分析與建立基于大數(shù)據(jù)的設(shè)備故障預(yù)警模型

陳詠城，王沛沛，徐 樺

(廣東紅海灣發(fā)電有限公司，廣東 汕尾 516623)

0 概 述

在火電機組設(shè)備故障的預(yù)警系統(tǒng)中，常用的方法是通過對比與特定設(shè)備相關(guān)聯(lián)的歷史數(shù)據(jù)，尋找設(shè)備運行數(shù)據(jù)之間的關(guān)聯(lián)性，建立預(yù)警模型后，實現(xiàn)預(yù)警系統(tǒng)的故障預(yù)警。鑒于火電機組設(shè)備及工況的多樣性，針對某個設(shè)備或系統(tǒng)建立的預(yù)警模型，并不具有通用性。在某些工況下建立的預(yù)警模型，如工況發(fā)生變化，就需重新計算或修改預(yù)警模型。隨著計算機技術(shù)和信息技術(shù)的發(fā)展，利用大數(shù)據(jù)分析技術(shù)，可模擬人或設(shè)備的工作方式，實現(xiàn)智能化控制。利用大數(shù)據(jù)智能控制技術(shù)，可實現(xiàn)汽輪機運行方式的節(jié)能優(yōu)化，還能實現(xiàn)火電機組的能耗評估及某些運行參數(shù)的測量。現(xiàn)以某型機組的設(shè)備故障預(yù)警系統(tǒng)為例，說明基于大數(shù)據(jù)模型的建立及優(yōu)化過程，可為設(shè)備故障預(yù)警系統(tǒng)建立和開發(fā)利用，提供參考。

1 預(yù)警算法原理

在該機組的設(shè)備預(yù)警系統(tǒng)中，設(shè)備或系統(tǒng)的相關(guān)測點為A、B、C、D、E、F，某時刻的測量值，為51、1.9、38、696、5.3、1.7，將此時刻的測量值與選定的歷史數(shù)據(jù)進行加權(quán)運算，計算出該時刻的預(yù)估值，并將預(yù)估值與測量值進行比較，超出設(shè)定的限值則產(chǎn)生1個單點報警。當連續(xù)單點報警次數(shù)超過設(shè)定數(shù)后，就將觸發(fā)預(yù)警事件。在該預(yù)警系統(tǒng)中，相隔10 min運算1次，如果在100 min內(nèi)連續(xù)單點報警數(shù)達9個后，將觸發(fā)預(yù)警事件。為使單組歷史數(shù)據(jù)對預(yù)估值的影響降低至最小，對歷史數(shù)據(jù)的選取應(yīng)足夠多，以降低單組歷史數(shù)據(jù)的權(quán)重。預(yù)警算法的原理，如表1所示。

表1 預(yù)警算法的原理

2 預(yù)警模型的建立和生成

根據(jù)預(yù)警算法的原理可知，該計算方法主要依靠數(shù)據(jù)分析，不針對任何特定設(shè)備或系統(tǒng)，因此，可建立通用的設(shè)備管理模塊和預(yù)警模型的生成模塊。設(shè)備管理模塊主要用于機組管理、設(shè)備管理、設(shè)備測點管理、狀態(tài)條件管理等基礎(chǔ)數(shù)據(jù)的管理。預(yù)警模型主要包括預(yù)警點組態(tài)、預(yù)警模型組態(tài)、預(yù)警算法組態(tài)等。利用設(shè)備管理模塊和預(yù)警模型的生成模塊，對火電機組設(shè)備或系統(tǒng)進行組態(tài)后，即可實現(xiàn)設(shè)備或系統(tǒng)的故障預(yù)警。現(xiàn)以脫硫煙氣分析儀的監(jiān)測系統(tǒng)為例，說明建立預(yù)警模型的主要步驟。

2.1 預(yù)警點的選取和組態(tài)

脫硫煙氣分析儀監(jiān)測系統(tǒng)主要用于監(jiān)測脫硫系統(tǒng)進出口SO2、NOx、煙氣流量、含氧量等參數(shù)。脫硫系統(tǒng)的主要監(jiān)測參數(shù)是，脫硫入口SO2、脫硫入口O2、脫硫入口煙氣流量、A漿液循環(huán)泵電流、B漿液循環(huán)泵電流、C漿液循環(huán)泵電流、D漿液循環(huán)泵電流、A氧化風機電流、B氧化風機電流、C氧化風機電流、吸收塔pH值、吸收塔液位、脫硫出口SO2、脫硫出口O2、脫硫出口煙氣流量、機組負荷。在系統(tǒng)中，NOx數(shù)據(jù)與脫硝監(jiān)測系統(tǒng)的相關(guān)性更強一些，因此，納入脫硝煙氣分析儀監(jiān)測系統(tǒng)預(yù)警模型管理。選取測點后，并對測點進行組態(tài)。脫硫系統(tǒng)預(yù)警點的信息，如表2所示。

2.2 預(yù)警模型組態(tài)

基于選取的測點，可以生成多個模型。在脫硫煙氣分析儀監(jiān)測系統(tǒng)中，可以組態(tài)成預(yù)估脫硫出口SO2濃度的模型，也可以組態(tài)成預(yù)估脫硫進出口流量的模型。組態(tài)成不同模型的目的，是為了讓數(shù)據(jù)關(guān)聯(lián)性強的測點放在同一模型內(nèi)，以提高預(yù)估的準確性。預(yù)警模型的組態(tài)，主要包含多個方面的內(nèi)容。(1)模型名稱。用于區(qū)分不同模型。(2)預(yù)警條件。即模型生效的條件，如負荷大于150 MW等。(3)模型測點。用于選取模型所需的測點。

2.3 預(yù)警算法組態(tài)

在預(yù)警算法組態(tài)中，具有數(shù)據(jù)錄入、數(shù)據(jù)過濾、數(shù)據(jù)選擇、完成算法、測試算法、完成確認等6個步驟。

(1)數(shù)據(jù)錄入。用于選取模型所需的歷史數(shù)據(jù)，可直接從SIS數(shù)據(jù)庫中采集歷史數(shù)據(jù)。歷史數(shù)據(jù)的選取周期，一般采用1年以上的數(shù)據(jù)，以涵蓋模型在不同負荷下的運行參數(shù)。

(2)數(shù)據(jù)過濾。用于濾除設(shè)備異常運行或SIS數(shù)據(jù)異常時的歷史數(shù)據(jù)，需對歷史數(shù)據(jù)曲線進行檢查分析，手工去除非正常狀態(tài)下預(yù)警模型的數(shù)據(jù)，也可采用預(yù)設(shè)過濾條件的方法，自動過濾非正常狀態(tài)下的數(shù)據(jù)。

(3)數(shù)據(jù)選擇。選擇組態(tài)模型的歷史數(shù)據(jù)，主要是對生成模型的數(shù)據(jù)做再次確認，除去某些突變的數(shù)據(jù)。

表2 脫硫系統(tǒng)預(yù)警點信息表

(4)完成算法。用于確認完成數(shù)據(jù)選擇后生成模型的接口。

(5)測試算法。對生成后的模型進行測試，可選取正常運行在某時段內(nèi)的歷史數(shù)據(jù)進行測試，檢測預(yù)警模型的預(yù)估數(shù)值是否準確，也可選擇系統(tǒng)異常運行時歷史數(shù)據(jù)進行測試，檢測預(yù)警模型是否能及時發(fā)出預(yù)警信號。

(6)完成算法。用于確認完成生成算法的接口。當預(yù)警模型完成第一次手工預(yù)警算法組態(tài)后，系統(tǒng)會根據(jù)算法組態(tài)的設(shè)置、或根據(jù)數(shù)據(jù)的選擇方式，自動實現(xiàn)歷史數(shù)據(jù)的迭代更新。

3 模型的應(yīng)用效果及優(yōu)化

根據(jù)設(shè)備的重要程度以及曾發(fā)生故障的狀態(tài)，按汽機、鍋爐、電氣、熱控、環(huán)保的先后次序，建立故障預(yù)警模型。在機務(wù)和電氣專業(yè)中，主要按設(shè)備類型建立模型，如風機、給水泵、電機等。在熱控專業(yè)中，則主要按調(diào)節(jié)系統(tǒng)、重要系統(tǒng)、重要設(shè)備、重要監(jiān)測系統(tǒng)等先后次序，建立故障預(yù)警模型。在單臺機組中，共組態(tài)20個設(shè)備或系統(tǒng)，包括了給煤機、MEH、DEH、給水調(diào)節(jié)、脫硫CEMS、脫硝CEMS等設(shè)備。經(jīng)調(diào)試后，建立了預(yù)警系統(tǒng)與工單管理系統(tǒng)的連接，便于工單的生成和數(shù)據(jù)管理。同時，在發(fā)生預(yù)警事件時，可自動發(fā)送短信通知相關(guān)人員。目前，在熱控專業(yè)中，發(fā)現(xiàn)給水泵速關(guān)閥的開度反饋不準確、主給水流量變送器的精度下降、脫硫煙氣入口流量的測量值異常、減溫水調(diào)節(jié)門的反饋不準確、二次風量測量值存在波動等問題。現(xiàn)分別以某機組脫硫入口流量異常、主給水流量異常為例，對預(yù)警模型進行優(yōu)化。

3.1 脫硫入口流量異常

3.1.1 事件經(jīng)過及原因分析

2017年某日，運行人員收到預(yù)警短信，警示某機組脫硫入口的煙氣流量，已超過預(yù)估值。經(jīng)檢查，發(fā)現(xiàn)該入口處的皮托管已被堵塞。在前期，曾實施超低排放的改造方案，降低了該處的煙氣溫度，因煙氣的濕度增大，導(dǎo)致粉塵凝結(jié)并堵塞了取樣孔。疏通后，系統(tǒng)運行恢復(fù)正常。

3.1.2 預(yù)警模型設(shè)置及事件分析

該機組的脫硫CEMS中，共設(shè)置2個預(yù)警模型，模型一主要用于SO2、O2的預(yù)警，共有20個測點。模型二用于煙氣流量的預(yù)警，共有6個測點。預(yù)警模型的生成時間相同，采用了2016年11月11日至2017年4月10日的歷史數(shù)據(jù)。煙氣流量預(yù)警的主要測點為負荷、入口煙氣流量及出口煙氣流量，這3個測點數(shù)據(jù)的相關(guān)性很好，變化趨勢基本一致。設(shè)置該預(yù)警模型的原因，是因為曾出現(xiàn)皮托管腐蝕、變送器零點漂移、取樣管脫落等現(xiàn)象，導(dǎo)致了測量數(shù)據(jù)的不準確，且該運行數(shù)據(jù)為重要的環(huán)保數(shù)據(jù)。

故障預(yù)警系統(tǒng)的趨勢圖，如圖1所示。從圖1可知，發(fā)生故障后，觸發(fā)短信報警的時間均與系統(tǒng)的設(shè)置一致，及時警示了故障的發(fā)生，縮短了發(fā)現(xiàn)和處理故障的時間。

圖1 脫硫CEMS模型產(chǎn)生預(yù)警事件時的曲線圖

3.1.3 預(yù)警模型的完善

進一步分析該次故障，覺得取樣管被堵塞應(yīng)有緩慢的過程。查閱歷史曲線后發(fā)現(xiàn)，在2016年5月15日22時30分左右，1號機組脫硫入口流量已有1次突變過程，在5月16日8時左右恢復(fù)正常。1號機組脫硫入口流量的異常變化，如圖2所示。

圖2 1號機組脫硫入口流量異常曲線

按預(yù)警系統(tǒng)的設(shè)計思路，系統(tǒng)應(yīng)提前發(fā)出報警信號。發(fā)生故障時，機組負荷為240～310 MW，而預(yù)警模型的設(shè)置條件為負荷大于300 MW，即在該時段內(nèi)無預(yù)估值。為驗證模型是否合適，對該預(yù)警模型進行測算。測算結(jié)果顯示，該模型無法在該故障時段實現(xiàn)報警。為提高模型的預(yù)估值的準確性，經(jīng)分析，需對預(yù)警模型進行優(yōu)化。在預(yù)警模型中增加了測點及參數(shù)。(1)修改預(yù)警條件，將大于300 MW修改為大于230 MW。(2)在模型中增加機組總風量、以及A、B送風機出口風量等3個測點。 優(yōu)化后，再進行預(yù)警模型的測試。測試結(jié)果表明，該模型21日至22日的預(yù)估值與實際值的趨勢一致。優(yōu)化模型后的預(yù)警信號，如圖3所示。

圖3 模型優(yōu)化前后的預(yù)警信號

3.2 主給水流量異常

3.2.1 事件經(jīng)過及原因

2017年某日20時55分，系統(tǒng)發(fā)出預(yù)警短信，警示4號機組主給水流量已偏離預(yù)估值。因為該測點屬于鍋爐MFT的主保護點，所以應(yīng)立即進行檢查。經(jīng)查發(fā)現(xiàn)，該機組用于計算主給水流量的溫度測點參數(shù)存在異常，導(dǎo)致計算后的主給水流量異常，經(jīng)處理，機組運行恢復(fù)正常。

3.2.2 預(yù)警模型設(shè)置及事件分析

在4號機組給水系統(tǒng)的預(yù)警模型中，有3個主給水流量測點，還有A汽動給水泵入口流量、B汽動給水泵入口流量、A汽動給水泵轉(zhuǎn)速、B汽動給水泵轉(zhuǎn)速等11個測點。模型主要用于對自動調(diào)節(jié)系統(tǒng)及相關(guān)測點參數(shù)的預(yù)警。

發(fā)生預(yù)警事件時的運行曲線，如圖4所示。在該日19時15分，開始產(chǎn)生單點報警，至該日20時55分，觸發(fā)預(yù)警事件。主給水流量測點預(yù)估值與測量值的偏差，最大至300 t/h。由于3個給水流量的測點參數(shù)同時變化，且鍋爐給水控制并未出現(xiàn)異常(實際流量不高)，所以難于及時發(fā)現(xiàn)測點存在異常。通過預(yù)警事件，可發(fā)現(xiàn)該測點存在潛在隱患，并及時進行處理。

圖4 發(fā)生主給水流量預(yù)警事件時的運行曲線

4 結(jié) 語

實際應(yīng)用的結(jié)果表明，采用大數(shù)據(jù)通用算法并結(jié)合通用接口程序的方式，選擇合適的預(yù)警測點和模型組態(tài)，實現(xiàn)機組運行系統(tǒng)的預(yù)警。同時，采用開放式接口程序，結(jié)合預(yù)警事件或設(shè)備異常事件，對預(yù)警測點、模型等進行調(diào)整和測試，可提高預(yù)警系統(tǒng)的準確性。