CN111609923A - 一种基于dcs数据的汽轮发电机组振动预警方法 - Google Patents
一种基于dcs数据的汽轮发电机组振动预警方法 Download PDFInfo
- Publication number
- CN111609923A CN111609923A CN202010345385.0A CN202010345385A CN111609923A CN 111609923 A CN111609923 A CN 111609923A CN 202010345385 A CN202010345385 A CN 202010345385A CN 111609923 A CN111609923 A CN 111609923A
- Authority
- CN
- China
- Prior art keywords
- early warning
- vibration
- warning method
- threshold
- period
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于DCS数据的汽轮发电机组振动预警方法,其包括短周期峰谷差预警法、长周期均值变化量预警法、基于3σ准则的动态阈值预警法。本发明采用三种预警方式相结合,其预警更精确,可靠性更高,可精确对各类振动异常变化进行报警。三种预警方法检测侧重如下:(1)短周期峰谷差预警法,侧重检测振动参数快速变化的振动故障,如汽流激振、振动测量系统问题等;(2)长周期均值变化量预警法,侧重检测振动参数长周期缓变的振动故障,如渐进式转子弯曲等;(3)基于3σ准则的动态阈值预警法,适用性较好,需要收集机组稳定无异常运行全可调工况范围的振动参数数据样本,同时该数据样本需根据机组运行检修情况进行更新。
Description
技术领域:
本发明涉及一种预警方法,尤其涉及一种基于DCS数据的汽轮发电机组振动预警方法。
背景技术:
振动是影响汽轮发电机组安全稳定运行的重要因素之一,因机组安装检修、热力参数波动、设备本身缺陷导致机组振动问题时有发生,近年来又随着机组节能改造、深度调峰、快速AGC跟随运行等因素,一定程度上增大了机组振动问题的发生概率。在此情况下,改进机组振动预警方法,及时预警机组异常振动,尽早发现机组DCS振动量值异常变化,提前对机组异常振动进行分析诊断、采取处理措施,对机组安全稳定运行有重要的现实意义。
汽轮发电机组振动常规预警方法为固定阈值预警法,即基于国标GB/T 6075.3-2011《机械振动在非旋转部件上测量评价机器的振动第3部分:额定功率大于15kW额定转速在120r/min至15 000r/min之间的在现场测量的工业机器》、GB/T 11348.2-2012《机械振动在旋转轴上测量评价机器的振动第2部分:功率大于50MW,额定工作转速1500r/min、1800r/min、3000r/min、3600r/min陆地安装的汽轮机和发电机》以及厂家规定、运行经验等确定某一固定值(一般为125μm)为报警阈值,当机组运行过程中振动参数量值超过预先规定的预警阈值时,发出报警信号,旨在提醒振动较高,需安排振动问题分析诊断、处理工作,但并不停机;当振动参数量值达到停机阈值(一般为254μm)时,机组自动停机。
固定阈值预警法只能适用于振动参数量值发生变化且越过固定阈值时,但机组很多振动故障引起的振动参数量值变化没有穿越该限值,造成固定阈值预警方法无法预警振动参数量值异常变化的问题。以现场某轴振测点Px为例,经过一段时间运行,若设定预警值为125μm,当其量值发生以下三种变化情况:
A、Px从40μm增大至80μm,此时振动参数量值发生变化但未越过该限值(125μm),固定阈值预警法无法报警;
B、Px从80μm增大至130μm,此时振动参数量值发生变化且越过该限值(125μm),固定阈值预警法可正常报警;
C、Px从130μm增大至160μm,此时振动参数量值发生变化且一直在该限值之上;使用固定阈值预警法,系统虽然一直处于示警状态,但实际设备振动状况发生新的异常变化,系统却没有再次报警。
发明内容:
本发明的目的在于提供一种基于DCS数据的汽轮发电机组振动预警方法。
本发明由如下技术方案实施:一种基于DCS数据的汽轮发电机组振动预警方法,包括短周期峰谷差预警法、长周期均值变化量预警法、基于3σ准则的动态阈值预警法,其中,
短周期峰谷差预警法:
短周期峰谷差预警法即将短时间范围内振动参数量值的峰谷差提取作为评价量,当若干个短周期内振动参数量值的峰谷差超过阈值时,发出报警信号。具体步骤如下:
(1)设定采样周期tsi和峰谷差阈值ΔAs阈,i=1,2…;
(2)在第i个采样周期tsi内检测振动参数值的峰值Asi峰和峰谷值Asi谷,并计算该采样周期内的振动参数峰谷差ΔAsi=Asi峰-Asi谷;
(3)第i个采样周期内的振动参数峰谷差测量值ΔAsi与峰谷差阈值ΔAs阈进行对比,当ΔAsi≥ΔAs阈,记录一次进行报警;
长周期均值变化量预警法:
长周期均值变化量预警法即计算长时间范围内振动参数量值的均值,将两个长周期振动参数均值的变化量作为评价量,当若干个均值变化量均超过阈值时,发出报警信号。具体步骤如下:
(1)设定采样周期tlj和采样周期内振动参数均值的变化量阈值ΔXl阈,j=1.2…;
(2)记录每个采样周期内的振动参数值均值Xlj…,并计算采样周期内振动参数均值的变化量ΔXlj=|Xlj-Xl1|;
(3)采样周期内振动参数均值的变化量ΔXlj与采样周期内振动参数均值的变化量阈值ΔXl阈进行对比,当ΔXlj≥ΔXl阈,进行报警;
基于3σ准则的动态阈值预警法:
基于3σ准则的动态阈值预警法的核心思路是机组正常运行振动参数通常遵循正态分布,如果振动参数偏离总体期望的偏差服从正态分布N(μ,σ2),那么采用区间(μ-3σ,μ+3σ)作为判断此次振动参数是否超限的依据。
根据正态分布特点,可以证明振动参数偏离总体期望的偏差落在区间(μ-3σ,μ+3σ)的概率为99.73%,即其判别的可靠性为99.73%。如果振动参数偏差落在此区间外,则认为此振动参数超出正常限定范围,并判定为异常数据。分布的上下限应不超过3σ,据此可确定振动参数的正常取值上下限,具体步骤如下:
(1)机组稳定无异常运行,取机组全可调工况范围的振动参数作为数据样本(X1,X2,......Xn);
(3)采集振动数据并与阈值区间对比,当振动数据超出阈值区间则进行报警。
进一步的,短周期峰谷差预警法、长周期均值变化量预警法和基于3σ准则的动态阈值预警法中,采集的数据超出阈值3次后进行报警。
进一步的,短周期峰谷差预警法、长周期均值变化量预警法、基于3σ准则的动态阈值预警法并列实施。
进一步的,基于3σ准则的动态阈值预警法中,数据样本采集方法为:机组启动并网带负荷后,当某振动参数量值在一时间段内(例如24h)的峰谷差小于一固定值(如15μm),即认为该时间段内机组某振动参数量值稳定无异常,可作为某振动参数数据样本计算阈值区间。
本发明的优点:本发明采用三种预警方式相结合,其预警更精确,可靠性更高,可精确对各类振动异常变化进行报警。三种预警方法检测侧重如下:(1)短周期峰谷差预警法,以短周期振动参数数据为对象,侧重检测振动参数快速变化的振动故障,如汽流激振、振动测量系统问题等;(2)长周期均值变化量预警法,以长周期振动参数数据变化趋势为对象,侧重检测振动参数长周期缓变的振动故障,如渐进式转子弯曲等;(3)基于3σ准则的动态阈值预警法,适用性较好,需要收集机组稳定无异常运行全可调工况范围的振动参数数据样本,同时该数据样本需根据机组运行检修情况进行更新。
附图说明:
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为实施例1中轴承轴振趋势图;
图2为实施例1中B厂2号机组早期正常工况3X轴振及阈值趋势图;
图3为实施例2中轴承轴振趋势图;
图4为实施例2中K电厂1号机组1X轴振早期正常数据;
图5为本发明专利的程控图。
图1-4中,横坐标为时间,纵坐标为振动幅值参数,图3中周期性的振动幅值下降是因为检修停机所致。
具体实施方式:
下面将对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
某B厂2号机组3号轴承轴振存在波动现象,振动测试分析仪记录3X轴振趋势图如图1所示。
(1)采用短周期峰谷差预警法,设定采样周期tsi=10min,峰谷差阈值ΔAs阈=20μm,计算3X轴振峰谷数据见表1。
(2)采用基于3σ准则的动态阈值预警方法,收集机组稳定无异常运行全可调工况范围的振动参数作为数据样本,计算均值和标准差后,确定3X轴振正常阈值区间为(44.5,60.5),如图2所示。
表1 B厂2号机组3X轴振峰谷数据表
综合预警分析如下:
(1)采用固定阈值预警法,3X轴振最大值未超过阈值125μm而不触发报警;
(2)采用短周期峰谷差预警法,得到结果见表1,3X轴振短周期峰谷差3次超过阈值触发报警;
(3)采用基于3σ准则的动态阈值预警法,3X轴振3次超出阈值区间触发报警。
实施例2
某K厂1号机组1号轴承轴振在长时间运行过程中逐渐增大,DCS记录其1X轴振趋势图如图3所示。
(1)采用长周期均值变化量预警法,设定采样周期tlj=30天,设定采样周期内振动参数均值的变化量阈值ΔXl阈=40μm,
计算1X轴振均值数据Xlj和相邻采样周期内振动参数均值的变化量ΔXlj见表2。
(2)采用基于3σ准则的动态阈值预警法,收集机组稳定无异常运行全可调工况范围的振动参数作为数据样本,计算均值和标准差后,确定1X轴振正常阈值区间为(37.0,50.4),如图4所示。
表2 K厂1号机组1X轴振均值数据表
综合预警分析如下:
(1)采用固定阈值预警法,1X轴振未超过阈值125μm而不触发报警;
(2)采用长周期均值变化量预警法,得到结果见表2,1X轴振长周期均值变化量3次超过阈值触发报警;
(3)采用基于3σ准则的动态阈值预警法,1X轴振超出阈值区间触发报警。
由实施例1和实施例2可知,本专利方案通过三种预警方式相结合的方式,相对于固定阈值法,其预警更精确,可靠性更高,可精确对各类振动异常变化进行报警。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种基于DCS数据的汽轮发电机组振动预警方法,其特征在于,其包括短周期峰谷差预警法、长周期均值变化量预警法、基于3σ准则的动态阈值预警法,其中,
短周期峰谷差预警法:
(1)设定采样周期tsi和峰谷差阈值ΔAs阈,i=1,2…;
(2)在第i个采样周期tsi内检测振动参数值的峰值Asi峰和峰谷值Asi谷,并计算该采样周期内的振动参数峰谷差ΔAsi=Asi峰-Asi谷;
(3)第i个采样周期内的振动参数峰谷差测量值ΔAsi与峰谷差阈值ΔAs阈进行对比,当ΔAsi≥ΔAs阈,记录一次进行报警;
长周期均值变化量预警法:
(1)设定采样周期tlj和采样周期内振动参数均值的变化量阈值ΔXl阈,j=1.2…;
(2)记录每个采样周期内的振动参数值均值Xlj…,并计算采样周期内振动参数均值的变化量ΔXlj=|Xlj-Xl1|;
(3)采样周期内振动参数均值的变化量ΔXlj与采样周期内振动参数均值的变化量阈值ΔXl阈进行对比,当ΔXlj≥ΔXl阈,进行报警;
基于3σ准则的动态阈值预警法:
(1)机组稳定无异常运行,取机组全可调工况范围的振动参数作为数据样本(X1,X2,......Xn);
(3)采集振动数据并与阈值区间对比,当振动数据超出阈值区间则进行报警。
2.根据权利要求1所述的一种基于DCS数据的汽轮发电机组振动预警方法,其特征在于,短周期峰谷差预警法、长周期均值变化量预警法和基于3σ准则的动态阈值预警法中,采集的数据超出阈值3次后进行报警。
3.根据权利要求1或2所述的一种基于DCS数据的汽轮发电机组振动预警方法,其特征在于,短周期峰谷差预警法、长周期均值变化量预警法、基于3σ准则的动态阈值预警法并列实施。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010345385.0A CN111609923A (zh) | 2020-04-27 | 2020-04-27 | 一种基于dcs数据的汽轮发电机组振动预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010345385.0A CN111609923A (zh) | 2020-04-27 | 2020-04-27 | 一种基于dcs数据的汽轮发电机组振动预警方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111609923A true CN111609923A (zh) | 2020-09-01 |
Family
ID=72201221
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010345385.0A Pending CN111609923A (zh) | 2020-04-27 | 2020-04-27 | 一种基于dcs数据的汽轮发电机组振动预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111609923A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112539828A (zh) * | 2020-12-08 | 2021-03-23 | 中水三立数据技术股份有限公司 | 基于曲线拟合对比分析的泵组设备诊断方法、系统、设备 |
CN112798097A (zh) * | 2020-12-30 | 2021-05-14 | 重庆斯铂电气自动化设备有限公司 | 一种振动监测系统 |
CN113256942A (zh) * | 2021-05-18 | 2021-08-13 | 中海石油深海开发有限公司 | 异常事件的超前预警方法、装置、电子设备及介质 |
CN113654803A (zh) * | 2021-08-19 | 2021-11-16 | 中国联合重型燃气轮机技术有限公司 | 一种燃气轮机振动异常预警方法、装置及电子设备 |
CN113916366A (zh) * | 2021-10-21 | 2022-01-11 | 山东鑫海矿业技术装备股份有限公司 | 基于振动信号的涡旋破碎机的叶轮运行监测方法及设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07248254A (ja) * | 1994-03-11 | 1995-09-26 | Toshiba Corp | 振動監視方法およびその装置 |
WO2010074646A1 (en) * | 2008-12-22 | 2010-07-01 | S.P.M. Instrument Ab | Method and apparatus for analysing the condition of a machine having a rotating part |
CN104075795A (zh) * | 2014-06-18 | 2014-10-01 | 北京金风科创风电设备有限公司 | 用于监测风力发电机组的叶轮振动状态的方法和系统 |
CN105651503A (zh) * | 2016-01-07 | 2016-06-08 | 广东电网有限责任公司电力科学研究院 | 一种基于加速度变量监测的断路器机械故障诊断方法 |
CN106112697A (zh) * | 2016-07-15 | 2016-11-16 | 西安交通大学 | 一种基于3σ准则的铣削颤振自动报警阈值设定方法 |
-
2020
- 2020-04-27 CN CN202010345385.0A patent/CN111609923A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07248254A (ja) * | 1994-03-11 | 1995-09-26 | Toshiba Corp | 振動監視方法およびその装置 |
WO2010074646A1 (en) * | 2008-12-22 | 2010-07-01 | S.P.M. Instrument Ab | Method and apparatus for analysing the condition of a machine having a rotating part |
CN104075795A (zh) * | 2014-06-18 | 2014-10-01 | 北京金风科创风电设备有限公司 | 用于监测风力发电机组的叶轮振动状态的方法和系统 |
CN105651503A (zh) * | 2016-01-07 | 2016-06-08 | 广东电网有限责任公司电力科学研究院 | 一种基于加速度变量监测的断路器机械故障诊断方法 |
CN106112697A (zh) * | 2016-07-15 | 2016-11-16 | 西安交通大学 | 一种基于3σ准则的铣削颤振自动报警阈值设定方法 |
Non-Patent Citations (1)
Title |
---|
张国坤: "基于聚类分析的汽轮发电机组早期故障识别系统研究", 《万方学位论文数据库》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112539828A (zh) * | 2020-12-08 | 2021-03-23 | 中水三立数据技术股份有限公司 | 基于曲线拟合对比分析的泵组设备诊断方法、系统、设备 |
CN112798097A (zh) * | 2020-12-30 | 2021-05-14 | 重庆斯铂电气自动化设备有限公司 | 一种振动监测系统 |
CN113256942A (zh) * | 2021-05-18 | 2021-08-13 | 中海石油深海开发有限公司 | 异常事件的超前预警方法、装置、电子设备及介质 |
CN113654803A (zh) * | 2021-08-19 | 2021-11-16 | 中国联合重型燃气轮机技术有限公司 | 一种燃气轮机振动异常预警方法、装置及电子设备 |
CN113654803B (zh) * | 2021-08-19 | 2024-05-24 | 中国联合重型燃气轮机技术有限公司 | 一种燃气轮机振动异常预警方法、装置及电子设备 |
CN113916366A (zh) * | 2021-10-21 | 2022-01-11 | 山东鑫海矿业技术装备股份有限公司 | 基于振动信号的涡旋破碎机的叶轮运行监测方法及设备 |
CN113916366B (zh) * | 2021-10-21 | 2024-04-19 | 山东鑫海矿业技术装备股份有限公司 | 基于振动信号的涡旋破碎机的叶轮运行监测方法及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111609923A (zh) | 一种基于dcs数据的汽轮发电机组振动预警方法 | |
EP2746885A1 (en) | Method of monitoring the condition of a wind turbine | |
US8988238B2 (en) | Change detection system using frequency analysis and method | |
CA2680928C (en) | Method and system of wind turbine condition monitoring | |
KR102040179B1 (ko) | 제조 설비의 이상 감지 및 진단 방법 | |
CN116304848B (zh) | 一种滚动轴承故障诊断系统及方法 | |
CN111927717B (zh) | 一种风机机舱传动链噪声在线监测系统及方法 | |
KR101166871B1 (ko) | 기계시스템 상태감시장치 및 상태감시방법 | |
CN114813124B (zh) | 一种轴承故障的监测方法及装置 | |
CN117734347B (zh) | 轮毂单元、监测方法及其应用 | |
CN113007040B (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 | |
CN115111181A (zh) | 一种轴流式风机的叶片健康度智能监测分析评估方法、系统装置及用途 | |
CN216052738U (zh) | 一种汽轮机监测仪表自检测系统 | |
EP4305321A1 (en) | Pitch bearing condition monitoring | |
JPH01270623A (ja) | 回転機の振動診断装置 | |
CN113568397A (zh) | 一种汽轮机监测仪表自检测系统及自检方法 | |
Zhu et al. | VIBRATION ANALYSIS FOR INCIPIENT BEARING FAULT DETECCTION USING A NON-MANUAL INDEX | |
CN114658611B (zh) | 风力发电机的主轴承异常检测方法和主轴承异常检测装置 | |
Baglio et al. | On-line condition monitoring tool for nuclear research reactors coolant system components | |
CN118653970B (zh) | 一种风电机组运行状态预警阈值的修正方法及系统 | |
RU2753578C1 (ru) | Способ диагностики технического состояния роторного оборудования | |
CN106940249A (zh) | 一种汽轮机大轴弯曲检测方法 | |
CN112485000B (zh) | 基于振动趋势信息的机器故障预测 | |
Kulkarni et al. | Analysis of Vibration Signals of Rolling Element Bearings with Localized Defects | |
CN115376301A (zh) | 汽轮机的叶片断裂预警方法、系统、电子设备及存储介质 |
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 |