火電機組熱控系統故障分析及改進措施

國能重慶萬州電力有限責任公司 周 森

火電機組熱控系統是控制火力發電機組正常運行和驅動的神經中樞，主要是用于控制發電機組的發電輸出和電能輸出，屬于智能控制系統。目前火電機組熱控系統在火力發電廠中得到了廣泛應用。火電機組熱控系統的應用雖然能夠有效控制火電機組，但是由于系統內部結構比較復雜，使用到的軟件和硬件數量較多，并且火電機組在運行過程中對于熱控系統的控制精密度要求比較高，在工況負荷比較大的情況下火電機組熱控系統非常容易發生現場故障，并且發生故障的概率也比較高[1]。

引發火電機組熱控系統故障的原因有很多種，故障類型也有很多，其中包括系統邏輯故障、系統硬件設備故障、系統DCS 裝置異常故障以及系統電源故障等，一旦發生故障就會導致火電機組熱控系統停止運行，從而導致火力發電廠無法正常工作，影響居民企業正常用電。因此對火電機組熱控系統故障分析是非常有必要的[2]。

1 火電機組熱控系統故障分析方法設計

火電機組熱控系統故障分析是一個復雜的問題，故障種類多樣，且系統軟硬件結構復雜，為了簡化故障分析難度，減少故障分析運算量，此次以殘差理論為故障分析依據，設計一種新的系統故障分析方法，其流程如下：火電機組熱控系統-無線傳感器-故障信息重組/故障特征提取-信息殘差-設計闕直-輸出結果。本文提出的系統故障分析方法共分為三個階段，第一個階段是利用無線傳感器采集系統運行數據；第二個階段是對系統運行數據分析，對系統運行故障信息進行重組，并提取到系統運行故障特征；第三個階段是計算出系統殘差并設計閾值，將二者進行分析對比判斷系統是否出現故障。以下將對該三個階段進行詳細分析。

1.1 火電機組熱控系統信息采集

信息數據采集是系統故障分析的基礎工作，根據系統故障分析需求，此次利用無線傳感技術對系統運行信息進行采集。選取的無線傳感器為GNKBNJS/5S5DA5型號微波無線傳感器，該傳感器體積小，重量輕，能夠準確讀取到系統中軟件與硬件的運行數據。通過BGSK 接口將GNKBNJS/5S5DA5型號微波無線傳感器與火電機組熱控系統連接，在無線傳感器操控界面中選中添加系統的所有軟件和硬件，并對無線傳感器的讀取頻率、周期、范圍以及數據類型進行設定，具體技術參數值需要根據系統實際情況而定[3]。利用網絡接口將GNKBNJS/5S5DA5型號微波無線傳感器與局域網連接，在系統網絡中截獲系統運行數據，并將系統運行數據統一存儲到無線傳感器S/D 硬盤中，利用數據線將S/D 硬盤中的數據導出，以此實現對系統運行數據的采集。

1.2 火電機組熱控系統故障特征提取

采集到系統運行信息之后，需要對系統運行信息進行系統的分析，提取到系統運行故障特征，此次將采集到的系統運行數據集合設定為K，假設系統運行故障數據之間存在一定的距離，其距離設定為h，將集合K 中所有的系統運行數據放入到系統故障特征分類域x 中，以此構建一個火電機組熱控系統故障分析大數據融合最優分類平面K，如果系統故障特征量滿足最優分類平面K 大于運行故障特征之間的距離h 條件，則系統故障信息分布的關聯系數為1；如果系統故障特征量滿足最優分類平面K小于運行故障特征之間的距離h 條件，則系統故障信息分布的關聯系數為-1。

通過上述分析，并根據系統故障分析需求，系統運行故障信息量應該滿足的條件為：系統運行故障特征之間的距離h 為1[4]。按照上述過程對采集的系統運行信息進行分析，并根據實際情況對系統運行故障信號的幅度值和采樣頻段進行拉伸，由此可以得到重組后的系統運行非平穩信號。在上述基礎上再對系統運行故障信息進行分類，由于系統故障類型比較多，且沒有明顯的規律性，因此將系統運行故障分類問題轉化為非線性規劃問題，利用UGUHG/5964增減量式支持向量機對系統運行故障特征進行準確分類，最后根據UGUHG/5964增減量式支持向量機的分類結果，實現對系統故障特征的提取，為后續系統故障分析提供依據。

1.3 基于殘差診斷分析火電機組熱控系統故障

殘差可以反映出兩個系統或者物體之間不一致程度，也是設備、系統故障診斷中常見的一種手段，因此在上述基礎上，以殘差理論作為理論基礎，對火電機組熱控系統故障信息分析，計算系統殘差，利用殘差分析出火電機組熱控系統運行信息中出現的突變信息，其計算過程如下。

在火電機組熱控系統中，各軟件、硬件設備運行過程的殘差定義為y，殘差分別包括系統控制輸出量殘差和系統電流殘差，其計算公式為式（1）：，式中，y(t)表示時間為t 時火電機組熱控系統殘差值；y1表示系統控制輸出量殘差；y2表示系統電流殘差；y1＊表示系統實際控制輸出量；yr表示系統標準控制輸出量；y2＊表示實際系統電機電流量；yu表示系統電機標準電流量[5]。系統殘差取控制輸出量殘差和系統電流殘差均值。當火電機組熱控系統處于正常運行狀態時，殘差y 為均值為零的高斯白噪聲；當火電機組熱控系統出現故障時，殘差y 的均值不再為零，因此可以根據殘差y 值來判斷火電機組熱控系統的運行狀態[6]。

火電機組熱控系統殘差的計算目的是為了在避免誤報警的前提下，判斷系統運行狀態，也就是是否發生故障，為了更好地實現該目標，在系統故障分析運算中插入一個閾值，將閾值作為判斷系統故障的標準，閾值的計算公式為N=u+wp，式中，N表示火電機組熱控系統故障分析閾值；u 表示火電機組熱控系統正常時的殘差均值；w 表示比例系數，通過比例系數取值為1.5；p 表示火電機組熱控系統正常運行時的殘差方差。如果火電機組熱控系統殘差值y 大于閾值N，則判定火電機組熱控系統存在故障；如果火電機組熱控系統殘差值y 小于閾值N，則判定火電機組熱控系統沒有故障，以此實現火電機組熱控系統故障分析。

2 火電機組熱控系統故障分析及改進措施

使用本文提出方法，針對三種常見的系統硬件設備故障、電源故障以及系統邏輯故障情況進行分析，并提出改進措施。

2.1 系統熱控就地硬件設備故障

對系統熱控就地硬件設備的軸承進行振動測量，檢查系統熱控就地硬件設備軸承回路，當發現系統熱控就地硬件設備B 柱軸承封漏氣量比較大，泄漏的水蒸氣沿著B 柱滲漏到系統延伸電纜處，并遇到冷空氣凝結成水時，是發生了硬件設備故障。這種情況下容易導致火電機組熱控系統延伸電纜絕緣性能下降，從而引發系統的信號故障[7]。造成該故障的原因是因為熱控就地硬件設備軸承缺乏潤滑，由于軸承摩擦量加重，在高速運轉下熱控就地硬件設備軸承表面溫度升高，造成B 柱軸承表面出現裂縫，熱控就地硬件設備內蒸汽向外散發，從而出現以上情況。

根據該故障特征，對熱控就地硬件設備B 柱軸承進行更換，并加入適量的順滑劑，在系統運行過程中定時向熱控就地硬件設備B 柱軸承表面噴水，以此將其軸承表面溫度，避免出現軸承斷裂，通過采取該措施，解決系統熱控就地硬件設備故障。

2.2 系統電源故障

當火電機組熱控系統某機組線路與相鄰的另一機組線路全部失電時，兩個機組的電源開關均處于跳閘狀態，這是典型的火電機組熱控系統電源故障。該故障出現的原因主要為火電機組熱控系統變壓器運行紊亂導致系統上級開關跳閘，跳閘后系統的失電信號無法正常傳輸，進而觸發變壓器附近的三號機組和四號機組線路失電，如果不及時發現該故障，將會造成火電機組熱控系統運行癱瘓。結合該故障的原因和特征，將系統變壓器更換為AC220V/DC24V 變壓器，并將兩個故障機組的電源開關打開，保證系統機組正常送電。更換完變壓器后啟動系統并網，以此解決系統的電源故障。

2.3 系統控制邏輯故障

當火電機組熱控系統P 引風機控制指令在智能模式下隨著N 引風機控制指令增大而增大時，火電機組的爐膛負壓容易超出預先設定的控制限值，并會隨著運行時間逐漸增加，這是典型的火電機組熱控系統控制邏輯故障。造成該故障的原因在于系統操作人員操作錯誤，在P 引風機投入智能模式時操控停運送風機擋板，當P 引風機控制指令速度增大時，N 引風機控制已投入智能，輸出指令就會隨之增大，因此系統火電機組運行速率無法抑制，進而造成火電機組爐腔內壓力增大到兩倍，如果不及時發現該故障，將會造成火電機組熱控系統跳機現象。

根據以上分析，將系統P 引風機改為汽機沖轉模式，重新設定火電機組的爐膛復壓限值，隨后對火電機組的鍋爐重新點火，并將系統并網帶負荷。當火電機組的鍋爐內溫度達到750℃時，開啟N 引風機開關，并將N 引風機的控制模式設定為自定義模式，隨時觀察N 引風機的運行情況，運行穩定后轉化為智能模式。火電機組熱控系統控制邏輯故障的改進需要了解其出現邏輯錯誤的位置，這樣才能準確對其進行改進，保證系統正常運行邏輯輸出。

3 現場實驗論證

實驗以某火電機組熱控系統作為實驗對象，該火電機組熱控系統共包含18種軟件和11種硬件設備，系統使用年限比較久，運行過程中故障頻發，利用此次設計方法與傳統方法對該系統進行故障分析，檢驗此次設計的火電機組熱控系統故障分析方法的有效性和可靠性。

實驗準備：實驗準備了GNKBNJS/5S5DA5型號微波無線傳感器1臺，增減量式支持向量機一臺，將無線傳感器信息讀取頻段設定為2.36Hz，讀取周期設定為1.5s，讀取范圍設定為0～1m。實驗過程：開啟火電機組熱控系統開關，令系統保持運行狀態，利用GNKBNJS/5S5DA5型號微波無線傳感器對系統運行數據進行采集，采集到的數據樣本集合為3000個，數據量為234GB，采用4個16位輸入通道進行系統故障信號加載以及指令傳輸控制。利用公式（1）計算系統運行殘差均值，并設計系統故障分析閾值，輸出結果（圖1）。

實驗利用兩種方法對系統運行故障分析100次，運用設計方法分析到的系統故障分別為系統邏輯故障76個、系統硬件設備故障162個、系統DCS 裝置異常故障42個以及系統電源故障36個，利用上文提出的改進措施對故障進行改進和調整。實驗分別抽取10次故障分析結果，將分析到的故障數量與實際情況比較，利用BLO 軟件計算出兩種方法應用過程中的誤診率，并使用電子表格對實驗數據進行記錄。

從實驗數據可以看出，此次設計的方法檢出量與實際數量基本相同，誤診率均在1%以內，最小誤診率為零，說明設計方法對于火電機組熱控系統故障分析精度比較高；而傳統方法檢出量與實際數量差距比較大，多數情況下故障檢出量要比實際故障數量多，系統故障誤診率比較高，最大誤診率為22.75%，遠遠高于設計方法，因此實驗證明了此次設計的方法具有良好的可行性，分析結果可靠性比較高，更適用于火電機組熱控系統故障分析，并且可以針對故障的分析結果，進行上述提出的改進措施。