CN102141808A - 汽轮发电机组嵌入式故障预诊断系统及方法 - Google Patents

Abstract

本发明涉及一种汽轮发电机组嵌入式故障预诊断系统及方法，汽轮发电机组嵌入式状态监测与故障预诊断装置在整个发电机组的远程状态监测与故障诊断系统中处于中间层位置，向下采集数据，经过嵌入式状态监测与故障预诊断装置对数据进行数据预处理和故障预诊断后通过网络将数据向上传送达到信息共享。实现对发电机组监测数据的阈值分析、实时储存与传输、信号分析与预处理、故障预诊断等功能，把发生故障后对发电机组的影响限制在最小范围内，对于提高发电机组运行的安全性、可靠性和运行效率具有重要意义。

Description

汽轮发电机组嵌入式故障预诊断系统及方法

技术领域

本发明涉及一种汽轮发电机组的故障预诊断技术，特别涉及一种汽轮发电机组嵌入式故障预诊断系统及方法。

背景技术

电力工业是国民经济可持续发展的先行工业。随着现代电力生产设备日趋大型化、复杂化和自动化，其功能越来越强、结构也越来越复杂，因发电机组故障而造成的损失也将会大大增加。近年来，因电力关键设备故障而引起的灾难性事故时有发生。典型事故如2003年8月14日，美国、加拿大发生大面积停电事故，受停电影响的人口约5000万，地域约24000平方公里，停电持续时间为29小时，经济损失达60亿美元。这些严重的、灾难性的事件不断发生，迫使人们在发电机组状态监测与故障诊断方面进行了大量的研究。

虽然我国电力工业得到了长足发展，但是当前全国电力需求增长仍然十分迅猛，电力供应短缺状况时有出现，使得许多发电机组长期处于超负荷运行状态，设备的安全性也随之下降，这就要求对机组生产过程的各种参数进行实时监测和检修维护以保证锅炉、汽轮机、发电机等主机设备及主要辅机设备的正常运行和电厂正常发电。此外，机组容量的增大使其结构和系统日趋复杂，在实际生产运行中，由于发电机组设计和制造质量问题、安装不当、运行部门人员误操作、监控不当、维护管理不当、检修质量不良等原因导致发电机组发生事故的情况占有相当大的比例。大型发电机组发生事故后，不仅维修耗资巨大，给电厂和电网造成巨大的经济损失。因此，如何保证这些机组能安全、可靠和经济高效运行，对国民经济的发展具有十分重要的意义。

由于发电机组设备及工艺过程的复杂性，需要在发电机组配置较多的数据采集和信号分析处理等设备以更好地完成机组的状态监测与故障诊断任务。而嵌入式系统因其体积小、低功耗、低成本、高性能等诸多优良特性，成为工业应用研究和开发的热点。

发明内容

本发明是针对大型发电机组发生事故后维修成本高的问题，提出了一种汽轮发电机组嵌入式故障预诊断系统及方法，实现的是对发电机组监测数据的阈值分析、实时储存和传输、信号分析与预处理、故障预诊断等功能，通过综合分析机组的运行状态，选取能够表征设备状况的特征参量，对其状态变化情况进行跟踪和预测，并对可能发生故障情况进行预警，使现场运行人员充分掌握发电机组的运行状态，了解发生故障的原因，并能及时进行正确处理，把发生故障后对发电机组的影响限制在最小范围内。

本发明的技术方案为：一种汽轮发电机组嵌入式故障预诊断系统，嵌入式状态监测与故障预诊断装置可通过现场总线、工业以太网、无线传感器网络通信方式从发电机组的DCS分散控制系统、DEH汽轮机数字式电液控制系统、PLC可编程逻辑控制系统、TSI汽轮机监视保护系统或者通过嵌入式远程I/O数据采集器从现场传感器中实时采集机组各种运行数据，所有采集数据在嵌入式状态监测与故障预诊断装置中经过FFT变换、小波变换进行预处理和故障预诊断，然后通过网络发送到状态监测工作站、故障诊断工作站、实时数据库服务器，通过监测与诊断工作站的智能状态监测与故障诊断系统分析处理后形成监测与诊断分析结果，同时，将监测与诊断分析结果通过Web服务器向远程监测与诊断平台发布。

一种汽轮发电机组嵌入式故障预诊断方法，包括汽轮发电机组嵌入式故障预诊断系统，汽轮发电机组嵌入式故障预诊断方法主要包括数据预处理和故障预诊断，采用定时器，每隔一段时间进行数据处理和故障预诊断，具体步骤如下：

数预处理具体步骤为：

1) 对汽轮发电机组采样信号序列进行N层二进正交小波分解，得到第1层到第N层共N个高频小波分解系数序列；

2) 求各层高频小波分解系数序列的能量；

3) 按尺度顺序，以各层高频小波分解系数序列的能量为元素组成特征向量；

4) 根据特征向量对照向量标准值，判断机组处于的状态；

故障预诊断步骤为：

A:首先是对接收到的原始数据与正常数据进行比较，如果出现数据在正常数据范围之外，然后记录数据时间，在一定时间范围之内的异常数据超过范围之外，就判定可能有故障产生；

B:针对快速傅立叶变换的数据，主要是针对傅立叶变换以后的频域信息进行判断，对于明显的一倍频、二倍频等频率值进行比较,如果判断结果超过正常范围之内，并且在一定的时间之内错误数达到规定标准，即判定可能有故障产生。当频率与频率表相符合时，就判断可能有故障产生；

C: 针对小波变换以后的数据，主要是对各个频段的高低频数据能量与正常的数据值进行比较，如果超过正常范围，并且在这个规定时间内发生次数高于规定范围，就判定有故障产生。

本发明的有益效果在于：本发明汽轮发电机组嵌入式故障预诊断系统及方法，实现的是对发电机组监测数据的阈值分析、实时储存和传输、信号分析与预处理、故障预诊断等功能，把发生故障后对发电机组的影响限制在最小范围内，对于提高发电机组运行的安全性、可靠性和运行效率具有重要意义。

附图说明

图1为本发明汽轮发电机组嵌入式故障预诊断系统结构框图；

图2为本发明嵌入式故障预诊断装置结构框图。

具体实施方式

如图1所示汽轮发电机组嵌入式故障预诊断系统结构框图，嵌入式状态监测与故障预诊断装置6可通过现场总线、工业以太网、无线传感器网络等通信方式7从发电机组的DCS分散控制系统9、DEH汽轮机数字式电液控制系统10、PLC可编程逻辑控制系统11、TSI汽轮机监视保护系统12或者通过嵌入式远程I/O数据采集器8从现场传感器中实时采集机组各种运行数据，如振动、位移、胀差、键相、转速、压力、温度及各种工艺参数等。其中TSI汽轮机监视保护系统12采集主机设备13振动相关数据，嵌入式远程I/O数据采集器8主要采集辅助设备14相关运行数据，所有采集数据在嵌入式装置6中经过FFT变换、小波变换等进行预处理和故障预诊断，然后通过网络4发送到状态监测工作站1、故障诊断工作站2、实时数据库服务器3，通过监测与诊断工作站的智能状态监测与故障诊断系统分析处理后形成各种故障的特征分析图谱，以实现对机组的实时状态监测和诊断分析。同时，将监测与诊断分析结果通过Web服务器向远程监测与诊断平台5发布，供出差在外的企业领导、远程监测用户和诊断专家等进行远程监测和诊断分析使用。

本发明的嵌入式状态监测与故障预诊断装置如图2所示。该装置硬件平台采用AT91RM9200嵌入式芯片，软件环境为Arm Linux嵌入式操作系统。装置通信接口包括RS-485、CAN总线、以太网等，支持Modbus/RTU、Modbus/TCP、CAN、ZigBee等工业以太网、现场总线及无线网络通信技术。此外，嵌入式装置上采用QT或者MiniGUI作为系统的图形用户界面，并采用嵌入式Sqlite数据库用于数据的存储和分析。

汽轮发电机组嵌入式状态监测与故障预诊断装置6在整个发电机组的远程状态监测与故障诊断系统中处于中间层位置，主要包括嵌入式数据采集模块、数据库模块、显示模块、FFT变换模块、小波变换模块、故障预诊断模块和网络传输模块等几个部分，各个功能模块通过嵌入式系统的数据共享区域实现。

为了实时准确地掌握机组的运行状态，需要监测和分析的参数包括机组的振动信号、位移信号、键相/转速信号以及功率、主汽温、主汽压力、主汽流量等工艺信号。具体的预处理是对信号进行检测、判断、参数分析、特征识别以及为了解决传输与存储问题而进行必要的数据压缩等，信号分析的主要目的是将信号分解成一系列单一成分，从中判别有用的信号并且分析出有用信号的特征，信号分析是在幅值、时间、频率等域进行的。数据预处理的目的在于提高信号中所包含信息的可靠性和数据分析的精度，使得后续信号的有效性和可靠性提高。

汽轮发电机组故障预诊断方法是利用设备状态监测数据、设备本身构造特性以及设备运行环境和运行状况等相关信息，对设备健康状态进行评估和分析，预测设备可能发生的故障及其潜在影响，并根据设备性能变化趋势来推断设备剩余有效使用寿命的技术。故障预诊断既要给出设备可能发生故障的预警，也要跟踪设备性能衰退情况，为维修计划的实时安排和调整提供可靠的时间依据，确保对设备进行经济、高效的诊断和维护。故障预诊断最基本的功能是对设备运行状态的健康状况进行评估，也就是说主要对被监测设备的性能衰退情况进行评估。通过综合分析设备的系统组成、运行状态、维护操作以及运行状况等信息，选取能够表征设备健康状况的特征参量，对其变化情况进行跟踪和预测。得出当前设备性能处于正常、衰退或者不可用的健康状况评估结论。故障预诊断还有故障预测功能，当设备处于性能衰退状态时，需预测其未来可能发生的故障类型、部位和时间。

本发明在嵌入式环境下汽轮发电机组的数预处理具体步骤为：

1) 对汽轮发电机组的原始采样信号序列进行N层二进正交小波分解，得到第1层到第N层共N个高频小波分解系数序列；

2) 求各层高频小波分解系数序列的能量；

3) 按尺度顺序，以各层高频小波分解系数序列的能量为元素组成特征向量；

4) 根据特征向量对照向量标准值，判断机组处于的状态。

由于汽轮发电机组一旦出于故障阶段，数据将持续的发生错误。为了减轻嵌入式系统的运行负担。采用定时器，每隔一段时间进行数据处理和故障预诊断。汽轮发电机组嵌入式预诊断主要是针对原始数据、快速傅立叶变换数据和小波变换数据的三种数据来源。针对以上数据源，故障预诊断的主要步骤如下：

1) 首先是对接收到的原始数据与正常数据进行比较，如果出现数据在正常数据范围之外，然后记录数据时间。在一定时间范围之内的异常数据超过范围之外，就判定可能有故障产生；

2) 针对快速傅立叶变换的数据，主要是针对傅立叶变换以后的频域信息进行判断。对于明显的一倍频、二倍频等频率值进行比较。如果判断结果超过正常范围之内，并且在一定的时间之内错误数达到规定标准，即判定可能有故障产生。当频率与频率表相符合时，就判断可能有故障产生；

3) 针对小波变换以后的数据，主要是对各个频段的高低频数据能量与正常的数据值进行比较。如果超过正常范围，并且在这个规定时间内发生次数高于规定范围，就判定有故障产生。

以下以汽轮发电机组振动信号在嵌入式环境下通过小波变换实现故障预诊断的实现方式加以具体说明：

对于汽轮发电机组，其振动信号经过二进小波正交变换以后，其变换结果在各个层上的能量具有固定的比例值，并且在一定幅度之内进行变动。本发明采用Daubechies－4小波基对数据进行二进小波变换，信号经正交小波变换之后，各层高频系数与第N层低频系数能量之和等于原始信号的能量，使得分解之后的总能量保持不变。以二进正交小波分解后各尺度空间的高频信号分量，按尺度顺序排列成的向量作为特征向量供诊断识别之用。

设                                                

为第j层高频小波分解系数序列

的能量，则有

，其中为第j层高频小波分解系数序列的第k个分量，n为序列

中分量的个数。

可以写出正反离散小波变换的算法如下：

（1）正变换（分解）（保存

和所有

）

j = 0； 

；

while ( j < J ) {

j++;

}

（2）逆变换（重构）（利用正变换所保存下来的

和所有）

j = J;

while ( j > 0 ) {

j--;

}

实现基于daub类小波基的离散小波变换函数如下：

void pwt(float a[], unsigned long n, int isign)

其中参数a[]是要进行变换的数据，n表示每次进行变换的数据量，这里取1024个点。isign表示的是进行小波变换还是逆变换，其值为真是进行离散小波变换，其为假时进行逆离散小波变换。

离散小波变换的主要数据结构：

typedef struct {

int ncof,ioff,joff;

float *cc,*cr;

} wavefilt;

其中ncof代表小波基的选择因子，cc、cr为确定小波变换的矩阵常量，ioff、joff表示的是小波中心，默认值为wfilt.ioff = wfilt.joff = -(n >> 1)。

使用下列算法实现尺度变换：

wt1(float a[], unsigned long n, int isign,void (*wtstep)(float [], unsigned long, int))

其中wtstep是函数指针。

对1024点进行doub4二进小波变换，得到四层的能量。分别处于(0，127)、(128，255)、(256，511)、(512，1023)间。将其取平方和即是能量，并且后三层只有在头尾有能量，分别代表低高层能量，可以得到不同域的能量值。由于汽轮发电机组在正常和不同故障的时候，每层的能量都有不同的值，所以可以和标准值进行判断，以判断汽轮发电机组是否属于正常范围内。当有故障产生时，其不同范围的阈值在另外一个幅度内变化。因此，可以通过这种方法，判断机组是否处于正常状态，并且指出处于何种故障进行提示和建议。

Claims (2)

1.一种汽轮发电机组嵌入式故障预诊断系统，其特征在于，嵌入式状态监测与故障预诊断装置可通过现场总线、工业以太网、无线传感器网络通信方式从发电机组的DCS分散控制系统、DEH汽轮机数字式电液控制系统、PLC可编程逻辑控制系统、TSI汽轮机监视保护系统或者通过嵌入式远程I/O数据采集器从现场传感器中实时采集机组各种运行数据，所有采集数据在嵌入式状态监测与故障预诊断装置中经过FFT变换、小波变换进行预处理和故障预诊断，然后通过网络发送到状态监测工作站、故障诊断工作站、实时数据库服务器，通过监测与诊断工作站的智能状态监测与故障诊断系统分析处理后形成监测与诊断分析结果，同时，将监测与诊断分析结果通过Web服务器向远程监测与诊断平台发布。

2.一种汽轮发电机组嵌入式故障预诊断方法，包括汽轮发电机组嵌入式故障预诊断系统，其特征在于，汽轮发电机组嵌入式故障预诊断方法主要包括数据预处理和故障预诊断，采用定时器，每隔一段时间进行数据处理和故障预诊断，具体步骤如下：

数预处理具体步骤为：

1) 对汽轮发电机组采样信号序列进行N层二进正交小波分解，得到第1层到第N层共N个高频小波分解系数序列；

2) 求各层高频小波分解系数序列的能量；

3) 按尺度顺序，以各层高频小波分解系数序列的能量为元素组成特征向量；

4) 根据特征向量对照向量标准值，判断机组处于的状态；

故障预诊断步骤为：

A:首先是对接收到的原始数据与正常数据进行比较，如果出现数据在正常数据范围之外，然后记录数据时间，在一定时间范围之内的异常数据超过范围之外，就判定可能有故障产生；

B:针对快速傅立叶变换的数据，主要是针对傅立叶变换以后的频域信息进行判断，对于明显的一倍频、二倍频等频率值进行比较,如果判断结果超过正常范围之内，并且在一定的时间之内错误数达到规定标准，即判定可能有故障产生，

当频率与频率表相符合时，就判断可能有故障产生；

C: 针对小波变换以后的数据，主要是对各个频段的高低频数据能量与正常的数据值进行比较，如果超过正常范围，并且在这个规定时间内发生次数高于规定范围，就判定有故障产生。

Images