燈泡貫流機組關鍵設備智能預警技術探析

南京南瑞集團公司（國網電力科學研究院） 馬成偉

通過挖掘和分析水電廠機組關鍵設備運行數據，實時預測設備運行狀態，及早發現設備的潛在故障，安排必要的運行或者檢修措施,確保機組安全穩定運行，已成為智能電廠建設的核心內容。本文從預警對象分析、預警功能實現、預警優勢三個方面，系統闡述了智能水電廠燈泡貫流機組關鍵設備智能預警技術的主要內容。

隨著工業互聯網的快速發展，水電廠推進設備數字化服務能力的提升，對設備開展智能化監測是其重要的組成部分。通過對設備屬性監測，實現從事后維修向預知性維修轉變，是減少水電廠設備故障和降低設備維修費用的重要途徑。燈泡貫流機組擁有諸多設備，如潤滑油系統、高壓油頂起系統、調速器油壓裝置、輔助油系統、振擺系統等。這都是水電廠燈泡貫流機組運行過程中的關鍵設備，其安全可靠運行對于水電廠正常生產有著重要影響。因此，本文針對水電廠燈泡貫流機組關鍵設備開展對于智能預警技術的研究。

1 智能預警對象分析

水電廠燈泡貫流機組關鍵設備包括油、氣、水、振擺等系統。油、氣、水系統通過維持自身的液位、流量、壓力來確保水輪發電機組安全可靠的運行。振擺系統實現對水電機組的振動、擺度、壓力脈動等物理量的在線監測。本文將以調速器油壓裝置、振擺系統等對象為例進行燈泡貫流機組關鍵設備智能預警相關分析，通過運用多源關聯因素的大數據分析方法，建立關鍵設備智能預警系統趨勢預測模型，并利用知識圖譜將人工經驗融入模型中，構建關鍵設備智能預警系統模型，以實現故障的預警預測[1]。

下面主要以壓油泵效率下降、管路漏氣跑油、水力不平衡及集電環故障等原理來分析研究智能預警技術。通過建立設備工況模型，對指定監測量的越限、動作頻次、運行趨勢等進行實時監視，分析設備的內在關聯，建立設備機理模型以及設備異常預警機制。

1.1 壓油泵效率原理分析

在機組發電狀態且有功功率變化小于5%的穩定條件下，單次壓油泵的啟動時間是相對穩定的，如果單次壓油泵啟動時間過長，則可能是該壓油泵效率低下、電機過載或控制回路故障等。

根據壓油泵單次運行時間特性，分析測算出壓油泵正常運行工效的上限值：

（1）停泵時間-啟泵時間<上限值，判定為正常狀態，不做告警提示。

（2）停泵時間-啟泵時間≧上限值，判定為缺陷狀態，做告警提示。

（3）停泵時間-啟泵時間≧上月平均啟動時間的150%，判定為缺陷狀態，做預警提示。

1.2 管路漏氣跑油原理分析

機組發電狀態或者停機狀態下，壓油泵的運行間隔時間是相對穩定的，如果壓油泵運行間隔時間過短，則可能是管路漏氣跑油。

根據調速器壓油泵運行間隔時間特性，分析測算出壓油泵正常運行間隔的閾值：

（1）啟泵時間-停泵時間≧設定值，判定為正常狀態，不做告警提示。

（2）啟泵時間-停泵時間<設定值，判定為缺陷狀態，做預警提示。

（3）啟泵時間-停泵時間<下限值，判定為故障狀態，做告警提示。

1.3 機組水力不平衡原理分析

在機組發電狀態，有功功率大于額定功率的50%且有功功率變化小于5%的穩定條件下，機組水力是相對平衡的。通過對水導擺度、轉輪室振動，對機組水力平衡進行監測分析。

基于對穩定工況下對應值的大數據分析，人工經驗輔助修訂，自動計算穩定運行值：

（1）一個周期30min，一個周期平均分3 個時段，每個時段10min，與每個時段的歷史值比較((當前值-歷史值)/當前時段平均值)，根據“上升”或“下降”變化的選擇，判斷每個時段的上升（或下降）的變化率是否均大于此值5%，歷史值為一個周期平均值。將水導X/Y 向擺度、轉輪室X/Y 向振動帶入計算，若滿足條件，則做預警提示；

（2）一個周期15min，取3 個連續周期判斷，將水導X/Y 向擺度、轉輪室X/Y 向振動帶入計算，如果計算出曲線變化率每個周期都超過設定值，則做預警提示；

（3）將水導X/Y 向擺度、轉輪室X/Y 向振動當前測值與系統自動計算的穩定運行值比較，大于5%做告警提示。

1.4 集電環故障原理分析

集電環經長期工作，因各種原因導致其工作面出現斑點、痕跡、凹痕、損傷等，在正常狀態下，集電環運行狀態相對穩定。集電環預警對象通過集電環運行環境多點監測，對集電環故障進行綜合分析。

（1）一個周期15min，取3 個連續周期判斷，將集電環溫度代入計算，如果計算出曲線變化率每個周期都超過設定值，則做預警提示；

（2）一個周期3min，一個周期平均分3 個時段，每個時段1min，與每個時段的歷史值比較((當前值-歷史值)/當前時段平均值)，根據“上升”或“下降”變化的選擇，判斷每個時段的上升（或下降）的變化率是否均大于此值5%，歷史值為一個周期平均值。將集電環噪音分貝數代入計算，若滿足條件，則做預警提示；

（3）將集電環X/Y 振動當前測值與系統自動計算的穩定運行值比較，大于5%做告警提示。

2 智能預警功能設計

2.1 動態閾值監測技術

設備運行狀態、健康狀態和運行效率等指標均能反映設備健康情況，因此可以通過分析設備的運行狀態和性能是否在合理的閾值之間，來判斷設備的運行狀態，從而實現設備智能預警。設備運行狀態的閾值一般是固定值，但是某些設備的運行狀態受環境因素的影響較為明顯，可通過函數、模糊訓練數據、人工神經網絡等方式構建動態閾值。

以函數動態閾值模型為例，以水輪機振擺數據作為例分析，利用綜合特性曲線可得到水輪機振擺數據的函數表達式，進而求得函數閾值，水輪機健康狀態異常的動態閾值為網格閾值。在拉依達準則和辛欽大數定律的基礎上，結合水輪機運行的實際工況，考慮放寬一定裕度，并將其應用于網格閾值的計算中，計算公式為

其中，是相同工況下積累的穩定性狀態數據的平均值，δ是所有穩定性狀態數據的標準差，Δ 是裕度值。

在相似影響因素趨勢過程分析中，首先判斷設備在離散化的影響因素區間內平穩運行的具體時間軸，設備在統計時段內的有效狀態數據可作為分析該設備運行過程趨勢的采樣依據。

2.2 后臺計算服務模塊設計

智能預警功能后臺計算服務通過建立預警對象的模型基礎，實現模型數據支撐服務模塊、工況整編及特征值抽取模塊，平臺可視化計算模塊，歷史數據服務模塊等功能，解決海量報警中無法人工尋找重要信息的問題，提升水電廠的自動化管理水平及預防性維護決策能力，保障電廠安全穩定運行。

2.2.1 模型數據支撐服務模塊

模型數據支撐服務模塊的主要作用是將外部采集到的基礎點進行模型化，并發布到數據總線中，并將數據總線中的告警及特征進行計算處理，形成系統整體的告警斷面信息，并進行發布。

該模塊還負責發布智能預警實時緩存中的數據到各個節點，并接收前端發送的相關控制操作寫入實時庫?；A數據整編服務根據設備對象基本屬性的組態，將監控系統原始的歷史數據整編記錄到設備對象屬性數據庫表中，供智能預警特征整編計算使用[2]。

2.2.2 工況整編及特征值抽取模塊

工況整編及特征值抽取模塊主要用作抽取設備對象預警判斷時所需的特征值的功能。

該模塊主要完成如下功能：實時數據的接收與歷史數據的讀??；從監控實時數據總線獲取當前實時數據；計算工況變化情況；由工況變化觸發對應的處理線程進行特征抽??；定時啟動特定的特征抽取線程，從歷史庫中獲取數據統計信息和特征；通過分析框架實時數據總線發布特征和統計信息。

2.2.3 平臺可視化計算模塊

平臺可視化計算模塊的主要作用是根據組態好的邏輯關系，進行綜合告警策略計算、通用告警策略計算、高級算法策略計算等功能，并更新告警實時緩存供數據發布服務使用。

2.2.4 歷史數據服務模塊

歷史數據記錄模塊主要實時記錄各設備對象屬性點的歷史數據，記錄各個特征整編值，同時在設備對象告警產生的時刻將該斷面的所有相關報警信息進行記錄數據庫的處理，提供故障追溯的數據來源。

2.3 前臺交互模塊設計

2.3.1 模型組態

智能預警模型組態是基于預警的業務邏輯和定義算法，使用算子樹構成的模型。這個過程使用可視化界面完成，只需簡單的拖拉拽操作，通過將需要的算子從工具箱拖動到畫布中，算子之間使用連接線連接。連接線有上方的端點表示算子輸入，下方的端點表示算子輸出，通過連接線連接算子，確保算子之間的輸入輸出關系，完成建模的過程。

智能預警系統同一個模型可以應用于多個設備或者系統，對于不同的設備或者系統，應用同一個模型時可以在模型應用頁進一步調整算子的參數、告警算子的告警號等。

當設備相關油位、壓力或者水位處于某一穩定工況下，設備單次運行時間統計大于特性數據時報警，提醒運維人員及時檢查并處理。

2.3.2 模型應用

模型應用功能用于將配置好的模型應用于相應的設備。同一個模型可以應用于多個設備，對于使用同一個模型模板的不同設備，可以在模型應用頁進一步調整算子的參數和告警算子的告警號等設置。

2.3.3 預警展示

智能預警展示分為實時預警和歷史預警兩部分，實時預警展示當前智能預警系統動作的預警信息，歷史預警展示智能預警系統全部預警信息。其中曲線快查和預警追溯能友好地展現設備預警原因并將預警相關歷史數據一并展現，便于運行人員快速分析故障原因。

3 智能預警優勢

智能預警功能是基于故障模型和數據模型，提前預知設備故障?；谕陚涞哪Ｐ蛿祿M行專業分析，精準定位故障原因，監測故障劣化趨勢，實現設備壽命預測，減少非計劃檢修、非計劃停機，以及減輕現場人員工作量和壓力。

3.1 優化數據分析

提出數據分析標準規則，對匯集的數據進行漏點檢測、空值處理、維度變換、類型轉換等操作，將轉換后標準的數據匯總進入數據倉庫（如圖1 所示），確保數據質量、支撐挖掘分析。完成數據分析、挖掘及閉環驗證，最終得到寶貴的水電廠運行經驗與規律。

圖1 智能預警數據分析Fig.1 Data analysis of intelligent early warning

3.2 提高數據準確性

傳統的設備運行狀態分析要依靠人員定時地去統計、計算、比較數據，耗費大量的人力資源并且也不能達到準確全面的分析，而采用智能預警系統可以實現24h，全方位不間斷的精準分析，避免了人工分析依賴經驗判斷的局限性，實現了管理數字化、科學化，減少了管理成本，提高了工作效率。

3.3 實現設備的智能預警

根據水電廠靜態設備、動態設備的運行特性，針對目前故障報警存在的不足，建立設備運行關聯度模型，實現生產關鍵環節設備潛在故障的智能預警。

利用機組設備運行所累積的海量歷史數據，建立部件、設備、系統、機組等運行的性能模型，以設備為對象作為監測指標，而非測點閾值作為監測指標，實現設備對象的智能預警。

通過實時讀取、跟蹤、分析設備的運行數據，來捕捉設備運行狀態的細微變化，研判設備的運行狀態，提前發現設備的異動、缺陷直至潛在故障，實現智能預警。

4 結語

智能預警系統提升監盤工作和應急處置快速反應能力，降低運行監盤人員勞動強度，保障電廠安全穩定運行和減少現場人工成本。智能預警系統提升了水電廠智能化、科學化、標準化運行管理水平，達到利用智能化技術創新電力生產企業運行管理手段的目的，進一步保障電力生產企業的安全可靠穩定生產，具有重要的意義。