设备监控及智能诊断平台在电厂的应用

摘要：基于物联网+、大数据等技术开发的设备监控及智能诊断平台，将远程故障预警及故障诊断技术应用在设备状态维修中，可以实现设备的早期微弱故障预警，有效避免设备突发性事故的发生。人工智能诊断专家系统的使用，可准确识别故障源及严重程度。本系统在火电行业设备管理中的应用和推广，有效提升了企业设备精细化管理水平，实现了企业经济效益的最大化。

关键词：物联网;大数据;设备监控;智能诊断;早期预警;

电厂设备的健康状况直接关系到机组运行的可靠性与经济性，只有设备处于最佳运行状态下才能发挥出优良的使用性能，达到最佳的节能降耗效果[1]。预警技术实质是了解和掌握设备在运行过程中的状态，预测设备的可靠性，及时发现早期故障，并对其产生原因、部位、危险程度等进行识别和评价，预测故障的发展趋势，并针对具体情况作出实施维护决策的技术[2]。通过对设备运行时振动、噪声、温度、压力等物理参数的采集、特征提取及判断，对存在故障的设备，合理安排检修时间和费用，优化检修策略，提高检修效率。

1 设备监控及智能诊断平台

设备监控及智能诊断平台是以设备诊断工程为核心，以提高设备运行可靠性和降低维护成本为目标，以TDM、SIS、振动在线、三检合一(点检、巡检、精密点检)为数据源支撑，通过建立设备诊断模型和预警模型，为设备提供早期预警和故障诊断服务。平台通过传感器、互联网及大数据技术对设备在线状态监测系统数据进行存储、统计、分析及处理，实现对设备的健康状态管理，通过人机互动，建立诊断工单和诊断结果的派发、反馈、评价等一系列工作流程。平台专家系统基于V++和Java开发，其提供Web service服务接口并定义输入XML格式，建有设备部件知识库，对振动原始数据运用全矢谱相关特征向量提取技术，对机组本体故障特征、转子故障特征、轴承故障特征、齿轮故障特征进行提取，由对应部件知识库进行故障模式匹配，形成最终诊断结果，并自动出具诊断报告。

2 平台模块架构

平台模块包括设备资产模块、综合检测模块、三检合一模块、任务管理模块、决策支持模块、系统管理模块。其中综合监测模块通过对电厂TDM、SIS数据的接入，对主要设备进行在线监测和振动分析，包含实时监测、列表监测、棒图监测、实时报警、专业分析、专家诊断、交互诊断、综合评价、历史数据等子模块。三检合一模块包含在线数据、点检数据、离线数据的统计分析。振动分析模块对原始振动信号进行分析处理，通过各种图谱显示相应的故障症状，主要有波形图、频谱图、波形谱图、故障频率分析、包络谱分析、自相关分析、倒频谱分析、功率谱分析、细化谱分析、魏格纳分析、短时傅里叶变化、全矢谱分析、轴心轨迹等子模块。

3 平台应用

某公司下辖三家燃煤电厂(A电厂、B电厂、C电厂)，三家电厂主机及重要辅机设备分别装有TDM、SIS系统。2018年11月平台开发工作完成后，公司将三家电厂TDM、SIS系统数据接入平台，实现了主机及重要辅机设备状态的预警和故障分析诊断功能。通过对实时数据在线监测，对设备早期故障发出预警，并提出诊断意见。每月根据监测情况，出具设备状态评估报告，为电厂设备管理提供了有力的技术支撑，下页表1为机组设备健康状态报表。

对没有安装在线监测探头的设备，通过上传的点检数据，对存在早期故障设备发出预警，并出具诊断意见。对在线和离线数据发出预警的设备，可同时结合振动分析模块的频谱、包络谱等功能对设备故障部件进一步分析，确认设备故障源。2019年2月20日，4B排粉机运行时轴承振动异常，机组负荷180 MW时对其进行了测振，测振仪器为郑恩普特公司出品的设备状态检测与安全评价系统，型号PDES-1，振动采集探头为加速度探头，采样点数2 048，采样频率5 120 Hz。测振数据及频谱见表2，其中驱动端水平方向监测数据的波形及频谱图分别如下页图1、图2所示。

振动分析：由表2可以看出，轴承箱驱动端水平加速度幅值达2.96g。图1波形显示为畸变正弦波，存在冲击，其中峭度指标达4.96。图2中频域存在大量高次谐波，其中120 Hz、242.5 Hz、362.5 Hz、602.5Hz是轴承故障频率，并有转频间隔边带，判断此风机轴承已出现早期故障。根据该风机振动、温度、声音等各参数综合研判设备现在可以正常运行，但运行期间需增加点检频次，加强监视，跟踪轴承振动变化趋势，待机组调停后检查轴承。

处理情况：2019年3月4日机组停备后,对该排粉机轴承进行了解体检查,发现驱动端轴承(型号FAG7330)内、外圈各有一处金属脱落凹坑(如图3所示)，更换轴承处理后，设备运行正常。

4 结论

该平台在火电行业设备管理中的应用和推广，不仅实现了设备的信息化、现代化管理模式，强化了电厂对设备的精细化管理，全面提升了设备管理水平，对设备早期故障提前预警，实时把握设备健康状态，实现以检定修，优化检修策略，降低了设备检修费用，给企业带来良好的经济效益和社会效益。

参考文献

[1] 韩捷，张瑞林.旋转机械故障机理及诊断技术[M].北京：机械工业出版社，1997.

[2] 西安热工研究院.发电设备状态监测与寿命管理[M].北京：中国电力出版社，2013.