CN101403648A - 大型汽轮发电机组汽流激振故障实时诊断方法 - Google Patents
大型汽轮发电机组汽流激振故障实时诊断方法 Download PDFInfo
- Publication number
- CN101403648A CN101403648A CNA2008102270654A CN200810227065A CN101403648A CN 101403648 A CN101403648 A CN 101403648A CN A2008102270654 A CNA2008102270654 A CN A2008102270654A CN 200810227065 A CN200810227065 A CN 200810227065A CN 101403648 A CN101403648 A CN 101403648A
- Authority
- CN
- China
- Prior art keywords
- low
- frequency
- frequency vibration
- checking
- vibration
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Abstract
本发明公开了属于机械振动状态监测与故障诊断领域的涉及大型汽轮发电机组振动状态实时在线自动监测的一种大型汽轮发电机组汽流激振故障实时诊断方法。由数据采集、数据预处理、低频振动条件验证、机组负荷条件验证、故障诊断决策等环节组成,根据低频振动条件验证及机组负荷条件验证的结果,诊断机组是否发生汽流激振故障。该方法具有得到的结论可靠,能够实现自动实时在线监测、诊断故障等优点。
Description
技术领域
本发明属于机械振动状态监测与故障诊断领域,特别涉及大型汽轮发电机组振动状态实时在线自动监测的一种大型汽轮发电机组汽流激振故障实时诊断方法。
背景技术
随着汽轮发电机组容量的不断增加,机组运行参数不断提高,机组的压力级数不断增加,级数的增加使得转子跨距也变得更长,临界转速变得更低,轴系的稳定性降低,这些因素容易导致高参数机组的汽流激振故障发生,主要导致机组不能继续提升负荷,无法满负荷发电,该故障多出现在初参数在200MW以上的大容量,高参数汽轮发电机组中,有时也可能出现在设计、安装、检修及运行状况不是太好的小容量机组中。机组不能满负荷发电,将直接影响到企业的经济效益,成为影响机组安全性和经济性的难题。但是,汽流激振的诊断工作都是由经验丰富的专家完成,诊断经济成本高,周期长。因此,提出一种汽轮机组汽流激振故障在线实时诊断方法就显得十分重要。
发明内容
本发明的目的提供能够自动在线监测、准确诊断故障的一种大型汽轮发电机组汽流激振故障实时诊断方法。该方法基于汽轮机运行中高压转子的相对轴振数据及机组负荷数据,结合计算机程序实时计算分析实现。
本发明采用的技术方案是:一种汽轮发电机组汽流激振故障在线诊断方法,其特征在于,它包括:
(1)数据采集,实时采集诊断机组汽流激振故障所用的振动数据以及非振动数据,所述振动数据包括从高压转子两侧一号、二号支持轴承附近测得的相对轴振以及键相信号,所述非振动数据为是机组的负荷数据。
(2)数据预处理,为提高故障诊断的可靠性,对采集的数据滤波的数据处理。
(3)低频振动条件验证,即是对采集的振动数据进行低频振动频率验证和低频振动振幅验证的分析,向诊断决策提供验证支持;所述低频振动频率验证包括“低频振动中心频率近似为25Hz”功能验证及“低频振动中心频率与高压转子第一阶临界转速频率近似”功能检验的2个子环节;所述低频振动幅值验证包括振幅绝对值验证以及振幅相对值验证的2个子环节,分别是“低频振动峰-峰值大于10微米”功能验证及“低频振动与工频振动峰-峰值比值大于0.3”功能检验。
(4)机组负荷条件验证,根据采集的机组实际负荷数据以及机组的额定负荷数据,计算分析判断机组的当前负荷是否满足故障发生的负荷条件。
(5)故障诊断决策,结合低频振动条件验证以及机组负荷条件验证的验证结果,判断得出大型汽轮发电机组是否发生汽流激振故障。
本发明汽轮机组汽流激振故障诊断方法利用机组运行中的振动数据以及机组负荷数据,经过计算分析判断得到故障诊断结论,具有方法科学,结论可靠,能够实现自动实时在线监测、诊断故障等优点。
附图说明
图1为汽流激振故障诊断功能流程图。
图2为低频振动条件验证逻辑过程图。
图3为低频振动条件验证功能组成图。
图4为低频振动频率验证功能逻辑关系图。
图5为低频振动幅值验证功能逻辑关系图。
具体实施方式
本发明提供能够自动在线监测、准确诊断故障的一种大型汽轮发电机组汽流激振故障实时诊断方法。其构思基础是:
1.汽流激振主要产生于大容量高参数机组的高压转子上。汽轮机叶轮在偏心位置时,由于叶顶间隙沿圆周方向不同,蒸汽在不同间隙位置处的泄漏量不均匀,使得作用在叶轮沿圆周向的切向力不相等,就会产生一作用于叶轮中心的横向力,亦称为间隙激振力。该横向力趋向于使转子产生自激振动。当系统阻尼消耗的能量小于该横向力所做的功,振动就会被激发起来。叶顶间隙不均匀产生的间隙激振力大小与叶轮的级功率成正比,与动叶的平均节径、高度和工作转速成反比。因此,间隙激振容易发生在大功率汽轮机及叶轮直径较小和短叶片的转子上,即大型汽轮机的高压转子上。
2.汽流激振通常与机组所带的负荷有关,它出现在机组并网之后、负荷逐渐增加的过程中。其主要特点是,对负荷变化较敏感,且一般发生在较高负荷。汽流激振通常有一个门槛负荷,超过此负荷,立即激发汽流激振,而当负荷降低至某一数值时,振动即能恢复正常,有较好的重复性。
3.汽流激振在绝大多数情况下其低频振动频率以半频分量(25Hz)为主;在有些情况下,汽流激振产生的自激振动频率通常与高压转子一阶临界转速频率相吻合。
在上述3个前提下,根据汽轮机组汽流激振振动故障的主要特征,结合振动信号分析处理及模式识别技术,对汽轮机组的汽流激振故障进行分析诊断。
图1所示为大型汽轮发电机组汽流激振故障实施诊断方法包括步骤数据采集1、对采集数据进行数据预处理2、低频振动条件验证3、机组负荷条件验证4、与门5和故障诊断决策6,其中,低频振动条件验证包括低频振动频率验证、低频振动振幅验证2个环节(如图3所示),对于每路来自高压转子两侧的相对轴振信号,都要进行低频振动条件验证,通过低频振动条件验证可以判断相对轴振信号是否具备汽流激振诊断的振动因素,在实时诊断过程中,针对每路高压转子相对轴振振动信号的低频振动条件验证要实时同步进行。下面结合图1所示的汽流激振故障诊断功能流程图和图2所示低频振动条件验证逻辑过程图进一步说明具体实施步骤及诊断方法。
1.数据采集
从机组的相关振动数据采集系统中,采集汽轮发电机组高压转子一号、二号支持轴承侧的附近测得的相对轴振振动信号。同时,从机组的分布式控制系统中,采集反映机组输出功率的信号。
2.数据预处理
为提高振动分析的可靠性,主要是对振动信号进行滤波。具体采用Butterworth滤波器分别对高压转子一号、二号支持轴承侧的相对轴振振动信号进行带通滤波,带通范围20-60Hz。
3.低频振动条件验证
低频振动条件验证过程包括低频振动频率验证、低频振动振幅验证2部分内容,只有当同时通过2个验证,才能判断通过低频振动条件验证,其功能组成如图3所示。
低频振动频率验证有2个子环节,包括“低频振动中心频率近似为25Hz”功能验证及“低频振动中心频率与高压转子第一阶临界转速频率近似”功能检验。只要通过其中的一项检验,就可以认为低频振动频率验证有效,说明具备汽流激振故障诊断的振动频率因素,其功能逻辑关系如图4所示。
(1)“低频振动中心频率近似为25Hz”功能验证
利用FFT(快速傅立叶变换)幅频分析方法,检测低频振动信号中的超过阈值幅值(阈值幅值为5微米)的单频频率,如果该单频频率与25Hz的差值小于0.5Hz,那么该功能验证有效。
(2)“低频振动中心频率与高压转子第一阶临界转速频率近似”功能验证
利用FFT(快速傅立叶变换)幅频分析方法,检测低频振动信号中的超过阈值幅值(阈值幅值为5微米)的单频频率,如果该单频频率与高压转子第一阶临界转速频率的差值小于0.5Hz,那么该功能验证有效。
低频振动幅值验证有2个子环节,包括“低频振动峰-峰值大于10微米”功能验证及“低频振动与工频振动峰-峰值比值大于0.3”功能检验。只要通过其中的一项检验,就可以认为低频振动幅值验证有效,说明具备汽流激振故障诊断的振动幅值因素,其功能逻辑关系如图5所示。
(1)“低频振动峰-峰值大于10微米”功能验证
利用FFT(快速傅立叶变换)幅频分析方法,检测低频振动信号在频率范围24.5~25.5Hz内及在高压转子第一阶临界转速频率±0.5Hz频率范围内的单频振动最大峰-峰值Alfpp,如果Alfpp>10微米,那么该项检验有效。
(2)“低频振动与工频振动峰-峰值比值大于0.3”功能检验
利用FFT(快速傅立叶变换)幅频分析方法,检测低频振动信号在频率范围24.5~25.5Hz内及在高压转子第一阶临界转速频率±0.5Hz频率范围内的单频振动最大峰-峰值Alfpp及工频振动峰-峰值Awfpp,计算二者比值r=Alfpp/Awfpp,如果比值r>0.3,那么该项检验有效。
4.机组负荷条件验证
对机组的实际输出功率与额定功率的比值进行实时计算,如果该比值大于0.5,那么机组负荷条件验证有效,说明具备汽流激振故障诊断的负荷条件。
5.故障诊断决策
根据上述低频振动条件验证及机组负荷条件验证的结果,可以做出是否发生汽流激振故障的诊断。如果同时满足低频振动条件验证及机组负荷条件验证2项验证,那么可以判断发生汽流激振故障。
实施例
利用该方法可以实现对当前国内电网主力机组之一-300MW汽轮发电机组的汽流激振故障诊断。根据该方法设计具体的汽流激振故障计算机诊断程序,将故障诊断程序安装在工控机(IPC)内。汽流激振故障诊断程序中的一次诊断循环过程包括诊断方法中的数据采集、数据预处理、低频振动条件验证、机组负荷条件验证、故障诊断决策等一系列计算分析验证环节。
首先,工控机(IPC)内的汽流激振故障诊断程序通过高速数据采集卡实时采集诊断所需的机组相关数据,需要采集的振动数据主要是300MW机组高压转子两侧一号、二号支持轴承附近测得的轴相对振动,机组当前的负荷数据可以从机组的分布式控制系统(DCS)或相关的辅助控制系统中采集获得。
故障诊断程序采用Butterworth滤波器分别对高压转子一号、二号支持轴承侧的相对轴振振动信号进行带通滤波,带通范围20-60Hz。
故障诊断程序对高压转子一号、二号支持轴承侧的相对轴振振动信号滤波后的数据,进行低频振动条件验证以及机组负荷条件验证。在程序中,对高压转子一号、二号支持轴承侧的相对轴振振动信号进行低频振动条件验证以及机组负荷条件验证等3个验证过程是实时同步进行的。
对高压转子一号、二号支持轴承侧的相对轴振振动信号进行低频振动条件验证是实时同步过程。低频振动条件验证包括低频振动频率验证、低频振动振幅验证2部分内容,低频振动频率验证、低频振动振幅验证是实时同步进行的。在高压转子一号(或二号)支持轴承侧的相对轴振振动信号的低频振动频率验证过程中,如果低频振动中心频率为25Hz或者为35.5Hz(高压转子第一临界转速频率为35.5Hz),那么低频振动频率验证有效。同时,在高压转子一号(或二号)支持轴承侧的相对轴振振动信号的低频振动振幅验证过程中,如果通过“低频振动峰-峰值大于10微米”功能验证或者通过“低频振动与工频振动峰-峰值比值大于0.3”功能检验,那么低频振动幅值验证有效。针对高压转子一号(或二号)支持轴承侧的相对轴振振动信号,只有当低频振动频率验证、低频振动振幅验证2个验证同时有效时,才能判断相对轴振振动信号低频振动条件验证有效。只要高压转子一号支持轴承侧或者二号支持轴承侧的相对轴振振动信号的低频振动条件验证通过,那么判断低频振动条件验证通过。
故障诊断程序在进行低频振动条件验证的过程中,实时同步进行机组负荷条件验证,如果当前机组输出负荷为250MW,那么机组负荷条件验证通过。
最后,故障诊断程序根据高压转子一号、二号支持轴承侧的相对轴振振动信号的低频振动条件验证以及机组负荷条件验证结果,判断机组高压转子发生汽流激振故障。如果低频振动条件验证或机组负荷条件验证失效,重新采集数据,进入下一循环。
诊断程序循环执行上述诊断过程,判断当前机组是否发生汽流激振故障,实现汽流激振故障的实时诊断。
Claims (5)
1.一种大型汽轮发电机组汽流激振故障实时诊断方法,其特征在于,包括以下步骤:
(1)数据采集,实时采集诊断机组汽流激振故障所用的振动数据以及非振动数据,所述振动数据包括从高压转子两侧一号、二号支持轴承附近测得的相对轴振以及键相信号,所述非振动数据为机组的负荷数据;
(2)数据预处理,为提高故障诊断的可靠性,对采集的数据进行滤波处理;
(3)低频振动条件验证,即是对采集的振动数据进行低频振动频率验证和低频振动振幅验证的分析,只有当同时通过2个验证,才能判断通过低频振动条件验证,向诊断决策提供验证支持;
(4)机组负荷条件验证,根据采集的机组实际负荷数据以及机组的额定负荷数据,实时计算分析机组当前的负荷是否满足发生故障的必要条件;
(5)故障诊断决策,结合低频振动条件验证以及机组负荷条件验证的验证结果,判断得出大型汽轮发电机组是否发生汽流激振故障。
2.根据权利要求1所述大型汽轮发电机组汽流激振故障实时诊断方法,其特征在于,所述低频振动频率验证包括“低频振动中心频率近似为25Hz”功能验证及“低频振动中心频率与高压转子第一阶临界转速频率近似”功能检验的2个子环节;只要通过其中的一项检验,就可以认为低频振动频率验证通过。
3.根据权利要求1所述大型汽轮发电机组汽流激振故障实时诊断方法,其特征在于,所述低频振动幅值验证包括振幅绝对值验证以及振幅相对值验证的2个子环节,分别是“低频振动峰-峰值大于10微米”功能验证及“低频振动与工频振动峰-峰值比值大于0.3”功能检验;只要通过其中的一项检验,就可以认为低频振动幅值验证通过。
4.根据权利要求1所述大型汽轮发电机组汽流激振故障实时诊断方法,其特征在于,所述有关负荷的故障发生必要条件是:机组实际输出功率与额定功率的比值大于0.5。
5.根据权利要求1所述大型汽轮发电机组汽流激振故障实时诊断方法,其特征在于,所述对振动信号进行滤波,具体采用Butterworth滤波器分别对高压转子一号、二号支持轴承侧的相对轴振振动信号进行带通滤波,带通范围20-60Hz。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2008102270654A CN101403648A (zh) | 2008-11-20 | 2008-11-20 | 大型汽轮发电机组汽流激振故障实时诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2008102270654A CN101403648A (zh) | 2008-11-20 | 2008-11-20 | 大型汽轮发电机组汽流激振故障实时诊断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101403648A true CN101403648A (zh) | 2009-04-08 |
Family
ID=40537727
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2008102270654A Pending CN101403648A (zh) | 2008-11-20 | 2008-11-20 | 大型汽轮发电机组汽流激振故障实时诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101403648A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102072139A (zh) * | 2010-12-29 | 2011-05-25 | 西安陕鼓动力股份有限公司 | 一种压缩机低频振动故障快速判别方法 |
CN101799366B (zh) * | 2010-01-27 | 2011-08-24 | 北京信息科技大学 | 一种机械故障预测的特征提取方法 |
CN102183349A (zh) * | 2011-02-12 | 2011-09-14 | 华北电力大学 | 汽轮发电机组波动型碰摩故障实时辨识方法 |
CN102680243A (zh) * | 2012-05-14 | 2012-09-19 | 华北电力大学 | 汽轮发电机组汽流激振故障在线判别方法 |
CN104573307A (zh) * | 2014-10-14 | 2015-04-29 | 山东创德软件技术有限公司 | 一种基于数据协调的电站状态在线诊断及运行优化系统 |
CN104727866A (zh) * | 2015-01-31 | 2015-06-24 | 浙江浙能中煤舟山煤电有限责任公司 | 预防汽轮机汽流激振引起的跳机事故的控制方法 |
CN105841966A (zh) * | 2016-04-06 | 2016-08-10 | 西安西热振动研究所有限公司 | 一种基于正向推理的汽轮发电机组振动故障诊断方法 |
CN106248385A (zh) * | 2016-07-20 | 2016-12-21 | 国网浙江省电力公司电力科学研究院 | 一种汽轮机汽流激振特征识别方法 |
CN104236915B (zh) * | 2014-09-19 | 2017-02-15 | 华北电力大学 | 发电机组轴系‑叶片扭振疲劳寿命损耗评估方法及系统 |
CN109167839A (zh) * | 2018-10-19 | 2019-01-08 | 合肥中科根云设备管理有限公司 | 基于流体激振的故障诊断方法及系统 |
CN111981956A (zh) * | 2020-07-21 | 2020-11-24 | 东方电气集团东方电机有限公司 | 一种汽轮发电机轴承平行度工厂测试装置及方法 |
CN112525337A (zh) * | 2020-11-18 | 2021-03-19 | 西安因联信息科技有限公司 | 一种针对机械压力机振动监测数据预处理方法 |
-
2008
- 2008-11-20 CN CNA2008102270654A patent/CN101403648A/zh active Pending
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101799366B (zh) * | 2010-01-27 | 2011-08-24 | 北京信息科技大学 | 一种机械故障预测的特征提取方法 |
CN102072139A (zh) * | 2010-12-29 | 2011-05-25 | 西安陕鼓动力股份有限公司 | 一种压缩机低频振动故障快速判别方法 |
CN102183349A (zh) * | 2011-02-12 | 2011-09-14 | 华北电力大学 | 汽轮发电机组波动型碰摩故障实时辨识方法 |
CN102183349B (zh) * | 2011-02-12 | 2013-06-12 | 华北电力大学 | 汽轮发电机组波动型碰摩故障实时辨识方法 |
CN102680243A (zh) * | 2012-05-14 | 2012-09-19 | 华北电力大学 | 汽轮发电机组汽流激振故障在线判别方法 |
CN102680243B (zh) * | 2012-05-14 | 2014-10-08 | 华北电力大学 | 汽轮发电机组汽流激振故障在线判别方法 |
CN104236915B (zh) * | 2014-09-19 | 2017-02-15 | 华北电力大学 | 发电机组轴系‑叶片扭振疲劳寿命损耗评估方法及系统 |
CN104573307B (zh) * | 2014-10-14 | 2018-02-13 | 山东创德软件技术有限公司 | 一种基于数据协调的电站状态在线诊断及运行优化系统 |
CN104573307A (zh) * | 2014-10-14 | 2015-04-29 | 山东创德软件技术有限公司 | 一种基于数据协调的电站状态在线诊断及运行优化系统 |
CN104727866B (zh) * | 2015-01-31 | 2016-07-06 | 浙江浙能中煤舟山煤电有限责任公司 | 预防汽轮机汽流激振引起的跳机事故的控制方法 |
CN104727866A (zh) * | 2015-01-31 | 2015-06-24 | 浙江浙能中煤舟山煤电有限责任公司 | 预防汽轮机汽流激振引起的跳机事故的控制方法 |
CN105841966A (zh) * | 2016-04-06 | 2016-08-10 | 西安西热振动研究所有限公司 | 一种基于正向推理的汽轮发电机组振动故障诊断方法 |
CN106248385A (zh) * | 2016-07-20 | 2016-12-21 | 国网浙江省电力公司电力科学研究院 | 一种汽轮机汽流激振特征识别方法 |
CN106248385B (zh) * | 2016-07-20 | 2018-10-09 | 国网浙江省电力有限公司电力科学研究院 | 一种汽轮机汽流激振特征识别方法 |
CN109167839A (zh) * | 2018-10-19 | 2019-01-08 | 合肥中科根云设备管理有限公司 | 基于流体激振的故障诊断方法及系统 |
CN109167839B (zh) * | 2018-10-19 | 2020-11-24 | 合肥中科根云设备管理有限公司 | 基于流体激振的故障诊断方法及系统 |
CN111981956A (zh) * | 2020-07-21 | 2020-11-24 | 东方电气集团东方电机有限公司 | 一种汽轮发电机轴承平行度工厂测试装置及方法 |
CN112525337A (zh) * | 2020-11-18 | 2021-03-19 | 西安因联信息科技有限公司 | 一种针对机械压力机振动监测数据预处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101403648A (zh) | 大型汽轮发电机组汽流激振故障实时诊断方法 | |
CN101430247B (zh) | 汽轮发电机组随机振动故障实时诊断方法 | |
CN101430239B (zh) | 大型汽轮发电机组油膜涡动故障实时诊断方法 | |
CN101451898B (zh) | 汽轮发电机组转子热弯曲不平衡故障实时诊断方法 | |
CN101592590B (zh) | 一种转动叶片故障间接诊断技术 | |
EP2665925B1 (en) | A method for diagnostic monitoring of a wind turbine generator system | |
CN102507205B (zh) | 一种检测航空发动机风扇叶片颤振故障的方法 | |
CN101738293B (zh) | 汽轮发电机组转子原始质量不平衡故障实时诊断方法 | |
CN110702394B (zh) | 一种基于振动变化特征的汽轮发电机组振动故障诊断方法 | |
CN101429877B (zh) | 汽轮发电机组联轴器角度不对中故障实时诊断方法 | |
CN107489464A (zh) | 汽轮发电机组故障预警方法及系统 | |
CN108154166A (zh) | 一种风机智能故障诊断系统及方法 | |
Yang et al. | Condition monitoring and fault diagnosis of a wind turbine with a synchronous generator using wavelet transforms | |
CN115539139A (zh) | 一种汽轮机安全性的监测方法 | |
Shi et al. | Purification and feature extraction of shaft orbits for diagnosing large rotating machinery | |
CN102095491B (zh) | 汽轮发电机组低频振动突变性实时分析方法 | |
Arun et al. | A review on fault diagnosis of misaligned rotor systems | |
CN102954888A (zh) | 汽轮机组油膜振荡故障的实时在线诊断方法 | |
Lim et al. | Improved blade fault diagnosis using discrete Blade Passing Energy Packet and rotor dynamics wavelet analysis | |
Rusinski et al. | Monitoring and testing of high power industrial fans vibration | |
Bhattacharya et al. | System to monitor blade health in axial flow compressors | |
CN102879084B (zh) | 汽轮发电机组低频振动非稳态在线预警方法 | |
CN102692303B (zh) | 汽轮发电机组汽流激振故障高效识别方法 | |
Shrivastava et al. | Vibration signature analysis for ball bearing of three phase induction motor | |
CN102879085B (zh) | 汽轮发电机组低频振动非稳态实时预警方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20090408 |