CN102645336B - 汽轮发电机组汽流激振故障实时辨识方法 - Google Patents

Abstract

本发明公开了旋转机械振动状态监测与故障诊断技术领域中的一种汽轮发电机组汽流激振故障实时辨识方法。包括设定第一起始时刻、第二起始时刻、第一步进长度、第二步进长度和终止时刻；实时采集汽轮发电机组高压转子一侧支持轴承的轴相对振动数据、转子的转速信号、转子的键相信号以及机组功率数据；获取机组功率数据序列、终止时刻的机组功率数据、低频振动幅值最大值序列和低频振动幅值最大值序号序列；计算机组功率参数和低频振动参数；根据机组功率参数和低频振动参数判断汽轮发电机组是否发生汽流激振故障。本发明提实现了汽流激振故障的自动实时在线监测、分析和判别。

Description

汽轮发电机组汽流激振故障实时辨识方法

技术领域

本发明属于旋转机械振动状态监测与故障诊断技术领域，尤其涉及一种汽轮发电机组汽流激振故障实时辨识方法。

背景技术

汽流激振是一种通常发生在大型汽轮机高(中)压转子上的，由蒸汽激振力诱发的低频振动现象。根据汽流激振机理和国外大机组的运行经验，超临界机组高压(或高中压)转子容易发生汽流激振，严重时会诱发高压转子失稳，产生很大的突发性低频振动，致使轴系失稳。由汽流激振引起的不稳定振动成为限制超临界压力机组出力的重要因素，直接影响机组的可用率。

判断机组是否发生汽流激振故障，通常由具有一定现场运行经验及专业知识技能的专业人员完成，由此带来分析结果客观性较差、分析过程耗费时间资源和人力过高等问题，并且无法做到汽流激振故障的实时自动在线监测、分析及判别。因此，提出一种大型汽轮发电机组汽流激振故障实时辨识方法就显得十分重要。

本发明提供的大型汽轮发电机组汽流激振故障实时辨识方法，对机组运行中转子轴相对振动、机组功率等数据进行实时自动在线监测、分析及判别，判定高压转子是否发生汽流激振故障，提高高压转子汽流激振故障分析诊断工作的效率和准确度。

发明内容

本发明的目的在于，提出一种汽轮发电机组汽流激振故障实时辨识方法，用以解决现有技术无法做到大型汽轮发电机组汽流激振故障的实时自动在线监测、分析及判别。

为实现上述目的，本发明提供的技术方案是，一种汽轮发电机组汽流激振故障实时辨识方法，其特征是所述方法包括：

步骤1：设定第一起始时刻T₁、第二起始时刻T₂、第一步进长度t₁、第二步进长度t₂和终止时刻T_N，并且满足 $\frac{T_N-T_1}{t_1}=\frac{T_N-T_2}{t_2};$

步骤2：实时采集汽轮发电机组高压转子一侧支持轴承的轴相对振动数据、转子的转速信号、转子的键相信号以及机组功率数据；

步骤3：获取机组功率数据序列、终止时刻T_N的机组功率数据、低频振动幅值最大值序列和低频振动幅值最大值序号序列，具体是：

从第一起始时刻T₁开始，每隔第一步进长度t₁，存储当前时刻采集的机组功率数据直至终止时刻T_N，将机组功率数据

按照存储时间的先后顺序排列成机组功率数据序列将终止时刻T_N存储的机组功率数据记为

从第二起始时刻T₂开始，每隔第二步进长度t₂，利用当前时刻采集的汽轮发电机组高压转子一侧支持轴承的轴相对振动数据、转子的转速信号和转子的键相信号，计算得到当前时刻低频振动幅值序列的最大值以及所述低频振动幅值序列的最大值对应的序号seq_j并存储，直至终止时刻T_N，将低频振动幅值序列的最大值

按照存储时间的先后顺序排列成低频振动幅值最大值序列

将低频振动幅值序列的最大值

对应的序号seq_j按照存储时间的先后顺序排列成低频振动幅值最大值序号序列 $\left\{{\mathrm{seq}}_j\right|j=\mathrm{1,2},...,\frac{T_N-T_2}{t_2}\};$

步骤4：计算机组功率参数和低频振动参数，包括：

1）计算机组功率数据序列的递增趋势参数I^P；

2）计算低频振动幅值最大值序列的最大值

3）计算低频振动幅值最大值序列的峰度κ^A；

4）计算低频振动幅值最大值序号序列的最大值seq_max和低频振动幅值最大值序号序列的最小值seq_min的差值的绝对值seq_abs；

5）计算机组功率数据序列与低频振动幅值最大值序列的相关系数R；

步骤5：根据机组功率数据序列的递增趋势参数I^P、终止时刻T_N的机组功率数据

低频振动幅值最大值序列的最大值

低频振动幅值最大值序号序列的最大值seq_max和低频振动幅值最大值序号序列的最小值seq_min的差值的绝对值seq_abs、低频振动幅值最大值序列的峰度κ^A和机组功率数据序列与低频振动幅值最大值序列的相关系数R，判断汽轮发电机组是否发生汽流激振故障。

所述计算机组功率数据序列的递增趋势参数I^P采用公式I^P=S^P/[1/2×n×(n-1)]；其中，n为机组功率数据序列的数据个数，S^P为是机组功率数据序列的顺序数；顺序数是指一个数据序列中顺序对的总数；顺序对是指在一个数据序列中，一对数的前后位置与大小顺序相同，即前面的数小于后面的数。

所述计算低频振动幅值最大值序列的峰度κ^A采用公式 ${\mathrm{\κ}}^A=1/n\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(A_i^{f\max }-{\mathrm{\μ}}^{\mathrm{AM}})}^4/{\left({\mathrm{\σ}}^{\mathrm{AM}}\right)}^4,$ i＝1,2,...,n；其中，n为低频振动幅值最大值序列的数据个数，

为低频振动幅值最大值序列的第i个数据，μ^AM是低频振动幅值最大值序列的均值且

σ^AM是低频振动幅值最大值序列的标准偏差且 ${\mathrm{\σ}}^{\mathrm{AM}}=\sqrt{1/n\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(A_i^{f\max }-{\mathrm{\μ}}^{\mathrm{AM}})}^2}.$

所述计算机组功率数据序列与低频振动幅值最大值序列的相关系数R采用公式

其中，n为机组功率数据序列或者低频振动幅值最大值序列的数据个数，d_i为机组功率数据序列的第i个数据与低频振动幅值最大值序列第i个数据的秩次之差，即

为机组功率数据序列的第i个数据的秩次，为低频振动幅值最大值序列第i个数据的秩次；数据的秩次是指数据序列中的所有数据按照从大到小的顺序排列后该数据所在的位置序号。

所述步骤5具体是，当同时满足下述6个条件

1）机组功率数据序列的递增趋势参数I^P大于第一设定值；

2）终止时刻T_N的机组功率数据

大于第二设定值；

3）低频振动幅值最大值序列的最大值大于第三设定值；

4）低频振动幅值最大值序号序列的最大值seq_max和低频振动幅值最大值序号序列的最小值seq_min的差值的绝对值seq_abs小于第四设定值；

5）低频振动幅值最大值序列的峰度κ^A大于第五设定值；

6）机组功率数据序列与低频振动幅值最大值序列的相关系数R大于第六设定值；

则判定汽轮发电机组发生汽流激振故障；否则，判定汽轮发电机组没有发生汽流激振故障。

本发明提供的方法，利用机组运行中转子轴相对振动、机组功率等数据，经过计算判别高压转子是否发生汽流激振故障，实现了汽流激振故障的自动实时在线监测、分析和判别。

附图说明

图1是汽轮发电机组汽流激振故障实时辨识方法流程图；

图2是汽轮发电机组汽流激振故障实时辨识示意图。

具体实施方式

下面结合附图，对优选实施例作详细说明。应该强调的是，下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。

实施例

本发明提供的汽轮发电机组汽流激振故障实时辨识方法包括：

步骤101：设定第一起始时刻T₁、第二起始时刻T₂、第一步进长度t₁、第二步进长度t₂和终止时刻T_N，并且满足 $\frac{T_N-T_1}{t_1}=\frac{T_N-T_2}{t_2}.$

在本实施例中，可以设定第一起始时刻T₁=0秒，第二起始时刻T₂=290秒，第一步进长度t₁=3秒、第二步进长度t₂=0.1秒，终止时刻T_N=300秒。

此时， $\frac{T_N-T_1}{t_1}=\frac{300-0}{3}=100,$ $\frac{T_N-T_2}{t_2}=\frac{300-290}{0.1}=100,$ 满足 $\frac{T_N-T_1}{t_1}=\frac{T_N-T_2}{t_2}$ 的条件。

步骤102：实时采集汽轮发电机组高压转子一侧支持轴承的轴相对振动数据、转子的转速信号、转子的键相信号以及机组功率数据。

转子轴相对振动数据、转子的转速信号以及键相信号可以从配置汽轮发电机组的监视仪表(TSI)获得，机组功率数据信号可以从配置汽轮发电机组的分布式控制系统(DCS)获得。本实施例中，转子轴相对振动数据、转子的转速信号以及键相信号是从配置汽轮发电机组的监视仪表(TSI)获得，机组功率数据信号是从配置汽轮发电机组的分布式控制系统(DCS)获得。图2是汽轮发电机组汽流激振故障实时辨识示意图，如图2所示，数据采集卡插入工业用微型计算机(IPC)提供的插槽内。根据数据采集卡的要求，数据采集调理设备处理来自汽轮发电机组监视仪表(TSI)的轴相对振动信号、转子的转速信号、键相信号，经过处理后的轴相对振动信号、转子的转速信号、键相信号输入IPC内的高速振动数据采集卡。振动数据采集卡每一通道技术参数为50ks/s，24bit。同时，数据采集调理设备处理来自汽轮发电机组分布式控制系统(DCS)的机组功率数据信号，经过处理后的轴承润滑油温度数据信号输入IPC内的数据采集卡。数据采集卡每一通道技术参数为1ks/s，16bit。

根据该方法设计具体的汽轮发电机组汽流激振故障实时辨识程序，将实时辨识程序安装在工业用微型计算机(IPC)内。汽轮发电机组汽流激振故障实时辨识程序中的一次诊断循环过程，包括诊断方法中涉及的数据实时采集计算存储、实时判别、机组功率数据参数计算、低频振动参量实时计算、相关系数实时计算及故障判定等一系列计算分析环节。

步骤103：获取机组功率数据序列、终止时刻T_N的机组功率数据、低频振动幅值最大值序列和低频振动幅值最大值序号序列，具体是：

从第一起始时刻T₁=0秒开始，每隔第一步进长度t₁=3秒，存储当前时刻采集的机组功率数据

(单位为MW，兆瓦)，直至终止时刻T_N=300秒。其中， $i=\frac{T_1^{\′}-T_1}{t_1},$ T′₁为当前时刻。

由于T₁时刻至T_N时刻的机组功率数据

数据是每隔第一步进长度3秒存储一次，因此机组功率数据

数据量为100个。将机组功率数据按照存储时间的先后顺序排列成机组功率数据序列后，该序列记为

另外，将终止时刻T_N=300时的机组功率数据记为

并单独存储。

从第二起始时刻T₂=290秒开始，每隔第二步进长度t₂=0.1秒，利用当前时刻采集的汽轮发电机组高压转子一侧支持轴承的轴相对振动数据、转子的转速信号和转子的键相信号，计算得到当前时刻低频振动幅值序列的最大值

以及所述低频振动幅值序列的最大值

对应的序号seq_j并存储，直至终止时刻T_N=300秒。

图2是汽轮发电机组汽流激振故障实时辨识示意图。如图2所示，首先，工业用微型计算机(IPC)中的分析程序通过采用高速振动数据采集卡实时采集汽轮发电机组高压转子A侧支持轴承附近测得的轴相对振动数据、转子的转速信号以及键相信号。振动数据采集卡每一通道技术参数为50ks/s，24bit。

其次，针对机组高压转子A侧的轴相对振动数据，利用FFT频谱分析方法，计算得到当前时刻从低频到高频的不同振动频率所对应的振动幅值数据序列(幅值单位为μm，微米)。对于高速振动数据采集卡而言，每一个时刻都能采集到从低频到高频的不同振动频率所对应的振动幅值数据序列，从中截取得到频率小于机组工作转速对应频率(50Hz)的当前时刻低频振动幅值序列，记为

可以设定振动数据采集频率及采集数据量，使得低频振动幅值序列数据个数l＝98。

上述利用当前时刻采集的汽轮发电机组高压转子一侧支持轴承的轴相对振动数据、转子的转速信号和转子的键相信号，计算得到当前时刻低频振动幅值序列

已经是本领域技术人员常用的技术，在本发明中不再赘述。

根据当前时刻低频振动幅值序列

获取其中的最大值及该最大值对应的序号，分别记为

和seq_j并存储，其中T′₂为当前时刻。由于从T₂=290秒至T_N=300秒每隔第二步进长度0.1秒获得并存储一次低频振动幅值序列的最大值

以及低频振动幅值序列的最大值

对应的序号seq_j，因此低频振动幅值序列的最大值

以及低频振动幅值序列的最大值

对应的序号seq_j的数据量都是100个。

将低频振动幅值序列的最大值

按照存储时间的先后顺序排列成低频振动幅值最大值序列后，该序列为将低频振动幅值序列的最大值

对应的序号seq_j按照存储时间的先后顺序排列成低频振动幅值最大值序号序列后，该序列为{seq_j|j=1,2,...,100}。

步骤104：计算机组功率参数和低频振动参数，包括：

1）计算机组功率数据序列的递增趋势参数I^P。

计算机组功率数据序列的递增趋势参数I^P采用公式I^P=S^P[1/2×n×(n-1)]。其中，n为机组功率数据序列的数据个数，在本实施例中，n=100。S^P为是机组功率数据序列

的顺序数；顺序数是指一个数据序列中顺序对的总数；顺序对是指在一个数据序列中，一对数的前后位置与大小顺序相同，即前面的数小于后面的数。

2）获取低频振动幅值最大值序列的最大值

获取低频振动幅值最大值序列的最大值

采用公式

式中n为低频振动幅值最大值序列的数据个数，在本实施例中，n＝100。

3）计算低频振动幅值最大值序列的峰度κ^A。

计算低频振动幅值最大值序列的峰度κ^A采用公式

i＝1,2,...,n；其中，n为低频振动幅值最大值序列的数据个数，在本实施例中，n＝100。

为低频振动幅值最大值序列的第i个数据，μ^AM是低频振动幅值最大值序列的均值且

σ^AM是低频振动幅值最大值序列的标准偏差且 ${\mathrm{\σ}}^{\mathrm{AM}}=\sqrt{1/n\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(A_i^{f\max }-{\mathrm{\μ}}^{\mathrm{AM}})}^2}.$

4）计算低频振动幅值最大值序号序列的最大值seq_max和低频振动幅值最大值序号序列的最小值seq_min的差值的绝对值seq_abs。

首先，获取低频振动幅值最大值序号序列的最大值seq_max和低频振动幅值最大值序号序列的最小值seq_min，分别采用公式

和式中n为低频振动幅值最大值序列的数据个数，在本实施例中，n=100。

然后，利用公式seq_abs=|seq_max-seq_min|计算低频振动幅值最大值序号序列的最大值seq_max和低频振动幅值最大值序号序列的最小值seq_min的差值的绝对值。

5）计算机组功率数据序列和低频振动幅值最大值序列的相关系数R。

计算机组功率数据序列与低频振动幅值最大值序列的相关系数R采用公式

其中，n为机组功率数据序列或者低频振动幅值最大值序列的数据个数，在本实施例中，n＝100。d_i为机组功率数据序列的第i个数据与低频振动幅值最大值序列第i个数据的秩次之差，即

为机组功率数据序列的第i个数据的秩次，

为低频振动幅值最大值序列第i个数据的秩次；数据的秩次是指数据序列中的所有数据按照从大到小的顺序排列后该数据所在的位置序号。

步骤105：根据机组功率数据序列的递增趋势参数I^P、终止时刻T_N的机组功率数据

低频振动幅值最大值序列的最大值

低频振动幅值最大值序号序列的最大值seq_max和低频振动幅值最大值序号序列的最小值seq_min的差值的绝对值seq_abs、低频振动幅值最大值序列的峰度κ^A和机组功率数据序列与低频振动幅值最大值序列的相关系数R，判断汽轮发电机组是否发生汽流激振故障。

分别设定第一设定值D₁=0.82，第二设定值D₂=155MV（兆瓦），第三设定值D₃=34μm（微米），第四设定值D₄=5，第五设定值D₅=3和第六设定值D₆=0.7。上述设定值用于协助判定汽轮发电机组是否发生汽流激振故障，每个设定值根据汽轮发电机组要求和标准确定。

当同时满足条件下面6个条件，

1）机组功率数据序列的递增趋势参数I^P大于第一设定值，即I^P>D₁=0.82；

2）终止时刻T_N的机组功率数据

大于第二设定值，即

3）低频振动幅值最大值序列的最大值

大于第三设定值，即 $A_{\max }^{f\max }>D_3=34\mathrm{\μm};$

4）低频振动幅值最大值序号序列的最大值seq_max和低频振动幅值最大值序号序列的最小值seq_min的差值的绝对值seq_abs小于第四设定值，即seq_abs<D₄=5；

5）低频振动幅值最大值序列的峰度κ^A大于第五设定值，即κ^A>D₅=3；

6）机组功率数据序列和低频振动幅值最大值序列的相关系数R大于第六设定值，即R>D₆=0.7；

则判定汽轮发电机组发生汽流激振故障；否则，判定汽轮发电机组没有发生汽流激振故障。

本发明提供的大型汽轮发电机组汽流激振故障实时辨识方法，对机组运行中转子轴相对振动、机组功率等数据进行实时自动在线监测、分析及判别，判定高压转子是否发生汽流激振故障，提高高压转子汽流激振故障分析诊断工作的效率和准确度。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (4)

1.一种汽轮发电机组汽流激振故障实时辨识方法，其特征是所述方法包括：

步骤1：设定第一起始时刻T₁、第二起始时刻T₂、第一步进长度t₁、第二步进长度t₂和终止时刻T_N，并且满足

步骤2：实时采集汽轮发电机组高压转子一侧支持轴承的轴相对振动数据、转子的转速信号、转子的键相信号以及机组功率数据；

步骤3：获取机组功率数据序列、终止时刻T_N的机组功率数据、低频振动幅值最大值序列和低频振动幅值最大值序号序列，具体是：

从第一起始时刻T₁开始，每隔第一步进长度t₁，存储当前时刻采集的机组功率数据

，直至终止时刻T_N，将机组功率数据

按照存储时间的先后顺序排列成机组功率数据序列将终止时刻T_N存储的机组功率数据记为 $P_{\mathrm{TN}}^U;$

从第二起始时刻T₂开始，每隔第二步进长度t₂，利用当前时刻采集的汽轮发电机组高压转子一侧支持轴承的轴相对振动数据、转子的转速信号和转子的键相信号，计算得到当前时刻低频振动幅值序列的最大值以及所述低频振动幅值序列的最大值

对应的序号seq_j并存储，直至终止时刻T_N，将低频振动幅值序列的最大值按照存储时间的先后顺序排列成低频振动幅值最大值序列

将低频振动幅值序列的最大值

对应的序号seq_j按照存储时间的先后顺序排列成低频振动幅值最大值序号序列

步骤4：计算机组功率参数和低频振动参数，包括：

1）计算机组功率数据序列的递增趋势参数I^P；

2）计算低频振动幅值最大值序列的最大值

3）计算低频振动幅值最大值序列的峰度κ^A；

4）计算低频振动幅值最大值序号序列的最大值seq_max和低频振动幅值最大值序号序列的最小值seq_min的差值的绝对值seq_abs；

5）计算机组功率数据序列与低频振动幅值最大值序列的相关系数R；

步骤5：根据机组功率数据序列的递增趋势参数I^P、终止时刻T_N的机组功率数据

低频振动幅值最大值序列的最大值

低频振动幅值最大值序号序列的最大值seq_max和低频振动幅值最大值序号序列的最小值seq_min的差值的绝对值seq_abs、低频振动幅值最大值序列的峰度κ^A和机组功率数据序列与低频振动幅值最大值序列的相关系数R，判断汽轮发电机组是否发生汽流激振故障，具体是，当同时满足下述6个条件：

1）机组功率数据序列的递增趋势参数I^P大于第一设定值；

2）终止时刻T_N的机组功率数据

大于第二设定值；

3）低频振动幅值最大值序列的最大值

大于第三设定值；

4）低频振动幅值最大值序号序列的最大值seq_max和低频振动幅值最大值序号序列的最小值seq_min的差值的绝对值seq_abs小于第四设定值；

5）低频振动幅值最大值序列的峰度κ^A大于第五设定值；

6）机组功率数据序列与低频振动幅值最大值序列的相关系数R大于第六设定值；

则判定汽轮发电机组发生汽流激振故障；否则，判定汽轮发电机组没有发生汽流激振故障。

2.根据权利要求1所述的汽轮发电机组汽流激振故障实时辨识方法，其特征是所述计算机组功率数据序列的递增趋势参数I^P采用公式I^P=S^P[1/2×n×(n-1)]；其中，n为机组功率数据序列的数据个数，S^P为是机组功率数据序列的顺序数；顺序数是指一个数据序列中顺序对的总数；顺序对是指在一个数据序列中，一对数的前后位置与大小顺序相同，即前面的数小于后面的数。

3.根据权利要求1所述的汽轮发电机组汽流激振故障实时辨识方法，其特征是所述计算低频振动幅值最大值序列的峰度κ^A采用公式 ${\mathrm{\&kappa;}}^A=1/n\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{(A_i^{f\max }-{\mathrm{\&mu;}}^{\mathrm{AM}})}^4/{\left({\mathrm{\&sigma;}}^{\mathrm{AM}}\right)}^4,i=\mathrm{1,2},...,n;$ 其中，n为低频振动幅值最大值序列的数据个数，

为低频振动幅值最大值序列的第i个数据，μ^AM是低频振动幅值最大值序列的均值且

σ^AM是低频振动幅值最大值序列的标准偏差且 ${\mathrm{\&sigma;}}^{\mathrm{AM}}=\sqrt{1/n\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{(A_i^{f\max }-{\mathrm{\&mu;}}^{\mathrm{AM}})}^2.}$

4.根据权利要求1所述的汽轮发电机组汽流激振故障实时辨识方法，其特征是所述计算机组功率数据序列与低频振动幅值最大值序列的相关系数R采用公式

其中，n为机组功率数据序列或者低频振动幅值最大值序列的数据个数，d_i为机组功率数据序列的第i个数据与低频振动幅值最大值序列第i个数据的秩次之差，即

为机组功率数据序列的第i个数据的秩次，

为低频振动幅值最大值序列第i个数据的秩次；数据的秩次是指数据序列中的所有数据按照从大到小的顺序排列后该数据所在的位置序号。

Images