垃圾焚燒發電廠汽輪機通流部分故障診斷模型研究

宋景全

（中節能（通化）環保能源有限公司，吉林 通化 134003）

垃圾焚燒發電廠汽輪機通流部分運行狀態與熱力參數變化有緊密聯系，故障的發生通常會引起復速級后壓力、流量、溫度等熱力參數的變化，厚度到了比較嚴重的階段時，會出現汽耗量增加、軸向位移及振動增大現象。汽輪機通流部分出現故障，診斷時運用較多的方法為現場聽音、參數診斷、因果模型等。

本文探究了基于因果模型的故障診斷，以汽輪機在實際中出現真實發生過的故障為范例，與該模型進行全面的匹配，分析了診斷過程，并將其應用于汽輪機通流部分故障征兆的診斷。

1 汽輪機通流部分故障診斷的必要性

汽輪機通流部分故障的發生概率是很高的，基于以往運行中積累的經驗及已經開展的具體探究，可將其分為突然性、漸進性。突然性故障是汽輪機通流達到很嚴重的程度而引起的軸系參數巨變，越嚴重故障發生的概率越大，典型故障現象有：葉片斷裂、推力瓦損壞、動靜葉片摩擦、調節汽門卡澀引起的超速等，使汽輪機軸系參數發生較大變化，因此通過軸系參數監測就可以及時預知并處理。漸進性故障是指通流部分逐漸而引起的熱力參數變化，由于進入汽輪機的高溫蒸汽之中含有鹽，經過做功單元，將熱能轉化為動能，壓力和溫度逐漸下降，蒸汽對鹽進行溶解的實際性能相對衰減，導致鹽在通道中析出，當數量積累到一定程度后便會結垢，隨著運行時間的增加，流道部分會出現故障，鹽沉積在葉片表面會引起化學反應，導致葉片腐蝕并形成點蝕，同時通流面積減少，長期存在的漸進性故障將導致汽耗率增加、熱效率下降和發電量降低。

雖然漸進性故障在開始時對機組的安全運行沒有實質性影響，但隨著時間的積累，必然會導致突發故障。

2 簡約覆蓋集理論的診斷原理

基于節約覆蓋集理論，建立一個四元組模型：P=，其中：D={d1,d2,…，dn}為原發故障集合；P 為發生率；M={m1,m2,…,mj} 為征兆集合；R?(D×C)(C×C)(D×M)為有序關系子集；R 為直接因果關系集合；M+?M 為某次診斷的征兆集合。

因果模型包含以下集合：SD，一階邏輯語句；COMPS，故障部件有限集D；OBS，檢查行為M 或征兆有限集M+。通流部分中裝設的各類部件，基于實際呈現狀態分為以下模式：正常-ab（C）、故障ab（C），C 指代部件。在因果模型之中，每個節點都被分配了一個隨機變量，在描述特定事件時具有一定的概率分布，概率分布可以充分捕捉數據的不確定性信息，直接從父節點到子節點，指示因果關系。

3 基于因果網絡模型的診斷思路

通過汽輪機通流部分故障信息收集，將因果模型通過特定方式實現跟鄰近矩陣的相互匹配，運用Warshall-Floyd 求取可達矩陣，且完成對極小沖突集的設立。根據已經得到的極小沖突集，對其分別對應的極小碰集進行計算，便可得出不同的候選診斷；為使診斷后得到的結果具有更強的精準性，在得出候選診斷之后需要更加細致的進行診斷、鑒別，如圖1 所示因果模型的故障診斷邏輯思路圖。

圖1 因果模型的故障診斷邏輯思路圖

3.1 信息提取

故障信息收集包括系統報警和現場聽音檢查，將2部分信息融合，過濾多種關鍵部件或故障信息之間的冗余關聯，從而提取全面精準的故障信息。

3.2 概率因果網絡模型

系統故障建模組件的類型與征兆間的關聯匹配，不同事件節點只有True 或False 等二進制值。對于實際應用，虛擬故障可以給出組件健康狀態的多種狀態，例如80%，這表明該組件不是非常好，但至少可以接受。在因果關系中，由于在每個節點都定義了一個隨機變量，因此可以直接分配多個離散值。

3.3 診斷推理準則

簡約覆蓋理論即為診斷推理準則，冗余層次診斷的即為策略，是概率因果網絡理論基礎，建立模型，將故障的根本原因與性能測量聯系起來。本文通過最短路徑——Warshall-Floyd 算法，將鄰接矩陣轉為可達矩陣，推理得出極小沖突集，再通過邏輯數組對它們分別對應的極小碰集進行計算，以得到所需的候選診斷。具體過程：通過數組，對沖突集CS={c1,c2,…,cn}，最小碰集HS={H1,H2,…}。 記∪CS={c1∪c2∪… ∪cn}={c1,c2,…,cm}。

3.4 計算和評價原理

以原發故障、先驗概率等為主要依據，同時運用概率推理，對得到的各候選診斷開展全面的篩選，使診斷使需要考慮的范圍得到有效縮減，對后驗概率得出的具體結果進行定量化處理，基于此對檢測的具體順序進行確定，為維檢工作的開展提供有效指導。基于概率論，觀測得到的結果，能夠對集合Nd內包含的各類真實狀態X 進行有效體現，因此X 所對應后驗概率為：

3.5 診斷結果

依據上述方法計算出各部件所處狀態的后驗概率的大小，即可診斷結果，可做為設備健康管理的檢修先后順序。

4 汽輪機通流部分故障因果網絡模型的建立

依據汽輪機通流部分故障診斷的必要性分析，整理汽輪機通流部分原發故障集和故障征兆表現，通過分層方式完成對模型的設立，涉及到的節點、名稱等全部列示在表1、2，對應了故障與各測量參數之間的關系，并且反映設備的運行狀態。

表1 汽輪機通流部分原發故障集

5 汽輪機通流部分故障診斷的應用

某垃圾焚燒發電廠12MW 汽輪機通流部分故障，當遠程測量探頭檢測數據發現故障信息：接入DCS 控制組件的報警信息發出信號，則征兆M4出現時。據圖1 中展現的模型，SD 的具體結構及內容均會因為模型而受到顯著影響，具體展現在圖2，COMPS（D）為{D1，D11，D12，D12，D13}，OBS（M+）為M5。

圖2

首先可得出M5下的鄰接矩陣A6×6，通過Warshall-Floyd，轉為可達矩陣R6×6。

即在征兆M5出現后，系統中便會發生相應的沖突，基于上述矩陣，通過觀測實際呈現出的狀態，得出極小沖突集{D1，D6，D11，D12，D13，M5}，預先設定了觀測得到的結果具備較高的可信性，即P(M5)=0。系統呈現出不同狀態的具體概率，運用式（1）可求，1 為發生了故障或征兆，0 表示未出現，則針對于{D1，D6，D11，D12，D13，M5}系統各狀態的發生概率具體結果如表2 所示。

表2 汽輪機通流部分故障征兆集

表3 汽輪機通流部分故障因果關系圖相關信息表

根據系統狀態及其發生概率表，系統能夠呈現出的狀態有64 種，可能及不可能的分別為31、33 種。對各部件可能出現故障的具體后驗概率進行計算，得：P’(D6’)=0.04339P’(D13’)=0.07340P’(D12’)=0.29331P’(D11’)=0.15643P’(D1’)=0.43526，給出排序P’(D1’)>P’(D12’)>P’(D11’)>P’(D13’)>P’(D6’)。可知，若已經發生了征兆M5，需以得出的后驗概率為依據，對開展檢修時采用的具體次序進行確定，具體為D1，D12，D11，D13，D6。將上面提及的方法運用到對機組各個部件開展的診斷中，便可得到整機檢修時運用的方案，為檢修工作的開展找到更具科學性的方式，能夠更加高效且精準的對發生故障的位置進行確定，使維修過程無需耗用過長的時間，且盡可能減少需要付出的成本。

6 結語

汽輪機通流部分在實際運行中是否具有較高安全性、高效性，會給透平系統運行、發電廠安全等造成極為顯著的影響，這一持續過程至關重要，隨著勞動力、零件和停機時間等各種成本要素的增加，這些系統的復雜性不斷提高，過程成本顯著增加。因此，對漸進性故障的診斷需要進行早期的實時熱力參數、軸系參數監測，這對故障發展趨勢預測、設備健康管理預知、檢修成本降低具有實際意義。