CN107489464B - 汽轮发电机组故障预警方法及系统 - Google Patents
汽轮发电机组故障预警方法及系统 Download PDFInfo
- Publication number
- CN107489464B CN107489464B CN201710595918.9A CN201710595918A CN107489464B CN 107489464 B CN107489464 B CN 107489464B CN 201710595918 A CN201710595918 A CN 201710595918A CN 107489464 B CN107489464 B CN 107489464B
- Authority
- CN
- China
- Prior art keywords
- early warning
- detection parameters
- temperature
- steam turbine
- fault
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000001514 detection method Methods 0.000 claims abstract description 134
- 230000002159 abnormal effect Effects 0.000 claims abstract description 39
- 230000005856 abnormality Effects 0.000 claims abstract description 12
- 238000003745 diagnosis Methods 0.000 claims abstract description 10
- 239000011159 matrix material Substances 0.000 claims description 21
- 239000002184 metal Substances 0.000 claims description 12
- 229910052751 metal Inorganic materials 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000006073 displacement reaction Methods 0.000 claims description 6
- 239000000523 sample Substances 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 230000001105 regulatory effect Effects 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 7
- 241000196324 Embryophyta Species 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 238000007418 data mining Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000009413 insulation Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 239000008186 active pharmaceutical agent Substances 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000009776 industrial production Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 229910000897 Babbitt (metal) Inorganic materials 0.000 description 1
- 241001232387 Ericameria Species 0.000 description 1
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000002344 surface layer Substances 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
- F01D—NON-POSITIVE DISPLACEMENT MACHINES OR ENGINES, e.g. STEAM TURBINES
- F01D15/00—Adaptations of machines or engines for special use; Combinations of engines with devices driven thereby
- F01D15/10—Adaptations for driving, or combinations with, electric generators
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
- F01D—NON-POSITIVE DISPLACEMENT MACHINES OR ENGINES, e.g. STEAM TURBINES
- F01D21/00—Shutting-down of machines or engines, e.g. in emergency; Regulating, controlling, or safety means not otherwise provided for
- F01D21/003—Arrangements for testing or measuring
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
- F01D—NON-POSITIVE DISPLACEMENT MACHINES OR ENGINES, e.g. STEAM TURBINES
- F01D21/00—Shutting-down of machines or engines, e.g. in emergency; Regulating, controlling, or safety means not otherwise provided for
- F01D21/12—Shutting-down of machines or engines, e.g. in emergency; Regulating, controlling, or safety means not otherwise provided for responsive to temperature
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Control Of Turbines (AREA)
- Control Of Eletrric Generators (AREA)
Abstract
本发明涉及设备故障预警与诊断领域，公开了一种汽轮发电机组故障预警方法及系统。其中，该方法包括：确定针对一台汽轮发电机组的多个故障预警内容；针对每个故障预警内容，选择相关联的检测参数；从电厂的PI服务器获取所选择的检测参数；将所获取的检测参数与对应检测参数的实时预测值相比较，根据检测参数与所述实时预测值之间的残差值来判断是否存在异常；以及当存在异常检测参数时，对于该异常检测参数关联的故障预警内容进行预警。通过上述技术方案，通过将从电厂PI服务器获取的检测参数对应到故障预警内容实现故障检测及预警。
Description
技术领域
本发明涉及设备故障预警与诊断领域，具体地涉及一种汽轮发电机组故障预警方法及系统。
背景技术
现代传感器技术、计算机技术、通讯技术等现代科技的发展解决了监测数据采集、传输处理以及实时监控的问题，使得以信息的实时获取与实时监控为中心，实现资源、信息及任务的一体化管理得以飞速发展。当前，系统故障理论研究已经表明，特征征兆参数是反映状态变化的表层特征，其代表了系统状态的量化征兆，随着状态监测及状态维修技术的发展，现代应用数学理论的引入大幅度提高了对监测采集信号的处理水平，使得设备状态分析从多方面得到深化。
目前，在汽轮发电机组设备的监控过程中，已经开始采用FFT频谱分析、频谱趋势分析以及时间波形分析等信号分析手段，以便可以从信号重解析出有用的特征信息，提供监测诊断的凭证依据。然而，单纯利用信号绝对值结果势必造成对信息的片面依赖，有时不能反映系统的真实状态，因此要对采集数据进行进一步的数据挖掘，找到系统病变的位置及原因。
SmartSignal公司率先在世界上开展基于数据挖掘的预警技术研究，并在世界上首次将其应用于工业生产。2006年之后，基于海量实时数据挖掘的预警系统逐步在国外的大型能源行业开始应用，其中SmartSignal公司开发的软件在工厂设备的应用相对较多，从事商业数据挖掘的SAS公司的预警软件在工业生产中也有一些应用案例。另外Honeywell公司、西门子等公司也在做着预警技术方面的研究，但他们在实际设备上的应用相对较少。
发明人在实施本发明的过程中发现，现有技术中提供的故障预警方法存在数据运用片面不合理的缺陷。
针对上述问题现有技术中尚无良好解决方案。
发明内容
本发明的目的是为了克服现有技术存在的故障预警不完善的问题，提供一种方法，该方法能够根据检测系统运行参数实现设备故障预警。
为了实现上述目的，本发明一方面提供一种汽轮发电机组故障预警方法，该方法包括：
确定针对一台汽轮发电机组的多个故障预警内容；
针对每个故障预警内容，选择相关联的检测参数；
从电厂的PI服务器获取所选择的检测参数；
将所获取的检测参数与对应检测参数的实时预测值相比较，根据检测参数与所述实时预测值之间的残差值来判断是否存在异常；以及
当存在异常检测参数时，对于该异常检测参数关联的故障预警内容进行预警。
可选地，该方法还包括：
当存在所述异常检测参数时，对于与所述汽轮发电机组具有基本相同参数的另一台汽轮发电机组的故障预警内容进行预警，该另一台汽轮发电机组的故障预警内容与所述异常检测参数关联的故障预警内容相同。
可选地，将所获取的检测参数与对应检测参数的实时预测值相比较，根据检测参数与所述实时预测值之间的残差值来判断是否存在异常包括：当所述残差值大于或等于检测参数残差预警定义值时，判断检测参数异常。
可选地，该方法包括通过以下步骤确定所述实时预测值：
从所述电厂的PI服务器获取所述检测参数的历史数据；
根据所述历史数据通过矩阵运算生成超球预警模型；以及
根据所述超球预警模型确定所述实时预测值。
可选地，该方法包括通过以下步骤确定所述残差预警定义值：
从所述电厂的PI服务器获取所述检测参数的历史数据；
根据所述历史数据通过矩阵运算生成超球预警模型；以及
根据所述超球预警模型对所有建模数据进行反算生成针对每个检测参数的残差值；以及
选取所生成的残差值中最大的残差值作为所述残差预警定义值。
可选地，所述故障预警内容包括以下至少之一者：
轴系中心相对变化、汽轮机汽缸的膨胀、蒸汽参数、发电机定子温度、推力轴承以及支承轴承。
可选地，所述检测参数包括以下至少之一者：
轴振探头间隙电压、机组负荷、汽缸差胀、绝对膨胀、上下汽缸的缸温、进汽参数、主热蒸汽压力和温度、再热蒸汽压力和温度、调节级后压力和温度、抽气口压力和温度、高压缸排汽压力和温度、中压缸排汽压力和温度、凝汽器真空度、发电机定子温度、推力轴承瓦块金属温度、推力轴承进油温度、推力轴承排油温度、轴向位移、支撑轴承瓦块金属温度、支撑轴承进油温度、支撑轴承排油温度。
本发明的另一个方面，提供了一种汽轮发电机组故障预警系统，该系统包括：电厂PI服务器和与所述电厂PI服务器通信的诊断预警服务器，其中
所述诊断预警服务器，被配置成：
确定针对一台汽轮发电机组的多个故障预警内容；
针对每个故障预警内容，选择相关联的检测参数；
从所述电厂PI服务器获取所选择的检测参数；
将所获取的检测参数与对应检测参数的实时预测值相比较，根据检测参数与所述实时预测值之间的残差值来判断是否存在异常；以及
当存在异常检测参数时，对于该异常检测参数关联的故障预警内容进行预警。
可选地，所述诊断预警服务器，还被配置成：
当存在所述异常检测参数时，对于与所述汽轮发电机组具有基本相同参数的另一台汽轮发电机组的故障预警内容进行预警，该另一台汽轮发电机组的故障预警内容与所述异常检测参数关联的故障预警内容相同。
可选地，所述诊断预警服务器，被配置成：
当所述残差值大于或等于检测参数残差预警定义值时，判断检测参数异常。
可选地，所述诊断预警服务器，被配置成：
从所述电厂的PI服务器获取所述检测参数的历史数据；
根据所述历史数据通过矩阵运算生成超球预警模型；以及
根据所述超球预警模型确定所述实时预测值。
可选地，所述诊断预警服务器，被配置成：
从所述电厂的PI服务器获取所述检测参数的历史数据；
根据所述历史数据通过矩阵运算生成超球预警模型；以及
根据所述超球预警模型对所有建模数据进行反算生成针对每个检测参数的残差值；以及
选取所生成的残差值中最大的残差值作为所述残差预警定义值。
可选地，所述故障预警内容包括以下至少之一者：
轴系中心相对变化、汽轮机汽缸的膨胀、蒸汽参数、发电机定子温度、推力轴承以及支承轴承。
可选地，所述检测参数包括以下至少之一者：
轴振探头间隙电压、机组负荷、汽缸差胀、绝对膨胀、汽轮机上下缸的缸温、进汽参数、主热蒸汽压力和温度、再热蒸汽压力和温度、调节级后压力和温度、抽气口压力和温度、高压缸排汽压力和温度、中压缸排汽压力和温度、凝汽器真空度、发电机定子温度、推力轴承瓦块金属温度、推力轴承进油温度、推力轴承排油温度、轴向位移、支撑轴承瓦块金属温度、支撑轴承进油温度、支撑轴承排油温度。
通过上述技术方案，通过将从电厂PI服务器获取的检测参数对应到故障预警内容实现故障检测及预警。通过针对一台汽轮机发电机组进行检测实现对与存在异常的汽轮发电机组具有基本相同参数的另一台汽轮发电机组进行预警，能够为可能进行的检修工作留出更充足的时间。
附图说明
附图是用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施例，但并不构成对本发明实施例的限制。在附图中：
图1是本发明一个实施例提供的汽轮发电机组故障预警方法流程示意图；
图2是本发明另一个实施例提供的汽轮发电机组故障预警方法流程示意图；
图3本发明一个实施例提供的汽轮发电机组故障预警系统组成结构示意图；
图4是本发明示例实施方式提供的检测参数矩阵示意图；以及
图5是本发明示例实施方式提供的超球“D”预警模型示意图。
附图标记说明
301 电厂1的PI服务器 302 电厂2的PI服务器
303 诊断预警服务器。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。
图1是本发明一个实施例提供的汽轮发电机组故障预警方法流程示意图。如图1所示，本发明实施例提供的汽轮发电机组故障预警方法可以包括：
S101，确定针对一台汽轮发电机组的多个故障预警内容。
举例来说，对于故障预警内容的选择可以根据汽轮发电机组的一般检测内容进行选择，例如，根据对汽轮发电机安全运行造成影响的重要程度对故障预警内容进行选择。在实施方式中，举例的故障预警内容可以包括以下至少之一者：轴系中心相对变化、汽缸膨胀、蒸汽参数、发电机定子温度、推力轴承以及支承轴承。
其中，轴系中心偏差过大，可影响转子连接后轴承负荷的分配，进而引发机组的振动，因此引入针对轴系中心相对变化的故障预警内容；
膨胀不畅可能引起动静碰磨或改变轴承与台板的接触状态，容易导致机组发生振动因此引入针对汽缸膨胀的故障预警内容；
有关蒸汽的进汽参数、真空状态的异常可反映机组热力性能的下降或设备劣化(例如，机组经济性下降)，真空的过大变化可能导致振动，因此引入针对蒸汽参数的故障预警内容；
发电机定子温度偏高容易导致绝缘损坏，发热严重还会造成铁芯短路或导致邻近的线棒绝缘过热而被击穿，因此引入针对发电机定子温度的故障预警内容；
轴向位移、推力轴承瓦块金属温度和进、排油温度偏大反映推力轴承承受的轴向力偏大，可能导致机组的轴向碰磨，因此引入针对推力轴承的故障预警内容；以及
轴承瓦块金属温度偏低反映支撑刚度不足，容易导致振动偏大；轴承金属瓦温偏大可能导致乌金瓦损伤，因此引入针对支承轴承的故障预警内容。
S102，针对每个故障预警内容，选择相关联的检测参数。
举例来说，每个故障预警内容都有与该内容相对应，能够反映该内容状态的检测参数。通过针对故障预警内容选择检测参数，能够通过检测参数确定所对应的内容的状态，从而判断是否进行预警。表1示出了举例的故障预警内容与相关联的检测参数。
表1
S103，在选择了检测参数后可以例如从电厂的PI服务器获取所选择的检测参数。
举例来说，PI系统是美国OSI SOFTWARE公司开发的工厂实时数据集成应用平台，可以为过程工业提供全厂信息集成。一方面，PI系统可以实现对工厂数据的自动采集、存储和监视，提供大型实时数据库和历史数据库。另一方面，PI系统还提供全面的工厂信息。采用PI系统能够为种类繁多、地域分散的电厂实时数据实现集成并能够提供长期高精度存储。通过PI系统中的服务器(例如，从PI数据库服务器)可以获得所需要的实时或历史检测参数。
S104，将所获取的检测参数与对应检测参数的实时预测值相比较，根据检测参数与所述实时预测值之间的残差值来判断是否存在异常。
举例来说，将将所获取的检测参数与对应检测参数的实时预测值相比较，根据检测参数与所述实时预测值之间的残差值来判断是否存在异常可以通过以下示例的方式进行：
例如，可以当残差值大于或等于检测参数残差预警定义值时，判断检测参数异常。
S105，当存在异常检测参数时，对于该异常检测参数关联的故障预警内容进行预警。
举例来说，通过表1的对应关系可知，当确定一个检测参数存在异常时，可以通过关联关系判断可能出现故障的内容，进而对于该异常检测参数关联的故障预警内容进行预警。
通过上述技术方案，通过将从电厂PI服务器获取的检测参数对应到故障预警内容实现故障检测及预警。
图2是本发明另一个实施例提供的汽轮发电机组故障预警方法流程示意图。如图2所示，在一个优选的实施例中汽轮发电机组故障预警方法可以包括：
S101，确定针对一台汽轮发电机组的多个故障预警内容；
S102，针对每个故障预警内容，选择相关联的检测参数；
S103，从电厂的PI服务器获取所选择的检测参数；
S104，将所获取的检测参数与对应检测参数的实时预测值相比较，根据检测参数与所述实时预测值之间的残差值来判断是否存在异常；以及
S205，当存在异常检测参数时，对于该异常检测参数关联的故障预警内容进行预警；以及，对于与所述汽轮发电机组具有基本相同参数的另一台汽轮发电机组的故障预警内容进行预警，该另一台汽轮发电机组的故障预警内容与所述异常检测参数关联的故障预警内容相同。
通过针对一台汽轮机发电机组进行检测实现对与存在异常的汽轮发电机组具有基本相同参数的另一汽轮发电机组进行预警，能够为可能进行的检修工作留出更充足的时间。
例如，对于一个具有4个汽轮发电机组的发电厂，该4个汽轮发电机组的参数可能相同或相近，参数的举例可以包括一下中的至少一者：进汽压力、进汽温度、进汽流量、排汽压力、排汽温度、发电机功率、汽耗、汽机型号等。
在不同的实施例中，参数也可以是检测参数。检测参数的举例可以包括以下至少之一者：轴振探头间隙电压、机组负荷、缸差胀、绝对膨胀、缸温、进汽参数、主热蒸汽压力和温度、再热蒸汽压力和温度、调节级后抽气口压力和温度、高压缸排汽压力和温度、中压缸排汽压力和温度、凝汽器真空度、发电机定子温度、推力轴承瓦块金属温度、推力轴承进油温度、推力轴承排油温度、轴向位移、支撑轴承瓦块金属温度、支撑轴承进油温度、支撑轴承排油温度等。
以下参考图4对举例的检测参数的实时预测值的获取方式进行说明。如图4所示，比如从设备的传感器信号中，挑选了若干个与设备参数状态相关的传感器(传感器1-5)的信号，选取这些传感器在一系列不同时间下的检测参数的数据，这些数据可以组成一个矩阵。
由传感器测点的检测参数的数据组成矩阵之后，可以根据矩阵的运算，生成诸如超球“D”的预警模型，如图5所示，(其中，一维可用点来表示，二维可用面来表示，三维可以球来表示，超过三维的数据称为超球)。然后，通过超球预警模型对设备各个参数状态的进行计算(例如，矩阵运算)，可以获得设备参数状态的“实时预测值”。
在实施方式中，本发明提供的方法可以包括通过以下步骤确定所述实时预测值：从电厂的PI服务器获取所述检测参数的历史数据；根据历史数据通过矩阵运算生成超球预警模型；以及根据超球预警模型确定所述实时预测值。
在实施方式中，上述方法还可以包括通过以下步骤确定所述残差预警定义值：从电厂的PI服务器获取所述检测参数的历史数据；根据历史数据通过矩阵运算生成超球预警模型；以及根据超球预警模型对所有建模数据进行反算生成针对每个检测参数的残差值；以及选取所生成的残差值中最大的残差值作为所述残差预警定义值。
通过上述方法，在利用设备正常运行的历史数据建立超球预警模型后，可以通过超球预警模型对所有建模数据进行反算生成每个测点的残差值，选取最大的残差值可以作为检测参数残差预警定义值。在不同的实施方式中，可以根据实际情况以人工设置方式对每个测点的残差预警定义值进行恰当的调整。
本发明实施例的另一个方面，提供了一种汽轮发电机组故障预警系统。如图3所示，该系统可以包括：电厂PI服务器301(302)和与所述电厂PI服务器301(302)通信的诊断预警服务器303。该汽轮发电机组故障预警系统可以适于实施本发明上述实施例提供的方法。其中，诊断预警服务器303，可以被配置成：确定针对一台汽轮发电机组的多个故障预警内容；针对每个故障预警内容，选择相关联的检测参数；从所述电厂PI服务器获取所选择的检测参数；将所获取的检测参数与对应检测参数的实时预测值相比较，根据检测参数与所述实时预测值之间的残差值来判断是否存在异常；以及当存在异常检测参数时，对于该异常检测参数关联的故障预警内容进行预警。
在实施方式中，诊断预警服务器303，还可以被配置成：当存在所述异常检测参数时，对于与所述汽轮发电机组具有基本相同参数的另一台汽轮发电机组的故障预警内容进行预警，该另一台汽轮发电机组的故障预警内容与所述异常检测参数关联的故障预警内容相同。在实施方式中，另一台汽轮发电机组可以是同一电厂中的与异常检测参数所对应的汽轮发电机组不同的一台或多台汽轮发电机组。在不同的实施方式中，另一台汽轮发电机组可以是不同电厂中的与异常检测参数所对应的汽轮发电机组(例如，电厂1的第1汽轮发电机组)参数基本相同的一台或多台汽轮发电机组(例如，电厂2的第2汽轮发电机组，或者电厂2的第1-4汽轮发电机组)。
在实施方式中，可以通过以下方式搭建上述故障预警系统。首先可以远程设置与电厂设备独立的诊断预警服务器303；然后，在电厂PI服务器301(302)与诊断预警服务器303之间建立能够传输数据的网络连接(例如，虚拟专用网络，VPN)。需要说明的是，在电厂PI服务器301(302)与诊断预警服务器303之间的通信可以采用标准的PI-API接口方式进行。其中，电厂PI服务器和诊断预警服务器之间的接口可采用三种方式设置，例如，可以安装在一台单独的接口API节点上，或安装在电厂的PI服务器上，或安装在诊断预警服务器上。图3所示的实施方式的接口为安装在诊断预警服务器上。
在实施方式中，诊断预警服务器303，还可以被配置成：从电厂的PI服务器获取所述检测参数的历史数据；根据历史数据通过矩阵运算生成超球预警模型；以及根据超球预警模型确定所述实时预测值。
在实施方式中，诊断预警服务器303，还可以被配置成：从电厂的PI服务器获取所述检测参数的历史数据；根据历史数据通过矩阵运算生成超球预警模型；以及根据超球预警模型对所有建模数据进行反算生成针对每个检测参数的残差值；以及选取所生成的残差值中最大的残差值作为所述残差预警定义值。
通过上述技术方案，可以方便地判断汽轮发电机组的重要参数是否发生异常，然后通过计算列出导致该参数发生异常的其它相关测点(例如，表1中的相关联的检测参数)，在各个测点报警之前就能产生预警信息，从而更早提醒监测人员需要注意的关联测点，为工作人员提供更充足的时间对设备的状态进行判断，减小工作人员的工作量，维护机组的安全性，提高机组的经济性。
另外，需要说明的是，本发明实施例提供的方法和系统可以基于灰色理论和相似性原理实施。其中，灰色系统是指信息不完全的系统，灰色理论则是一门研究信息部分清楚、部分不清楚并带有不确定性现象的应用数学学科。相似性原理包括相似产生的基本依据和相似产生的主要条件。基本依据是指：只有相似单元和相似层次的构造，才能产生相似。主要条件是指：具有相似过程，相似环境才能产生相似。
本发明实施例提供的方法和系统将灰色理论和相似性原理应用于检查及评价汽轮发电机组的重要参数是否发生异常，从而实现对汽轮发电机组故障进行预警。
以上结合附图详细描述了本发明例的可选实施方式，但是，本发明实施例并不限于上述实施方式中的具体细节，在本发明实施例的技术构思范围内，可以对本发明实施例的技术方案进行多种简单变型，这些简单变型均属于本发明实施例的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本发明实施例对各种可能的组合方式不再另行说明。
此外，本发明实施例的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明实施例的思想，其同样应当视为本发明实施例所公开的内容。
Claims (10)
1.一种汽轮发电机组故障预警方法，其特征在于，该方法包括：
确定针对一台汽轮发电机组的多个故障预警内容；
针对每个故障预警内容，选择相关联的检测参数；
从电厂的PI服务器获取所选择的检测参数；
将所获取的检测参数与对应检测参数的实时预测值相比较，根据检测参数与所述实时预测值之间的残差值来判断是否存在异常，
当所述残差值大于或等于检测参数残差预警定义值时，判断检测参数异常，
通过以下步骤确定所述残差预警定义值：
从所述电厂的PI服务器获取所述检测参数的历史数据；
根据所述历史数据通过矩阵运算生成超球预警模型，其中，所述超球预警模型是由检测参数的数据组成矩阵之后根据矩阵的运算生成的包含各检测参数间的关联关系的模型，其中，超球是指超过三维的数据；以及
根据所述超球预警模型对所有建模数据进行反算生成针对每个检测参数的残差值；
选取所生成的残差值中最大的残差值作为所述残差预警定义值；以及
当存在异常检测参数时，对于该异常检测参数关联的故障预警内容进行预警。
2.根据权利要求1所述的汽轮发电机组故障预警方法，其特征在于，该方法还包括：
当存在所述异常检测参数时，对于与所述汽轮发电机组具有相同参数的另一台汽轮发电机组的故障预警内容进行预警，该另一台汽轮发电机组的故障预警内容与所述异常检测参数关联的故障预警内容相同。
3.根据权利要求1-2中任一项权利要求所述的汽轮发电机组故障预警方法，其特征在于，该方法包括通过以下步骤确定所述实时预测值：
从所述电厂的PI服务器获取所述检测参数的历史数据；
根据所述历史数据通过矩阵运算生成所述超球预警模型；以及
根据所述超球预警模型确定所述实时预测值。
4.根据权利要求1所述的汽轮发电机组故障预警方法，其特征在于，所述故障预警内容包括以下至少之一者：
轴系中心相对变化、汽轮机汽缸的膨胀、蒸汽参数、发电机定子温度、轴向推力轴承以及径向支撑轴承。
5.根据权利要求1所述的汽轮发电机组故障预警方法，其特征在于，所述检测参数包括以下至少之一者：
轴振探头间隙电压、机组负荷、汽缸的差胀、绝对膨胀、汽轮机上下汽缸的缸温、进汽参数、主热蒸汽压力和温度、再热蒸汽压力和温度、调节级后压力和温度、抽气口压力和温度、高压缸排汽压力和温度、中压缸排汽压力和温度、凝汽器真空度、发电机定子温度、轴向推力轴承瓦块金属温度、轴向推力轴承进油温度、轴向推力轴承排油温度、轴向位移、径向支撑轴承瓦块金属温度、径向支撑轴承进油温度、径向支撑轴承排油温度。
6.一种汽轮发电机组故障预警系统，其特征在于，该系统包括：电厂PI服务器和与所述电厂PI服务器通信的诊断预警服务器，其中
所述诊断预警服务器，被配置成：
确定针对一台汽轮发电机组的多个故障预警内容；
针对每个故障预警内容，选择相关联的检测参数；
从所述电厂PI服务器获取所选择的检测参数；
将所获取的检测参数与对应检测参数的实时预测值相比较，根据检测参数与所述实时预测值之间的残差值来判断是否存在异常，
当所述残差值大于或等于检测参数残差预警定义值时，判断检测参数异常，
所述诊断预警服务器被配置成通过以下步骤确定所述残差预警定义值：
从所述电厂的PI服务器获取所述检测参数的历史数据；
根据所述历史数据通过矩阵运算生成超球预警模型，其中，所述超球预警模型是由检测参数的数据组成矩阵之后根据矩阵的运算生成的包含各检测参数间的关联关系的模型，其中，超球是指超过三维的数据；以及
根据所述超球预警模型对所有建模数据进行反算生成针对每个检测参数的残差值；以及
选取所生成的残差值中最大的残差值作为所述残差预警定义值；以及
当存在异常检测参数时，对于该异常检测参数关联的故障预警内容进行预警。
7.根据权利要求6所述的汽轮发电机组故障预警系统，其特征在于，所述诊断预警服务器，还被配置成：
当存在所述异常检测参数时，对于与所述汽轮发电机组具有相同参数的另一台汽轮发电机组的故障预警内容进行预警，该另一台汽轮发电机组的故障预警内容与所述异常检测参数关联的故障预警内容相同。
8.根据权利要求6-7中任一项权利要求所述的汽轮发电机组故障预警系统，其特征在于，所述诊断预警服务器，被配置成：
从所述电厂的PI服务器获取所述检测参数的历史数据；
根据所述历史数据通过矩阵运算生成所述超球预警模型；以及
根据所述超球预警模型确定所述实时预测值。
9.根据权利要求6所述的汽轮发电机组故障预警系统，其特征在于，所述故障预警内容包括以下至少之一者：
轴系中心相对变化、汽轮机汽缸的膨胀、蒸汽参数、发电机定子温度、轴向推力轴承以及径向支撑轴承。
10.根据权利要求6所述的汽轮发电机组故障预警系统，其特征在于，所述检测参数包括以下至少之一者：
轴振探头间隙电压、机组负荷、缸差胀、绝对膨胀、缸温、进汽参数、主热蒸汽压力和温度、再热蒸汽压力和温度、调节级后抽气口压力和温度、高压缸排汽压力和温度、中压缸排汽压力和温度、凝汽器真空度、发电机定子温度、轴向推力轴承瓦块金属温度、轴向推力轴承进油温度、轴向推力轴承排油温度、轴向位移、径向支撑轴承瓦块金属温度、径向支撑轴承进油温度、径向支撑轴承排油温度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710595918.9A CN107489464B (zh) | 2017-07-20 | 2017-07-20 | 汽轮发电机组故障预警方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710595918.9A CN107489464B (zh) | 2017-07-20 | 2017-07-20 | 汽轮发电机组故障预警方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107489464A CN107489464A (zh) | 2017-12-19 |
| CN107489464B true CN107489464B (zh) | 2020-06-05 |
Family
ID=60644588
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710595918.9A Active CN107489464B (zh) | 2017-07-20 | 2017-07-20 | 汽轮发电机组故障预警方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107489464B (zh) |
Families Citing this family (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110082103B (zh) * | 2018-04-26 | 2020-12-15 | 广东电网有限责任公司 | 一种汽轮机喷嘴配汽轴系失稳故障预警方法 |
| CN109469896B (zh) * | 2018-12-28 | 2020-06-09 | 佛山科学技术学院 | 一种基于时间序列分析工业锅炉故障的诊断方法及系统 |
| CN110007652B (zh) * | 2019-03-22 | 2020-12-29 | 华中科技大学 | 一种水电机组劣化趋势区间预测方法与系统 |
| CN109933048A (zh) * | 2019-03-26 | 2019-06-25 | 华电国际电力股份有限公司技术服务分公司 | 汽轮机轴系稳定性评估、风险预警系统及方法 |
| WO2020228025A1 (zh) * | 2019-05-16 | 2020-11-19 | 西门子股份公司 | 对一种类型机械工具的数据进行建模分析的方法和设备 |
| CN110531258A (zh) * | 2019-07-15 | 2019-12-03 | 乌江渡发电厂 | 一种电厂发电机组中定子线圈的故障检测方法 |
| CN110442100B (zh) * | 2019-08-06 | 2020-11-17 | 华能国际电力股份有限公司玉环电厂 | 一种热控智能dcs诊断预警方法及系统 |
| CN110925031B (zh) * | 2019-11-29 | 2022-06-21 | 哈尔滨汽轮机厂有限责任公司 | 一种大功率间接空冷汽轮机管控系统 |
| CN111764974B (zh) * | 2020-07-08 | 2023-02-17 | 山东核电有限公司 | 一种基于矩阵表的ap1000汽轮机停机保护逻辑的测试方法 |
| CN112347641B (zh) * | 2020-11-05 | 2024-06-11 | 深圳市出新知识产权管理有限公司 | 一种基于实时数据的给水泵故障预测与诊断方法和系统 |
| CN112632805B (zh) * | 2021-03-15 | 2021-06-01 | 国能大渡河大数据服务有限公司 | 机组跨越振动区分析预警方法、系统、终端及介质 |
| CN113532776B (zh) * | 2021-06-23 | 2023-08-01 | 杭州意能电力技术有限公司 | 一种发电机轴瓦瓦枕绝缘垫失效诊断方法及系统 |
| CN113433917A (zh) * | 2021-08-11 | 2021-09-24 | 内蒙古京隆发电有限责任公司 | 一种用于发电厂的dcs控制系统及控制方法 |
| CN114017136B (zh) * | 2021-11-02 | 2024-08-16 | 浙江大唐国际绍兴江滨热电有限责任公司 | 一种联合循环发电机组的软光字牌报警方法及系统 |
| CN114396317B (zh) * | 2021-12-01 | 2022-12-16 | 上海发电设备成套设计研究院有限责任公司 | 核电汽轮机多目标多维度在线联合监控方法及系统 |
| CN114396322B (zh) * | 2022-01-18 | 2024-06-14 | 中电华创电力技术研究有限公司 | 一种深度调峰机组汽轮机本体a级检修的判断方法及装置 |
| CN114922707A (zh) * | 2022-02-09 | 2022-08-19 | 华能曲阜热电有限公司 | 一种工业供汽流量自动调整装置 |
| CN115013086B (zh) * | 2022-06-10 | 2024-05-31 | 深圳市云帆自动化技术有限公司 | 一种基于海上电网透平发电机的数据远程采集装置 |
| CN117074026B (zh) * | 2023-10-12 | 2024-03-08 | 南方电网调峰调频发电有限公司检修试验分公司 | 可变速抽水蓄能发动机的热稳定测试系统、方法和设备 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH053234Y2 (zh) * | 1985-06-11 | 1993-01-26 | ||
| CN103529825B (zh) * | 2013-10-23 | 2015-12-09 | 上海白丁电子科技有限公司 | 一种自动分析和诊断设备故障的方法 |
| CN104485142A (zh) * | 2014-12-08 | 2015-04-01 | 中广核工程有限公司 | 核电站多样性驱动方法、装置及系统 |
-
2017
- 2017-07-20 CN CN201710595918.9A patent/CN107489464B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN107489464A (zh) | 2017-12-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107489464B (zh) | 汽轮发电机组故障预警方法及系统 | |
| CN109085814B (zh) | 一种火电汽轮机组整体设备系统延寿评估方法 | |
| US6587737B2 (en) | Method for the monitoring of a plant | |
| KR20140130538A (ko) | 고부하 가스 터빈들에 대한 진단 규칙들을 위한 방법 및 시스템 | |
| CN108072524B (zh) | 一种风电机组齿轮箱轴承故障预警方法 | |
| CN110529202B (zh) | 基于电厂数据的汽轮机故障诊断检测及预警方法及系统 | |
| CN112487910A (zh) | 核电汽轮机系统故障预警方法及系统 | |
| CN110907170B (zh) | 一种风电机组齿轮箱轴承温度状态监测与故障诊断方法 | |
| Li et al. | Study on gas turbine gas-path fault diagnosis method based on quadratic entropy feature extraction | |
| CN111608899A (zh) | 一种基于效能分析的水泵运行状态异常判别的方法 | |
| CN116796182A (zh) | 风电机组发电机故障评估模型训练方法和故障诊断方法 | |
| CN114738132B (zh) | 基于实船数据的增压器转速传感器故障诊断方法及系统 | |
| Li et al. | A condition monitoring approach of multi-turbine based on VAR model at farm level | |
| CN112541160A (zh) | 一种旋转机械振动故障诊断相关特征提取方法 | |
| CN113007040A (zh) | 风电机组主轴总成窜动在线监测与故障预警系统及方法 | |
| CN116644672A (zh) | 一种基于残差网络的航空发动机滚动轴承故障诊断方法 | |
| Tutiv'en et al. | Wind turbine main bearing condition monitoring via convolutional autoencoder neural networks | |
| Jin et al. | Study on accelerated life tests for main shaft bearings in wind turbines | |
| CN115470946A (zh) | 设备维保方法、装置、电子设备及存储介质 | |
| CN114061934A (zh) | 基于风力发电机组振动的叶片故障诊断方法及系统 | |
| Ristić et al. | A short overview on Industry 4.0 in maintenance of hydropower plants | |
| CN216901419U (zh) | 一种大型旋转机械设备在线监测系统 | |
| CN111075661A (zh) | 基于温度变化趋势判断风电机组主轴轴承健康状况的方法 | |
| CN118208374B (zh) | 用于海上风电的工况外载加载一体化监测系统与方法 | |
| Lin et al. | Progress on the Development of a Holistic Coupled Model of Dynamics for Offshore Wind Farms: Phase I—Aero-Hydro-Servo-Elastic Model, With Drive Train Model, for a Single Wind Turbine |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |