南京南瑞集團公司（國網(wǎng)電力科學(xué)研究院） 馬成偉

通過挖掘和分析水電廠機組關(guān)鍵設(shè)備運行數(shù)據(jù)，實時預(yù)測設(shè)備運行狀態(tài)，及早發(fā)現(xiàn)設(shè)備的潛在故障，安排必要的運行或者檢修措施,確保機組安全穩(wěn)定運行，已成為智能電廠建設(shè)的核心內(nèi)容。本文從預(yù)警對象分析、預(yù)警功能實現(xiàn)、預(yù)警優(yōu)勢三個方面，系統(tǒng)闡述了智能水電廠燈泡貫流機組關(guān)鍵設(shè)備智能預(yù)警技術(shù)的主要內(nèi)容。

隨著工業(yè)互聯(lián)網(wǎng)的快速發(fā)展，水電廠推進設(shè)備數(shù)字化服務(wù)能力的提升，對設(shè)備開展智能化監(jiān)測是其重要的組成部分。通過對設(shè)備屬性監(jiān)測，實現(xiàn)從事后維修向預(yù)知性維修轉(zhuǎn)變，是減少水電廠設(shè)備故障和降低設(shè)備維修費用的重要途徑。燈泡貫流機組擁有諸多設(shè)備，如潤滑油系統(tǒng)、高壓油頂起系統(tǒng)、調(diào)速器油壓裝置、輔助油系統(tǒng)、振擺系統(tǒng)等。這都是水電廠燈泡貫流機組運行過程中的關(guān)鍵設(shè)備，其安全可靠運行對于水電廠正常生產(chǎn)有著重要影響。因此，本文針對水電廠燈泡貫流機組關(guān)鍵設(shè)備開展對于智能預(yù)警技術(shù)的研究。

1 智能預(yù)警對象分析

水電廠燈泡貫流機組關(guān)鍵設(shè)備包括油、氣、水、振擺等系統(tǒng)。油、氣、水系統(tǒng)通過維持自身的液位、流量、壓力來確保水輪發(fā)電機組安全可靠的運行。振擺系統(tǒng)實現(xiàn)對水電機組的振動、擺度、壓力脈動等物理量的在線監(jiān)測。本文將以調(diào)速器油壓裝置、振擺系統(tǒng)等對象為例進行燈泡貫流機組關(guān)鍵設(shè)備智能預(yù)警相關(guān)分析，通過運用多源關(guān)聯(lián)因素的大數(shù)據(jù)分析方法，建立關(guān)鍵設(shè)備智能預(yù)警系統(tǒng)趨勢預(yù)測模型，并利用知識圖譜將人工經(jīng)驗融入模型中，構(gòu)建關(guān)鍵設(shè)備智能預(yù)警系統(tǒng)模型，以實現(xiàn)故障的預(yù)警預(yù)測[1]。

下面主要以壓油泵效率下降、管路漏氣跑油、水力不平衡及集電環(huán)故障等原理來分析研究智能預(yù)警技術(shù)。通過建立設(shè)備工況模型，對指定監(jiān)測量的越限、動作頻次、運行趨勢等進行實時監(jiān)視，分析設(shè)備的內(nèi)在關(guān)聯(lián)，建立設(shè)備機理模型以及設(shè)備異常預(yù)警機制。

1.1 壓油泵效率原理分析

在機組發(fā)電狀態(tài)且有功功率變化小于5%的穩(wěn)定條件下，單次壓油泵的啟動時間是相對穩(wěn)定的，如果單次壓油泵啟動時間過長，則可能是該壓油泵效率低下、電機過載或控制回路故障等。

根據(jù)壓油泵單次運行時間特性，分析測算出壓油泵正常運行工效的上限值：

（1）停泵時間-啟泵時間<上限值，判定為正常狀態(tài)，不做告警提示。

（2）停泵時間-啟泵時間≧上限值，判定為缺陷狀態(tài)，做告警提示。

（3）停泵時間-啟泵時間≧上月平均啟動時間的150%，判定為缺陷狀態(tài)，做預(yù)警提示。

1.2 管路漏氣跑油原理分析

機組發(fā)電狀態(tài)或者停機狀態(tài)下，壓油泵的運行間隔時間是相對穩(wěn)定的，如果壓油泵運行間隔時間過短，則可能是管路漏氣跑油。

根據(jù)調(diào)速器壓油泵運行間隔時間特性，分析測算出壓油泵正常運行間隔的閾值：

（1）啟泵時間-停泵時間≧設(shè)定值，判定為正常狀態(tài)，不做告警提示。

（2）啟泵時間-停泵時間<設(shè)定值，判定為缺陷狀態(tài)，做預(yù)警提示。

（3）啟泵時間-停泵時間<下限值，判定為故障狀態(tài)，做告警提示。

1.3 機組水力不平衡原理分析

在機組發(fā)電狀態(tài)，有功功率大于額定功率的50%且有功功率變化小于5%的穩(wěn)定條件下，機組水力是相對平衡的。通過對水導(dǎo)擺度、轉(zhuǎn)輪室振動，對機組水力平衡進行監(jiān)測分析。

基于對穩(wěn)定工況下對應(yīng)值的大數(shù)據(jù)分析，人工經(jīng)驗輔助修訂，自動計算穩(wěn)定運行值：

（1）一個周期30min，一個周期平均分3 個時段，每個時段10min，與每個時段的歷史值比較((當(dāng)前值-歷史值)/當(dāng)前時段平均值)，根據(jù)“上升”或“下降”變化的選擇，判斷每個時段的上升（或下降）的變化率是否均大于此值5%，歷史值為一個周期平均值。將水導(dǎo)X/Y 向擺度、轉(zhuǎn)輪室X/Y 向振動帶入計算，若滿足條件，則做預(yù)警提示；

（2）一個周期15min，取3 個連續(xù)周期判斷，將水導(dǎo)X/Y 向擺度、轉(zhuǎn)輪室X/Y 向振動帶入計算，如果計算出曲線變化率每個周期都超過設(shè)定值，則做預(yù)警提示；

（3）將水導(dǎo)X/Y 向擺度、轉(zhuǎn)輪室X/Y 向振動當(dāng)前測值與系統(tǒng)自動計算的穩(wěn)定運行值比較，大于5%做告警提示。

1.4 集電環(huán)故障原理分析

集電環(huán)經(jīng)長期工作，因各種原因?qū)е缕涔ぷ髅娉霈F(xiàn)斑點、痕跡、凹痕、損傷等，在正常狀態(tài)下，集電環(huán)運行狀態(tài)相對穩(wěn)定。集電環(huán)預(yù)警對象通過集電環(huán)運行環(huán)境多點監(jiān)測，對集電環(huán)故障進行綜合分析。

（1）一個周期15min，取3 個連續(xù)周期判斷，將集電環(huán)溫度代入計算，如果計算出曲線變化率每個周期都超過設(shè)定值，則做預(yù)警提示；

（2）一個周期3min，一個周期平均分3 個時段，每個時段1min，與每個時段的歷史值比較((當(dāng)前值-歷史值)/當(dāng)前時段平均值)，根據(jù)“上升”或“下降”變化的選擇，判斷每個時段的上升（或下降）的變化率是否均大于此值5%，歷史值為一個周期平均值。將集電環(huán)噪音分貝數(shù)代入計算，若滿足條件，則做預(yù)警提示；

（3）將集電環(huán)X/Y 振動當(dāng)前測值與系統(tǒng)自動計算的穩(wěn)定運行值比較，大于5%做告警提示。

2 智能預(yù)警功能設(shè)計

2.1 動態(tài)閾值監(jiān)測技術(shù)

設(shè)備運行狀態(tài)、健康狀態(tài)和運行效率等指標(biāo)均能反映設(shè)備健康情況，因此可以通過分析設(shè)備的運行狀態(tài)和性能是否在合理的閾值之間，來判斷設(shè)備的運行狀態(tài)，從而實現(xiàn)設(shè)備智能預(yù)警。設(shè)備運行狀態(tài)的閾值一般是固定值，但是某些設(shè)備的運行狀態(tài)受環(huán)境因素的影響較為明顯，可通過函數(shù)、模糊訓(xùn)練數(shù)據(jù)、人工神經(jīng)網(wǎng)絡(luò)等方式構(gòu)建動態(tài)閾值。

以函數(shù)動態(tài)閾值模型為例，以水輪機振擺數(shù)據(jù)作為例分析，利用綜合特性曲線可得到水輪機振擺數(shù)據(jù)的函數(shù)表達式，進而求得函數(shù)閾值，水輪機健康狀態(tài)異常的動態(tài)閾值為網(wǎng)格閾值。在拉依達準(zhǔn)則和辛欽大數(shù)定律的基礎(chǔ)上，結(jié)合水輪機運行的實際工況，考慮放寬一定裕度，并將其應(yīng)用于網(wǎng)格閾值的計算中，計算公式為

其中，是相同工況下積累的穩(wěn)定性狀態(tài)數(shù)據(jù)的平均值，δ是所有穩(wěn)定性狀態(tài)數(shù)據(jù)的標(biāo)準(zhǔn)差，Δ 是裕度值。

在相似影響因素趨勢過程分析中，首先判斷設(shè)備在離散化的影響因素區(qū)間內(nèi)平穩(wěn)運行的具體時間軸，設(shè)備在統(tǒng)計時段內(nèi)的有效狀態(tài)數(shù)據(jù)可作為分析該設(shè)備運行過程趨勢的采樣依據(jù)。

2.2 后臺計算服務(wù)模塊設(shè)計

智能預(yù)警功能后臺計算服務(wù)通過建立預(yù)警對象的模型基礎(chǔ)，實現(xiàn)模型數(shù)據(jù)支撐服務(wù)模塊、工況整編及特征值抽取模塊，平臺可視化計算模塊，歷史數(shù)據(jù)服務(wù)模塊等功能，解決海量報警中無法人工尋找重要信息的問題，提升水電廠的自動化管理水平及預(yù)防性維護決策能力，保障電廠安全穩(wěn)定運行。

2.2.1 模型數(shù)據(jù)支撐服務(wù)模塊

模型數(shù)據(jù)支撐服務(wù)模塊的主要作用是將外部采集到的基礎(chǔ)點進行模型化，并發(fā)布到數(shù)據(jù)總線中，并將數(shù)據(jù)總線中的告警及特征進行計算處理，形成系統(tǒng)整體的告警斷面信息，并進行發(fā)布。

該模塊還負責(zé)發(fā)布智能預(yù)警實時緩存中的數(shù)據(jù)到各個節(jié)點，并接收前端發(fā)送的相關(guān)控制操作寫入實時庫。基礎(chǔ)數(shù)據(jù)整編服務(wù)根據(jù)設(shè)備對象基本屬性的組態(tài)，將監(jiān)控系統(tǒng)原始的歷史數(shù)據(jù)整編記錄到設(shè)備對象屬性數(shù)據(jù)庫表中，供智能預(yù)警特征整編計算使用[2]。

2.2.2 工況整編及特征值抽取模塊

工況整編及特征值抽取模塊主要用作抽取設(shè)備對象預(yù)警判斷時所需的特征值的功能。

該模塊主要完成如下功能：實時數(shù)據(jù)的接收與歷史數(shù)據(jù)的讀??；從監(jiān)控實時數(shù)據(jù)總線獲取當(dāng)前實時數(shù)據(jù)；計算工況變化情況；由工況變化觸發(fā)對應(yīng)的處理線程進行特征抽取；定時啟動特定的特征抽取線程，從歷史庫中獲取數(shù)據(jù)統(tǒng)計信息和特征；通過分析框架實時數(shù)據(jù)總線發(fā)布特征和統(tǒng)計信息。

2.2.3 平臺可視化計算模塊

平臺可視化計算模塊的主要作用是根據(jù)組態(tài)好的邏輯關(guān)系，進行綜合告警策略計算、通用告警策略計算、高級算法策略計算等功能，并更新告警實時緩存供數(shù)據(jù)發(fā)布服務(wù)使用。

2.2.4 歷史數(shù)據(jù)服務(wù)模塊

歷史數(shù)據(jù)記錄模塊主要實時記錄各設(shè)備對象屬性點的歷史數(shù)據(jù)，記錄各個特征整編值，同時在設(shè)備對象告警產(chǎn)生的時刻將該斷面的所有相關(guān)報警信息進行記錄數(shù)據(jù)庫的處理，提供故障追溯的數(shù)據(jù)來源。

2.3 前臺交互模塊設(shè)計

2.3.1 模型組態(tài)

智能預(yù)警模型組態(tài)是基于預(yù)警的業(yè)務(wù)邏輯和定義算法，使用算子樹構(gòu)成的模型。這個過程使用可視化界面完成，只需簡單的拖拉拽操作，通過將需要的算子從工具箱拖動到畫布中，算子之間使用連接線連接。連接線有上方的端點表示算子輸入，下方的端點表示算子輸出，通過連接線連接算子，確保算子之間的輸入輸出關(guān)系，完成建模的過程。

智能預(yù)警系統(tǒng)同一個模型可以應(yīng)用于多個設(shè)備或者系統(tǒng)，對于不同的設(shè)備或者系統(tǒng)，應(yīng)用同一個模型時可以在模型應(yīng)用頁進一步調(diào)整算子的參數(shù)、告警算子的告警號等。

當(dāng)設(shè)備相關(guān)油位、壓力或者水位處于某一穩(wěn)定工況下，設(shè)備單次運行時間統(tǒng)計大于特性數(shù)據(jù)時報警，提醒運維人員及時檢查并處理。

2.3.2 模型應(yīng)用

模型應(yīng)用功能用于將配置好的模型應(yīng)用于相應(yīng)的設(shè)備。同一個模型可以應(yīng)用于多個設(shè)備，對于使用同一個模型模板的不同設(shè)備，可以在模型應(yīng)用頁進一步調(diào)整算子的參數(shù)和告警算子的告警號等設(shè)置。

2.3.3 預(yù)警展示

智能預(yù)警展示分為實時預(yù)警和歷史預(yù)警兩部分，實時預(yù)警展示當(dāng)前智能預(yù)警系統(tǒng)動作的預(yù)警信息，歷史預(yù)警展示智能預(yù)警系統(tǒng)全部預(yù)警信息。其中曲線快查和預(yù)警追溯能友好地展現(xiàn)設(shè)備預(yù)警原因并將預(yù)警相關(guān)歷史數(shù)據(jù)一并展現(xiàn)，便于運行人員快速分析故障原因。

3 智能預(yù)警優(yōu)勢

智能預(yù)警功能是基于故障模型和數(shù)據(jù)模型，提前預(yù)知設(shè)備故障?；谕陚涞哪Ｐ蛿?shù)據(jù)進行專業(yè)分析，精準(zhǔn)定位故障原因，監(jiān)測故障劣化趨勢，實現(xiàn)設(shè)備壽命預(yù)測，減少非計劃檢修、非計劃停機，以及減輕現(xiàn)場人員工作量和壓力。

3.1 優(yōu)化數(shù)據(jù)分析

提出數(shù)據(jù)分析標(biāo)準(zhǔn)規(guī)則，對匯集的數(shù)據(jù)進行漏點檢測、空值處理、維度變換、類型轉(zhuǎn)換等操作，將轉(zhuǎn)換后標(biāo)準(zhǔn)的數(shù)據(jù)匯總進入數(shù)據(jù)倉庫（如圖1 所示），確保數(shù)據(jù)質(zhì)量、支撐挖掘分析。完成數(shù)據(jù)分析、挖掘及閉環(huán)驗證，最終得到寶貴的水電廠運行經(jīng)驗與規(guī)律。

圖1 智能預(yù)警數(shù)據(jù)分析Fig.1 Data analysis of intelligent early warning

3.2 提高數(shù)據(jù)準(zhǔn)確性

傳統(tǒng)的設(shè)備運行狀態(tài)分析要依靠人員定時地去統(tǒng)計、計算、比較數(shù)據(jù)，耗費大量的人力資源并且也不能達到準(zhǔn)確全面的分析，而采用智能預(yù)警系統(tǒng)可以實現(xiàn)24h，全方位不間斷的精準(zhǔn)分析，避免了人工分析依賴經(jīng)驗判斷的局限性，實現(xiàn)了管理數(shù)字化、科學(xué)化，減少了管理成本，提高了工作效率。

3.3 實現(xiàn)設(shè)備的智能預(yù)警

根據(jù)水電廠靜態(tài)設(shè)備、動態(tài)設(shè)備的運行特性，針對目前故障報警存在的不足，建立設(shè)備運行關(guān)聯(lián)度模型，實現(xiàn)生產(chǎn)關(guān)鍵環(huán)節(jié)設(shè)備潛在故障的智能預(yù)警。

利用機組設(shè)備運行所累積的海量歷史數(shù)據(jù)，建立部件、設(shè)備、系統(tǒng)、機組等運行的性能模型，以設(shè)備為對象作為監(jiān)測指標(biāo)，而非測點閾值作為監(jiān)測指標(biāo)，實現(xiàn)設(shè)備對象的智能預(yù)警。

通過實時讀取、跟蹤、分析設(shè)備的運行數(shù)據(jù)，來捕捉設(shè)備運行狀態(tài)的細微變化，研判設(shè)備的運行狀態(tài)，提前發(fā)現(xiàn)設(shè)備的異動、缺陷直至潛在故障，實現(xiàn)智能預(yù)警。

4 結(jié)語

智能預(yù)警系統(tǒng)提升監(jiān)盤工作和應(yīng)急處置快速反應(yīng)能力，降低運行監(jiān)盤人員勞動強度，保障電廠安全穩(wěn)定運行和減少現(xiàn)場人工成本。智能預(yù)警系統(tǒng)提升了水電廠智能化、科學(xué)化、標(biāo)準(zhǔn)化運行管理水平，達到利用智能化技術(shù)創(chuàng)新電力生產(chǎn)企業(yè)運行管理手段的目的，進一步保障電力生產(chǎn)企業(yè)的安全可靠穩(wěn)定生產(chǎn)，具有重要的意義。