水力發電設備的運行狀態故障檢修分析

韋宏昊，黃娜

（廣西大藤峽水利樞紐開發有限責任公司，廣西 南寧 530000）

近年來，水電機組故障機理研究持續完善，關于水力發電設備的故障信號采集方式、采集設備、采集定位跟蹤技術逐步升級，并形成完整的規范體系，為水力發電設備的運行狀態故障檢修提供了充足的技術支持。在水力發電設備運行過程中開展狀態檢修，可以提前預測并處理風險因子，避免設備故障擴大。因此，探究水力發電設備的運行狀態故障檢修措施具有非常突出的現實意義。

1 狀態檢修概述

狀態檢修是借助現代化狀態監測與診斷技術收集設備狀態信息，進而分析設備運行狀態信息判斷設備是否正常，預先獲知設備故障，在故障發生前進行設備檢修。從檢測內容來看，狀態檢修可以劃分為機組穩定性檢測、設備能量及空蝕、調速等幾個類別。

圖1 中，機組穩定性狀態監測包括固定部件振動、過流部件壓力及壓力脈動、機組噪聲、軸系擺動等幾個指標；設備能量及空蝕狀態監測包括設備效率、耗損水量、流量、空蝕及空化噪聲幾項指標；調速狀態監測包括靜態特征、動態特征、油壓控制等幾個指標；推力軸承狀態監測包括軸承溫度、軸承負荷支撐受力、油膜溫度等幾個指標；主變壓器狀態監測包括局部放電、鐵心接地、高壓套管等幾項指標。

圖1 狀態檢修內容

2 水力發電設備的運行常見故障

2.1 振動故障

振動故障是水力發電設備常見故障，多因水流經過引流道、轉輪、尾水管等過流部分形成巨大水動壓力引發機動零部件振動，進而引發卡門渦共振故障。卡門渦共振主要是在一定條件下流體經過物體后，在物體表面兩側周期性產生旋轉方向相反的規律雙列線性渦，會直接引發水力發電機組振動，振動頻率與葉片出口邊緣厚度、水流過葉片兩側相對速度等具有較大關系，具體如下：

式中，f 為卡門渦列引起振動頻率，Hz；S 為斯特勞哈爾數，一般為0.2；w 為水流過葉片兩側相對速度，m/s；d 為葉片出口邊緣厚度，mm。

2.2 電氣故障

水力發電設備是在電磁場作用下將水輪機傳遞機械能轉換為電磁能的設備，在機組運行過程中，易出現磁拉力失衡故障，表現為各磁極電氣參數出現差異，機組局部過熱甚至短路，破壞設備穩定運行狀態。

2.3 機械故障

水力發電設備是大型旋轉設備，機械結構高度復雜，各零部件在慣性力、摩擦力等作用下受力高度復雜，極易隨時間推移而出現個別零部件異常或損壞，進而出現轉動部件與固定部件碰撞、轉子質量不平衡、推力軸瓦不平、大軸永久性彎曲、大軸軸線偏差等。比如，金屬溫升狀態下熱膨脹會引發機組軸系對中超出正常范圍，進而加快旋轉支撐部位磨損，影響整體機組運行的穩定性。

3 水力發電設備的運行狀態故障檢修

3.1 故障信息收集

故障信息收集是水力發電設備的運行狀態故障檢修最基礎環節，采集發電設備原始狀態信息準確性、全面性對故障評估質量具有直接的影響。在水電發電設備狀態信息采集過程中，可以應用水電機組狀態監測系統自帶TR8000 智能數據采集裝置，總體結構見圖2。

圖2 水電發電設備狀態信息采集系統結構

如圖2 所示，水電發電設備狀態信息采集系統結構包括信息采集層、現場采集顯示層、中央控制層幾個部分。根據水力發電設備常見故障類型，可以科學布置測點，具體見表1。

表1 信息采集測點布置

3.2 設備狀態評估

水力發電設備是一個結構復雜的系統，設備故障信號內涵蓋豐富的故障信息，依托概率神經網絡分析機組運行過程信號可以間接推測設備運行狀態是否存在異常。概率神經網絡為4 層結構（見圖3），分別為輸入層、模式層、求和層與輸出層。

圖3 概率神經網絡結構

概率神經網絡評估函數如下：

式中，g（x）為輸出結果；x 為輸入樣本；p 為概率密度；w 為樣本歸屬類；N 為訓練樣本數目；k 為訓練樣本編號；xi 為第i 個訓練樣本；Q 為貝葉斯規則中的PNN 學習率。

根據式（2），水力發電設備運行狀態故障檢修流程為：第一步，歸一化待訓練水力發電設備運行狀態樣本集；第二步，計算待識別樣本x 與訓練集內每一水力發電設備運行狀態故障樣本之間距離第三步，在概率神經網絡模式層，以概率密度為激活函數，進行待識別樣本x 與每一訓練樣本之間相似度的計算，即第四步，在概率神經網絡求和層，計算待識別樣本x 與水力發電設備運行狀態故障類別訓練樣本的相似度總和計算，并將其視為樣本歸屬特定故障類別概率大小；第五步，在概率神經網絡輸出層對比待識別樣本x 與水力發電設備運行狀態故障類別的平均概率，概率最大類別為待識別水力發電設備運行狀態樣本的故障類別。

3.3 確認檢修策略

根據水力發電設備運行狀態樣本的故障類別識別結果，檢修人員可以進行水力發電設備運行狀態檢修策略的制定。比如，在確定水力發電設備運行狀態樣本的故障類別為水力振動故障的卡門渦共振時，檢修人員應結合水輪機轉輪葉片固有頻率，對葉片進行修型，改善葉片出水邊厚度尺寸分布，促使葉片出口環量分布均勻且合理；針對轉子不平衡故障，檢修人員可以借助動平衡儀或動平衡系統，進行配重；對于大軸永久性彎曲、軸線不對中故障，檢修人員可以從零部件著手進行各導軸承間隙的修正；針對發電機磁拉力不平衡問題，檢修人員可以先調整軸承、鍵槽、軸承蓋等部件將水輪發電機轉子軸線調整至磁場中心線，再進行磁極間距調整，必要時，增加磁極數或更改勵磁方式。

4 水力發電設備運行狀態故障檢修的保障措施

4.1 完善故障檢修制度

完善構建故障檢修制度是水力發電設備運行狀態故障檢修規范開展的保障。在故障檢修制度制定前，相關人員可以梳理現行標準，局部見表2。

表2 現行水力發電設備監測標準（局部）

根據表2，相關人員應建立故障檢修績效考核激勵制度，從多個方面，明確水力發電設備振動故障、機械故障、電氣故障等不同故障檢修質量考核評價標準，并將評價結果與人員薪資績效有機關聯，增強檢修人員對科學狀態檢修的關注，激勵人員自覺遵守制度規范作業。

4.2 做好全面實時監控

全面實時監控是水力發電設備運行狀態故障判定準確性的保障。比如，為判定水力發電設備運行期間主軸對中情況以及各導軸承預載荷、同心度，檢修人員應以主軸運行軌跡及動態空間軸線為監控要點，將電渦流傳感器布置在主軸徑向臨近導軸承2 個互成90°的方向，實時測量主軸擺度。

4.3 強化人員綜合素養

檢修人員是水力發電設備運行狀態故障檢修開展的主體，強化人員綜合素養至關重要。因此，在水力發電設備運行狀態故障檢修人員篩選時，應優選專業水平高、責任心強、善于思考、積極創新的人員。同時，根據水力發電設備運行狀態檢修技術發展，組織檢修人員開展培訓。以骨干檢修人員為紐帶，定期評選優秀檢修人員，由優秀檢修人員帶動新入職檢修人員更快地適應狀態檢修模式。

5 結語

綜上所述，振動故障、機械故障、電氣故障在水力發電設備運行過程中較為常見，會直接影響設備的平穩可靠運行。因此，檢修人員應科學運用狀態檢修手段，經壓力、渦流傳感器實時收集水力發電設備運行狀態信息，在概率神經網絡內分析信息并輸出設備故障類別。根據設備故障類別，檢修人員可以制定恰當的修理策略，確保水力發電設備運行故障的預先處理，避免故障影響范圍擴大。