1000W機組凝汽器低真空故障特征向量的提取及應用

魯 錦，劉漢金，劉 娟，蔡 文，盧冬冬

（1.國網(wǎng)江西省電力有限公司電力科學研究院，江西 南昌 330096；2.華能安源發(fā)電有限責任公司，江西 萍鄉(xiāng) 337200；3.華能南通發(fā)電有限責任公司，江蘇 南通 226002）

0 前言

凝汽器系統(tǒng)的故障診斷是火電機組故障診斷的一個分支，凝汽器低真空是眾多故障中發(fā)生率最高，也最為復雜的一種故障[1]。早期電站操作人員都是根據(jù)運行經(jīng)驗來粗略地判斷凝汽器故障原因。從20世紀90年代開始[2]，一些學者開始采用模糊數(shù)學[3]、BP 神經(jīng)網(wǎng)絡[4]、灰色關聯(lián)度方法[5]、故障樹模型[6]、遺傳算法[7]、綜合診斷方法[8]等智能化技術進行凝汽器低真空故障診斷方面的研究。其核心都是在低真空故障集與表象征兆集之間采用不同的診斷方法建立映射關系，來確定出引起真空下降的故障原因[9]，但診斷的基礎是建立故障特征向量，即低真空故障的原因和在線監(jiān)測數(shù)據(jù)變化征兆之間的關系。由于機組運行方式多種多樣，熱力設備的結構、性能和熱力系統(tǒng)構成較為復雜，而故障本身又具有動態(tài)時變性且故障程度可大可小[10]，常見的故障領域特征向量的提取方法，諸如根據(jù)現(xiàn)場運行的經(jīng)驗、對凝汽器故障的理論分析等[1]，總有一定的局限性，并且對于不同的機組，故障領域特征向量也應結合具體的設備及系統(tǒng)進行相應的修正。但是，現(xiàn)有的文獻未詳細給出凝汽器故障特征向量的建立方法，而是直接給出了征兆出現(xiàn)（特征值取為1）或不出現(xiàn)（特征值取為0）的結果，因此有必要對凝汽器低真空故障領域特征向量的建立進行研究。

本文以某1 000 MW機組為例，在其仿真機上通過多次試驗，獲得征兆參數(shù)確定的閾值，并在實際機組上進行故障診斷的驗證。

1 凝汽器故障征兆集

不同機組由于其結構、設備和系統(tǒng)有所差異，因此凝汽器故障征兆集也不盡相同。本文所研究的機組為超超臨界一次中間再熱四缸四排汽凝汽式汽輪機N1000-26.25/600/600，設有8級回熱抽汽。凝汽器采用是雙背壓N-54000型式，雙殼體、單流程、表面式、橫向布置，配置兩臺EVMA250型真空泵。冷卻水系統(tǒng)配置兩臺2 600 VZNM型循環(huán)水泵。該機組凝汽器低真空故障征兆集如表1所示。

表1 凝汽器征兆集

在線監(jiān)測參數(shù)的變化分為正常、升高（增加）、降低（減小）三種情況，定義其征兆發(fā)生的特征參數(shù)量化值分別為0.0、0.5和1.0，即征兆參數(shù)Bj的狀態(tài)量化值可由公式（1）確定。

2 征兆特征參數(shù)表征

征兆參數(shù)的表征方法有一般有兩種[11]：第一種依據(jù)參數(shù)單位時間變化率的正負和大小進行判斷，其優(yōu)點是在故障發(fā)生初期對故障的反映十分靈敏，但缺乏穩(wěn)定的保持性；第二種依據(jù)參數(shù)運行值與應達值的偏差及閾值進行判斷，其優(yōu)點在于征兆出現(xiàn)后能長久保持，但確定偏差及閾值較繁瑣。

對于會引起真空急劇下降并致機組跳機的故障，需要及時的發(fā)現(xiàn)并采取相應的補救措施，所以當機組發(fā)生這類故障時，對應的征兆應依據(jù)參數(shù)單位時間變化率的正負來表征；對于引起真空緩慢下降的故障，由于這類故障發(fā)生時，相應的征兆參數(shù)變化緩慢，所以可根據(jù)參數(shù)運行值與應達值的偏差及閾值來進行表征。

2.1 引起真空急劇下降與緩慢下降的故障識別

以機組處于700 MW正常運行時為例，在該機組仿真機上分別試驗其低真空發(fā)生的各種故障。監(jiān)測凝汽器A和凝汽器B的真空度，以兩者平均值相對于時間的變化率a的大小為判斷依據(jù)，來識別是否發(fā)生了引起真空急劇下降的故障。試驗結果如表2所示。

表2 凝汽器低真空故障集

由表2可知在700 MW工況下，故障A8和A9的變化率a遠大于其余故障，而且其他工況下實驗結果與此相同。因此，可判定故障A8和A9為引起真空急劇下降的故障，而其余故障為引起真空緩慢下降的故障。實際運行中，根據(jù)真空急劇下降的變化率最小值與真空緩慢下降的變化率最大值兩者的平均值，約0.8，為界定值：

2.2 征兆參數(shù)偏差的確定方法

對于引起真空緩慢下降的故障，其征兆參數(shù)的表達方式是依據(jù)參數(shù)運行值與應達值的偏差及閾值。記參數(shù)運行值為X、參數(shù)應達值為X0、偏差值為Y。偏差Y有兩種計算方法：

方法一是偏差的絕對量，計算的偏差值范圍大，由此確定的征兆參數(shù)狀態(tài)的閾值很大，因而容易產(chǎn)生漏判。而方法二計算的是相對偏差，集中在[-1，1]內(nèi)，可以避免漏判的發(fā)生，更利于比較判斷，故本文選取方法二來計算征兆參數(shù)運行值與應達值的偏差。

3 故障特征向量

3.1 引起真空緩慢下降的故障特征向量

對于引起真空緩慢下降的故障，依據(jù)參數(shù)運行值與應達值的偏差及閾值來表征征兆參數(shù)，偏差計算采用公式（3）。在機組700 MW正常工況下，試驗表2中的引起真空緩慢下降的故障A1-A7，結果如表3所示：

表3 700 MW工況下故障A1-A7對應的征兆參數(shù)偏差值

分析表3中征兆參數(shù)在各故障下的偏差值，可確定故障A1-A7對應的各征兆狀態(tài)進行區(qū)分的狀態(tài)閾值，界定征兆參數(shù)偏差范圍，根據(jù)公式（1）得出征兆參數(shù)狀態(tài)量化值如表4所示。

表4 故障A1-A7對應各征兆參數(shù)狀態(tài)量化值

表4是在700 MW工況下進行故障試驗而建立的各征兆參數(shù)狀態(tài)量化值。對其他工況進行同樣的故障試驗，雖然征兆參數(shù)的偏差值每個工況都不相同，但根據(jù)公式（1）得出的征兆參狀態(tài)數(shù)量化值與表4完全一致。

3.2 引起真空急劇下降的故障特征向量

故障A8、A9會引起真空急劇下降，在700 MW工況下分別試驗，可得各征兆參數(shù)相對時間的變化率a如表5所示。

表5700 MW工況下故障A8、A9引起的征兆參數(shù)的變化率

分析表5中征兆參數(shù)的變化率a，可確定在故障A8、A9發(fā)生時對應的各征兆參數(shù)的狀態(tài)閾值，界定征兆參數(shù)偏差范圍，根據(jù)公式（1）得出故障A8、A9對應的各征兆參狀態(tài)量化值如表6所示。

表6 故障A8、A9對應各征兆參數(shù)狀態(tài)量化值

表6是在700 MW工況下進行故障試驗而建立的各征兆參數(shù)狀態(tài)量化值。對其他工況進行同樣的故障試驗，雖然征兆參數(shù)的偏差值每個工況都不相同，但根據(jù)公式（1）得出的征兆參狀態(tài)數(shù)量化值與表6完全一致。

根據(jù)表3和表5，可建立適用于該機組任意工況下的凝汽器低真空故障特征向量集，如表7所示：

表71 000 MW機組凝汽器故障領域特征向量集

4 凝汽器低真空故障診斷測試

基于表7建立的1 000 MW機組凝汽器故障特征向量集，應用BP神經(jīng)網(wǎng)絡建立該機組的凝汽器故障診斷模型。

如圖1所示BP神經(jīng)網(wǎng)絡輸入層對應征兆參數(shù)的狀態(tài)量化值，節(jié)點數(shù)為30；輸出層對應低真空故障級，節(jié)點數(shù)為9。其理想的隱含層神經(jīng)元個數(shù)的范圍是[20，49]。經(jīng)過比較選取均方誤差最小的神經(jīng)網(wǎng)絡拓撲結構：30-40-9。

圖1 三層BP網(wǎng)絡故障診斷的拓撲結構

在機組處于550 MW正常運行工況下令A循環(huán)水泵跳閘，根據(jù)監(jiān)測參數(shù)，運用公式（1）、公式（3）和表4、表5得出新工況對應的征兆集特征向量為：

[B]=[1.0，1.0，0.0，1.0，0.0，0.5，0.5，0.5，0.5，0.5，1.0，0.0，1.0，1.0，1.0，0.5，0.5，0.5，0.5，0.0，0.0，0.5，0.5，0.5，0.5，0.5，1.0，1.0，0.5，0.5]

輸入到訓練好的BP神經(jīng)網(wǎng)絡中，網(wǎng)絡的輸出向量為：

[A]=[0.0003，0.0061，0.9805，0.0157，0.0025，0.0090，0.0048，0.0001，0.0076]

網(wǎng)絡輸出值最大為0.9805，對應故障為A3，對照凝汽器低真空故障集表2可知發(fā)生的故障為A循環(huán)水泵跳閘。診斷結果與故障設置一致，表明根據(jù)仿真機試驗得出的1 000 MW機組凝汽器故障領域特征向量，在實際機組運行中可用于凝汽器故障診斷。

5 結語

1）針對凝汽器低真空故障發(fā)生時，真空下降速度的不同，選取兩種不同的征兆參數(shù)計算方法建立征兆參數(shù)的計算模型，并通過機組仿真機的模擬試驗，確定以真空度相對于時間的變化率a是否超過0.8為界定值，判別是否發(fā)生了引起真空急劇下降的故障；

2）對于引起真空緩慢下降的故障，征兆參數(shù)的計算方法是通過參數(shù)運行值與應達值的相對偏差獲得狀態(tài)閾值，進而得出征兆參數(shù)的狀態(tài)量化值；對于引起真空急劇下降的故障，征兆參數(shù)的計算方法是通過參數(shù)相對時間的變化率的大小比較得出征兆參數(shù)的狀態(tài)量化值；

3）根據(jù)1）和2）的試驗和計算得出了1 000 MW機組凝汽器低真空故障特征向量集，應用BP神經(jīng)網(wǎng)絡建立該機組的凝汽器故障診斷模型，對機組的低真空故障進行診斷，結果準確。表明本文得出的1000MW機組凝汽器故障特征向量集，在實際機組運行中可對凝汽器低真空問題進行故障診斷。