超臨界350 MW 機組汽輪機給水泵變頻運行共振診斷方法

曾 娜，魏佳佳，余長軍

（安徽電氣工程職業技術學院 動力工程系，安徽 合肥 230051）

伴隨我國能源結構的不斷調整，我國的煤電機組更加趨于大容量以及高參數發展，通過煤電機組結構調整，降低發電行業能耗.常規容量為350 MW 的超臨界進汽參數，是我國目前應用較為普遍的參數.350 MW 等級的煤電機組，具有熱電比高、運行靈活的特點，發展前景巨大［1-3］. 超臨界350 MW 機組的運行靈活性、經濟性和安全性是汽輪機制造領域的研究重點，是降低我國供電煤耗的重要途徑.超臨界350 MW 機組汽輪機給水泵趨于自動化發展［4］. 汽輪機給水泵長期處于高速、高壓和高溫的運行環境下，需要承擔較大的流量變化，頻繁出現熱脹冷縮情況，極易造成給水泵共振故障，影響汽輪機正常運行. 超臨界350 MW 機組汽輪機給水泵變頻運行共振是造成給水泵結構振動和轉子振動的主要原因［5-7］. 為此，相關的共振診斷方法引起了學者的廣泛關注.

超臨界350 MW 機組汽輪機給水泵變頻運行，存在共振故障時，對機組運行安全性以及可靠性造成直接影響［8］.為了提升汽輪機組的運行可靠性，增加機組的循環效率和整體熱利用率，超臨界350 MW 機組汽輪機給水泵變頻運行共振診斷方法的可靠性極為重要. 超臨界350 MW 機組汽輪機給水泵通常采用離心式給水泵，一般設置剛性轉子作為汽輪機給水泵的轉子，剛性轉子運行時，較難產生共振［9］. 轉子形成的激振力頻率與轉子固有頻率接近時，汽輪機給水泵容易出現結構共振. 汽輪機給水泵采用變頻調節方式時，具有較高的節能降耗效果，超臨界350 MW 機組汽輪機給水泵普遍采用變頻方式作為頻率調節方式.但變頻調節方式，容易出現低頻共振情況；共振過大時，對給水泵的變頻器產生較大影響，嚴重者可能導致變頻器無法正常運行，對超臨界350 MW 機組的運行經濟性以及安全性存在嚴重影響.

目前已有眾多學者針對汽輪機組給水泵的共振診斷進行了研究. 任韻君等利用自適應雙穩態隨機共振方法，診斷汽輪機組給水泵的共振故障，主要通過欠阻尼因子和參數調節，實現給水泵隨機共振的有效診斷［10］. 該方法雖然具有較高的濾波性能，共振診斷效果較好，但是存在運算過程過于復雜、共振診斷效果較差的缺陷.王捍忠等針對高效型超超臨界1000 MW 汽輪機振動故障診斷方法進行研究，通過分析汽輪機汽缸與主管道間的相關性，明確造成汽輪機振動的主要原因是高缸排氣管道Y 向限位支架失效［11］.該方法雖然可以診斷汽輪機振動故障，但是并未考慮汽輪機運行過程中，外界噪聲對振動故障診斷結果的影響，導致診斷精度較低. 針對以上研究在汽輪機共振診斷中存在的問題，研究超臨界350 MW 機組汽輪機給水泵變頻運行共振診斷方法，能為超臨界350 MW 機組汽輪機給水泵的變頻可靠運行提供依據.

1 汽輪機給水泵變頻運行共振診斷設計

1.1 汽輪機給水泵變頻運行振動信號采集

超臨界350 MW 機組汽輪機給水泵變頻運行時形成的結構共振，主要原因是給水泵中部分部件產生的激振力頻率與固有頻率較為接近. 汽輪機給水泵運行時，其結構在水平方向、垂直方向以及軸向方向，均呈現不同的固有頻率. 給水泵變頻運行時形成的激振力頻率，與隨意方向的固有頻率為接近狀態時，均可能造成給水泵變頻運行的共振情況. 超臨界350 MW 機組汽輪機給水泵變頻運行時的結構共振，需要同時滿足兩個條件：

（1）給水泵部件固有頻率與激振力頻率為接近或相同狀態；

（2）運行時，形成的激振力可以克服給水泵系統的阻尼.

超臨界350 MW 機組汽輪機給水泵變頻運行時形成的結構共振，并非造成給水泵系統振動的主要原因，而是在原有系統振動基礎上，增強振動［12］. 汽輪機給水泵系統變頻運行時，所獲取的力學增益又稱為放大系數，其計算公式如下：

公式（1）中，fn與f分別為給水泵變頻運行時的固有頻率與激振力頻率；ξ為給水泵系統的阻尼系數.

分析公式（1）可知，當超臨界350 MW 機組汽輪機給水泵變頻運行時，給水泵系統的阻尼為固定值，系統結構的固有頻率與激振力頻率更為接近［13］. 放大系數P越大，表示具有更強的振動增大效益.

給水泵系統的結構固有頻率fn與激振力頻率f相等時，存在關系式（2）：

可以看出，給水泵系統部件的固有頻率與激振力頻率相同時，給水泵系統的彈性力與系統變頻運行時的慣性力為抵消狀態，此時系統變頻運行時的響應，僅受到阻尼力影響.

汽輪機給水泵的轉子系統故障是形成系統激振力的主要原因，轉子系統的葉片擾動、不平衡以及軸承故障等，均是給水泵激振力的主要來源. 超臨界350 MW 機組汽輪機給水泵變頻運行時，其轉速變化頻繁，造成給水泵激振力頻率同時發生變化，提升給水泵結構共振頻率.

超臨界350 MW 機組汽輪機給水泵為垂直布置的機器，診斷給水泵共振，需采集設備運行互為垂直的兩個方向振動信號，因此布置采集振動傳感器時，需要選取最大振動位置，應該接近給水泵電動機的上部軸承位置，如圖1 所示，可以看出，采樣點分別設置于給水泵配套電機的水平方向與垂直方向，利用所設置的振動傳感器采集給水泵不同方向的振動信號.

圖1 汽輪機給水泵采樣點設置

1.2 汽輪機給水泵變頻運行共振特征提取

超臨界350 MW 機組汽輪機給水泵變頻運行共振診斷時，所提取特征的有效性，對共振故障診斷結果影響極大. 目前已有多種信號處理方法，用于分析汽輪機給水泵振動信號，便于獲取更好的給水泵共振信息［14］. 小波灰度矩方法具有時頻窗口可變的優勢，可以同時定位超臨界350 MW 機組汽輪機給水泵變頻運行振動信號中的非平穩信號的短時高頻成分以及低頻成分，因此具有較高的有效性.

小波灰度矩方法去噪效果較好，可以準確提取汽輪機給水泵變頻運行共振特征. 本文利用小波灰度矩方法提取汽輪機給水泵變頻運行共振特征，對共振故障的小波灰度矩進行研究，利用該量化指標，實現給水泵變頻運行共振診斷.

利用連續小波ψa，b與給水泵運行振動信號x（t）∈L2（R）的內積，來表示連續小波變換的小波系數，表達式如下：

公式（3）中，a與b分別表示尺度參數與平移因子，表示ψa，b的復共軛.

設存在離散序列xm，用N與δt分別表示給水泵振動信號的采樣點數與采樣時間間隔，可將公式（3）轉化如下：

公式（4）中，j與n分別表示參數a與參數b的數量，小波系數Wx（aj，n）是基于時間序列的大小為M×N的矩陣，為了提升共振診斷性能，引入小波灰度矩的概念. 小波系數矩陣WM×N中的k階小波灰度矩陣gk的表達式如下：

公式（5）中，wij與分別表示矩陣WM×N內元素以及元素w11與元素wij間的距離.

為了避免一階灰度矩g1作為給水泵變頻運行共振診斷的特征參數時，出現分布區域重疊情況，利用一階灰度矩向量表示給水泵共振診斷的特征參數［15］. 設存在包含n個采樣點的給水泵變頻運行振動信號，計算該采樣信號的小波系數矩陣Wp×n，p表示該小波系數矩陣的尺度范圍. 依據尺度范圍p，將所獲取的小波系數矩陣，劃分為m個部分， 分別計算各部分的一階灰度距g1，k，組合各部分的一階灰度矩，獲取最終一階灰度矩向量G1，將其作為給水泵變頻運行共振診斷的特征參數. 給水泵變頻運行共振特征提取過程中，設置Morlet 小波作為共振特征提取的小波函數，其表達式如下：

公式（6）中，ω0表示小波中心頻率.

將所提取的給水泵變頻運行共振特征，作為徑向基函數（Radial Basis Function，RBF）神經網絡的輸入.

1.3 基于RBF 神經網絡的共振診斷方法

目前神經網絡方法應用較為廣泛［16-17］. 選取RBF 神經網絡作為給水泵變頻運行共振診斷的方法. 將所提取的給水泵變頻運行共振特征樣本輸入RBF 神經網絡輸入層，輸入層將特征樣本傳送至隱含層，隱含層由高斯核函數等作用函數組成. 利用隱含層處理共振特征樣本后，輸出層利用線性映射關系處理可調參數，該方法采用遞推計算方法運算網絡權值，提升RBF 神經網絡的學習速度. RBF 神經網絡的計算公式如下：

公式（7）中，x與ωi為表示輸入與輸出層的權值；g（）與ci分別為徑向基函數及其中心；α與δi分別為隱含層神經元數量與徑向基函數的寬度.

用｛xi，yi｝表示汽輪機給水泵變頻運行共振診斷的訓練樣本，通過搜尋最佳的徑向基神經網絡參數，令給水泵變頻運行共振診斷誤差最小，則 共振診斷誤差計算的表達式如下：

利用RBF 神經網絡，診斷超臨界350 MW 機組汽輪機給水泵變頻運行共振故障，主要包括以下部分：

（1）依據訓練樣本，確定RBF 神經網絡的隱含層神經元數量α以及各節點的徑向基函數的中心值ci及其寬度δi. 確定RBF 神經網絡的隱含層神經元數量；

（2）采用遞推最小二乘法［18-19］，獲取RBF 神經網絡的輸出層的權值ωi；

（3）利用以上過程確定的參數，作為RBF 神經網絡參數，輸入到給水泵變頻運行共振特征的測試樣本中，通過RBF 神經網絡，輸出超臨界350 MW 機組汽輪機給水泵變頻運行共振診斷結果.

2 實例分析

選取某電廠型號為CCJK350-24.2/1.5/0.4/566/566 的超臨界350 MW 一次再熱抽凝式汽輪機，作為驗證給水泵共振診斷性能的測試對象. 該汽輪機為單缸、變轉速的汽輪機. 該汽輪機采用組合式汽缸，利用螺栓連接前汽缸和后汽缸，前汽缸和后汽缸的材質分別為ZG230-450 和QT400-15A. 選取G08G04D6 型的振動傳感器作為采集汽輪機給水泵振動信號的傳感器，選取AXP-8 振動分析儀作為汽輪機給水泵振動信號的采集儀器. 汽輪機給水泵及其采用的電機參數如表1 所示. 啟動汽輪機給水泵，利用所采集的振動信號. 給水泵變頻運行狀態下，不同轉速范圍內，給水泵的振動曲線變化如圖2 所示. 可以看出，本文方法可以有效采集給水泵變頻運動時的振動信號. 其中，垂直方向上的采樣點獲取的振幅曲線在800 ~1 000 r·min-1之間出現峰值，水平方向上的在700 ~800 r·min-1之間出現峰值，其峰值出現間距小于200 r·min-1.進一步分析圖2 可知，給水泵變頻運行，轉速變化時，其振幅同樣存在明顯變化. 圖2 實驗結果表明，采用振動傳感器可以有效采集給水泵振動信號變化情況，為汽輪機給水泵共振診斷提供依據.

表1 汽輪機給水泵及其電機參數

圖2 給水泵振動曲線變化

超臨界350 MW 機組汽輪機給水泵變頻運行工況下，采用小波灰度矩方法，提取汽輪機給水泵水平方向以及垂直方向的共振特征結果如圖3 所示. 可以看出，采用本文方法可以有效提取機組汽輪機給水泵在變頻運行工況下的共振特征. 其原因是，本文方法通過小波灰度矩方法，離散化處理了汽輪機給水泵變頻運行振動信號中的噪聲，在去噪的基礎上優化了汽輪機給水泵變頻運行共振特征提取效果，有效提升了振動信號的分析性能，可以更好地跟蹤給水泵的振動信號變化. 將所提取的給水泵共振特征，作為共振診斷的依據，不同工況下給水泵共振故障的診斷結果如表2 所示.

表2 不同工況下給水泵共振故障診斷結果

圖3 共振特征提取結果

從表2 可以看出，機組汽輪機給水泵變頻運行時，不同工況下，采用本文方法均可以精準診斷給水泵共振故障. 本文方法利用RBF 神經網絡具有調整參數少、適應能力強、網絡結構優化水平強等優勢，通過高效的分類能力，提升共振診斷精度，解決給水泵變頻運行時，容易受到重疊信號干擾，導致共振特征不明確的問題，提升給水泵變頻運行共振診斷的可靠性. 給水泵變頻運行時，工頻是振動的主頻率，工頻狀態下的振動信號較為穩定，此時給水泵共振故障屬于強迫振動，造成共振故障的主要原因是系統動力特性以及不平衡激勵力，共振故障不受管道等外界因素影響. 給水泵變頻降速運行時，其頻率處于共振區時，極易造成水泵大幅振動. 給水泵電機頻率處于轉子共振區域時，給水泵振動狀況極敏感，過多不平衡力施加在水泵轉子上，造成給水泵出現大規模共振情況. 通過調整結構剛度以及降低轉子激振力等方式，消除給水泵共振故障.

3 結論

超臨界350 MW 機組是發電廠常用的發電機組，機組汽輪機給水泵變頻運行發生共振故障時，對機組運行可靠性影響巨大. 汽輪機給水泵變頻運行共振診斷結果，是提升超臨界350 MW 機組運行可靠性與經濟性的重要依據. 選取RBF 神經網絡共振診斷方法，快速診斷給水泵變頻運行狀態時的共振故障，為不同運行工況以及運行方式下，超臨界350 MW 機組的運行可靠性提供依據.該方法可以精準診斷給水泵共振問題，為機組運行維護人員提供參考，便于機組更加科學穩定地維護.