CN110320893B - 一种基于rcm的火电机组设备检修方法 - Google Patents

Abstract

本发明公开了一种基于RCM的火电机组设备检修方法。该方法包括以下步骤：A、构建层次化的设备资产结构树，将每台设备进行结构分解与分层，并加以储存；B、构建完备化的故障知识库，分析多元信息，提取各类故障数据组成知识库；C、采用最大似然法构建故障概率模型；D、根据故障概率函数，计算可靠性指标；E、制定风险矩阵评价标准，作为基于RCM的设备检修系统的风险评估方式；F、筛选优化策略，辅助工程师科学决策。本发明的方法在目前火电厂主要设备的维护现状基础上，将以可靠性为中心的维修理念引入电厂的维修决策中，从而提高设备的可靠性、可用性或降低检修成本。

Description

一种基于RCM的火电机组设备检修方法

技术领域

本发明涉及设备检修领域，提出一种基于RCM的火电机组设备检修方法。

背景技术

当前，随着我国电力事业的蓬勃发展，火电机组向着大容量、大功率的方向发展，使得工业控制系统的规模越来越大，一台火电机组即拥有成百套控制回路，数以千计的设备部件，因此影响系统正常工作的因素也越来越多，系统的可靠运行受到多方面的威胁。设备一旦发生故障，不仅会对社会生产、生态环境造成不可估量的损失与危害，而且会严重威胁人员安全，因此设计并研发一套针对火电机组的设备检修方法对提升电厂设备安全可靠性具有重要的意义。

可靠性是指一个元件、设备或系统在规定的时间与条件下完成其规定功能的能力。设备可靠性能够描述出设备处于正常水平的程度。而火电机组的平安运行直接受机组设备的可靠性影响，当设备出现问题或故障，而不能及时发现、检修、排查时，可能会带来灾难性的后果。

发电设备的可靠性研究对电力能源供应稳定乃至整个社会的稳定发展都具有重大的意义。我国针对发电设备的可靠性研究从未停止，大致分为3个阶段，分别是可靠性指标统计阶段、传统可靠性模子分析阶段和电力市场下可靠性分析阶段。

可靠性指标统计阶段通过建立和分析相关指标表征设备的可靠性，例如均匀持续可用小时、无妨碍可用小时、等效可用系数、等效逼迫停运率等。但是该方法是一种事后统计对设备故障的预测防护效果寥寥，不能有效进行故障预警，并提升使用寿命。

传统可靠性模子分析阶段通过故障树分析、蒙特卡洛法、马尔科夫过程和状态空间分析等方法建立可靠性分析模型，但是往往存在过程复杂难以建模、过程数据参数经常性变化等限制。

电力市场下可靠性分析阶段以在实现发电机组能够安全运行，以及经济效益得到稳定的增长，并且实现两者的平衡为目标进行分析，目前落后与国外的研究水平。

当前，基于数据驱动的多元数据分析成为研究热点。随着MIS、SIS、EAM、ERP等信息系统在电厂的应用普及，采用计算机系统进行设备管理已经成为提高设备管理效率的有效手段。电厂在长期设备管理活动中积累了大量设备缺陷、故障、维修过程、操作等设备管理业务数据和设备运行过程数据。

本方法基于RCM理论通过对火电机组可修复设备的可靠性分析实现对火电机组的设备检修。

本方法在当前火电厂主要设备的维护现状基础上，将以可靠性为中心的维修理念引入电厂的维修决策中，利用FMECA分析方法结构化整理故障和缺陷数据，建设备可靠性分布模型对设备维修策略和维修大纲进行评估和优化；通过使用设备可靠性分析和风险矩阵的方法，对发电设备维修策略进行评估，优化维修类型、选择最佳维修周期，从而提高设备的可靠性、可用性或降低检修成本，实现优化电厂现有的设备检维修大纲的效果。

发明内容

本发明所要解决的技术问题是提供一种基于RCM的火电机组设备检修方法。

为解决以上技术问题，本发明提供的技术方案是：

一种基于RCM的火电机组设备检修方法，所述检修方法包括以下步骤：

A、构建层次化的设备资产结构树，将火电机组的每台设备进行结构分解与分层，并加以储存；

B、构建完备化的故障知识库，分析多元信息，提取各类故障数据组成知识库；

C、采用最大似然法构建故障概率模型；

D、根据故障概率函数，计算可靠性指标；

E、制定风险矩阵评价标准，作为基于RCM的设备检修系统的风险评估方式；

F、筛选优化策略以辅助工程师科学决策。

优选的，步骤A中，对火电机组设备的分解与分层依据为：以可维修部件为核心，形成“机组-子系统-子单元-设备-子部件”的层级结构，以此5层框架构建属于任意一套机组的资产结构树。

优选的，步骤B中，构建故障知识库的信息来源以及故障信息提取方法，具体如下：

B1、搜集多元信息，所述多元信息包括但不限于：设备厂家的说明书、检修文件包、ERP和EAM里的缺陷检修记录和检修维护计划、专家个人经验以及国际标准ISO14224、标准故障模式库、行业经验、项目设备专家经验；

B2、利用FMECA分析方法提取故障信息，组建故障知识库；

B3、FMECA方法针对产品所有可能的故障，并根据对故障模式的分析，确定每种故障模式对产品工作的影响，找出单点故障，并按故障模式的严重程度及其发生概率确定其危害性；

其分析流程主要包括3个方面，即系统定义、FMEA分析以及CA分析。系统定义是指由现场工程师以及研发专家根据研究对象确定产品的分析范围、明确产品功能以及作用方式；FMEA分析是指由现场工程师以及研发专家根据搜集的多源信息分析故障模式、故障原因、故障影响以及检测故障的方法；CA分析是指由现场工程师以及研发专家根据实际现场情况制定危害性等级，得出分析结论；

表1

每个分析方案需要多源信息和专家分析，最终以表1的形式得到针对每一部件的FMECA表1，如表1所示。

优选的，步骤C中，构建的故障模型以及估计模型参数的步骤包括：

C1、采用威布尔分布构建故障模型

三参数威布尔分布的概率密度函数模型如下：

其中，m表示形状参数，η表示尺度参数，r₀表示位置参数，t表示时间；

C2、采用最大似然概率方法估计各类故障的模型，最大似然概率参数估计方法如下：

通过取对数构建似然函数：

L即为构造的似然函数；

将上式分别对3个参数求偏导得到，

其中，t_i表示第i时刻；

对数似然函数对η的偏导可得出：

将(6)式代入(3)、(4)得：

将(6)式代入(2)得：

估算时，以(9)式为目标函数，找到使之取最大值的r₀,m，再根据(6)式求出η值。

优选的，步骤D中构建的可靠性指标包括：

1)概率密度分布：

2)可靠度：

3)不可靠度：

4)失效率：

5)平均寿命：

其中Γ是伽马函数，

6)可靠寿命：

其中，R₀是初始的可靠度。

优选的，步骤E中构建风险矩阵进行风险评估的方法包括，

E1、以定量分析的可靠性分布函数转换得到的特征寿命MTBF的定量分级为横坐标，以故障影响的危害程度的定性分级为纵坐标，将所选设备的故障模式在二维矩阵中排序，形成风险矩阵图；

E2、MTBF计算方法如下：

其中，f(t)即为故障概率分布函数；

表2

E3、故障影响危害程度定性分级如表2所示。

本发明与现有技术相比，具有以下优点及有益效果：

本发明的方法针对火电机组形成一套完备的设备故障诊断体系，将所有机组内部的可修复部件加以分析，实现实时监测、定量预测，对及时进行故障预警与排查具有非常重要的价值意义。

附图说明

图1是本实施例中的实施方案步骤流程图。

图2是本实施例中#7机组的资产结构树，其中，图2a为系统的资产结构树；图2b为设备的资产结构树；图2c为‘可维修部件-故障原因’的资产结构树。

图3是本实施例中多元数据来源。

图4是本实施例中检修数据文件。

图5是本实施例中的FMECA分析流程。

图6是本实施例中部分设备的FMECA分析结果。

图7是本实施例中部分设备故障模式的威布尔分布建模结果。

图8是本实施例中的风险矩阵示例。

具体实施方式

为使本发明的技术方案和优点更加清楚，下面将结合附图对本发明的实施方式作进一步详细阐述。但是应当理解，附图仅用于示例性说明，不能理解为对本专利的限制；为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。附图中描述位置关系仅用于示例性说明，不能理解为对本专利的限制。

本发明的实施环节以某发电有限公司机组为例。

图1展示了本方法的具体实施流程框图，参照图1，具体步骤为：

A、构建层次化的设备资产结构树，将每台设备进行结构分解与分层，并加以储存；

B、构建完备化的故障知识库，分析多元信息，提取各类故障数据组成知识库；

C、采用最大似然法构建故障概率模型；

D、根据故障概率函数，计算可靠性指标；

E、制定风险矩阵评价标准，作为基于RCM的设备检修系统的风险评估方式；

F、筛选优化策略，辅助工程师科学决策。

步骤A中对火电机组设备的分解分层依据为以可维修部件为核心，形成“机组-子系统-子单元-设备-子部件”的层级结构，以此5层框架构建属于任意一套机组的资产结构树。如图2所示，即为构建的嘉华#7机组中各子系统、子单元、设备、子部件的结构树信息。

步骤B中构建故障知识库的信息来源以及故障信息提取方法，具体如下：

B1、搜集多元信息，包括但不限于设备厂家的说明书、检修文件包、ERP和EAM里的缺陷检修记录和检修维护计划、专家个人经验以及国际标准ISO14224、标准故障模式库、行业经验、项目设备专家经验等。图3所示，即为多元数据信息的来源。图4展示了各类检修数据原始文件。

B2、利用FMECA分析方法提取故障信息，组建故障知识库。

B3、FMECA方法针对产品所有可能的故障，并根据对故障模式的分析，确定每种故障模式对产品工作的影响，找出单点故障，并按故障模式的严重程度及其发生概率确定其危害性。其分析流程主要包括3个方面，即系统定义、FMEA分析以及CA分析。系统定义是指由现场工程师以及研发专家根据研究对象确定产品的分析范围、明确产品功能以及作用方式；FMEA分析是指由现场工程师以及研发专家根据搜集的多源信息分析故障模式、故障原因、故障影响以及检测故障的方法；CA分析是指由现场工程师以及研发专家根据实际现场情况制定危害性等级，得出分析结论。其具体流程如图5所示

每个分析方案需要多源信息和专家分析，最终以下表1的形式得到针对每一部件的FMECA表1：

表1

图6展示了一部分设备的FMECA分析结果。

步骤C中构建的故障模型以及估计模型参数的步骤包括，

C1、采用威布尔分布构建故障模型

三参数威布尔分布的概率密度函数模型如下：

其中，m表示形状参数，η表示尺度参数，r₀表示位置参数，t表示时间。

C2、采用最大似然概率方法估计各类故障的模型，最大似然概率参数估计方法如下：通过取对数构建似然函数：

L即为构造的似然函数。

将上式分别对3个参数求偏导得到，

其中，t_i表示第i时刻。

对数似然函数对η的偏导可得出：

将(6)式代入(3)、(4)得：

将(6)式代入(2)得：

估算时，以(9)式为目标函数，找到使之取最大值的r₀,m，再根据(6)式求出η值。部分故障模式的建模函数如图7所示。

步骤D中构建的可靠性指标包括，

1)概率密度分布：

2)可靠度：

3)不可靠度：

4)失效率：

5)平均寿命：

其中Γ是伽马函数，

6)可靠寿命：

其中，R₀是初始的可靠度。

步骤E中构建风险矩阵进行风险评估的方法包括，

E1、以定量分析的可靠性分布函数转换得到的特征寿命MTBF的定量分级为横坐标，以故障影响的危害程度的定性分级为纵坐标，将所选设备的故障模式在二维矩阵中排序，形成风险矩阵图。

E2、MTBF计算方法如下：

其中，f(t)即为故障概率分布函数。

E3、故障影响危害程度定性分级如下表2：

表2

图8展示了风险矩阵示例。

根据风险矩阵给出的风险等级以及各可靠性指标，选择合适的维修策略。

本发明的方法针对火电机组形成一套完备的设备故障管理体系，将所有机组内部的可修复部件加以分析，实现实时监测、定量预测，对及时进行故障预警与排查具有非常重要的价值意义。

以上仅是本发明的优选实施方式，应当指出的是，上述优选实施方式不应视为对本发明的限制，本发明的保护范围应当以权利要求所限定的范围为准。对于本技术领域的普通技术人员来说，在不脱离本发明的精神和范围内，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (3)

1.一种基于RCM的火电机组设备检修方法，其特征在于，所述检修方法包括以下步骤：

A、构建层次化的设备资产结构树，将火电机组的每台设备进行结构分解与分层，并加以储存；

B、构建完备化的故障知识库，分析多元信息，提取各类故障数据组成知识库；

C、采用最大似然法构建故障概率模型；

D、根据故障概率函数，计算可靠性指标；

E、制定风险矩阵评价标准，作为基于RCM的设备检修系统的风险评估方式；

F、筛选优化策略以辅助工程师科学决策；

步骤B中，构建故障知识库的信息来源以及故障信息提取方法，具体如下：

B1、搜集多元信息，所述多元信息包括但不限于：设备厂家的说明书、检修文件包、ERP和EAM里的缺陷检修记录和检修维护计划、专家个人经验以及国际标准ISO14224、标准故障模式库、行业经验、项目设备专家经验；

B2、利用FMECA分析方法提取故障信息，组建故障知识库；

B3、FMECA方法针对产品所有可能的故障，并根据对故障模式的分析，确定每种故障模式对产品工作的影响，找出单点故障，并按故障模式的严重程度及其发生概率确定其危害性；

表1

每个分析方案需要多源信息和专家分析，最终以表1的形式得到针对每一部件的FMECA表1，如表1所示；

步骤A中，对火电机组设备的分解与分层依据为：以可维修部件为核心，形成“机组-子系统-子单元-设备-子部件”的层级结构，以此5层框架构建属于任意一套机组的资产结构树；

步骤E中构建风险矩阵进行风险评估的方法包括，

E1、以定量分析的可靠性分布函数转换得到的特征寿命MTBF的定量分级为横坐标，以故障影响的危害程度的定性分级为纵坐标，将所选设备的故障模式在二维矩阵中排序，形成风险矩阵图；

E2、MTBF计算方法如下：

其中，f(t)即为故障概率分布函数；

表2

E3、故障影响危害程度定性分级如表2所示。

2.根据权利要求1所述的基于RCM的火电机组设备检修方法，其特征在于：步骤C中，构建的故障模型以及估计模型参数的步骤包括：

C1、采用威布尔分布构建故障模型

三参数威布尔分布的概率密度函数模型如下：

其中，m表示形状参数，η表示尺度参数，r₀表示位置参数，t表示时间；

C2、采用最大似然概率方法估计各类故障的模型，最大似然概率参数估计方法如下：

通过取对数构建似然函数：

L即为构造的似然函数；

将上式分别对3个参数求偏导得到，

其中，t_i表示第i时刻；

对数似然函数对η的偏导可得出：

将(6)式代入(3)、(4)得：

将(6)式代入(2)得：

估算时，以(9)式为目标函数，找到使之取最大值的r₀,m，再根据(6)式求出η值。

3.根据权利要求1所述的基于RCM的火电机组设备检修方法，其特征在于：步骤D中构建的可靠性指标包括：

1)概率密度分布：

2)可靠度：

3)不可靠度：

4)失效率：

5)平均寿命：

其中Γ是伽马函数，

6)可靠寿命：

其中，R₀是初始的可靠度。

Images