熱控DCS控制系統狀態檢修方法的探討和應用

華能威海發電有限責任公司 吳建國 馬東森 于信波 薛 松 楊 春 陳 湘 常曉杰 王少君 北京必可測科技股份有限公司 羅小龍 鄭雪琴

通過對DCS 控制系統的質量碼信息進行深入研究，當出現質量碼狀態異常時，尋找與系統各部件之間的關聯關系，從而分析得出可能存在的問題根源，問題擴大前進行人為干預，可有效避免DCS 控制系統的突發故障。同時結合歷史故障記錄、投運壽命等信息對DCS 控制系統進行綜合的健康度評價，實現預防性檢修更換。

1 現有技術及本文所研究的主要內容

目前，DCS 主控單元通常以兩個主控單元雙冗余配對使用，主從控制單元通過網絡聯接實現數據同步。其電源系統采用冗余供電，配置2～4塊電源模塊，除電源模塊同時損壞的極端情況外，其中任意一個模塊故障均不影響主控單元的正常運行。當其中一個控制單元故障時，看守檢測電路將禁用主控的I/O 接口，并將故障告知副控。隨后副控接管I/O 總線控制，開始執行過程控制應用程序。整體過程為自動無擾切換，保證DCS 系統I/O 柜的正常運轉。同時發出故障報警，提醒熱控人員處理。

主控狀態監測主要依賴于系統內部的狀態監測，提供給用戶實時狀態：主控、副控、離線、故障等，并以質量碼方式呈現具體報警內容。DCS 系統的日常維護則主要以定期工作為主，通過檢修期的定期切換試驗，線路緊固檢查，日常巡檢狀態檢查、電子溫濕度控制等方式，保證主控單元的正常。

本文針對當前存在問題，通過對狀態質量碼的深度解析，將系統狀態代碼轉化為易于普通用戶使用的語言。使得用戶在控制器出現異常變化初期，即可清晰直觀獲取相關信息，并融合各類DCS 歷史故障案例及專業技術人員維護經驗，整合各類故障現象，形成系統化故障診斷模型，第一時間為用戶提供故障原因分析及處理建議，提升故障處理的及時性準確率。同時結合外部綜合因素，如環境溫濕度、投用壽命、電源狀態、盤柜狀態、歷史故障信息等對DCS 系統進行綜合狀態診斷。因此，開展DCS 系統狀態監測診斷能減少系統故障造成的突發事件，實現系統故障及隱患的提前感知與報警，自動診斷故障隱患點，進而有效提升發電機組運行可靠性、安全性。熱控設備實施狀態檢修的意義主要表現在以下方面：

設備狀態深度解析。通過對主控單元狀態質量碼的深度解析及綜合整合研判，將系統狀態代碼轉化為易于普通用戶識別和使用的語言，使得用戶可清晰直觀獲取相關狀態信息。在控制器出現異常變化初期，即可根據質量碼狀態發現早期異常，并為用戶提供異常生成原因及處理建議；專家故障診斷。將DCS 廠家知識庫、歷史故障案例及專業技術人員維護經驗，以故障模型方式融入診斷系統，形成系統化故障診斷模型，第一時間為用戶提供故障原因分析及處理建議，提升故障處理的及時性準確率。

系統內部綜合診斷。采集DCS 系統其他部件狀態信息如電源、網絡、接口卡、I/O 卡件、盤柜等，尋找與主控單元相互間關聯規律，充分整合離散式報警信息，形成全方位多角度綜合研判算法。通過分散的信息數據呈現集中的狀態預警；系統外部綜合診斷。結合外部綜合因素，如環境溫濕度、投用壽命、歷史故障信息、定期/巡檢工作記錄、檢修記錄等，對DCS 主控單元進行綜合狀態診斷，進行健康狀態評價及庫存壽命評估。為用戶進行狀態檢修、預防性維護更換，提供實際數據和理論依據。

2 基于質量碼解析的故障診斷和健康評估方案

DCS 控制系統功能強大、結構復雜，通過單一的診斷方法無法全面監測狀態信息，進而進行準確的狀態診斷及智能預警，須通過多方位特征狀態信息對其進行綜合性的狀態診斷評估。本方案從故障診斷和健康狀態評估兩個維度對主控單元開展研究。

2.1 故障診斷

DCS 系統內部對主控單元及各部分有著較為全面的監測方式，能發現系統存在的絕大部分異常并提供報警給用戶。但一般以“報警”“故障”或“離線”等較為籠統的匯總式報警信息呈現出來，用戶很難通過報警全面了解系統出現問題的具體原因，需人員進入軟件內部進行查詢。查詢方式及獲得的信息專業性極強，普通的電廠熱控維護人員不易理解，造成問題處理的遲滯[1]。本文通過對DCS 系統質量碼信息的深入解析和分析整合，結合DCS 各部件、各工藝參數之間的關聯關系，對DCS 系統的狀態形成更加全面、直觀的故障監測診斷方法。包括建立數據庫、質量碼解析、建立模型及狀態監測診斷四個步驟，以下就每個步驟展開論述：

2.1.1 建立數據庫

建立數據庫作為整體診斷系統的信息源，明確每一個DCS 部件的唯一點名及其對應的信息，內容主要包含設備點名、點描述、盤柜號、型號規格、投用日期、序列號等信息，以設備臺帳形式導入軟件系統中，采用設備點名檢索，匹配相關信息。

2.1.2 質量碼解析

在DCS 系統當中，針對每個站點（包含主控單元、工程師站、操作員站、歷史站等）、模塊卡件、網絡節點及I/O 點等狀態，通常使用質量碼來表達其不同狀態及導致該狀態的可能原因。例如艾默生公司的Ovition 系統支持四種質量狀態：GOOD（正常）、FAIR（強制）、POOR（算法狀態）、BAD（故障）。

每種狀態指出點的操作和運算條件。某種質量狀態的點可能有多個原因，這些原因存儲在狀態字（如1W2W 字段）的數據位中。可能的質量原因包括點值被保持、硬件出錯、點振蕩、傳感器標定、掃描被停止、數據鏈路故障、工程值限值、接地故障、電源消失等。這些信息可呈現出當前點位的狀態及原因，為進一步故障診斷提供了準確可靠的基礎信息。通過對這些信息的篩取、組合、分析，形成綜合故障診斷模型，對所監測設備實現全面性、前瞻性、綜合性的智能預警診斷。

質量碼解析方法為：參照《DCS 系統記錄類型參考手冊》整理質量碼信息清單，根據DCS 故障手冊定義質量碼信息含義及應用場景。通過與DCS 控制系統建立通訊對接，通常以OPC 通訊方式實現系統聯通。通過檢索數據庫點名實現數據對接，然后根據站點狀態字段編號及數據位編號，提取到相應的質量碼信息。按照點名——字段編號——位編號的檢索順序，提取到對應的點的質量碼信息。例如獲取#1盤柜#1主控的當前控制模式信息：首先在數據庫中查詢到點名為“DROP1”，字段FB、位編號4為“真”時，表示當前狀態為主控模式。

其中一部分質量碼信息可直接用于主控單元狀態顯示及預警，如“控制模式”、“備用模式”、“網絡超時”、“主副控不匹配”等，這些信息可直觀呈現出主控單元的當前狀態，用戶收到報警信息后可第一時間做出判斷和處理，因此無需二次處理，質量碼狀態為真時可直接進行報警。

另一部分質量碼如“離線模式”、“檢測到此站發生故障”、“站處于報警狀態”、“檢測到無效控制回路頁”等，這些信息發出時用戶無法根據信息直接得知系統存在的問題，需同時與其他信息進行綜合研判解析，進行二次診斷后生成狀態預警信息。例如“檢測到此站發生故障”，需同步檢索當前站點所含電源狀態、網絡狀態、主控狀態、IOIC 卡狀態，I/O 卡件狀態，及其他發生變化的質量碼信息。根據不同狀態異動確定此站發生故障的原因，從而為用戶提供直觀的綜合故障信息。例如同步檢測到IOIC 卡狀態異常，則可研判為“IOIC 卡狀態異常導致站點故障報警”。

2.1.3 模型建立

質量碼獲取到后，如何判斷當前狀態是否正常，因此模型的建立是確定設備是否異常的關鍵步驟，通過分別建立主控單元正常模型與故障模型，建立主控正常與故障的判斷基準。

建立正常模型：通過正常模型的建立，可為系統建立一套正常運行及正常停運狀態下的基準值，包含狀態開關量點、正常運行區間值、正常或停運狀態時各設備的狀態信息。當狀態偏離此模型時視為設備存在異常；建立故障模型。參考《防止電力生產事故的二十五項重點要求》、《GBT 35731-2017火力發電廠分散控制系統運行維護與試驗技術規程》、《火電廠熱控系統可靠性配置與事故預控》、DCS 故障案例、專家經驗等相關主控單元案例，建立主控單元異常故障診斷模型。

建立趨勢模型。主控單元的負荷率總應維持到一個合理范圍內，當負荷率突然變化超出范圍時，代表主控運算量過多，容易發生主控死機等故障。產生原因主要有兩方面：一類是現場設備的實際操作量和變化量突然增多，此類造成的負荷率短時突升屬于正常情況，可排除主控異常風險，但長時負荷率居高不下則代表主控長期運算量加大、存在故障風險，此時應對負荷率重點監測，必要時應調整主控所帶設備數量；另一類是主控本身或關聯部件存在異常，造成的負荷率突升，此類是重要需重點監測和解決的風險。因此根據負荷率與主控部件的關聯關系建立相應的趨勢模型。

采集主控單元負荷率，顯示負荷率實時及歷史趨勢。通過對負荷率趨勢的監測，可對主控負荷異常突升、頻繁大幅波動、長期高于標準區間或歷史區間等非正常負荷變化進行監測，從另一維度開展對主控單元的診斷預警。

2.1.4 狀態監測診斷

通過以上數據庫建立、質量碼解析、正常與故障模型建立后，所有診斷算法模型均置入到系統中，在系統內部建立故障診斷知識庫，故障診斷條件滿足時，根據算法模型發出預警或報警；實現主控單元實時狀態監測和預警。

2.2 健康狀態評估

主控單元除上述實時狀態監測診斷外，其他非實時性設備信息，如歷史故障記錄、同批次設備信息、投用壽命時長、環境溫濕度等，也對主控單元的使用壽命產生影響，因此應結合上述信息對主控單元進行綜合健康狀態評估，為狀態檢修策略提供數據依據。健康狀態評估與故障診斷從兩個維度同步進行，形成完整的監測診斷評價體系[2]。

歷史故障記錄：按每個盤柜中所包含的部件建立存儲數據庫，每次主控單元發生故障時，將故障信息存儲到數據庫中，形成歷史故障信息記錄表。如：當IOIC 卡編號0001設備發生故障時，平臺通過網絡通信的方式會讀取到該設備存儲在數據棧的故障信息，并將該故障信息存儲到數據庫中，同時通過該設備的KKS 編號等標識信息以及根據配置的周期時間，在數據庫中查找該設備在周期內發生過的歷史故障信息，通過故障編號進行比對，當在歷史故障信息表中匹配到了相同的故障編號，就可判定在周期內再次發生了同類故障系統自動記錄故障時間、故障內容，并將故障原因存儲至對應部件的存儲數據庫，健康狀態評估為“存在重復故障，建議擇機檢查處理”，建議檢修期進行更換或重點處理。

同批次設備關注：與上述方法類似，通過事先建立的設備臺帳數據庫，將設備投運時間存入數據庫。當任一故障發生時，調取設備臺帳中投用壽命同月份主控單元，同批次主控列入關注清單；一定周期內同批次其他主控單元出再次出現該故障，同批次主控顯示報警，健康狀態評估為“同批次設備存在重復故障，建議擇機檢查處理”，建議檢修期進行更換或重點處理。

超壽命評估：調取“設備臺帳”投運時間，自動匹換算為小時單位，投運壽命大于87600h 或最早批次主控列入關注清單；任一故障在最早批次主控單元發生，推送全部同批次主控單元清單，列入重點關注清單；該故障在最早批次主控單元重復發生，輸出超壽命報警。健康狀態評估為“設備超壽命運行且出現過故障，建議擇機檢查處理”，同時推送至檢修管理模塊，檢修前60天推送狀態檢修設備名細，建議檢修期進行更換或重點處理。

綜上，此狀態監測方法可擴展至DCS 各部件，將DCS 系統內部的信息加以識別和分析研究，不僅可實時監測到各部件的狀態，通過綜合的研判機理，對健康度及可用壽命進行評估，更可將難以直觀識別的質量碼信息進行可視化轉換，變成易于熱控檢修人員理解的狀態信息。對對DCS 控制系統進行有效的監測和故障預防，有著積極和實用的輔助作用。