所研發(fā)的系統(tǒng)的功能及故障診斷效果，經(jīng)過現(xiàn)場實踐不斷改進提高系統(tǒng)的功能和可靠性。