燃煤電廠除塵設備預測性維護系統分析

林美華

（福建龍凈環保股份有限公司，福建 龍巖 364000）

0 引言

結合實際調研可以發現，現階段我國很多燃煤電廠在除塵設備維護方面存在不足，如維護計劃制定不合理、欠維護或過維護、除塵設備狀態不可控等，該類情況導致燃煤電廠除塵設備故障頻發，相應環保、安全問題也隨之產生。為盡可能解決相關問題，該文圍繞燃煤電廠除塵設備預測性維護系統開展具體研究。

1 燃煤電廠除塵設備維護現狀

1.1 現狀分析

對燃煤電廠來說，長期運行設備引發故障的過程較為漫長，這就使傳統監測手段在故障提前預警和實時監測方面存在不足，為解決相關問題，可通過最新技術開展設備預警建模，通過對比分析歸檔數據和實時數據，計算明確偏差，保證設備故障預警及時發出，同時以微信、短信、聲光報警等方式傳遞預警信息，基于接收的信息，備件庫可及時備件，燃煤電廠設備的穩定運行將得到保障。為實現上述目標，故障診斷、在線監測、物聯網、大數據等技術的結合應用極為關鍵[1]。

1.2 研究方向

但在長期運行過程中，燃煤電廠除塵設備會受到操作、煤種、工況等多種因素影響，除塵效率會在這類影響下降低，為保證除塵設備的長期穩定運行，定期檢修維護工作極為關鍵。現階段我國設備故障診斷及狀態監測領域的發展極為迅速，相關探索在火電領域同樣大量存在。對燃煤電廠系統來說，其本身由多種系統組合構成，煙氣凈化系統同時包括脫硫、脫硝、除塵等系統。對電側設備的監測在我國各地燃煤電廠較為普遍，但作為煙氣凈化系統關鍵設備，除塵設備的監測受關注程度并不高，為填補市場空白，保證燃煤電廠粉塵排放穩定且達標，必須做好除塵設備預測性維護[2]。

2 除塵設備預測性維護系統的具體設計

2.1 基該設計

預測性維護系統的設計，具體分析了除塵設備的維護需求，并從系統的功能以及系統關鍵技術兩個層面對其予以優化設計。

2.1.1 系統功能設計

該文設計的除塵設備預測性維護系統如圖1 所示，系統功能可從三方面進行探討：第一，數據采集。電廠鍋爐側工況數據實時獲取由SISPI 負責，靜電除塵器上位機由OPC進行數據獲取，以GPS 時鐘或機組DCS 時鐘為兩路數據基準，通過物聯網VPDN 進行采集數據的遠程傳輸，分析平臺接收數據后基于時間序列進行存儲；第二，數據分析。結合燃煤電廠除塵設備歷史運行數據，基于過負載模型和機械劣化模型對灰斗、振打器、加熱器、高壓變壓器等進行計算，單設備的老化分析、壽命分析、通流能力分析、負荷能力分析可由此完成；第三，檢修維護策略。檢修專家知識庫設置、維護策略制定可結合不同設備異常狀態開展，順利實現設備異常排查，運行檢修人員采取行動措施的及時性也將大幅提升，可有效規避設備故障引發的停爐檢修問題。在除塵設備預測性維護系統支持下，可得到始終處于最佳運行狀態的除塵設備，基于生命周期的相關備品備件管理也能夠順利開展[3]。

圖1 除塵設備預測性維護系統功能

2.1.2 系統技術應用

除塵設備預測性維護系統的采用的技術主要體現在兩個方面：第一，工藝及設備。研究涉及的燃煤電廠電除塵器由機械和電氣兩部分組成，電氣部分涉及低壓控制系統和高壓直流電源裝置，高電壓能夠使極間的氣體產生電離，運動過程中的離子和粉塵相碰撞，電場力作用下帶上電荷的粉塵移動至收塵極，粉塵收集由此完成，燃煤電廠氣體除塵需要能夠順利滿足；第二，預測性維護模型。灰斗堵灰、絕緣子破裂、振打失靈、陰極線斷線均屬于常見的靜電除塵設備故障，該文研究的預測性維護模型可實現對這類典型故障的預測。圖2 為除塵設備預測性維護系統的電場短路判斷邏輯。結合圖2 進行分析不難發現，除塵設備預測性維護系統綜合考慮關聯分析、同比分析、環比分析、預警閾值、運行時長、檢修時間、故障信息完成了預測性維護模型算法設計，除塵設備的狀態檢修輔助決策及在線預警得以實現[4]。

圖2 電場短路判斷邏輯示意圖

2.2 細節設計

預測性維護系統是通過對除塵設備隱患故障趨勢的精準預判，對其實施保養，以此延長除塵設備使用年限。其中在系統的細節設計階段，可依托工業互聯網平臺開展，逐步淘汰單一數據專項分析、被動處理的除塵設備維修，單純反饋設備狀態、基于經驗的預防性維修也需要同時淘汰，因此細節設計應聚焦燃煤電廠除塵設備的大數據綜合分析、設備維修主動管控、基于數據的預防性維修，進而提供高可行性的解決方案，全生命周期的監測、診斷需要同時實現。在預測性維護系統的細節設計環節，具體可從軟硬件配備上，為其創造對應的實踐應用條件。在硬件設施布置階段，需要設置性能優良的服務器設施與計算機平臺以及傳感器、監控器等。而在軟件設計上，應聚焦遠程監測、智能故障診斷、大數據性能預測等方面的創新，利用監控軟件實時掌握除塵設備的運行數據和健康狀態，進而為智能化的除塵設備維護、管理提供支持。在工業互聯網平臺支持下，對除塵設備的監測和診斷要設法實現數據可視、自動化的故障診斷、報警、統計。通過對故障數據的查看、追溯、統計，可明確除塵設備的運行數據和可靠性，維修和養護工作自然能夠更好開展。

此外，在系統設計過程中，還可以使用在線監測診斷和應力波分析方法，基于在線監測診斷，可實現對除塵設備狀態的實時監測，高效通信網絡、先進傳感器需要在除塵設備預測性維護系統中得到充分應用，為保證測量和分析工作的實時、連續推進，還需要應用大數據技術，在技術的強大數據處理能力支持下，對比除塵設備健康狀態下數據和監測得到的數據，除塵設備的故障發生規律可由此識別、解讀、模擬，除塵設備的運行狀態判斷、最佳維護時機輔助決策、各部件使用壽命預測均可順利實現。關于除塵設備預測性維護系統的建設需要充分結合除塵設備特點和燃煤電廠運行及管理實際情況，這關系著系統價值能否充分發揮；應力波分析技術能夠較好服務于燃煤電廠除塵設備監測，該技術能夠充分結合除塵設備的運行特點，解決以往監測診斷工作面臨的一系列難點。作為超聲波能量脈沖，應力波能夠對除塵設備運行過程中產生的沖擊和摩擦完成信號采集，基于處理、分析信號獲取的頻率、能量、直方圖等數據，即可完成除塵設備的故障和狀態分析。應力波技術在除塵設備中的應用可實現對相關故障寬度和深度的分辨，振動對這一分辨過程造成的影響能夠降到最低，除塵設備沖擊和摩擦可基于應力波能量圖實現量化展示，能夠直觀展示源于二者產生的應力波能量以及除塵設備動態化的內部變化。直方圖能夠對除塵設備存在的污染等非周期事件進行監測，利用FFT 頻譜可實現除塵設備故障的具體定位，這種定位能夠精確到具體部件。通過貫徹新型維護保障理念，應力波技術在除塵設備預測性維護系統中的應用需要實現對除塵設備早期故障特征提取，相較于傳統技術，應力波技術能夠在除塵設備實際損壞后及時捕捉突變狀態，同時完成的除塵設備運行狀態預判能夠在傳統技術完成故障診斷前給出，真正改變除塵設備傳統檢修思路，狀態檢修將真正逐步取代定期檢修。

例如某發電廠在實現除塵設備高效運行目標時，專門從下述三個方面，打造良好的維護環境。第一，推進電改袋式除塵技術，增加設備人力巡視頻率，隨時記錄除塵設備除塵量變化規律、設備運行動態，結合記錄信息知曉變化趨勢，而且還在發電廠限電時時，及時更換出現破損或使用年限較長的除塵布袋；第二，組建技術組，專門對預測性維護系統的應用流程以及應用效果進行調研，并利用漏焊智能監測裝置，對除塵設備上漏焊處進行有效補焊，借此抑制除塵設備低效運行；第三，對發電廠中使用的鍋爐設備的返煙現象予以解決，經過風機頻率與吹掃頻率的控制，促使煙氣處于可控狀態，及時對反煙后的煙氣予以回收，最終確保該發電廠在預測性維護計劃執行階段，始終處于煙氣合理清除環節，維護了發電廠發電項目的生態性價值。

由于袋式除塵設備在日常運行期間，其風量、清灰效果、濾袋通暢性以及粉塵回收密封性均影響除塵效率。所以，在設計預測性系統時，于發電廠除塵設備周邊增設風量傳感器與風力傳感器、智能監控系統，在一體化設計中知曉除塵設備是否存在隱患問題，借此達到合理預判故障目的。

2.3 應用過程

在除塵設備預測性維護系統的應用過程中，需要聚焦硬件、軟件、網絡部署，以此保證系統能夠更好地服務于燃煤電廠，主要涉及數據采集箱、傳感器、分析軟件，需要在除塵設備上布置傳感器，收集相關信息，監測現場就近布置數據采集箱，對多個傳感器的監測信息進行匯聚和處理，在控制室部署分析軟件，對多個數據采集箱提供的設備監測數據信息進行診斷、分析及處理。在傳感器的部署過程中，須保證傳感器測點選擇兼顧安裝方便、信息采集可靠穩定、便于后續維護等要求，具體選擇夾持安裝傳感器的方式，傳感器安裝位置在安裝前須結合螺栓尺寸確定，并做好打孔、固定處理，以此在夾持底座上安裝傳感器。結合工況實際，可局部調整傳感器位置，以此實現信號質量改善；在軟件及網絡的部署方面，須做好分析軟件、除塵設備監測與診斷平臺的設計，應在大數據中心布置除塵設備監測與診斷平臺，采用私有云方式建設除塵設備監測與診斷平臺，通過獨享宿主機資源，除塵設備監測與診斷平臺能夠滿足安全、獨享、合規需求，多副本冗余方式的數據規避數據單點故障風險，同時可提供遷移、監控、恢復、備份、容災等數據庫運維方案，順利實現數據庫的部署、擴展、管理。在PLC 機房內布置分析軟件，大數據中心部署總的集群軟件服務器。基于服務器/瀏覽器架構設計，分析軟件可通過網絡連接通過電腦瀏覽器訪問，同時可通過手機App 對除塵設備健康狀態進行實時查看。結合燃煤電廠實際情況，除塵設備預測性維護系統設計還需要做好網絡架構方案設計，具體設計須利用已有的內部網絡和骨干網絡，燃煤電廠提供分析服務器到除塵設備監測與診斷平臺服務器網絡傳輸鏈路，以此實現與分析軟件服務器、數據采集箱、終端監控應用系統、除塵設備監測與診斷平臺的連接，最終在燃煤電廠生產管理系統大屏幕上展示除塵設備運行狀態實時數據，可以更好地開展除塵設備的維護工作[5]。

2.4 應用效果

以某燃煤電廠為例，結合除塵設備歷史運行數據，建設除塵設備預測性維護系統，該系統可實現除塵設備的短路等故障預警，并能夠提供建議用于運維策略。以基于系統的堵灰故障預測為例，可得到圖3 所示的堵灰故障預測特征曲線，由此進行分析可以發現，輸灰管道某一電場隨時間增加出現火花率逐步增加，同時存在逐步下降的二次電流、電壓，隨著二次電流、二次電壓為零，短路報警自動發出。除塵設備預測性維護系統主頁能夠顯示設備名稱、故障原因、報警類別、機組編號、報警時間、設備狀態等基本信息，結合預警信息，運行人員可明確除塵設備故障情況及出現原因，采用針對性預警和處理措施，更好預防除塵設備故障。在具體應用除塵設備預測性維護系統的過程中，該系統具備的VPN、多種通信協議、數據透傳等功能可較好對接燃煤電廠的自動化系統和第三方信息系統，數據對接可基于OPC、HTTP 等方式實現，因此未來除塵設備預測性維護系統將逐步參與到燃煤電廠的管理業務和數據信息整合與集成中，這一過程需要聚焦設備管理系統與除塵設備預測性維護系統的數據對接，以此規避“數據孤島”問題，可加快燃煤電廠的生產經營一體化進程，提升應用集成水平。對燃煤電廠除塵設備的維護策略來說，除塵設備預測性維護系統能夠通過比較、定量、統計分析明確相關零部件是否需要更換或保養，最佳維護時間和內容也能夠順利確定，燃煤電廠除塵設備管理、診斷水平因此大幅提升。

3 結論

綜上所述，燃煤電廠除塵設備預測性維護系統具備較高的推廣價值。在此基礎上，該文涉及的基該設計、細節設計、應用效果等內容，則直觀展示了除塵設備預測性維護系統具體構成。燃煤電廠除塵設備近年來不斷升級，物聯網、云計算等技術也開始用于設備預測性維護，這一現狀必須得到高度重視，為更好地實現除塵設備預測性維護，應結合“未病先防，即病防變”理念，更深入應用智能診斷技術、大數據技術等新型技術。