基于組合賦權云模型的壓縮機系統狀態評價

李 坡，孫 瑋，吳國凈，安志軍，王 平，梁昌晶

1.華北石油管理局有限公司蘇里格勘探開發分公司，內蒙古鄂爾多斯 017300

2.中國石油華北油田公司檢驗檢測中心，河北任丘 062552

3.中國石油華北油田公司第五采油廠，河北辛集 052360

壓縮機是天然氣長輸管道壓氣站的重要組成部分，投資占整個壓氣站的60%～70%，其運行的安全性和經濟性一直是管理者重點關注的問題[1-2]。特別在運行中后期，壓縮機性能逐漸劣化，而目前對于機組的狀態評價和故障診斷往往具有滯后性，給安全生產帶來諸多不便[3]。

目前，諸多學者對壓縮機的狀態評價進行了相關研究，董超群等[4]采用層次分析法建立了壓縮機整體安全性評價方法，在考慮結構屬性和載荷特性的前提下對各部件進行賦權；馬虎強等[5]采用可靠性為中心（RCM）理論，總結了壓縮機常見的失效模型，并分析了風險等級，給出了維護建議；梁政等[6]從安全性和經濟性兩個方面針對壓縮機各部件建立判斷矩陣，得到權重因子；段禮祥等[7]從人員素質、機械設備、環境條件、安全管理等四個方面建立壓縮機安全評價指標體系，其評價結果與實際情況相符。以上研究對于壓縮機的狀態評價具有重要意義，但多基于本體設備評價，對于輔助系統的考慮不足，壓縮機系統屬于典型的耦合系統，即設備在運行過程中兩個及以上的風險會相互影響并彼此產生聯動現象，因此需建立一套覆蓋壓縮機系統的整體狀態評價體系。此外，以上研究多采用定性理論推理定量結論，更多依賴于專家判斷，缺乏對狀態監測數據的深度挖掘，模型普適性不高。影響壓縮機系統整體狀態的指標具有隨機性和不確定性，而云模型作為可同時處理隨機性和不確定性的推理模型目前在壓縮機評價領域尚未應用[8-9]。基于此，以壓縮機系統的狀態監測數據為基礎，結合組合權重-云模型對壓縮機進行狀態評價，以期為采取機組判廢、降級使用和換件處理等措施提供理論依據和實際參考。

1 云模型

云模型是由Li Deyi等提出的用于處理定性概念和定量數據之間不確定性的轉換模型[10]，其模型服從均勻分布和正態分布，與層次分析法和模糊綜合評價法相比具有更強的普適性和處理不確定性問題的能力。假設U是一個定量論域，且U={x}，C是論域U的模糊定性集合，此時對于任意x均存在一個穩定的隨機數μ（x），μ（x）即為x對C的確定度函數，則每一個μ（x）構成一個云滴，多個μ（x）構成論域U上的分布云[11]。

云模型中定性概念和定量數據之間轉換借助云數字特征由云發生器完成，云數字特征包括期望Ex、熵En和超熵He。Ex在論域空間中代表定性概念的點值，反映云重心；En代表定性概念的模糊性和隨機性，一方面反映在論域空間中可被定性接受的云滴確定度，另一方面反映論域空間中能夠代表定性概念的概率；He代表熵的不確定性度量，反映云滴的厚度和離散程度[12-13]。云數字特征的確定方法如下：

式中：Lmin、Lmax分別為等級區間的下限和上限；k為經驗值，通常取0.01、0.02或1。從定性到定量通常采用正向云發生器，輸入云數字特征（Ex、En、He） 和云滴數量o，則可輸出o個云滴在論域空間上的云滴分布 （xi，μ（xi） ），i=1，2，3，···，o；反之由定量到定性采用逆向云發生器，μ（xi）公式如下：

式中：Eni為根據En和He生成的一個隨機數。

2 博弈論組合賦權

各評價指標的權重直接影響云模型的評價結果，主觀賦權可在一定程度反映實際情況，但易受到專家判斷的影響；客觀賦權可充分利用算法對樣本數據進行挖掘，但由于個別等級區間內的數據過于集中，導致個別指標的賦權過重，脫離實際或常識。博弈論組合賦權是以納什均衡理論為主的主客觀協調手段，通過對主觀權重和客觀權重進行調和，使基本權重與理想權重之間的偏差和最小，從而縮小兩者間的差異性，使結果更符合實際情況[14-15]。設有h個基本權重方案組合的向量集合{w1，w2，…，wh}，ah為權重組合系數，則基本權重的線性組合為：

式中：w為可能的組合權重向量集。通過式（4）對ah進行求解，對ah進行歸一化處理后得ah*，得到最優權重向量集w*：

在此，h取2，主觀權重采用改進G1法；客觀權重采用熵權法。

3 組合賦權-云模型評價方法

基于式（2），可計算出某指標xi隸屬于某個等級的確定度，為了消除隨機性造成的噪聲影響，采用2 000個云滴的平均確定度作為μ（xi），再結合組合賦權得到的權重w*，計算出某等級下的云綜合確定度μm：

式中：m為劃分的狀態等級。按照最大原則比較，得到壓縮機系統狀態評價等級。

4 實例分析

4.1 評價指標體系的建立

以長輸管道典型壓氣站內使用的電驅壓縮機為例，壓縮機系統包括壓縮機本體、電動機、齒輪增速箱、變頻器、干氣密封系統、潤滑系統和冷卻系統等，其中壓縮機通過變頻器改變電動機轉速，并通過齒輪增速箱與壓縮機相連，驅動壓縮機運轉；干氣密封系統用于防止機組內部流通部分各空腔氣體的泄漏，并阻止外部氣體進入機組或內部氣體向外界泄漏；潤滑系統用于對電動機、齒輪箱和壓縮機的軸承部位進行潤滑，延長摩擦元件的使用壽命；冷卻系統用于對氣路和油路進行冷卻，保證機組正常運行。目前，各系統的正常與否通常采用狀態監測數據判斷，且數據可通過站內SCADA系統上傳至上位機，狀態參數以振動數據為主，同時兼顧溫度、壓力、流量、電流和電壓等參數。參照Q/SY 05074.3—2016《天然氣管道壓縮機組技術規范第3部分：離心式壓縮機組運行與維護》的相關內容，將評價體系分為一級指標和二級指標，其中二級指標均可通過現場監測數據獲得，評價體系見表1。

表1 壓縮機系統整體狀態評價體系

4.2 云模型數字特征的確定

以近2年SCADA系統的監測數據為基礎，根據實際工況，將壓縮機系統狀態分為優、良、中、差、最差5個等級。將表1中的指標分為極小型和區間型兩種，其中極小型指標表示數據越小，壓縮機狀態越好，包括 C1、C2、C7、C8、C9、C11、C14、C15、C16等指標；區間型指標表示數據既不能太大，也不能太小，在某個區間內壓縮機狀態最好，包括 C3、C4、C5、C6、C10、C12、C13等指標。對于極小型指標，以現場監測系統設定的高報警閾值和高高報警閾值分別作為差、最差等級的閾值，將高報警閾值以下的監測數據從小到大排列，以4∶4∶2的比例得到優、良和中等級的上下限；同理，對于區間型指標，將高報警閾值和高高報警閾值，以及低報警閾值和低低報警閾值作為差、最差等級的閾值，將其余數據按照從中間到兩邊的原則，以4∶4∶2的比例得到優、良和中等級的上下限，見表1。將表1中的指標等級進行柔化處理，生成云模型數字特征，k值取0.01，見表2。

表2 經柔化的云模型數字特征

將數字特征代入正向云發生器得到各評價指標隸屬于各等級的標準云滴圖，以壓縮機振動位移和壓縮機入口壓力兩個指標的2 000個標準云滴圖為例，見圖1。

圖1 標準云滴圖

其中，橫坐標為評價指標在狀態等級內的論域，縱坐標為指標確定度。

4.3 組合權重的計算

對5項一級指標采用主觀賦權，對16項二級指標采用組合賦權，經計算調和系數為a1=0.876 5和a2=0.641 6，一級指標中權重最大為壓縮機本體（B1），其次為變頻調速及電動機系統（B2），其余3種輔助系統的權重差距不大。二級指標中壓縮機出口壓力（C6）、電動機軸承溫度（C9）和干氣密封系統控制壓力（C10）的權重較大，C6偏離會造成壓比變化，導致氣流脈動和喘振，C9偏離會導致潤滑油動力黏度的改變，同時也會對轉子振動產生影響，C10偏離直接影響壓縮機的密封性能；二級指標中入口溫度（C3）的權重最小，調和后的權重值更加客觀合理，結果見表3。

表3 指標權重計算結果

4.4 云綜合確定度計算

隨機挑選5條SCADA樣本數據，見表4。將其代入各個狀態等級下的正向云發生器，計算樣本相對于各狀態的云確定度，式（6）賦權后，得到云綜合確定度。以第一條數據的C1=21.8 μm為例，代入云發生器后見圖2。

圖2 壓縮機振動位移的平均確定度云圖

表4 樣本數據

取各狀態下的平均確定度，該數據的平均確定度分別為（0，0.97，0，0，0），對其進行歸一化處理后為（0，1，0，0，0），則該時刻壓縮機振動位移的狀態為“良”。依次類推，賦權后各樣本的綜合確定度見表5。根據最大隸屬度原則，第一條數據對應一級指標的狀態分別為優、良、差、優、優，對于狀態等級低于“良”的系統應立即采取安全措施或停機檢查，其中干氣密封系統的狀態等級為“差”，通過分析，過濾器的壓差接近高限值，過濾器濾芯堵塞，通過更換解決問題；同理，第4條數據中潤滑系統的狀態等級為“中”，通過分析，其潤滑油的供油溫度過高，潤滑油變質后會導致軸承溫度升高、機組振動增大等次生危害，通過更換同型號的潤滑油問題得以解決。由于采用現場實測數據作為云模型數字特征等級閾值的劃分依據，其評價結果與壓縮機實際運行狀態相符。

表5 壓縮機系統狀態評價結果 （云綜合確定度）

續表5 壓縮機系統狀態評價結果 （云綜合確定度）

5 結束語

（1）對影響壓縮機系統狀態的因素進行了梳理，構建了壓縮機系統評價指標體系，共得到5項一級指標和16項二級指標，并采用博弈論對指標進行賦權。

（2）博弈云模型可將不確定的定性概念轉換為定量數據，采用現場實測數據作為云模型數字特征等級閾值的劃分依據，其結果與現場實際情況相符，今后可通過調整等級閾值來預測壓縮機系統狀態的未來發展趨勢。