黃 偉, 張澤發(fā)

(上海電力大學 自動化工程學院, 上海 200090)

燃氣輪機由燃燒室、透平、壓氣機3大主要部件組成,其中燃燒室是壓縮空氣與天然氣混合燃燒的場所,是燃氣輪機的核心部件。其工作的可靠性直接影響燃氣輪機工作的可靠性[1]。由于燃燒室處于高溫高壓的工作環(huán)境下,其內(nèi)部的火焰筒、燃燒器噴嘴等部件長期處于惡劣的工作環(huán)境下,一旦燃燒室燃燒火焰大幅度波動,其內(nèi)部溫度場發(fā)生偏移[2],極高的火焰溫度將燒穿燃燒室內(nèi)襯陶瓷瓦,嚴重時將導致燃燒室變形,給電廠帶來巨大的經(jīng)濟損失。因此,在燃燒室故障發(fā)生前若能捕獲故障的細微征兆,發(fā)出預警信號提醒運行人員,可以極大地提高機組的安全性,減少燃燒室故障引起的機組安全事故與非計劃停機,為企業(yè)創(chuàng)造更多的經(jīng)濟效益[3]。

1 燃氣輪機本體結(jié)構(gòu)

研究對象為由三菱M701F4型燃氣輪機組成的3×390 MW燃氣-蒸汽聯(lián)合循環(huán)一拖一供熱機組,包括燃氣輪機、余熱鍋爐、汽輪機各一臺?？傮w配置為:一臺M701F4型低NOx燃氣輪機、一臺燃氣輪機的發(fā)電機、一臺無補燃三壓再熱自然循環(huán)余熱鍋爐、一臺蒸汽輪機和一臺汽輪發(fā)電機。以天然氣作為燃料,壓氣機壓縮由燃氣輪機進氣裝置引入的空氣,然后空氣進入分管式燃燒室,該分管型燃燒室環(huán)繞在燃氣輪機主軸上。天然氣經(jīng)過天然氣加熱系統(tǒng)加熱、過濾器過濾,與進入燃燒室的壓縮空氣進行預混,通過燃燒器噴嘴噴入燃燒室后燃燒,燃燒后產(chǎn)生的均勻一致的高溫燃氣進入透平,膨脹做功后推動透平葉片,帶動燃氣輪機轉(zhuǎn)子轉(zhuǎn)動,推動發(fā)電機發(fā)電。

M701F4燃氣輪機的燃燒室采用干式低NOx燃燒技術(shù)。天然氣被分配到4條燃料管線——值班管線、主A管線、主B管線和頂環(huán)管線。各個管線的燃料流量分別由安裝在燃料單元中的控制閥控制。燃燒室的旁路閥可將一部分壓氣機排氣引入燃燒室尾筒,以提高機組啟動時火焰的穩(wěn)定性,并在機組運行時維持要求的燃空比。燃氣輪機排氣溫度測點由26個熱電偶組成,其中6個熱電偶探測透平排氣道的排氣溫度,20個熱電偶均勻分布,用以檢測透平葉片通道的排氣溫度。

2 基于多元狀態(tài)估計建模的設(shè)備故障預警系統(tǒng)

以燃氣-蒸汽聯(lián)合循環(huán)機組仿真平臺上采集到的燃氣輪機運行數(shù)據(jù)為基礎(chǔ)進行故障預警研究。圖1為設(shè)備失效模式圖。

圖1 設(shè)備失效模式示意

在設(shè)備失效前,設(shè)備狀態(tài)會出現(xiàn)3個階段:第一階段是故障萌芽,此時設(shè)備可能由于長期的運行老化出現(xiàn)裂紋等故障隱患;第二階段,設(shè)備在故障萌芽的基礎(chǔ)上,運行狀態(tài)逐漸惡化,發(fā)展成為可以聽見的噪聲;第三階段,設(shè)備的故障隱患被放大,表現(xiàn)為溫度存在異常,可見噪聲進一步擴大,最后設(shè)備在某一個時刻失效。故障預警的運用能夠給出足夠的時間讓運維人員進行相關(guān)的安排、計劃和維護,在設(shè)備故障征兆的萌芽階段發(fā)現(xiàn)故障隱患,排除故障。

SINGER R M等人[4]提出了一種基于數(shù)據(jù)的非參數(shù)建模方法,稱為多元狀態(tài)估計(Multivariate State Estimation Technique,MSET)法。此方法在故障預警、傳感器校驗、工業(yè)設(shè)備狀態(tài)監(jiān)測等領(lǐng)域取得了較多成果。

首先,定義歷史記憶矩陣(又稱過程記憶矩陣)D,由設(shè)備正常運行狀態(tài)中得到的歷史數(shù)據(jù)構(gòu)成。該矩陣的每一列代表一個觀測狀態(tài),這個觀測狀態(tài)代表對設(shè)備待測參數(shù)點在當前時刻的測量值。該矩陣的列數(shù)m代表m個時刻的狀態(tài),行數(shù)n代表n個檢測點。由此可定義tj時刻的觀測向量

X(tj)=[x1(tj)x2(tj)x3(tj)…xn(tj)]T

(1)

式中:xi(tj)——第i個觀測點在tj時刻的觀測值。

于是其歷史記憶矩陣可表示為

[X(t1)X(t2)X(t3) …X(tm)]

(2)

MSET的基礎(chǔ)是歷史記憶矩陣,所以歷史記憶矩陣常稱為MSET的系統(tǒng)模型。從歷史記憶矩陣D中選擇合適的m個歷史向量所形成的子空間可以覆蓋設(shè)備正常運行過程中的整個動態(tài)過程。因此,歷史記憶矩陣的實質(zhì)是對設(shè)備歷史運行狀態(tài)特性的記憶和學習。

然后利用MSET進行動態(tài)建模[5],用Xobs代表設(shè)備或過程在每個時刻的觀測向量。多元狀態(tài)估計技術(shù)將該觀測向量與過程記憶矩陣中存儲的正常工作狀態(tài)進行比較,并運算出當前系統(tǒng)狀態(tài)的估計向量Xest。Xest是一個n維向量,是歷史記憶矩陣和權(quán)值向量W的積,即

(3)

權(quán)值相量W表示該狀態(tài)與過程記憶矩陣中所有狀態(tài)的一種相似性基準,即

W=(DT?D)-1·(DT?Xobs)

(4)

其中,?是為了防止DT·D不可逆的情況而應(yīng)用非線性運算符代替矩陣乘法的運算符。選用通用的歐氏距離運算,即

(5)

MSET模型中的估計向量可以用歷史記憶矩陣中m個歷史觀測向量來線性表示,權(quán)值向量W代表此狀態(tài)與歷史記憶矩陣中狀態(tài)的一種相似性基準,可以通過最小化殘差向量ε來得到。定義新的觀測向量Xobs與估計向量Xest之間的殘差為

ε=Xest-Xobs

(6)

綜合式(3)和式(4)計算可得

Xest=D·(DT?D)-1·(DT?Xobs)

(7)

3 相似度函數(shù)

MSET的輸入觀測向量與估計向量之間的誤差可以反映設(shè)備隱患或故障,一般可以直接利用某單一變量的實際觀測值與其估計測量值之間的殘差作為故障判斷指標。對于燃燒室,一般選擇燃燒室壓力作為監(jiān)測參數(shù),雖然燃燒室壓力包含了大部分的故障信息,但是有些故障發(fā)生時,沒有表現(xiàn)出燃燒室壓力波動,如燃燒器積碳等故障最初對燃燒室壓力影響很小,只有當燃燒室熄火后燃燒室的壓力波動才極大。顯然僅通過單一變量誤差進行故障預警會遺漏很多的設(shè)備異常信息和故障隱患。因此,利用觀測向量與估計向量的相似度函數(shù)來進行燃燒室故障預警。

利用歐氏距離比較兩個向量之間的相異程度,是常用的一種方式[6]。它能夠間接表示兩者的相似程度,其計算數(shù)值越小,相似程度越高。同時,考慮到觀測向量中各變量所包含的故障信息量的不同,有些變量可以反映多個故障,各變量對于預警的權(quán)重可以不同。以此為基礎(chǔ),定義關(guān)于觀測向量和估計向量的相似度函數(shù):

(8)

式中:X,Y——觀測向量和估計向量;

w′i——觀測值中第i個變量的權(quán)值;

λ——相異程度閾值,這里根據(jù)運行人員經(jīng)驗取值為0.75。

顯然,當S(X,Y)=1時,X與Y完全相似;當S(X,Y)=0時,X與Y完全不相似。相似度值越大,越趨近于1,說明X與Y的相似程度越大,設(shè)備無故障隱患;相似度值越小,越趨近于0,說明X與Y的相似程度越小,設(shè)備出現(xiàn)故障隱患;若相似度函數(shù)計算值為負時,說明設(shè)備狀態(tài)已極大劣化。

4 實例分析

4.1 燃燒室高溫部件損壞機理

目前,燃氣輪機燃燒室越來越多地采用預混燃燒模式來降低氮氧化物的排放,以提高燃燒效率,但是預混燃燒存在振蕩現(xiàn)象,以及流體力學、聲波與放熱之間的相互作用[7]。每當振蕩發(fā)生,燃燒室壓力和燃料放熱量將產(chǎn)生大幅度波動,會改變?nèi)紵覂?nèi)部的溫度場,使系統(tǒng)性能下降并降低燃燒室的壽命。燃燒室壓力波動引起的燃燒不穩(wěn)定嚴重超限時會導致燃燒器噴嘴和火焰筒等熱部件的損壞。此外,燃氣流量脈動、燃燒器噴嘴阻塞、燃燒室陶瓷壁面腐蝕等情況都會導致燃燒室內(nèi)部運行異常,情況加劇惡化還會導致燃燒室燒穿變形等極端故障的發(fā)生。

4.2 監(jiān)測變量的選取

本文主要尋找燃燒室常見的故障進行分析,選擇那些與燃燒室故障相關(guān)性較大的變量來建模[8]。燃氣輪機發(fā)電功率用來表征燃氣輪機的運行狀態(tài),但只有在燃氣輪機運行情況下討論故障預警才有意義。正常運行情況下,燃燒室的壓力很穩(wěn)定,當燃燒室內(nèi)部出現(xiàn)故障時,火焰的脈動會導致壓力波動,因此燃燒室壓力也是重要變量之一[9]。燃燒室火焰溫度信號可以包含某些故障信息,但燃燒室內(nèi)部火焰溫度過高、工作環(huán)境十分惡劣會導致無法通過直接安裝溫度傳感器的方法來測量其內(nèi)部溫度變化情況,而現(xiàn)有的方式一般是通過測量透平后燃氣輪機的排氣溫度來間接反映燃氣輪機燃燒室內(nèi)高溫部件的性能變化情況[10],因此可以選取透平后的排氣溫度和透平末級葉片的通道溫度作為觀測變量。

綜上所述,本文選取燃氣輪機發(fā)電功率、燃燒室壓力、透平末級葉片通道溫度、透平后排氣溫度4個變量作為觀測向量。

4.3 數(shù)據(jù)預處理

利用正常運行狀態(tài)的數(shù)據(jù)來構(gòu)建MSET模型的歷史記憶矩陣時,對于那些因為傳感器故障等原因造成錯誤的數(shù)據(jù)應(yīng)予以刪除[11]。由于設(shè)備測點類型不同,量綱不同,數(shù)據(jù)的絕對值不同,所以需要對剔除后的數(shù)據(jù)進行歸一化處理,使實際輸入模型的數(shù)據(jù)映射到[0,1]之間,以方便模型計算。具體方法為

(9)

式中:x——歷史數(shù)據(jù);

y——歸一后的歷史數(shù)據(jù)。

對于燃燒室內(nèi)的每一個測點,以1 s為步距,從正常歷史數(shù)據(jù)中挑選一定數(shù)量的向量加入到歷史記憶矩陣D中。

4.4 仿真實現(xiàn)

已知三菱M701F4燃氣輪機發(fā)電機組燃燒室在某時刻出現(xiàn)了燃燒器積碳,可認為是設(shè)備存在隱患,持續(xù)一段時間后,引發(fā)燃燒室熄火故障,最后導致機組停機,而在此時刻前燃燒室工作正常。為驗證相似度分析預警方法的有效性,就近選取故障前一段正常運行狀態(tài)下的數(shù)據(jù)作為過程記憶矩陣,建立故障前燃燒室的預警系統(tǒng)模型。首先選取燃機正常運行狀態(tài)時的948個數(shù)據(jù)點構(gòu)成矩陣D,然后選取燃燒室熄火前150個數(shù)據(jù)點作為觀測向量,利用MATLAB軟件計算觀測向量集和估計向量集的殘差,最后計算出相似度。

燃氣輪機發(fā)電功率的仿真結(jié)果如圖2所示。

圖2 燃氣輪機發(fā)電功率的估計結(jié)果和殘差

由圖2可以看出,在50個數(shù)據(jù)點之前,觀測值與估計值幾乎重合;在50點之后,估計值曲線出現(xiàn)跳躍現(xiàn)象。如果根據(jù)觀測值與估計值的誤差來進行故障預警,在第50點之前,觀測值與估計值的誤差出現(xiàn)微小波動,在第50點之后,殘差逐漸增大,其值變化幅度劇烈,說明此時燃燒室運行處于不穩(wěn)定狀態(tài)。因此,可以認為第50點之后,燃燒室處于故障隱患狀態(tài),可將第50點作為故障早期,第50至150點作為故障發(fā)展狀態(tài),也可稱為故障狀態(tài)。

圖3為透平葉片通道平均溫度的仿真結(jié)果。由圖3可以看出,透平葉片通道平均溫度估計值的變化趨勢與燃氣輪機發(fā)電功率基本相同,區(qū)別在于溫度估計殘差在第50個點之后的震蕩幅度超過燃氣輪機發(fā)電功率的震蕩幅度[12],最小值達到了-1.48 K。由此可以看出,當燃燒室出現(xiàn)故障隱患時,透平葉片通道溫度的變化更能反映燃燒室故障隱患的強弱程度。

圖3 透平葉片通道平均溫度估計結(jié)果和殘差

利用故障隱患狀態(tài)的估計值和觀測值可以驗證MSET模型的精度,以燃氣輪機發(fā)電功率和透平通道平均溫度為例:如圖2所示,在燃燒室熄火故障發(fā)生之前,燃氣輪機發(fā)電功率的估計殘差小于0.6 kW,相對殘差小于0.2%;如圖3所示,透平葉片通道平均溫度的估計殘差小于1.5 K,相對殘差小于0.25%。由此表明,每個變量的估計誤差和相對誤差較小,可以證明故障隱患階段MSET模型具有很高的精度。

引用相似度函數(shù)分析的方法比傳統(tǒng)的MSET法能更早地發(fā)現(xiàn)故障隱患。圖4為故障隱患階段的相似度曲線。

圖4 故障隱患階段的相似度曲線

圖4中,在第1個數(shù)據(jù)點時,燃燒室設(shè)備的相似度S(X,Y)<1,此時運行人員可以認為燃燒室設(shè)備工作狀態(tài)偏離了原來的運行狀態(tài),可提前進行檢查。隨后設(shè)備的相似度先降后升,最后降至負值,可以判斷設(shè)備的運行狀態(tài)極大地偏離了穩(wěn)定運行狀態(tài),此時處于故障的發(fā)展階段。與圖2和圖3相比,利用相似度函數(shù)分析的方法比基于估計殘差的MSET方法發(fā)現(xiàn)故障隱患的時間提前了50 s,表明運行人員能夠更早地發(fā)現(xiàn)燃燒室存在的隱患。

5 結(jié) 語

根據(jù)燃氣輪機的運行數(shù)據(jù),采用MSET法建立燃燒室正常的運行狀態(tài)模型并進行預警。針對多元狀態(tài)估計預警在預警時間上有所滯后的不足,引入相似度函數(shù)分析法對其進行改進。通過實例驗證了相似度函數(shù)比MSET法能更早地發(fā)現(xiàn)設(shè)備的故障隱患,能更有效地進行燃燒室的故障預警。