CN112362323A - 汽轮发电机组振动在线监测和故障诊断系统的数据存储方法 - Google Patents
汽轮发电机组振动在线监测和故障诊断系统的数据存储方法 Download PDFInfo
- Publication number
- CN112362323A CN112362323A CN202011164699.7A CN202011164699A CN112362323A CN 112362323 A CN112362323 A CN 112362323A CN 202011164699 A CN202011164699 A CN 202011164699A CN 112362323 A CN112362323 A CN 112362323A
- Authority
- CN
- China
- Prior art keywords
- data
- vibration
- fault diagnosis
- steam turbine
- turbine generator
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E30/00—Energy generation of nuclear origin
Abstract
本发明公开了一种汽轮发电机组振动在线监测和故障诊断系统的数据存储方法,本发明通过对振动数据分类管理,并针对每类数据制定详细的存储策略,在最大限度的保存振动分析、故障诊断、设备管理所需的振动数据条件下,极大的压缩了振动数据的存储量,提高了汽轮发电机组振动在线监测和故障诊断系统的有效数据存储量、运行效率,降低的存储设备的负荷和故障率,接入提高了系统的可靠性,数据量大幅缩减。
Description
技术领域
本发明属于大型旋转机械振动测试领域,具体涉及一种汽轮发电机组振动在线监测和故障诊断系统的数据存储方法。
背景技术
汽轮发电机组是火电厂核心设备之一,是将蒸汽的能量转换成为机械功的旋转式动力机械,是现代火力发电和核动力工业中所普遍采用的发动机。
随着现代工业和科学技术的发展,汽轮发电机组朝着大型化、集中化、自动化的方向发展。大型汽轮发电机组运行过程中设备高速旋转,轴系振动状态是机组的重要安全指标,一旦机组发生振动故障往往造成巨大经济损失甚至灾难性后果。汽轮发电机组振动在线监测和故障诊断系统(TDM系统)作为300MW以上火电机组必须安装的监测设备,广泛应用在我国大型汽轮发电机组上,在组轴系振动的监测、分析、故障诊断和设备管理中发挥着重要的作用。
TDM系统将机组振动信号、键相信号及其他缓变量信号接入系统,对信号进行滤波、A/D转换、积分、快速傅里叶变换等信号和数据处理,并对数据进行存储;同时系统还将数据发布到网页或客户端供用户进行监测、查询、分析诊断。TDM系统为用户提供常规数据查阅工具和专业图谱分析功能,帮助用户了解机组振动状态、分析诊断振动故障,还可由系统给出振动智能故障诊断意见。
TDM系统的核心为振动数据。用于旋转设备振动分析的振动数据需要包含大量的瞬态波形数据。单个测点一个时间点的瞬态波形需要采集的数据点数量取决于振动分析的需求,原则上数据点数越多越好。而对于汽轮发电机组振动分析和故障诊断来说,一组波形数据需采集512点或更多(波形数据点数通常为2的n次方),同时一套TDM系统至少接入两台机组几十个振动测点,这就造成一个时刻需要处理非常大量的振动数据。从设备管理角度,希望TDM系统能存储尽可能长时间的振动数据,至少完整保存机组一次大修周期的数据(5年);从故障诊断角度,希望TDM系统存储的数据时间间隔更短,关键数据能至少精确的秒级。以目前通用的计算机存储处理能力,是一个无法调和的矛盾。通常的做法是适当降低存储密度和缩短存储时间长度。
发明内容
本发明的目的在于克服上述不足,提供一种汽轮发电机组振动在线监测和故障诊断系统的数据存储方法,能够在不损失振动分析和故障诊断所需的数据的情况下,极大的压缩TDM系统振动数据的数据量,使得TDM系统可以存储更长时间的有效数据,同时提高数据读取速度、降低磁盘负荷和故障率。
为了达到上述目的,本发明包括以下步骤:
步骤一,将TDM系统数据进行分类,并进行分类管理;
步骤二,将在阈值转速范围外的转速数据存入升降速数据中,并进行存储;
步骤三,每固定时间间隔存储一组在阈值转速范围内的转速数据;
步骤四,对阈值转速范围内的转速数据建立用于条件触发后追溯触发时间前数据的动态数据缓存;
步骤五,在阈值转速范围内的转速数据中,若有测点的振动值超过预设的报警值时,则保存报警前后的数据;
若测点的振动值未达到报警值,则对比该测点的数据较前一组数据振幅变化是否超过第一变化阈值,若超过,则进入第一灵敏监测状态,存储变化前后的数据;
若该测点的数据在预设时间内累计变化量超过第二变化阈值,则进入第二灵敏监测状态,存储变化前后的数据。
步骤一中,TDM系统数据分为升降速数据、稳态数据、报警数据和灵敏监测数据四大类。
步骤三中,固定时间间隔为1分钟。
步骤四中,动态数据缓存的缓存区存储最近30分钟的额定转速数据,存储间隔为系统处理数据的最小间隔时间。
步骤五中,测点的振动值超过预设的报警值时,保存的数据为报警前2分钟和报警过程的数据,存储间隔为1秒。
步骤五中,第一变化阈值为该测点报警值的10%,第一灵敏监测状态中,存储变化前、后各30秒的数据,存储间隔为1秒。
步骤五中,第一变化阈值为该测点报警值的10%,第一灵敏监测状态中,存储变化前、后各5秒钟的数据,存储间隔为系统处理数据的最小间隔时间。
步骤五中,第二变化阈值为该测点报警值的25%,第二灵敏监测状态中,存储这段振动变化时间内的数据。
步骤五中,预设时间为在30分钟。
与现有技术相比,本发明通过对振动数据分类管理,并针对每类数据制定详细的存储策略,在最大限度的保存振动分析、故障诊断、设备管理所需的振动数据条件下,极大的压缩了振动数据的存储量,提高了汽轮发电机组振动在线监测和故障诊断系统的有效数据存储量、运行效率,降低的存储设备的负荷和故障率,接入提高了系统的可靠性,数据量大幅缩减,一套TDM系统服务器可以很轻松的存储数台机组一个大修周期的振动数据。
附图说明
图1为本发明的流程图。
具体实施方式
下面结合附图对本发明做进一步说明。
一种汽轮发电机组振动在线监测和故障诊断系统的数据存储方法,具体包含以下步骤:
步骤一,将TDM系统数据分为四大类,升降速数据、稳态数据、报警数据、灵敏监测数据,对其进行分类管理。振动数据以组为单位,以时间为索引,每组数据存储该机组所有振动测点的同一时刻同步采样的数据,同时保存原始波形数据和快速傅里叶变换后提取的典型数据(如1倍频幅值、1倍频相位、2倍频幅值等)。
步骤二,对转速不在额定转速范围内的振动数据存入升降速数据中,数据按照设定的存储规则进行存储。当机组转速大于设定的开始存储数据最低转速(最低存储转速设为100r/min,机组在停机或低速盘车时不存储振动数据),并且转速不在额定转速范围内时,机组处于升速或降速状态,按照设定好的升降速过程数据存储规则存储。存储规则的主要参数为存储转速间隔,即转速每变化多少转就存储一组数据,存储转速间隔设为5r/min;而当机组定速暖机时(升速过程中转速没有升至额定转速前,维持转速不变一段时间,一般为几十分钟至数小时不等),采用定时存储,每分钟存储一组数据。
步骤三,对转速在额定转速范围内的数据,每分钟存储一组数据。
步骤四,对额定转速范围内的数据建立一个动态数据缓存,用于条件触发后追溯触发时间前的数据。缓存区存储最近30分钟的额定转速数据,存储间隔为系统处理数据的最小间隔时间。以现有技术,系统处理数据的最小间隔时间并不受硬件性能制约,而取决于每组振动数据采样的周期数。我国电网频率为50Hz,因此机组运转频率也为50Hz(转速为3000r/min),以每组数据采样16周期为例,每周期采样32点,即每组振动数据采集512点的波形数据。每个周期时间长度为0.02秒,采样16个周期的一组数据耗时0.32秒,也就是说该采样规则下的最小间隔为0.32秒。
步骤五,对额定转速范围的数据,当某测点振动值超过设定的报警值时,保存该机组报警前2分钟和报警过程的数据,存储间隔为1秒。该功能主要目的是捕捉故障发生发展的过程,如机组长时间报警,则说明报警状态已趋于常态,可逐步降低报警数据存储密度,避免存储过多重复的价值不高的数据。报警超过30分钟,存储间隔降至5秒,报警超过2小时存储间隔降至30秒,报警超过6小时,不存储报警数据。
步骤六,对额定转速范围的数据,当振动值未达到报警值,但某测点本组数据较前一组数据振幅变化超过该测点报警值的10%时,则进入第一灵敏监测状态,存储变化前、后各30秒的数据,存储间隔为1秒;存储变化前、后各5秒钟的数据,存储间隔为系统处理数据的最小间隔时间。为避免由于原始振动值过小而造成频发触发,存储大量低价值的数据,设置一个触发下限值,当原始值超过该值时,才触发该功能。限值设置为测点报警值的1/4,该限制同样用于步骤七。
步骤七,对额定转速范围的数据,当振动值未达到报警值,但在30分钟内的某测点振幅累积变化量超过该测点报警值的的25%,则进入第二灵敏监测状态,存储这段变化的数据,存储间隔为5秒。
以一台600MW机组为例,机组共有8个轴承,共24个振动测点。假设该机组一年中连续运行了300天,启停机6次,其中启动3次,每次启动定速暖机时长3小时;持续运行时发生了4次振动报警,平均每次持续时间30分钟;另外还发生了一次振动突变和3次振动大幅波动,振动波动持续1小时,振幅均未达到报警值。
假设TDM系统采集的每组波形数据为512点,进行运算和快速傅里叶变换后提取的特征信息15个(如通频幅值、1倍频幅值、1倍频相位等),所有数据点均采用单精度浮点数存储,单精度浮点数占4个字节。那么一组振动数据在未压缩的情况下占用的存储空间S为:
S=24×(512+15)×4Byte=50592Byte
如无差别存储机组的振动信息,并要求不丢失关键信息,数据存储间隔为1秒,则如上文所假设的情况,存储一年的机组振动信息需要的空间M约为:
M=300×24×60×60×S≈1221GB(启停机数据小于0.3G,忽略不计)
而使用本发明所述的存储方法,存储一年的机组振动信息需要的空间约为:
M=启停机数据+日常数据+报警数据+灵敏监测数据
=6×((3000-100)/5+3×60)×S+300×24×60×S+4×(2×60+30×60)×S+(3×60×60÷5+60+6/0.32)×S
≈21GB
由此可见,采用本发明储存方法所储存的数据远低于常规方法,一套TDM系统服务器可以很轻松的存储数台机组一个大修周期的振动数据,同时机组平稳运行时每分钟一组的数据量完全能满足振动分析的要求,机组出现故障时的关键信息也都保存了下来,甚至在发生如旋转部件飞脱的振动故障造成振动突变时,数据存储间隔缩短至0.32秒,最大限度的记录的故障发生前后的详细振动变化数据。
Claims (9)
1.汽轮发电机组振动在线监测和故障诊断系统的数据存储方法,其特征在于,包括以下步骤:
步骤一,将TDM系统数据进行分类,并进行分类管理;
步骤二,将在阈值转速范围外的转速数据存入升降速数据中,并进行存储;
步骤三,每固定时间间隔存储一组在阈值转速范围内的转速数据;
步骤四,对阈值转速范围内的转速数据建立用于条件触发后追溯触发时间前数据的动态数据缓存;
步骤五,在阈值转速范围内的转速数据中,若有测点的振动值超过预设的报警值时,则保存报警前后的数据;
若测点的振动值未达到报警值,则对比该测点的数据较前一组数据振幅变化是否超过第一变化阈值,若超过,则进入第一灵敏监测状态,存储变化前后的数据;
若该测点的数据在预设时间内累计变化量超过第二变化阈值,则进入第二灵敏监测状态,存储振动发生变化的这段时间内的数据。
2.根据权利要求1所述的汽轮发电机组振动在线监测和故障诊断系统的数据存储方法,其特征在于,步骤一中,TDM系统数据分为升降速数据、稳态数据、报警数据和灵敏监测数据四大类。
3.根据权利要求1所述的汽轮发电机组振动在线监测和故障诊断系统的数据存储方法,其特征在于,步骤三中,固定间隔时间为1分钟。
4.根据权利要求1所述的汽轮发电机组振动在线监测和故障诊断系统的数据存储方法,其特征在于,步骤四中,动态数据缓存的缓存区存储最近30分钟的额定转速数据,存储间隔为系统处理数据的最小间隔时间。
5.根据权利要求1所述的汽轮发电机组振动在线监测和故障诊断系统的数据存储方法,其特征在于,步骤五中,测点的振动值超过预设的报警值时,保存的数据为报警前2分钟和报警过程的数据,存储间隔为1秒。
6.根据权利要求1所述的汽轮发电机组振动在线监测和故障诊断系统的数据存储方法,其特征在于,步骤五中,第一变化阈值为该测点报警值的10%,第一灵敏监测状态中,存储变化前、后各30秒的数据,存储间隔为1秒。
7.根据权利要求1所述的汽轮发电机组振动在线监测和故障诊断系统的数据存储方法,其特征在于,步骤五中,第一变化阈值为该测点报警值的10%,第一灵敏监测状态中,存储变化前、后各5秒钟的数据,存储间隔为系统处理数据的最小间隔时间。
8.根据权利要求1所述的汽轮发电机组振动在线监测和故障诊断系统的数据存储方法,其特征在于,步骤五中,第二变化阈值为该测点报警值的25%,第二灵敏监测状态中,存储振动发生变化的时间段内的数据,存储间隔为5秒。
9.根据权利要求1所述的汽轮发电机组振动在线监测和故障诊断系统的数据存储方法,其特征在于,步骤五中,预设时间为在30分钟。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011164699.7A CN112362323B (zh) | 2020-10-27 | 2020-10-27 | 汽轮发电机组振动在线监测和故障诊断系统的数据存储方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011164699.7A CN112362323B (zh) | 2020-10-27 | 2020-10-27 | 汽轮发电机组振动在线监测和故障诊断系统的数据存储方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112362323A true CN112362323A (zh) | 2021-02-12 |
CN112362323B CN112362323B (zh) | 2022-09-09 |
Family
ID=74510898
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011164699.7A Active CN112362323B (zh) | 2020-10-27 | 2020-10-27 | 汽轮发电机组振动在线监测和故障诊断系统的数据存储方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112362323B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06307921A (ja) * | 1993-04-27 | 1994-11-04 | Toshiba Corp | 回転機械の監視診断装置 |
US5948026A (en) * | 1996-10-24 | 1999-09-07 | General Motors Corporation | Automotive data recorder |
US6393347B1 (en) * | 2001-06-20 | 2002-05-21 | Brunswick Corporation | Data recording method for a marine propulsion device |
CN101038681A (zh) * | 2007-04-20 | 2007-09-19 | 哈尔滨工程大学 | 柴油机运行数据记录仪及记录方法 |
CN102032107A (zh) * | 2010-12-07 | 2011-04-27 | 北京交通大学 | 一种风电监测系统数据的处理方法和装置 |
CN104866633A (zh) * | 2015-05-27 | 2015-08-26 | 安徽容知日新信息技术有限公司 | 一种设备振动数据处理方法、装置及系统 |
US20160154406A1 (en) * | 2013-07-10 | 2016-06-02 | Globiz Co., Ltd. | Signal measurement diagnosis monitoring system and method therefor, and method and system for applying same to individual device |
CN109506921A (zh) * | 2018-12-24 | 2019-03-22 | 西安科技大学 | 一种旋转机械故障诊断与预警方法 |
CN111693137A (zh) * | 2019-03-14 | 2020-09-22 | 上海数可测控仪器有限公司 | 一种机械振动状态监测数据管理方法 |
-
2020
- 2020-10-27 CN CN202011164699.7A patent/CN112362323B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06307921A (ja) * | 1993-04-27 | 1994-11-04 | Toshiba Corp | 回転機械の監視診断装置 |
US5948026A (en) * | 1996-10-24 | 1999-09-07 | General Motors Corporation | Automotive data recorder |
US6393347B1 (en) * | 2001-06-20 | 2002-05-21 | Brunswick Corporation | Data recording method for a marine propulsion device |
CN101038681A (zh) * | 2007-04-20 | 2007-09-19 | 哈尔滨工程大学 | 柴油机运行数据记录仪及记录方法 |
CN102032107A (zh) * | 2010-12-07 | 2011-04-27 | 北京交通大学 | 一种风电监测系统数据的处理方法和装置 |
US20160154406A1 (en) * | 2013-07-10 | 2016-06-02 | Globiz Co., Ltd. | Signal measurement diagnosis monitoring system and method therefor, and method and system for applying same to individual device |
CN104866633A (zh) * | 2015-05-27 | 2015-08-26 | 安徽容知日新信息技术有限公司 | 一种设备振动数据处理方法、装置及系统 |
CN109506921A (zh) * | 2018-12-24 | 2019-03-22 | 西安科技大学 | 一种旋转机械故障诊断与预警方法 |
CN111693137A (zh) * | 2019-03-14 | 2020-09-22 | 上海数可测控仪器有限公司 | 一种机械振动状态监测数据管理方法 |
Non-Patent Citations (2)
Title |
---|
王歌: ""水轮发电机组远程在线监测系统研究与应用"", 《中国优秀博硕士学位论文全文数据库(硕士) 工程科技II辑》 * |
胡彦江: ""汽轮发电机组振动监测与故障诊断系统研究与应用"", 《中国优秀博硕士学位论文全文数据库(硕士) 工程科技II辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112362323B (zh) | 2022-09-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110940518B (zh) | 一种基于故障数据的航天传动机构分析方法 | |
CN112484981A (zh) | 一种基于卷积自编码器的发电机异常状态监测方法 | |
CN112284521A (zh) | 一种汽轮发电机组振动故障特征的量化及应用方法 | |
CN110907170A (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 | |
CN105807756A (zh) | 基于物联网的分布式火电厂风机状态监测与故障诊断系统 | |
CN111426498A (zh) | 一种监测设备运行状态的边缘处理方法 | |
CN112362323B (zh) | 汽轮发电机组振动在线监测和故障诊断系统的数据存储方法 | |
CN105893276A (zh) | 抽水蓄能机组的状态数据记录方法及系统 | |
CN111239489B (zh) | 一种结合prony与fft算法的次同步振荡分析方法 | |
CN115270896B (zh) | 一种用于识别航空发动机主轴承松动故障的智能诊断方法 | |
KR101468627B1 (ko) | 풍력발전기 데이터 분류 시스템 | |
CN113218653B (zh) | 一种基于消除低频扰动的海上风电齿轮箱监测方法及装置 | |
CN115561575A (zh) | 基于多维矩阵轮廓的海上风电场电气异常状态辨别方法 | |
CN112666458B (zh) | 发电设备状态评估方法以及评估装置 | |
CN111693137A (zh) | 一种机械振动状态监测数据管理方法 | |
CN114295367A (zh) | 一种风电机组齿轮箱工况在线监测方法 | |
CN205401168U (zh) | 基于物联网的分布式火电厂风机状态监测与故障诊断系统 | |
Qiao et al. | Research on SCADA data preprocessing method of Wind Turbine | |
CN113315240A (zh) | 水电机组的全工况稳定性样本获取及管理方法及装置 | |
CN113374654B (zh) | 一种检测风力发电机组叶片开裂的方法 | |
CN111678678B (zh) | 基于多传感器融合的循环双谱切片轴系设备故障诊断方法及装置 | |
CN113541600B (zh) | 光伏电站支路故障判断方法、系统、设备及存储介质 | |
CN114810513B (zh) | 基于5g通信的风力发电机轴承振动故障智能监测系统 | |
CN116517781A (zh) | 主轴轴承的状态监测方法、介质、系统以及风力发电机组 | |
Tan et al. | Design of remote power plant monitoring system based on LabVIEW and VC++ software |
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 |