王永林，王云，紀(jì)萬(wàn)青，沈憲明，王樺

(中國(guó)華電科工集團(tuán)有限公司，北京 100070)

0 引言

為減少因環(huán)保島設(shè)備劣化所帶來(lái)的經(jīng)濟(jì)損失，對(duì)環(huán)保島關(guān)鍵設(shè)備進(jìn)行狀態(tài)監(jiān)測(cè)和狀態(tài)檢修是非常有必要的。環(huán)保島關(guān)鍵設(shè)備包括漿液循環(huán)泵、氧化風(fēng)機(jī)、球磨機(jī)、皮帶機(jī)等，這些設(shè)備之間的系統(tǒng)作業(yè)才能完成污染物的超凈排放，設(shè)備之間的耦合性、系統(tǒng)之間的復(fù)雜性等都決定了這些設(shè)備安全、經(jīng)濟(jì)運(yùn)行是至關(guān)重要的，任一設(shè)備出現(xiàn)劣化都會(huì)對(duì)電廠生產(chǎn)造成重大經(jīng)濟(jì)損失和社會(huì)影響。目前環(huán)保島生產(chǎn)企業(yè)對(duì)這些設(shè)備的監(jiān)測(cè)和維修還采用傳統(tǒng)的定期維修策略，當(dāng)設(shè)備出現(xiàn)劣化或故障時(shí)，通過(guò)降低火電廠出力甚至停機(jī)來(lái)解決因環(huán)保島關(guān)鍵設(shè)備出現(xiàn)問(wèn)題所帶來(lái)的后果。如果能夠通過(guò)故障診斷手段，對(duì)環(huán)保島關(guān)鍵設(shè)備的狀態(tài)參數(shù)進(jìn)行監(jiān)測(cè)和分析，來(lái)判斷設(shè)備是否存在異常，以及故障部位、劣化趨勢(shì)來(lái)確定是否檢修，這對(duì)環(huán)保島安全、經(jīng)濟(jì)運(yùn)行是非常必要的。

隨著計(jì)算機(jī)科學(xué)技術(shù)的快速發(fā)展，數(shù)據(jù)挖掘與分析技術(shù)在各行各業(yè)都取得了傲人的成績(jī)，甚至改變了人們的生活習(xí)慣。環(huán)保島生產(chǎn)企業(yè)的運(yùn)營(yíng)人員希望能夠在關(guān)鍵設(shè)備發(fā)生劣化前就能預(yù)先提示他們，不但能提前采取措施防止故障發(fā)生，避免不必要的經(jīng)濟(jì)損失，還能預(yù)先根據(jù)設(shè)備狀態(tài)實(shí)施檢修計(jì)劃。如果能夠通過(guò)設(shè)備的參數(shù)構(gòu)建設(shè)備的數(shù)據(jù)模型，從而用于設(shè)備故障預(yù)警預(yù)測(cè)，這將是設(shè)備檢修方面的一大進(jìn)步。

近年來(lái)，多種設(shè)備劣化或故障預(yù)測(cè)技術(shù)大力發(fā)展，在多行業(yè)得以應(yīng)用。在國(guó)外，通用電氣(GE)、西門子(Siemens)、ABB、施耐德電氣(Schneider Electric)等巨頭近幾年來(lái)投入大量財(cái)力、物力研究大數(shù)據(jù)在工業(yè)系統(tǒng)設(shè)備上的應(yīng)用，盡管模型算法各異，但都取得了不菲的成績(jī)。在國(guó)內(nèi)，大批公司和學(xué)者投入了研究。文獻(xiàn)[1]利用灰色理論進(jìn)行趨勢(shì)預(yù)測(cè)分析實(shí)現(xiàn)故障預(yù)警。文獻(xiàn)[2]使用神經(jīng)網(wǎng)絡(luò)建立內(nèi)燃機(jī)振動(dòng)與缸壓預(yù)警模型。文獻(xiàn)[3]利用主元分析技術(shù)(PCA)建立預(yù)測(cè)模型。文獻(xiàn)[4]利用神經(jīng)網(wǎng)絡(luò)建立了電站的送風(fēng)機(jī)故障預(yù)測(cè)模型。文獻(xiàn)[5]利用相似性理論建立發(fā)電廠設(shè)備的故障預(yù)警模型。文獻(xiàn)[6-7]利用多元狀態(tài)估計(jì)等技術(shù)建立了電廠風(fēng)機(jī)狀態(tài)監(jiān)測(cè)模型。文獻(xiàn)[8]利用多元狀態(tài)估計(jì)等技術(shù)建立了核動(dòng)力裝置狀態(tài)監(jiān)測(cè)模型。文獻(xiàn)[9]建立了旋轉(zhuǎn)設(shè)備振動(dòng)分析相似性模型。文獻(xiàn)[10]利用模糊理論與神經(jīng)網(wǎng)絡(luò)技術(shù)建立了超臨界機(jī)組設(shè)備故障診斷。文獻(xiàn)[11]利用聚類與高斯混合算法等技術(shù)建立了電廠前置泵狀態(tài)監(jiān)測(cè)與預(yù)警模型。這些技術(shù)中有的通過(guò)趨勢(shì)預(yù)測(cè)，有的通過(guò)提取關(guān)鍵特征值預(yù)測(cè)，這些方法在某些特定應(yīng)用環(huán)境和設(shè)備上取得了不錯(cuò)的成果，當(dāng)然也存在各種各樣的問(wèn)題，比如神經(jīng)網(wǎng)絡(luò)容易陷入局部最優(yōu)值；設(shè)備特征值提取需要很豐富的經(jīng)驗(yàn)和理論知識(shí)，否則特征值提取不全面，導(dǎo)致故障預(yù)警誤報(bào)率較高。

關(guān)于電廠環(huán)保島關(guān)鍵設(shè)備的深度分析，國(guó)內(nèi)一些專業(yè)環(huán)保公司也開(kāi)始投入研究，但都處于剛剛起步階段。本文通過(guò)多元狀態(tài)估計(jì)技術(shù)和相似性理論相結(jié)合的方法，以歷史生產(chǎn)數(shù)據(jù)分析設(shè)備全工況運(yùn)行特征，研發(fā)了一套環(huán)保島關(guān)鍵設(shè)備的劣化故障預(yù)警方法，并通過(guò)軟件化應(yīng)用于電廠環(huán)保島關(guān)鍵設(shè)備檢測(cè)分析。

1 多元狀態(tài)估計(jì)技術(shù)

多元狀態(tài)估計(jì)技術(shù)MSET(multivariate state estimation technique)源自美國(guó)阿爾貢實(shí)驗(yàn)室，最初該技術(shù)被應(yīng)用于監(jiān)測(cè)核電設(shè)備偏離常態(tài)運(yùn)行。它通過(guò)對(duì)過(guò)程監(jiān)測(cè)的一組正常狀態(tài)的相關(guān)觀測(cè)數(shù)據(jù)進(jìn)行分析，從而對(duì)物理過(guò)程進(jìn)行建模的一種非線性狀態(tài)估計(jì)技術(shù)。由MSET產(chǎn)生的系統(tǒng)模型依賴于當(dāng)下所獲取的用于過(guò)程監(jiān)視的觀測(cè)數(shù)據(jù)的總體信息以及其與該系統(tǒng)在過(guò)去不同狀態(tài)下所獲取歷史數(shù)據(jù)之間的相似度分析，從而給出當(dāng)下設(shè)備的狀態(tài)估計(jì)。它使用正常操作狀態(tài)下的歷史數(shù)據(jù)并從中學(xué)習(xí)用于定義設(shè)備狀態(tài)的各個(gè)參數(shù)之間的關(guān)系。對(duì)于設(shè)備每一組新的觀測(cè)參數(shù)值，MSET使用從已經(jīng)學(xué)習(xí)的狀態(tài)中得到的數(shù)據(jù)模型，來(lái)估計(jì)設(shè)備當(dāng)下的真實(shí)狀態(tài)。設(shè)備的狀態(tài)由表征設(shè)備參數(shù)的值或經(jīng)過(guò)運(yùn)算后表示。盡管描述設(shè)備狀態(tài)的參數(shù)不一定是線性無(wú)關(guān)的，但它們與設(shè)備狀態(tài)當(dāng)下的參數(shù)值有一定程度的相似性。被估計(jì)的狀態(tài)是通過(guò)設(shè)備歷史數(shù)據(jù)反映的各狀態(tài)之間的加權(quán)疊加組合計(jì)算得到的。權(quán)值大小反映了各組參數(shù)描述的狀態(tài)之間的相似程度。

通過(guò)讀取N組設(shè)備狀態(tài)的歷史數(shù)據(jù)組成設(shè)備狀態(tài)參數(shù)矩陣D，設(shè)備每一組歷史狀態(tài)數(shù)據(jù)用列向量表示，則矩陣D的列數(shù)n代表設(shè)備的n個(gè)歷史狀態(tài)。設(shè)備的關(guān)鍵參數(shù)用行向量表示，行數(shù)m代表對(duì)設(shè)備建立狀態(tài)觀測(cè)的m個(gè)參數(shù)變量。設(shè)定某時(shí)刻tj處采集到設(shè)備的m個(gè)狀態(tài)觀測(cè)數(shù)據(jù)為

X(tj)=[x1(tj),x2(tj),…,xm(tj)]T，

(1)

式中：xi(tj)是設(shè)備某個(gè)狀態(tài)參數(shù)i在tj處的觀測(cè)值。則矩陣D記為

Dm×n=[X(t1)X(t2) …X(tm)]=

(2)

通過(guò)獲取足夠多的歷史上能夠涵蓋設(shè)備全部正常運(yùn)行狀態(tài)的觀測(cè)數(shù)據(jù)組成設(shè)備狀態(tài)參數(shù)矩陣D。創(chuàng)建了設(shè)備狀態(tài)參數(shù)矩陣D后，可以對(duì)設(shè)備的動(dòng)態(tài)過(guò)程建立數(shù)據(jù)模型。MSET建模技術(shù)基于對(duì)觀測(cè)向量的當(dāng)下測(cè)量值與包含歷史觀測(cè)向量的狀態(tài)矩陣D之間進(jìn)行相似性運(yùn)算，2個(gè)觀測(cè)向量的相似性運(yùn)算結(jié)果是其相似性測(cè)度。給定設(shè)備當(dāng)下的狀態(tài)測(cè)量觀測(cè)數(shù)據(jù)Xobs，通過(guò)設(shè)備狀態(tài)參數(shù)矩陣D與權(quán)值向量W的點(diǎn)積，計(jì)算得到當(dāng)前系統(tǒng)狀態(tài)的估計(jì)Xest是一個(gè)N維向量。

Xest=D·WT=D[w1,w2,…,wn]T=

w1X(t1)+w2X(t2)+…+wnX(tn)，

(3)

其中W為權(quán)值向量，代表了當(dāng)前狀態(tài)估計(jì)和設(shè)備參數(shù)矩陣D的相似性度量。權(quán)值向量可通過(guò)最小化誤差向量ε得到

ε=Xobs-Xest，

(4)

則對(duì)于一個(gè)給定的狀態(tài)其最小誤差意義下的權(quán)值向量可表示為

W=(DT?D)-1·(DT?Xobs) ，

(5)

其中，?為非線性運(yùn)算子，通過(guò)計(jì)算后，使得DT?D的乘積矩陣可逆。這里使用非線性運(yùn)算子的原因是，在歷史數(shù)據(jù)中心選取的設(shè)備參數(shù)矩陣D的列數(shù)存在相關(guān)性，不能保證DT·D矩陣不可逆。在實(shí)際應(yīng)用中，設(shè)備參數(shù)矩陣D必須有足夠的歷史狀態(tài)數(shù)據(jù)，因此為了解決DT·D矩陣不可逆計(jì)算的問(wèn)題，MSET必須使用非線性運(yùn)算子?代替線性運(yùn)算子。

常用的非線性運(yùn)算子的方法很多，有余弦相似系數(shù)計(jì)算法、皮爾遜線性相關(guān)系數(shù)計(jì)算法、Jaccard相似系數(shù)計(jì)算法、歐氏距離計(jì)算法、相似性理論計(jì)算法等。本文通過(guò)相似性理論來(lái)計(jì)算DT?D，求得2個(gè)向量的相似程度s(X，Y)帶入式(5)中，如果當(dāng)下的觀測(cè)向量與歷史狀態(tài)矩陣中向量的相似程度越大，那么式(5)計(jì)算的結(jié)果W值越大，反之W值越小，在權(quán)值向量確定后，把式(5)帶入式(3)，可得到狀態(tài)估計(jì)向量的計(jì)算公式為

Xest=D·(DT?D)-1·(DT?Xobs) 。

(6)

當(dāng)系統(tǒng)接收到現(xiàn)場(chǎng)設(shè)備的實(shí)時(shí)觀測(cè)值時(shí)，如果設(shè)備處于健康運(yùn)行狀態(tài)，通過(guò)式(6)計(jì)算，得到當(dāng)前狀態(tài)的估計(jì)值，計(jì)算觀測(cè)值與估計(jì)值之間的偏差，當(dāng)偏差小于閾值時(shí)，則認(rèn)為設(shè)備處于正常狀態(tài)運(yùn)行。當(dāng)偏差超過(guò)閾值時(shí)，通過(guò)式(6)計(jì)算構(gòu)造出預(yù)估狀態(tài)，其觀測(cè)值與估計(jì)值的偏差大于閾值，則可以認(rèn)為設(shè)備處于異常狀態(tài)，從而提供預(yù)警信息。

2 相似性理論

設(shè)有向量X={x1,x2,x3,…,xn}和向量Y={y1,y2,…,yn}，Sim(X,Y)為X與Y之間的相似性函數(shù)，當(dāng)其相似性函數(shù)Sim(X,Y)<ε時(shí)(ε為給定的相似性閾值)，稱向量X,Y在以ε為界的情況下相似，記為X～Y。相似性函數(shù)Sim(X,Y)滿足正定性、對(duì)稱性和三角不等式。

(1)正定性：Sim(X,Y)≥0,當(dāng)且僅當(dāng)X=Y時(shí)，Sim(X,Y)=0；

(2)對(duì)稱性：Sim(X,Y)=Sim(Y,X)；

(3)三角不等式：Sim(X,Z)≤Sim(X,Y)+Sim(Y,Z)。

如果2個(gè)向量的相似性函數(shù)為2個(gè)向量之間的歐氏距離d(X，Y)時(shí)，即Sim(X，Y)=d(X，Y)，當(dāng)d(X，Y)<ε時(shí)，稱向量Y在歐氏距離下以ε為界與X相似。2個(gè)向量的歐氏距離反映了它們之間的差異程度，數(shù)值越大，差異度越大，但向量的歐氏距離受原序列具體數(shù)據(jù)量綱單位的影響很大，其計(jì)算結(jié)果的數(shù)值會(huì)超過(guò)1。當(dāng)數(shù)值>1時(shí)，很難比較向量之間的相似程度。在使用中，一般習(xí)慣將相似度與1類比，對(duì)越相似的向量給出越大的值，相似度在數(shù)值上的值域?yàn)閇0,1]，數(shù)值越接近1，相似度越高。所以在向量預(yù)處理過(guò)程中需要對(duì)向量進(jìn)行歸一化處理。

對(duì)于2個(gè)向量X={x1,x2,x3,…,xn}和向量Y={y1,y2,…,yn},Sim(X,Y)為X和Y之間的相似性函數(shù)，給定閾值ε>0,如果X～Y，則定義

s(X,Y)=1-Sim(X,Y)/ε，

(7)

即s(X,Y)為序列X與Y的相似度。

3 應(yīng)用實(shí)例

電廠環(huán)保島脫硫漿液循環(huán)泵是脫硫系統(tǒng)的重要組成部分，對(duì)鍋爐尾氣排放起著至關(guān)重要的作用。將吸收塔底部的漿液輸送至噴淋層，每臺(tái)脫硫循環(huán)泵對(duì)應(yīng)一層噴淋，使?jié){液通過(guò)噴嘴后盡可能霧化，與逆向的煙氣發(fā)生化學(xué)反應(yīng)，吸收煙氣中的SO2，也使進(jìn)入吸收塔內(nèi)部的煙氣溫度降低，以保護(hù)吸收塔內(nèi)部的防腐材料不被高溫?zé)煔鈸p壞[12]。某電廠2×600 MW發(fā)電機(jī)組配套的煙氣脫硫裝置采用石灰石-石膏濕法脫硫工藝，一爐一塔，每臺(tái)吸收塔布置4層噴淋層，配置4臺(tái)漿液循環(huán)泵。運(yùn)行不到半年時(shí)間，葉輪已經(jīng)開(kāi)始磨損，運(yùn)行狀態(tài)變差，表現(xiàn)為設(shè)備運(yùn)行效率下降，噴淋效果變差，劣化逐漸形成，在漿液循環(huán)泵從健康狀態(tài)到故障狀態(tài)演變的過(guò)程中，通過(guò)檢測(cè)表征其性能的參數(shù)的變化趨勢(shì)，可以及時(shí)發(fā)現(xiàn)漿液循環(huán)泵劣化征兆。本文利用MSET和相似性理論構(gòu)建了漿液循環(huán)泵性能劣化預(yù)警分析系統(tǒng)，通過(guò)軟件實(shí)時(shí)監(jiān)測(cè)設(shè)備性能，提示設(shè)備初始劣化狀態(tài)，捕捉其性能動(dòng)態(tài)發(fā)展過(guò)程，實(shí)現(xiàn)漿液循環(huán)泵劣化預(yù)警。

3.1 觀測(cè)變量選取

建立漿液循環(huán)泵性能劣化分析模型，首先要選取表征其性能的相關(guān)觀測(cè)變量。結(jié)合性能計(jì)算的理論模型和現(xiàn)場(chǎng)運(yùn)行經(jīng)驗(yàn)分析，本文選取了漿液循環(huán)泵電流、漿液循環(huán)泵出口壓力、吸收塔漿液密度、吸收塔液位、托盤出口壓力5個(gè)變量作為MEST模型觀測(cè)變量。

3.2 數(shù)據(jù)預(yù)處理

數(shù)據(jù)預(yù)處理分為4步：(1)首先選擇設(shè)備觀測(cè)變量的全工況歷史數(shù)據(jù)，有效的數(shù)據(jù)是在設(shè)備運(yùn)行且沒(méi)有數(shù)據(jù)壞點(diǎn)的情況下，大約1～2年的數(shù)據(jù)，通關(guān)軟件自動(dòng)選取超量程、無(wú)數(shù)據(jù)壞點(diǎn)的數(shù)據(jù)，這一步是數(shù)據(jù)粗處理。(2)數(shù)據(jù)通過(guò)第1步粗處理后，大體都在正常的范圍內(nèi)，但數(shù)據(jù)之間存在不符合邏輯的情況，通過(guò)數(shù)據(jù)之間的邏輯關(guān)系分析，去掉不合理的數(shù)據(jù)段，這一步是數(shù)據(jù)精處理。(3)由于選取了近2年的歷史工況，數(shù)據(jù)規(guī)模很大，需要對(duì)歷史上相同工況優(yōu)化處理，去掉相近或相同的工況數(shù)據(jù)，這樣減少計(jì)算量，且能得到反映設(shè)備全部工況的數(shù)據(jù)。(4)數(shù)據(jù)歸一化處理，由于通過(guò)MSET構(gòu)建的漿液循環(huán)泵性能劣化模型的5個(gè)變量有各自的量綱，不同觀測(cè)量的數(shù)值相差很大，數(shù)據(jù)必須歸一化處理后，才能保證非線性運(yùn)算正確衡量不同工況之間的相似程度。對(duì)各個(gè)變量按照自身的量程進(jìn)行歸一化處理后，處理后的變量數(shù)值映射到[0,1]范圍內(nèi)[13]。

圖1 正常運(yùn)行狀態(tài)監(jiān)測(cè)(截圖)Fig.1 Monitoring on equipment in normal state(screenshot)

圖2 劣化運(yùn)行狀態(tài)預(yù)警(截圖)Fig.2 Warning for equipment deterioration(screenshot)

3.3 由設(shè)備狀態(tài)參數(shù)矩陣D計(jì)算權(quán)值向量W

設(shè)備狀態(tài)參數(shù)矩陣D的構(gòu)建是整個(gè)模型的關(guān)鍵一環(huán)，本文共選取了約10萬(wàn)條數(shù)據(jù)構(gòu)建漿液循環(huán)泵設(shè)備狀態(tài)參數(shù)矩陣D。通過(guò)相似性理論計(jì)算W權(quán)值向量。由于軟件編寫過(guò)程中還有其他設(shè)備的計(jì)算模型，因此需專門配置一臺(tái)計(jì)算服務(wù)器來(lái)完成計(jì)算過(guò)程。

3.4 應(yīng)用實(shí)現(xiàn)

模型投運(yùn)后，時(shí)刻監(jiān)測(cè)A漿液循環(huán)泵的出力情況[14-15]，正常運(yùn)行狀態(tài)監(jiān)測(cè)界面如圖1所示，劣化運(yùn)行狀態(tài)預(yù)警界面如圖2所示。

從圖1可以看出泵的電流預(yù)估值與實(shí)際值的偏差小于設(shè)定閾值3.0 A，壓力的預(yù)估值與實(shí)際值的偏差小于設(shè)定的閾值20.0 Pa，系統(tǒng)安全運(yùn)行。中途運(yùn)行人員根據(jù)電廠入口硫分和負(fù)荷變化的實(shí)際情況，停運(yùn)A泵約19 h后，由于電廠負(fù)荷增加，運(yùn)行人員啟動(dòng)了A泵。啟動(dòng)后軟件提示A泵性能下降，見(jiàn)圖2中粗線部分，時(shí)間從19:30(圖2中游標(biāo)虛線)開(kāi)始，當(dāng)時(shí)系統(tǒng)給出泵的電流預(yù)估值為65.5 A，泵的電流實(shí)際值為62.0 A，二者偏差大于設(shè)定閾值3.0 A。系統(tǒng)給出泵的出口壓力預(yù)估值為388.8 Pa，泵的出口壓力實(shí)際值為302.0 A，二者偏差大大偏離設(shè)定閾值20.0 Pa。運(yùn)行人員立刻向值長(zhǎng)匯報(bào)，需要降負(fù)荷停泵。經(jīng)過(guò)綜合評(píng)估當(dāng)時(shí)的情況后，并沒(méi)有立刻下令降負(fù)荷停泵。第2日上午08:30，降負(fù)荷停泵后，檢修人員立刻開(kāi)展檢修，避免了設(shè)備損壞和經(jīng)濟(jì)損失。

4 結(jié)束語(yǔ)

基于MSET和相似性理論構(gòu)建的漿液循環(huán)泵故障預(yù)警數(shù)據(jù)模型，通過(guò)定義觀測(cè)向量和狀態(tài)估計(jì)向量之間的偏離度，與預(yù)先設(shè)定的閾值對(duì)比，如果偏離度超過(guò)設(shè)定的閾值，則發(fā)出預(yù)警信息提示，反之認(rèn)為設(shè)備健康運(yùn)行。在某電廠的環(huán)保島漿液循環(huán)泵上實(shí)際應(yīng)用該方法，證明通過(guò)MSET和相似性理論建立的模型準(zhǔn)確性高、方法簡(jiǎn)單、預(yù)警及時(shí)，避免了設(shè)備進(jìn)一步劣化，對(duì)于系統(tǒng)關(guān)鍵設(shè)備故障預(yù)警，有很好的推廣價(jià)值。文中只對(duì)正常狀態(tài)下的信號(hào)進(jìn)行了模型分析，如果提取設(shè)備故障數(shù)據(jù)建立模型，則可建立設(shè)備故障診斷模型，為漿液循環(huán)泵的故障診斷提供決策依據(jù)。