模擬量緩變智能預警在溪洛渡電廠的應用

蘇 宇，王崢瀛，夏建華，甘陳源

（1.中國長江電力股份有限公司溪洛渡水力發電廠，云南 永善657300；2.北京中水科水電科技開發有限公司，北京100038）

0 引言

如今隨著水電站自動化系統程度的提高，計算機監控系統已經成為監測設備運行狀態的一個重要手段。傳統的設備運行狀態監測主要借助于監控系統所采集參數高于或低于報警值以及通過趨勢分析系統人工查看單點趨勢來發現問題和解決問題，此種方式存在兩方面不足，①目前監控系統定值報警仍處于直接報警階段，未考慮報警參數與設備運行工況的關聯性，例如，水輪發電機推導油槽油位在水輪發電機組轉速不同負荷不同時其合理上下限值區間也不相同；②當設備故障處于萌芽狀態時異常趨勢并不明顯，此時通過趨勢分析系統并不一定能發現問題。綜上所述，目前對于設備狀態監測的方式準確程度和可靠程度較低，效率不高，進而使機組的正常運行得不到有效保證，存在非計劃停運的隱患。

對于長期連續運行設備來說，發生設備故障大多數是一個緩慢的惡化過程，傳統監測手段已經無法滿足需求，無法做到智能實時監測和提前預警。同時，專業人員也無法做到24 h連續不斷的對現場眾多的參數進行查看和分析，因此設備的惡化過程很難把握，最終影響機組的安全運行[2]。

溪洛渡水力發電廠計算機監控系統采用了北京中水科水電科技有限公司開發的H9000 V4.0版全分布式監控系統。其采集全廠數據達65 000點[1]，其中反映設備運行參數的模擬量約有2萬個。為能在設備發生劣化趨勢時及時發現問題，溪洛渡電廠計算機監控系統采用了模擬量緩變智能判斷及告警技術。

1 具體實現

1.1 所取模擬量的判定約束條件

實際生產中一個模擬量往往有多個相關量，對于數據判斷應在相同參數環境下進行計算，即需要設立約束條件。溪洛渡電廠根據生產常見情況設計了3類約束條件，并可通過多約束條件的聯合使用形成約束條件組，從而形成對特定工況的數據表達。

3類約束條件如下：

（1）模擬量的取值范圍約束，設定模擬量在人為設定的最大及最小取值范圍內取值。可用于有功、水頭等關聯參數的范圍限定。

（2）開關量的取值范圍約束，設定模擬量在滿足某些開關量的狀態時進行取值。可用于發電機組狀態、斷路器狀態等限定。

（3）開關量的運行時間約束，設定模擬量在滿足某些開關量某一狀態保持時間達人為設定值時進行取值。可用于機組并網發電時間、泵運行時間等限定。

復合約束條件（即約束條件組）：

采用與、或、非邏輯運算符組合以上3類約束條件形成約束條件組，約束條件組對設備工況進行限定，即當設備在此工況下運行時才對模擬量進行取值。

1.2 模擬量取值觀測窗口

在本文所述方法中，需要選擇合適的時間窗口對分析對象進行觀測，并在不同的時間窗口間對數據進行比對，以判斷數據趨勢。選擇一個合適的窗口大小對本分析算法的有效性有較大的影響，窗口過小則加大實時計算量，同時容易因數據的波動產生誤判，過大則不能及時發現故障的發生。在實際應用中由溪洛渡電廠各專業組根據本專業設備運行經驗定義觀測窗口大小，并根據使用情況進行調整。

本模型可根據需求對連續的2個及以上窗口數據進行比較的同時，也支持對之前若干個窗口的數據進行比較分析。

1.3 特征值提取

在進行模型分析前，需要對數據進行預處理，以去除毛刺及無效數據。此處有兩種常用處理方法：

（1）基于算術平均數的平滑處理。在原始檢測數據中去除不合理數據后，取固定時間段的算術平均數進行平滑處理（例如：30 s的平均值）。此種方法算法相較簡單，但缺點是某些設備模擬量存在大量的毛刺，此方法毛刺數據仍然參與了分析過程。

其數學表達式為：

式中：xt1，xt2，xt3，…，xtN為 t時段內監控系統所采集的模擬量值；A為t時段內所采集的模擬量的算術平均數，N為t時段內模擬量個數。

（2）基于概率密度的分析方法實現數據的取值。截取當前時間窗口的原始數據，計算該窗口下的概率密度函數，取出現概率較高范圍的數據進行算術平均，該平均值能真實反映這段時間的數據特征。舉例說明如下：

發電機組有功功率在某一較小范圍間的推力軸承瓦溫測值通常近似于正態分布，其概率分布函數如下所示：

式中：x為時間窗口內符合有功功率約束的推力軸承瓦溫數值；σ為時間窗口內x的方差；μ為時間窗口內x的算術平均值。

圖1 正態分布概率分布函數圖

也就是說在出現概率最高的頂點兩側集中了大部分的觀測數據，對于采集誤差較大毛刺較多的數據取這部分數據進行平均能最好的代表這段數據的特征（圖1中矩形區域數據），但缺點是在實時分析中，數據概率密度的分析消耗的計算資源較大。

在實際使用中根據模擬量值特點靈活選擇以上兩種取值方法以達到取值精度和取值速度的合理配置。

1.4 緩變趨勢判定

結合實際驗證，溪洛渡電廠設置了兩套緩變判斷算法：

（1）差值法

理論來說對于發生緩變趨勢的數據其特征值序列應呈現逐漸增大或減少的規律，差值法即是觀測連續n個差值Δ1，Δ2，…，Δn逐漸增大或減少則判定模擬量緩變。其邏輯表達式為：

{if Δn＞Δn-1＞Δn-2＞… ＞Δ1then 判定：模擬量緩慢上升 elseifΔn＜Δn-1＜Δn-2＜… ＜Δ1then 判定：模擬量緩慢下降}

（2）回歸法

對提取到的特征值進行線性回歸計算以求出其回歸函數的斜率K。斜率的大小及變化即反映出觀測數據的變化趨勢。

線性回歸模型：

式中k、C均由計算機計算得出。

需要注意的是觀測數據是隨時間動態變化的，故計算出的斜率也是動態變化的，隨著計算時間的增長、計算樣本數量的增多，斜率的精確度將會逐漸提高。當動態斜率大于設定上限值則判定模擬量緩慢上升，斜率小于設定下限值則判定模擬量緩慢下降。

1.5 操作員站報警

偵測到數據緩變趨勢后，通過查找事先梳理的事件策略表中策略做出故障預測，在計算機監控系統操作員站事件窗口以短消息的方式發出告警。例如：1號水輪發電機組上導油槽油位緩慢下降，下降速率xx mm/h，疑似發生漏油。

為防止誤判對運行人員監視造成干擾，只有出現兩個及兩個以上相同判定結果時才會發出告警信號，連續兩個及兩個以上判定周期無判定結果時則自動復歸告警信號，若告警自動復歸后相同工況下再次出現相同告警信號，則告警保持直至問題處理人工復歸信號。

2 實際應用

溪洛渡水電廠4號機組在滿負荷運行工況下，因推導軸承冷卻器內部水管銹蝕出現裂紋導致冷卻水混入推導透平油中，致使推導軸承油槽油位緩慢上升。

2.1 約束條件

約束條件如表1所示。

表1 機組推導油槽油位取值約束條件

2.2 觀測窗口

考慮油槽油位變化對設備運行影響程度，設定觀測窗口為30 min。

2.3 特征值取值

因油槽油位由磁翻板式液位計采集，在實際使用中經常出現因磁翻板臨時性卡阻導致的數據誤差，故采用基于概率密度計算的特征值取值方式。

2.4 緩變判定

在滿足約束條件的情況下可能引發水輪機發電機組推導軸承油槽油位變化的原因主要有兩個，①漏油導致油位下降，②進水導致油位上升，此兩種情況發生時油位幅值變化非常小并且變化趨勢緩慢，為考慮判斷準確性采用回歸法進行判斷。

2.5 判斷結果

自判定程序段開始運行后的第14個觀測窗口，即7 h后監控系統發出了“4號機組推導軸承油槽油位緩慢上升動作”告警信號，此時4號機組推導油槽油位較程序開始時上升僅1 mm左右，對緩變判斷正確。

3 結語

溪洛渡電廠計算機監控系統模擬量緩變智能判斷及告警技術的使用，將計算機監控系統功能由基于單點閾值告警的傳統方式，提升為自動發現設備劣化趨勢并進行預警，有效輔助運行人員及早發現設備隱患，消除事故于未然，大大提高了安全生產保障能力，減少了檢修成本[2]。