馮磊
(嘉陵江亭子口水利水電開發有限公司,四川蒼溪,628400)
針對當前亭子口水利樞紐排水系統檢測方式單一且人力巡檢成本高,大多停留在對電機這一單一設備故障的研究,缺乏對排水系統整體工作狀態的研究等問題,通過設計實施水電站排水系統在線監測及故障診斷系統,建立亭子口水電站排水系統設備狀態評價指標體系,實現對排水系統運行狀態的在線監測及故障實時診斷分析,使運行人員能夠隨時隨地對設備運行狀態進行查看,及時發現設備異常、掌握設備性能的變化,能夠在設備出現劣化趨勢時及時對設備安排檢修處理,提高系統運行穩定性和可靠性,為主設備及廠房安全提供保障。設備運行狀態的實時監測還能減少設備巡檢工作量,提高運行人員的勞動效率。
亭子口水利樞紐廠內排水系統分為機組檢修排水系統和廠房滲漏排水系統。機組檢修排水系統設置3臺立式深井泵和1臺潛水排污泵,主要是水輪機流道中的積水排水;廠房滲漏排水系統設置3臺立式深井泵和1臺潛水排污泵,主要是水工建筑物滲漏水量、機組生產水量以及生活水量排水。廠外排水系統分為21#壩段排水系統、27#壩段排水系統、底孔消力池排水系統、表孔消力池排水系統。21#壩段排水系統設置潛水排污泵4臺,27#壩段排水系統設置潛水排污泵4臺,底孔消力池排水系統設置潛水排污泵2臺,表孔消力池排水系統設置2臺深井泵和1臺潛水排污泵。排水主要是水工建筑物滲漏水、表孔壩段滲漏排水、底孔壩段滲漏排水和表孔消力池滲漏排水、底孔消力池滲漏排水等。
亭子口水利樞紐排水系統作為水電站主要公用輔機設備,對電站大壩和廠房安全起到重要的作用,一旦發生異常則會影響重要生產設備的安全,甚至發生水淹廠房的事故,為了保障排水系統穩定可靠運行,通過對其設計實施排水系統在線監測及診斷分析系統,實現排水系統設備故障被提前發現、及時解決是非常必要的,避免因排水系統異常而產生更大的安全隱患。
主要通過對亭子口水利樞紐排水泵電機安裝振動傳感器、溫度傳感器、電壓電流互感器采集電機運行狀態數據,并通過通訊協議接入控制系統或監控系統中集水井水位、電機控制信號等數據,完成排水系統運行數據的采集匯聚,為診斷分析提供基礎數據;診斷分析系統再通過人工智能算法對運行數據進行分析,挖掘出設備狀態評價指標,最后通過可視化技術將評價指標集合展示傳送給電站運行人員進行實時監視[1]。總體結構如圖1所示。

圖1 排水系統在線監測及診斷分析系統總體構架
當前,人工智能方法的發展以及許多案例的成功運用,為設備故障預測技術開拓了新的途徑,人工神經網絡就是其中重要的新興技術,隨著人工神經元網絡(ANN)的研究進展,神經網絡越來越多地應用于設備診斷的各個方面,從模式識別、壽命預測、故障診斷指導決策支持都有應用神經元網絡的例子,而且取得了很好的效果。本系統研發建設的關鍵和難點問題如下:
(1)電機振動頻譜信號與電機機械故障之間的關聯關系。通過對排水泵電機振動頻譜信號的解析為電機機械故障診斷提供基礎數據。在電機振動的頻譜上,不同的頻率分布往往對應著不同的振動原因,如果知道了振動信號中所包含的頻率分量,就比較容易找到引起振動的原因。
(2)排水系統模型機理設計。應根據排水系統工作流程,設計系統的計算模型,實現數據的指標量化。
(3)機理模型與算法的融合實現。所設計的機理模型需能夠通過現有計算方法及計算性能實現。
(1)國內外在針對排水系統電機機械故障診斷方面多以離線監測、人工分析為主,本系統通過對電機安裝振動、溫度、電壓電流的監測傳感器,實現了電機運行狀態的實時監測,并通過流式算法、神經網絡等大數據技術對監測數據進行在線分析計算,實現了電機機械故障的在線診斷。
(2)目前神經網絡算法在工業領域的運用多為生產制造行業,很少有在發電領域,尤其是電站輔助設備方面的運用,且研究方面較為單一,只考慮單一設備的故障診斷分析,并沒有對整個輔助控制系統整體進行評價分析,本系統故障指標體系的建立,能夠對水電站排水系統工作狀態進行整體評價[2]。
亭子口水利樞紐排水系統在線監測及故障診斷系統建設將在設備可靠性、經濟效益、成果提煉等方面產生積極作用。
(1)提高排水系統水泵電機的可靠性,能夠減少電機故障次數,避免電機故障而更換電機,預計能夠將排水泵電機更換頻率降低一倍。
(2)因排水系統設備異常提前發現而減少的檢修損失以及對電站其他設備安全穩定所產生的效益難以預估,但其收益較大(如可避免重要設備進水、廠房被淹等)。
(3)此項目在國內尚無應用案例,屬于國內水電站首創。本系統的建設應用成果將為公司排水系統的實時監測及診斷分析積累原始數據及經驗,為后續其他電站部署提供參考,提高企業的生產效益,提升亭子口水利樞紐集中管控水平。
(4)系統的建設實施可大力提升亭子口水利樞紐信息化建設水平和智慧企業建設水平。