李小兵

（東方電氣集團東方電機有限公司，四川德陽 618000）

0.引言

抽水蓄能機組區(qū)別于常規(guī)水輪機的重要特點是運行水頭高，其工況更加復雜且轉(zhuǎn)換頻繁，各運行工況的切換過程中常伴隨水力的大范圍波動，對引水管道、機組等設備的安全穩(wěn)定運行產(chǎn)生重要威脅，甚至會影響到電網(wǎng)的穩(wěn)定性。所以對其安全性和可靠性提出了越來越高的要求，并且其維護和保障成本也日益提高，同時由于系統(tǒng)本身復雜時變性、惡劣運行環(huán)境和外部等諸多因素影響，出現(xiàn)故障的概率也呈增加趨勢。一旦發(fā)生事故，便會造成巨大的人員傷亡、財產(chǎn)和經(jīng)濟損失，因此對抽水蓄能機組的安全性和可靠性提出了更高的要求。

以往水電機組的設備維護主要是“故障維護”到“計劃維護”，“故障維護”是機組某些部件出現(xiàn)事故之后進行的補救性維護，“定期維護”由于技術(shù)成熟度和系統(tǒng)復雜的原因，目前抽水蓄能機組往往重點監(jiān)測一些關(guān)鍵參數(shù)，例如振動擺度、壓力，溫度和電壓電流等參數(shù)，人工判斷其健康和故障狀態(tài)，并結(jié)合經(jīng)驗，進行定期維護維修。

在其他工業(yè)領(lǐng)域中，如航空發(fā)動機、艦船系統(tǒng)、民用車輛、車間設備等最新提出了設備故障預測與健康管理（Prognostics Health Management, PHM）的概念，PHM 實現(xiàn)了從當前的“定期維護”到智能系統(tǒng)中“基于狀態(tài)的維護”的重大轉(zhuǎn)變。抽水蓄能機組應該借鑒和消化相關(guān)技術(shù)，實現(xiàn)故障診斷、壽命預測和健康管理的技術(shù)升級。

1. PHM 的概念和內(nèi)容

設備故障預測與健康管理（PHM）是為了滿足自主保障、自主診斷的要求提出來的，是“基于狀態(tài)的維護”的升級發(fā)展[1]。它強調(diào)設備管理中的狀態(tài)感知，監(jiān)控設備健康狀況、故障頻發(fā)區(qū)域與周期，通過數(shù)據(jù)監(jiān)控與分析，預測故障的發(fā)生，從而大幅度提高運維效率。

PHM 主要可以劃分為故障預測和健康管理2 個部分。一般而言，寬泛的設備PHM 研究可以包含從數(shù)據(jù)采集到?jīng)Q策支持的全部過程，是一項全面的、成體系的研究課題[2]。

具體步驟和內(nèi)容如下所示（圖1）：

圖1 常見的PHM實施流程

（1）數(shù)據(jù)采集和傳輸：采集用于故障預測與健康管理的設備信號。

（2）數(shù)據(jù)處理：將數(shù)據(jù)處理成后繼狀態(tài)監(jiān)測、健康評估和故障預測等部分處理要求的格式。

（3）狀態(tài)監(jiān)測：該部分接受來自傳感器、數(shù)據(jù)處理的數(shù)據(jù)，然后將數(shù)據(jù)與預定的失效判據(jù)等進行比較來監(jiān)測系統(tǒng)當前狀態(tài)，并根據(jù)預定各種參數(shù)指標閾值進行故障報警。

（4）健康評估：進行系統(tǒng)的健康狀態(tài)評估，形成故障診斷結(jié)果或故障發(fā)生的可能性。

（5）故障預測：該部分綜合利用前述各部分數(shù)據(jù)信息，對被監(jiān)測系統(tǒng)進行預測其剩余壽命，未來的健康狀態(tài)等。

（6）自動推理決策：該部分接受來自狀態(tài)監(jiān)測、健康評估和故障預測部分的數(shù)據(jù)，通過推理決策產(chǎn)生更換、維修等活動的建議與措施。

（7）外部接口：人機接口與機機接口，實現(xiàn)信息傳遞。

2. PHM 狀態(tài)監(jiān)測和故障診斷技術(shù)

狀態(tài)監(jiān)測是實現(xiàn)PHM 技術(shù)的基礎[3]，其目的是通過對一個或多個監(jiān)測變量的實時監(jiān)測來判斷系統(tǒng)當前的運行狀態(tài)，同時為后續(xù)的故障診斷和故障預測提供系統(tǒng)運行狀態(tài)的基礎性數(shù)據(jù)和信息，狀態(tài)監(jiān)測方法分為不同的信號來源，例如振動信號、噪聲信號，壓力信號，油壓信號，溫度信號，電壓電流信號等，從監(jiān)測方法來看，主要有趨勢分析、聚類分析、正常行為建模等方法。

故障預測是 PHM 的核心，其基本原理就是分析和構(gòu)建故障規(guī)律模型，通過狀態(tài)檢測提前發(fā)現(xiàn)可能的故障。按照技術(shù)路線，故障預測技術(shù)可分為3 大類：基于經(jīng)驗模型的故障診斷方法、基于信號分析的故障診斷方法和基于人工智能的故障診斷方法。

3. PHM 技術(shù)在水電行業(yè)策劃應用案例

抽水蓄能機組中水泵水輪機主軸每天都要經(jīng)歷多次啟停和正反轉(zhuǎn)，以及承受緊急停機或者甩負荷等異常工況，需要重視結(jié)構(gòu)的安全性，本文以水泵水輪機主軸為例，嘗試建立一個預測性維護系統(tǒng)，進行應用性的探索，如圖2 所示。

圖2 主軸退化模型

方案搭建過程中有幾個關(guān)鍵點：（1）主軸狀態(tài)監(jiān)測。首先需要對主軸的異常值監(jiān)測，過對力，振動，熱等直觀數(shù)據(jù)進行實時監(jiān)測，通過歷史數(shù)據(jù)統(tǒng)計設置閾值，一旦發(fā)現(xiàn)異常就進行報警；其次需要對主軸的異常事件進行監(jiān)測和記錄。（2）健康評估。健康評估包括綜合評價與智能檢測，綜合評價需要主軸全生命周期數(shù)據(jù)支持，基于專家經(jīng)驗、測量手段等構(gòu)建健康指標，通過對健康指標的歸一化和加權(quán)綜合，得到主軸健康評價結(jié)果，再通過綜合評價建立起不同健康狀態(tài)與系統(tǒng)響應數(shù)據(jù)的對應關(guān)系，為實時智能檢測提供案例數(shù)據(jù)。智能檢測通過例如深度學習網(wǎng)絡、智能參數(shù)優(yōu)化和遷移學習等混合建模，能夠基于實時數(shù)據(jù)，快速檢測主軸當前所處的健康狀態(tài)，智能化程度高，檢測過程中不依賴專家經(jīng)驗。（3）退化趨勢預測，分為4個步驟：1）通過健康評估得到主軸所處的健康等級。2）通過試驗和現(xiàn)場數(shù)據(jù)積累的方式，獲得主軸退化模板。3）通過歷史退化速度和模板比較聯(lián)合計算，得到退化至下一等級的大致時間區(qū)間。4）有多個退化模板時，將待測主軸與多個模板進行相似度比較，選擇相似度最高的模板。（4）健康管理，對功能和數(shù)據(jù)進行集中管理，利用大數(shù)據(jù)統(tǒng)計分析方法生成維護決策，實現(xiàn)數(shù)據(jù)可視化、功能集成化，構(gòu)建主軸健康保障/管理系統(tǒng)，實現(xiàn)主軸的預測性維護。

最終，通過大數(shù)據(jù)平臺將數(shù)據(jù)傳輸給信息存儲模塊，先驗知識模塊和算法支持模塊，再通過混合建模技術(shù)，將分析結(jié)果導入主軸服務集合中，這包括健康評估，趨勢預測，統(tǒng)計分析，可視化交互，遠程監(jiān)控。故障診斷，壽命預測和預測性維護，最后再將服務集合App 的形式推送給相關(guān)人員，實現(xiàn)整個PHM 系統(tǒng)的集成。

4. PHM 技術(shù)發(fā)展趨勢

國際上IEEE 正在制定PHM 相關(guān)標準，普及該項技術(shù)的應用，國內(nèi)對PHM 的應用也方興未艾，與人工智能、大數(shù)據(jù)分析等技術(shù)深度融合，在不同應用背景下實現(xiàn)項目落地。

抽水蓄能機組運行工況復雜，傳感器采集的信號往往呈現(xiàn)非平穩(wěn)、非線性、強噪聲、高相關(guān)等特點，如何針對這些特點開展針對性更強的PHM 技術(shù)研究，仍然是該領(lǐng)域內(nèi)重要的學術(shù)命題。

此外，PHM 的網(wǎng)絡化檢測、傳輸和應用，將現(xiàn)有主要的離線分析方法變?yōu)樵诰€分析方法，融合多個信號，多種故障診斷和預測方法，多決策策略的信息技術(shù)以及和數(shù)字孿生技術(shù)的深度融合都是PHM 技術(shù)發(fā)展的趨勢。

5.結(jié)論

結(jié)合抽水蓄能機組的現(xiàn)狀需求，本文對PHM 技術(shù)內(nèi)容和關(guān)鍵點進行了介紹，并嘗試性的將該概念引入主軸的預測性維護系統(tǒng)。希望通過本文的介紹和嘗試起到拋磚引玉的作用，使PHM 技術(shù)盡快在水電行業(yè)內(nèi)進行探索，落地和普及，提升水電產(chǎn)品的維護維修水平，提升產(chǎn)品的技術(shù)含量，加快產(chǎn)業(yè)進步，以迎接數(shù)字產(chǎn)品時代的到來。