許萍，姚安林，李平，徐惠，羅佳

1.西南石油大學石油工程學院(四川成都610500)2.中國石油西南油氣田分公司輸氣管理處(四川成都610213)

壓氣站電驅增壓系統(tǒng)運行故障因素辨識分析

許萍1，姚安林1，李平1，徐惠1，羅佳2

1.西南石油大學石油工程學院(四川成都610500)
2.中國石油西南油氣田分公司輸氣管理處(四川成都610213)

針對常用的電驅離心式壓縮機組，建立了在電驅增壓系統(tǒng)運行階段包含45個基本事件的電驅增壓系統(tǒng)故障樹。采用故障樹定性分析法辮識出40個電驅增壓系統(tǒng)故障的主要影響因素，通過對電驅增壓系統(tǒng)故障的主要影響因素進行模糊灰關聯(lián)分析，排出電驅增壓系統(tǒng)故障影響因素的關聯(lián)度序，得到各主要因素對電驅增壓系統(tǒng)影響的大小程度，為增壓系統(tǒng)單元風險指標的權重分配提供了理論依據(jù)，也有助于采取針對性的措施來預防增壓系統(tǒng)的故障發(fā)生。

壓氣站;電驅增壓系統(tǒng);故障樹分析;三角模糊數(shù);灰關聯(lián)分析

我國長輸天然氣管道增壓設備多數(shù)采用燃氣輪機驅動離心式壓縮機'但一些靠近電力充足地區(qū)的壓氣站則以大功率電動機驅動離心式壓縮機作為天然氣增壓方式[1］。2007年陜京二線榆林壓氣站首次采用特大型變頻電機驅動離心壓縮機組并試運成功'進一步擴大了特大型變頻電機驅動離心式壓縮機組在長輸管道上的實際應用范圍[2］。到2012年'電驅離心式壓縮機已被廣泛應用于天然氣長輸管道行業(yè)[3］。增壓系統(tǒng)是壓氣站最核心的設備'如果增壓系統(tǒng)出現(xiàn)故障'將會影響全站的運行情況。因此'合理辨識電驅增壓系統(tǒng)在運行期間的關鍵故障因素'對于保證壓氣站乃至整個天然氣管道的安全運行都十分重要。

目前我國的輸氣管線中'有多個壓氣站均采用電驅離心式壓縮機作為輸氣干線氣體增壓的主要設備'而壓縮機組故障停機的現(xiàn)象時常出現(xiàn)。圖1為2009～2012年國內(nèi)已投運的某壓氣站各類設備故障次數(shù)統(tǒng)計圖。

如圖1所示'該站2009年、2010年、2011年、2012年故障次數(shù)分別為38次、18次、123次及82次。然而'在以上的故障統(tǒng)計中'電驅離心式壓縮機故障停機是引起站場設備故障的重要原因。因此'有必要找出電驅增壓系統(tǒng)故障的主要影響因素'進而為采取措施減少電驅增壓系統(tǒng)故障提供依據(jù)。

圖1 2009～2012年某壓氣站各類設備故障次數(shù)統(tǒng)計

1 壓氣站電驅增壓系統(tǒng)故障樹

根據(jù)故障樹分析方法的基本原理'以電動機驅動離心式壓縮機組成的電驅增壓系統(tǒng)運行故障為頂事件'電動機故障和離心式壓縮機故障為次頂事件'從電機溫度過高、電機振動異常、機體帶電三方面分析電動機運行故障。從轉子異常振動、喘振、排氣量不足、干氣密封系統(tǒng)故障、潤滑油系統(tǒng)故障5個方面分析離心式壓縮機故障。從而建立壓氣站電驅增壓系統(tǒng)運行故障樹[4-8］'如圖2所示'故障樹中各事件代碼的意義見表1。

根據(jù)布爾運算原理'寫出故障樹轉化為最小割集的布爾代數(shù)方程:

由此可見'該故障樹化簡后有40個一階最小割集合'3個三階最小割集合。其中影響頂事件的主要因素為40個一階最小割集合。

圖2 壓氣站電驅增壓系統(tǒng)運行故障樹

圖2 壓氣站電驅增壓系統(tǒng)運行故障樹(續(xù))

2 增壓系統(tǒng)故障樹模糊灰關聯(lián)分析

灰色關聯(lián)分析的基本思想是:以因素的數(shù)據(jù)序列為依據(jù)'用數(shù)學的方法研究因素間的幾何對應關系'即序列曲線的幾何形狀越接近'則它們之間的灰關聯(lián)度越大'反之越小[9］。

為了盡可能準確地描述事故發(fā)生的可能性'人們經(jīng)常利用三角模糊數(shù)、梯形模糊數(shù)、LR模糊數(shù)、正態(tài)模糊數(shù)等模糊數(shù)作為基本事件的模糊發(fā)生概率。由于三角模糊數(shù)參照函數(shù)處理較方便'代數(shù)運算較容易。因此'本文在故障樹模糊灰關聯(lián)分析中采用三角模糊數(shù)表示基本事件的模糊發(fā)生概率。

以基本事件模糊重要度為基礎組成一組待檢測數(shù)據(jù)'以待檢測數(shù)據(jù)為參考序列'以典型故障特征矩陣為比較序列'進行增壓系統(tǒng)故障樹的模糊灰關聯(lián)分析'通過關聯(lián)度找出各故障因素對頂事件影響大小的程度[10］。

2.1 三角模糊數(shù)

根據(jù)模糊數(shù)學理論'三角模糊數(shù)的隸屬函數(shù)可用公式(1)表示:

表1 壓氣站電驅增壓系統(tǒng)運行故障樹基本事件表

其中'm稱為p～的核'(b-m)+(m-a)即(b-a)為p～的盲度。

三角模糊數(shù)的隸屬函數(shù)如圖3所示'因此'三角模糊數(shù)也可由3個參數(shù)(a,m,b)表示'記為p～=(a,m,b)。

2.1.1 基本事件模糊概率的確定

由于缺乏可靠的電驅增壓系統(tǒng)故障數(shù)據(jù)庫'本文采用故障統(tǒng)計數(shù)據(jù)結合專家評分的方法獲得基本事件發(fā)生的概率'對于有統(tǒng)計數(shù)據(jù)的基本事件可以直接得到其概率值P'將其用三角模糊數(shù)處理得到模糊概率q～(P,P,P)'其中通過統(tǒng)計得到概率值的基本事件是X2、X12、X21、X27、X42、X43、X44、X45。其余基本事件的概率通過一個3人以上的專家小組打分得到各基本事件發(fā)生概率的估計值'參照文獻[11］利用3σ法則將專家打分處理成三角模糊數(shù)'得到基本事件模糊概率'見表2。

圖3三角模糊數(shù)的隸屬度函數(shù)

表2 各基本事件模糊概率表

由文獻[12］中“與門”和“或門”模糊算子的處理方法'結合電驅增壓系統(tǒng)故障樹'求得頂事件的模糊概率可能性分布為(0.528 599，0.596 840，0.685 482)。

2.1.2 模糊重要度計算

采用中值法計算各基本事件的模糊重要度。

對于三角模糊數(shù)p～=(a,m,b)'其中位數(shù)me為:

由文獻[13］'設故障樹結構函數(shù)為φ(x1，x2，…,xn)'其中xj(j=1，2，…，n)是故障樹基本事件'其發(fā)生概率可能性分布用三角模糊數(shù)形式給出'記為。則頂事件的可能性分布為中位數(shù)記為

基本事件xj的模糊重要度Sj:

2.2 求典型故障特征矩陣

通過故障樹分析可知'導致電驅增壓系統(tǒng)發(fā)生故障的最小割集有43個'將最小割集合的個數(shù)用v表示'即v=43?；臼录膫€數(shù)為45個'取n=45。假設第i(i=1'2'…'v)個最小割集Ki'由w(w=1'2'…'n)個基本事件組合而成'在最小割集Ki中'可令w個基本事件全為“1”'其余(n-w)個基本事件為“0”'得到向量{XKi}(i=1'2'…'v)'這樣由{XKi}就構成了一個v×n階的典型故障特征矩陣[14］。

由此求得電驅增壓系統(tǒng)典型故障特征矩陣XK:

其中'各個最小割集合Ki(i=1'2'…'v)的組成如下:

2.3 求待檢模式向量

由式(2)、(3)求得各基本事件的模糊重要度Sj'并根據(jù)式(5)對Sj進行均值化處理'得到XT(j)(j= 1'2'…'n)'并由其組成一組待檢模式向量XT:

2.4 計算灰關聯(lián)度

以XT為參考序列'以XKi為比較序列進行關聯(lián)度計算'首先計算出XT與XKi之間的序列差ΔTKi(j) (j=1'2'…'n)'計算公式如下:

由式(7)、(8)計算兩極最大差和最小差:

由式(9)計算灰關聯(lián)系數(shù):

其中ξ取0.5。

由式(10)計算灰關聯(lián)度:

由公式(5)～(10)'可計算得到壓氣站電驅增壓系統(tǒng)各最小割集合的灰關聯(lián)度γi(i=1'2'…'v)'即XKi(i=1'2'…'v)對XT的灰關聯(lián)度'計算結果見表3。

由于關聯(lián)度越大表明該最小割集對頂事件的影響越大'根據(jù)表3的計算結果'得到影響電驅增壓系統(tǒng)運行的最小割集合關聯(lián)度排序'依次為:γ42=γ5＞γ30=γ1＞γ41=γ3＞γ4=γ34＞γ31＞γ24＞γ40=γ20=γ18＞γ21＞γ43＞γ2= γ12＞γ26＞γ6=γ17＞γ13＞γ10=γ14＞γ8=γ25＞γ9＞γ16=γ19＞γ27＞γ11＞γ7=γ29＞γ35＞γ28＞γ15＞γ23＞γ33＞γ22＞γ32＞γ36＞γ37=γ38=γ39=γ40= γ41。根據(jù)各最小割集的關聯(lián)度排序即可得到增壓系統(tǒng)各影響因素對其影響程度大小的順序。若取關聯(lián)度較大的前三分之一作為故障關鍵因素'則可知誘發(fā)增壓系統(tǒng)故障的主要因素分別為:軸承磨損(X44)、電動機轉速降低(X5)、勵磁機振動(X30)、定子繞組絕緣損壞(X1)、閥門泄漏(X43)、基礎下沉(X3)、進氣濾清器堵塞(X4)、轉軸上零件松動(X34)、負載振動(X31)、軸承因振動而松動(X24)、閥門堵塞(X42)、冷卻水管路堵塞(X20)、通風道堵塞(X18)、循環(huán)水泵故障(X21)、軸承變形(X45)。

表3 各最小割集合灰關聯(lián)度

3 結語

1)利用故障樹對壓氣站電驅增壓系統(tǒng)進行故障因素辨識'定性分析了各個基本事件對頂事件的影響程度大小。根據(jù)各基本事件的模糊重要度'對各種影響因素進行模糊灰關聯(lián)分析'排出灰關聯(lián)序列'辨識出導致增壓系統(tǒng)故障的關鍵影響因素'從而為增壓系統(tǒng)單元風險指標的權重分配提供了理論依據(jù)'也有助于采取針對性的措施來預防增壓系統(tǒng)的故障發(fā)生。

2)在結合故障樹對輸氣站增壓系統(tǒng)進行灰關聯(lián)分析時'基本事件發(fā)生的概率最好通過故障數(shù)據(jù)庫得到。但鑒于我國目前沒有建立相應的增壓系統(tǒng)故障數(shù)據(jù)庫'本文基本事件發(fā)生的模糊概率采用統(tǒng)計數(shù)據(jù)結合專家評分的方法給出'與實際情況有一定的差距'在實際運用中應該十分重視這一點。

[1］劉培軍.天然氣管道壓縮機站投產(chǎn)試運應注意的問題[J］.油氣儲運，2008，27(7):51-53.

[2］李春艷'毛敏'劉永茜，等.特大型變頻電機驅動離心式壓縮機組在長輸管道上的應用[J］.天然氣與石油，2007，25 (6):20-22.

[3］劉明亮'饒原剛.輸氣站離心式壓縮機優(yōu)化運行實踐與分析[J］.石油科技論壇，2012，31(5):13-17.

[4］陳蘭英'郝點'錢小平.離心壓縮機組事故樹—模糊綜合評價分析研究[J］.石油和化工設備，2009，12(10):14-16，19.

[5］李俊山'張鵬'劉武'等.離心式壓縮機失效故障樹分析[J］.化工設備與防腐蝕，2005，21(2):36-38，40.

[6］呂開鈞.變頻電驅壓縮機組運行中應注意的問題及對策[J］.油氣儲運，2009，28(10):81-83.

[7］張振華，陳寶智，趙杉林，等.含硫油品儲罐中硫化鐵自燃引發(fā)事故原因分析[J］.中國安全科學學報，2008，18(5):123-128.

[8］陳蘭英.大型離心壓縮機組風險評估及安全運行管理研究[D］.東營:中國石油大學，2010.

[9］曹明霞.灰色關聯(lián)分析模型及其應用的研究[D］.南京:南京航空航天大學，2007.

[10］徐濤龍，姚安林，曾祥國，等.基于灰色關聯(lián)分析的LNG接收終端人因事故辨識方法[J］.中國安全生產(chǎn)科學技術，2011，7(9):97-101.

[11］賈智偉，景國勛，張強，等.基于三角模糊數(shù)的礦井火災事故樹分析[J］.安全與環(huán)境學報，2004，4(6):62-65.

[12］李青'陸廷金'李寧萍.三角模糊數(shù)的模糊故障樹分析及其應用[J］.中國礦業(yè)大學學報'2000，29(1):56-59.

[13］Mitauo Y.The median for a L-R fuzzy number[J］.Microelectron.Relia，1995，35(2):269-271.

[14］周繼忠.灰色關聯(lián)故障樹分析法在基坑工程放坡開挖中應用[J］.土木工程學報，2009，42(8):109-114.

The fault tree of a common centrifugal motor driving compressor group pressurization system in operating phase is established，and the fault tree contains 45 basic events.40 main influencing factors of the faults of the motor driving pressurization system are identified by the qualitative analysis of the fault tree.Then the fuzzy gray relation order of the 40 main factors is obtained by fuzzy gray relational analysis of the motor driving pressurization system，that is，the influencing degree order of the 40 factors on the motor driving pressurization system is gained，which provides the basis for the weight distribution of the risk indexes of the motor driving pressurization system，and also helpful to taking appropriate measures to prevent the occurrence of the faults of the pressurization system.

gas compression station;motor driving pressurization system;fault tree analysis;triangular fuzzy number;gray relational analysis

王梅

2014-10-28

許萍(1989-)'女'主要從事油氣長輸管道系統(tǒng)風險評價與完整性管理方向研究。