汽輪發電機組故障智能診斷方法的研究

曾云穎　師富見（哈爾濱電機廠有限責任公司，黑龍江　哈爾濱　150040）

?

汽輪發電機組故障智能診斷方法的研究

曾云穎師富見
（哈爾濱電機廠有限責任公司，黑龍江哈爾濱150040）

摘要：汽輪發電機組作為電力系統的動力源泉，其工作穩定性關系著整個電力系統的能源供應。本文主要針對汽輪發電機組故障職能診斷的方法進行了研究，并在結合知識推理和信息融合故障模式識別技術的基礎上，對汽輪發電機組故障智能診斷的實現程序進行分析，為其技術研究及發展提供可借鑒參考。

關鍵詞：汽輪發電機組；故障智能診斷；方法研究

1 汽輪機智能故障診斷方法的總體思路

汽輪機發電機組的故障智能診斷，作為以計算機為主體的系統化、層次化、規范化的診斷體系，對復雜的汽輪機組系統的故障診斷具有巨大的應用優勢。汽輪發電機組的故障診斷分為在線診斷和離線診斷兩種診斷模式。在線診斷是指在汽輪機工作的狀態下進行的故障診斷，而離線診斷則是在汽輪發電機組停機狀態下展開的故障診斷。汽輪發電機組故障智能診斷系統能夠幫助人們實現對汽輪機組工作時狀態的全程監控，當汽輪機組出現故障時，能夠報警并自動記錄故障原因和位置，提高了故障診斷的準確度。汽輪發電機組故障智能診斷是基于以計算機技術、傳感技術和動態監測技術為基礎的自動化常規診斷技術基礎發展而來的。智能診斷能夠應用人工智能、征兆處理知識推理為核心的診斷技術，形成基于知識的專業診斷知識庫，并以此為基礎實現對汽輪機組的故障智能診斷。一般來說，應用于汽輪發電機組的故障智能診斷包含基于解析余度、基于信號處理和基于知識的三種智能診斷方法。由于工程實踐中無法實現對診斷對象建立精確的數學模型，所以基于知識的故障診斷法更加適合汽輪機組的復雜性。

2 基于知識推理和信息融合故障模式識別

2.1 基于知識推理和信息融合故障模式識別的原理和方法。知識推理和信息融合故障識別技術是指能夠用信息融合技術融合多傳感器數據和其他途徑的設備運行狀態信息，更加準確、全面的認識和描述診斷對象，從而使系統基于故障知識庫做出正確的判斷和決策，為工作人員反映故障信息的智能診斷技術。基于知識推理和信息融合的故障診斷技術，屬于概率論的推廣，但相比于概率論具有更弱的公理性和更嚴謹的推理過程，因此能夠更加客觀、細致的反映被測系統的不確定性，作為一種不確定性的推理方法，受到社會的普遍關注。基于知識推理和信息融合的故障診斷技術，是通過對同一識別框架上的各種證據體進行融合推理，并最終形成決策結果。

2.2 故障模式識別的推理控制策略。不同故障模式在各自診斷模型中所列的各個故障征兆具有不同程度的反映，經SVM分類得到故障所屬模式類后，利用不同的征兆條件群建立診斷模型，通過基于證據理論的信息融合方法進行知識推理來診斷具體的故障模式。例如，對于一倍頻故障類，所包含的在線監測故障模式共有原始質量不平衡、轉動部件松動飛脫、轉子熱彎曲這三種，根據這三個故障模式的診斷模型，利用軸振振幅、振動穩定性、軸振時域波形、軸心軌跡、振動相位變化、軸瓦溫度、軸向位移和脹差等征兆，就能將它們區分識別，再經過信息融合后選擇可信度最大的故障模式即為所求結果。

圖1　高中壓缸軸向碰摩故障樹

3 基于故障樹分析方法的故障原因查找

當基于知識推理和信息融合故障識別系統可信度最大故障模式選擇后，會根據系統設計的故障樹進行故障原因的智能分析。基于故障樹的分析方法，是按照人腦思維的基本邏輯思路設計的，基本邏輯語句可以設計為If（a）and（b）and（c）and……then（Reason1）。例如對汽輪發電機組高中壓缸軸向摩擦故障模式的故障樹（圖1）可以設計為：

If （X1＝1）and（R1＝1）and （F1＝1）and（T＝1）Then（Reason1）。按照高中壓缸軸向碰摩故障符合定義表（表1），則可以得：If （升速太快或暖機時間過短）and（脹差引起軸向間隙縮小）and（軸封與凸肩軸向碰摩）and（軸向摩擦）Then（升速太快或暖機時間過短導致脹差引起軸向間隙縮小）。

表1　高中壓缸軸向碰摩符號定義表

4 故障位置查找

汽輪發電機組利用故障智能診斷找出故障原因后，故障位置的查找就要根據故障信號檢測位置來進行判斷。比如說上文高中壓缸故障案例，故障位置查找可以根據故障信號檢測裝置的安裝位置進行確定。工作人員也用故障位置建立同樣的查找規則表達式，即If“障模式為軸向動靜碰摩”and“故障原因為升速率太快或暖機時間過短引起的脹差間隙變小”and“l#軸振過大”then“故障位置在高中壓缸高壓端軸封處”。

5 故障影響和處理措施查找

故障影響和處理措施查找也可以用這種If-Then 的表達式，根據系統的知識庫為故障配對影響和處理措施提供專業信息，從而為現場人員的故障處理提供參考。

結語

綜上所述，基于知識推理和信息融合故障模式識別，對于汽輪發電機組故障智能診斷方面具有較好的應用前景，隨著科技的發展和進步，汽輪機發電機組故障職能診斷必將成為我國發電系統的電力平穩、持續和安全運營提供技術保障。

參考文獻

[1]白林.人工智能與專家系統[M].西安：西安交通大學出版社，2012：12-14.

中圖分類號：TP277

文獻標識碼：A