宋景全

（中節(jié)能（通化）環(huán)保能源有限公司，吉林 通化 134003）

垃圾焚燒發(fā)電廠(chǎng)汽輪機(jī)通流部分運(yùn)行狀態(tài)與熱力參數(shù)變化有緊密聯(lián)系，故障的發(fā)生通常會(huì)引起復(fù)速級(jí)后壓力、流量、溫度等熱力參數(shù)的變化，厚度到了比較嚴(yán)重的階段時(shí)，會(huì)出現(xiàn)汽耗量增加、軸向位移及振動(dòng)增大現(xiàn)象。汽輪機(jī)通流部分出現(xiàn)故障，診斷時(shí)運(yùn)用較多的方法為現(xiàn)場(chǎng)聽(tīng)音、參數(shù)診斷、因果模型等。

本文探究了基于因果模型的故障診斷，以汽輪機(jī)在實(shí)際中出現(xiàn)真實(shí)發(fā)生過(guò)的故障為范例，與該模型進(jìn)行全面的匹配，分析了診斷過(guò)程，并將其應(yīng)用于汽輪機(jī)通流部分故障征兆的診斷。

1 汽輪機(jī)通流部分故障診斷的必要性

汽輪機(jī)通流部分故障的發(fā)生概率是很高的，基于以往運(yùn)行中積累的經(jīng)驗(yàn)及已經(jīng)開(kāi)展的具體探究，可將其分為突然性、漸進(jìn)性。突然性故障是汽輪機(jī)通流達(dá)到很?chē)?yán)重的程度而引起的軸系參數(shù)巨變，越嚴(yán)重故障發(fā)生的概率越大，典型故障現(xiàn)象有：葉片斷裂、推力瓦損壞、動(dòng)靜葉片摩擦、調(diào)節(jié)汽門(mén)卡澀引起的超速等，使汽輪機(jī)軸系參數(shù)發(fā)生較大變化，因此通過(guò)軸系參數(shù)監(jiān)測(cè)就可以及時(shí)預(yù)知并處理。漸進(jìn)性故障是指通流部分逐漸而引起的熱力參數(shù)變化，由于進(jìn)入汽輪機(jī)的高溫蒸汽之中含有鹽，經(jīng)過(guò)做功單元，將熱能轉(zhuǎn)化為動(dòng)能，壓力和溫度逐漸下降，蒸汽對(duì)鹽進(jìn)行溶解的實(shí)際性能相對(duì)衰減，導(dǎo)致鹽在通道中析出，當(dāng)數(shù)量積累到一定程度后便會(huì)結(jié)垢，隨著運(yùn)行時(shí)間的增加，流道部分會(huì)出現(xiàn)故障，鹽沉積在葉片表面會(huì)引起化學(xué)反應(yīng)，導(dǎo)致葉片腐蝕并形成點(diǎn)蝕，同時(shí)通流面積減少，長(zhǎng)期存在的漸進(jìn)性故障將導(dǎo)致汽耗率增加、熱效率下降和發(fā)電量降低。

雖然漸進(jìn)性故障在開(kāi)始時(shí)對(duì)機(jī)組的安全運(yùn)行沒(méi)有實(shí)質(zhì)性影響，但隨著時(shí)間的積累，必然會(huì)導(dǎo)致突發(fā)故障。

2 簡(jiǎn)約覆蓋集理論的診斷原理

基于節(jié)約覆蓋集理論，建立一個(gè)四元組模型：P=，其中：D={d1,d2,…，dn}為原發(fā)故障集合；P 為發(fā)生率；M={m1,m2,…,mj} 為征兆集合；R?(D×C)(C×C)(D×M)為有序關(guān)系子集；R 為直接因果關(guān)系集合；M+?M 為某次診斷的征兆集合。

因果模型包含以下集合：SD，一階邏輯語(yǔ)句；COMPS，故障部件有限集D；OBS，檢查行為M 或征兆有限集M+。通流部分中裝設(shè)的各類(lèi)部件，基于實(shí)際呈現(xiàn)狀態(tài)分為以下模式：正常-ab（C）、故障ab（C），C 指代部件。在因果模型之中，每個(gè)節(jié)點(diǎn)都被分配了一個(gè)隨機(jī)變量，在描述特定事件時(shí)具有一定的概率分布，概率分布可以充分捕捉數(shù)據(jù)的不確定性信息，直接從父節(jié)點(diǎn)到子節(jié)點(diǎn)，指示因果關(guān)系。

3 基于因果網(wǎng)絡(luò)模型的診斷思路

通過(guò)汽輪機(jī)通流部分故障信息收集，將因果模型通過(guò)特定方式實(shí)現(xiàn)跟鄰近矩陣的相互匹配，運(yùn)用Warshall-Floyd 求取可達(dá)矩陣，且完成對(duì)極小沖突集的設(shè)立。根據(jù)已經(jīng)得到的極小沖突集，對(duì)其分別對(duì)應(yīng)的極小碰集進(jìn)行計(jì)算，便可得出不同的候選診斷；為使診斷后得到的結(jié)果具有更強(qiáng)的精準(zhǔn)性，在得出候選診斷之后需要更加細(xì)致的進(jìn)行診斷、鑒別，如圖1 所示因果模型的故障診斷邏輯思路圖。

圖1 因果模型的故障診斷邏輯思路圖

3.1 信息提取

故障信息收集包括系統(tǒng)報(bào)警和現(xiàn)場(chǎng)聽(tīng)音檢查，將2部分信息融合，過(guò)濾多種關(guān)鍵部件或故障信息之間的冗余關(guān)聯(lián)，從而提取全面精準(zhǔn)的故障信息。

3.2 概率因果網(wǎng)絡(luò)模型

系統(tǒng)故障建模組件的類(lèi)型與征兆間的關(guān)聯(lián)匹配，不同事件節(jié)點(diǎn)只有True 或False 等二進(jìn)制值。對(duì)于實(shí)際應(yīng)用，虛擬故障可以給出組件健康狀態(tài)的多種狀態(tài)，例如80%，這表明該組件不是非常好，但至少可以接受。在因果關(guān)系中，由于在每個(gè)節(jié)點(diǎn)都定義了一個(gè)隨機(jī)變量，因此可以直接分配多個(gè)離散值。

3.3 診斷推理準(zhǔn)則

簡(jiǎn)約覆蓋理論即為診斷推理準(zhǔn)則，冗余層次診斷的即為策略，是概率因果網(wǎng)絡(luò)理論基礎(chǔ)，建立模型，將故障的根本原因與性能測(cè)量聯(lián)系起來(lái)。本文通過(guò)最短路徑——Warshall-Floyd 算法，將鄰接矩陣轉(zhuǎn)為可達(dá)矩陣，推理得出極小沖突集，再通過(guò)邏輯數(shù)組對(duì)它們分別對(duì)應(yīng)的極小碰集進(jìn)行計(jì)算，以得到所需的候選診斷。具體過(guò)程：通過(guò)數(shù)組，對(duì)沖突集CS={c1,c2,…,cn}，最小碰集HS={H1,H2,…}。 記∪CS={c1∪c2∪… ∪cn}={c1,c2,…,cm}。

3.4 計(jì)算和評(píng)價(jià)原理

以原發(fā)故障、先驗(yàn)概率等為主要依據(jù)，同時(shí)運(yùn)用概率推理，對(duì)得到的各候選診斷開(kāi)展全面的篩選，使診斷使需要考慮的范圍得到有效縮減，對(duì)后驗(yàn)概率得出的具體結(jié)果進(jìn)行定量化處理，基于此對(duì)檢測(cè)的具體順序進(jìn)行確定，為維檢工作的開(kāi)展提供有效指導(dǎo)?；诟怕收?，觀(guān)測(cè)得到的結(jié)果，能夠?qū)螻d內(nèi)包含的各類(lèi)真實(shí)狀態(tài)X 進(jìn)行有效體現(xiàn)，因此X 所對(duì)應(yīng)后驗(yàn)概率為：

3.5 診斷結(jié)果

依據(jù)上述方法計(jì)算出各部件所處狀態(tài)的后驗(yàn)概率的大小，即可診斷結(jié)果，可做為設(shè)備健康管理的檢修先后順序。

4 汽輪機(jī)通流部分故障因果網(wǎng)絡(luò)模型的建立

依據(jù)汽輪機(jī)通流部分故障診斷的必要性分析，整理汽輪機(jī)通流部分原發(fā)故障集和故障征兆表現(xiàn)，通過(guò)分層方式完成對(duì)模型的設(shè)立，涉及到的節(jié)點(diǎn)、名稱(chēng)等全部列示在表1、2，對(duì)應(yīng)了故障與各測(cè)量參數(shù)之間的關(guān)系，并且反映設(shè)備的運(yùn)行狀態(tài)。

表1 汽輪機(jī)通流部分原發(fā)故障集

5 汽輪機(jī)通流部分故障診斷的應(yīng)用

某垃圾焚燒發(fā)電廠(chǎng)12MW 汽輪機(jī)通流部分故障，當(dāng)遠(yuǎn)程測(cè)量探頭檢測(cè)數(shù)據(jù)發(fā)現(xiàn)故障信息：接入DCS 控制組件的報(bào)警信息發(fā)出信號(hào)，則征兆M4出現(xiàn)時(shí)。據(jù)圖1 中展現(xiàn)的模型，SD 的具體結(jié)構(gòu)及內(nèi)容均會(huì)因?yàn)槟Ｐ投艿斤@著影響，具體展現(xiàn)在圖2，COMPS（D）為{D1，D11，D12，D12，D13}，OBS（M+）為M5。

圖2

首先可得出M5下的鄰接矩陣A6×6，通過(guò)Warshall-Floyd，轉(zhuǎn)為可達(dá)矩陣R6×6。

即在征兆M5出現(xiàn)后，系統(tǒng)中便會(huì)發(fā)生相應(yīng)的沖突，基于上述矩陣，通過(guò)觀(guān)測(cè)實(shí)際呈現(xiàn)出的狀態(tài)，得出極小沖突集{D1，D6，D11，D12，D13，M5}，預(yù)先設(shè)定了觀(guān)測(cè)得到的結(jié)果具備較高的可信性，即P(M5)=0。系統(tǒng)呈現(xiàn)出不同狀態(tài)的具體概率，運(yùn)用式（1）可求，1 為發(fā)生了故障或征兆，0 表示未出現(xiàn)，則針對(duì)于{D1，D6，D11，D12，D13，M5}系統(tǒng)各狀態(tài)的發(fā)生概率具體結(jié)果如表2 所示。

表2 汽輪機(jī)通流部分故障征兆集

表3 汽輪機(jī)通流部分故障因果關(guān)系圖相關(guān)信息表

根據(jù)系統(tǒng)狀態(tài)及其發(fā)生概率表，系統(tǒng)能夠呈現(xiàn)出的狀態(tài)有64 種，可能及不可能的分別為31、33 種。對(duì)各部件可能出現(xiàn)故障的具體后驗(yàn)概率進(jìn)行計(jì)算，得：P’(D6’)=0.04339P’(D13’)=0.07340P’(D12’)=0.29331P’(D11’)=0.15643P’(D1’)=0.43526，給出排序P’(D1’)>P’(D12’)>P’(D11’)>P’(D13’)>P’(D6’)?？芍?，若已經(jīng)發(fā)生了征兆M5，需以得出的后驗(yàn)概率為依據(jù)，對(duì)開(kāi)展檢修時(shí)采用的具體次序進(jìn)行確定，具體為D1，D12，D11，D13，D6。將上面提及的方法運(yùn)用到對(duì)機(jī)組各個(gè)部件開(kāi)展的診斷中，便可得到整機(jī)檢修時(shí)運(yùn)用的方案，為檢修工作的開(kāi)展找到更具科學(xué)性的方式，能夠更加高效且精準(zhǔn)的對(duì)發(fā)生故障的位置進(jìn)行確定，使維修過(guò)程無(wú)需耗用過(guò)長(zhǎng)的時(shí)間，且盡可能減少需要付出的成本。

6 結(jié)語(yǔ)

汽輪機(jī)通流部分在實(shí)際運(yùn)行中是否具有較高安全性、高效性，會(huì)給透平系統(tǒng)運(yùn)行、發(fā)電廠(chǎng)安全等造成極為顯著的影響，這一持續(xù)過(guò)程至關(guān)重要，隨著勞動(dòng)力、零件和停機(jī)時(shí)間等各種成本要素的增加，這些系統(tǒng)的復(fù)雜性不斷提高，過(guò)程成本顯著增加。因此，對(duì)漸進(jìn)性故障的診斷需要進(jìn)行早期的實(shí)時(shí)熱力參數(shù)、軸系參數(shù)監(jiān)測(cè)，這對(duì)故障發(fā)展趨勢(shì)預(yù)測(cè)、設(shè)備健康管理預(yù)知、檢修成本降低具有實(shí)際意義。