CN113947256A - 基于工业互联网的水电状态检修方法 - Google Patents

Abstract

本发明公开了基于工业互联网的水电状态检修方法，通过提取表征设备本质变化的量，并且进行数学三维建模，得出状态检测指标量；然后再根据状态检测指标量进行预警以及预测将发生的故障及故障发生时间；区别于现有技术中通过检测设备直接检测是否出现故障，本申请有一个预先预警的机制，避免在故障出现时候再进行检修，避免因设备停运造成的经济损失，为设备健康、经济、高效运行提供保障。

Description

基于工业互联网的水电状态检修方法

技术领域

本发明涉及水电检修技术领域，尤其涉及一种基于工业互联网的水电状态检修方法。

背景技术

现代电厂设备检修有故障检修、周期性检修和状态检修三种模式。故障检修是设备发生故障后不得不进行的检修；周期性检修是按固定的时间周期对设备进行检修。长期以来，周期性检修一直是大多数发电企业采用的主要检修模式。

通过高质量的周期性检修，设备能恢复至接近新设备的状态。但是周期性检修机制僵化，弊端明显，包括：

设备停运带来经济损失；

缺乏对设备状态的掌握，设备检修时可能完全没有问题，根本不需要检修而导致浪费；

对一个检修周期内的故障响应能力有限，设备检修时可能早已出现大问题；

设备解体维修后未有效地恢复原状而发生故障，出现一修就坏的情况。

因此需要研发出基于工业互联网的水电状态检修方法来解决上述问题。

发明内容

本发明的目的就在于为了解决上述问题设计了一种基于工业互联网的水电状态检修方法。

本发明通过以下技术方案来实现上述目的：

基于工业互联网的水电状态检修方法，包括以下步骤：

S1、提取表征设备本质变化的量；

S2、将相关联的量进行数学建模；

S3、从三维模型计算出状态检测指标量；

S4、对超标的状态检测指标量预警；

S5、预测将发生的故障及故障发生时间。

具体地，步骤S2具体包括：数学建模中采用x/y/z分别表示功率、水头、设备故障变量三个量，让三个量积累了足够多的正常数据，形成三维曲面模型。

具体地，步骤S3具体包括：通过算法拟合，从曲面计算提取出特征量来代表模型作为判断机组是否故障的参考量。

具体地，特征量包括故障变量特征值、特征差、缓变率。

具体地，检测在水电机组运行过程中是否有设备故障变量落入曲面外，如有则表示机组开始出现问题，曲面将发生变化，特征量也将发生变化，当前特征量与以前的特征量就会产生偏移；通过算法计算偏移量大小变化进行趋势预测，预测故障出现的时间。

本发明的有益效果在于：

1、通过提取表征设备本质变化的量，并且进行数学三维建模，得出状态检测指标量；然后再根据状态检测指标量进行预警以及预测将发生的故障及故障发生时间；区别于现有技术中通过检测设备直接检测是否出现故障，本申请有一个预先预警的机制，避免在故障出现时候再进行检修，避免因设备停运造成的经济损失，为设备健康、经济、高效运行提供保障。

附图说明

图1是本申请的流程框图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。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。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

在本发明的描述中，需要理解的是，术语“上”、“下”、“内”、“外”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，或者是本领域技术人员惯常理解的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，“设置”、“连接”等术语应做广义理解，例如，“连接”可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接连接，也可以通过中间媒介间接连接，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

下面结合附图，对本发明的具体实施方式进行详细说明。

如图1所示，基于工业互联网的水电状态检修方法，包括以下步骤：

S1、提取表征设备本质变化的量；

S2、将相关联的量进行数学建模；

S3、从三维模型计算出状态检测指标量；

S4、对超标的状态检测指标量预警；

S5、预测将发生的故障及故障发生时间。

步骤S2具体包括：数学建模中采用x/y/z分别表示功率、水头、设备故障变量三个量，让三个量积累了足够多的正常数据，形成三维曲面模型。

设备故障变量针对不同的故障会选择不同的变量，具体类别如下：

变量：定子铁芯温度；对应故障：定子铁芯破损；

变量：定子线棒温度；对应故障：定子线棒破损；

变量：磁场强度；对应故障：磁拉力不均衡；

变量：轴承油温；对应故障：润滑油泄露；

变量：各部轴承摆度；对应故障：桨叶开度不均；

变量：各部轴承振动；对应故障：导叶开度不均；

步骤S3具体包括：通过算法拟合，从曲面计算提取出故障变量特征值、特征差、缓变率等特征量来代表模型作为判断机组是否故障的参考量。

检测在水电机组运行过程中是否有设备故障变量落入曲面外，如有则表示机组开始出现问题，曲面将发生变化，特征量也将发生变化，当前特征量与以前的特征量就会产生偏移；通过算法计算偏移量大小变化进行趋势预测，预测故障出现的时间。

以定子铁芯松动故障为例，通过传统技术分析，我们认为采用定子铁芯轴向振动极频和温差两个特征量的逻辑组合可以预测定子铁芯松动故障,定子铁芯轴向振动极频和定子铁芯温差相关参数，就是我们需要的状态检测指标量。水电专业领域人员在KXM工业智能平台上进行状态检测、故障预测的开发工作，并利用算子模型实现从实测值中提取表征设备本质变化的量，如从定子铁芯轴向振动中抽取出极频振动(100HZ)，这就使该系统具有了一定的认知功能，好比人能够从视觉、听觉等感知的表面现象中发现事物本质。

抽取出的极频振动在不同功率、水头下是不同的，不能直接表征设备健康状态。要使抽取出的参考量只与设备健康状态相关，而与功率、水头等外部条件无关，就需要将这三个相关联的量建模，模型建立如下：

1、用x/y/z表示功率、水头、极频振动，当这三个量积累了足够多的正常数据(采样频率大概为30秒一次，模型训练通常至少为1年数据)，就会形成这样一个三维曲面模型。一般来讲，在机组未技改大型机械系统时，训练1年之后任何工况(工况是指任何功率水头的情况下)下的极频振动，只要机组运行正常，就会落入这个曲面，曲面形状不会改变。因为这个曲线，已经代表了所有正常工况下机组振动的极频；

2.通过算法拟合，从曲面计算提取出极频振动特征值、特征差、缓变率等特征量来代表模型作为判断机组是否故障的参考量，这就使得特征量与功率、水头等外部条件无关而仅仅和设备健康状态有关，这样特征量就是设备健康状态检测指标；

3.在机组运行过程中一旦有极频振动量落入曲面外，那就表示机组开始出现问题，曲面将发生变化，特征量也将发生变化，当前特征量与以前的特征量就会产生偏移，系统通过算法计算偏移量大小变化进行趋势预测，预测故障出现的时间，就是系统核心价值所在——趋势预测，并且是在设备健康问题初期就进行趋势预测，不像传统的监控系统要到一定程度，比如温度、振动超过阈值才会提示，这时破坏性故障可能已经发生了。监控系统还有一个弊端就是不能排除外部原因所导致的误报警，比如水头太低导致的振动报警。

用定子铁芯轴向极频振动和定子铁芯温度偏差的特征值、缓变率之间的逻辑关系组合指向定子铁芯松动故障，该故障反应定子预紧螺栓局部松动，机组振动频率以轴向振动100HZ为主，引发盖板共振产生噪音，同时，定子局部温差明显。定子铁芯松动的振动频率是电流频率的2倍，即100HZ，且随着励磁电流的加入而出现，又随负荷的增加振动幅值加大。其产生原因为定子铁芯拉紧螺杆松动、拉紧螺杆预紧力不足，故障可能产生的危害：定子振动大、噪声大、定子铁芯波浪度超标、定子局部温度超标(端部)，定子铁芯脱落，严重引起线棒绝缘老化、损坏，尤其是铁芯线槽上下槽口边的铁芯片在振动中还会刮坏线棒防晕层乃至绝缘，最终造成事故。从特征量趋势可以看出，上述特征值、缓变率未超标且变化幅度很小，曲线基本为为一条直线。说明该发电机在定子铁芯松动的检测项上是处于正常的健康状态。

同样的方法，我们通过特征值、缓变率的逻辑关系组合开发了定子线棒松动、定子叠片局部绝缘损伤，定子垂直支撑松动、发电机转子变形、发电机转子中心偏移、发电机定子水平支撑松动、水导瓦温故障、空冷器异常、拦污栅堵塞、转轮室伸缩节故障等故障预测；

本申请还示出了一种KAM展示平台，将故障预测的反馈信息实时展示在页面上，目前在我方的一个电站内的每台机组已开发温度、振动、摆度、转子不圆度、气隙等相关状态检测指标198个。每台机组开发的故障预测模块为14个，预测模块绿色为正常，橙色为30天内将出现故障，30天内必须进行检查或检修，红色为10天内将出现故障，10天内必须进行检查或检修。30天、10天可以自行设定，根据需要改变时间长短，故障预测能使设备在出现故障前得到及时预警，避免设备损坏；

本申请还给出一应用实例。

某一电站为灯泡贯流式机组，单机容量34MW。2号机组在2017年3月30日发生了转轮连杆机构连接螺栓断裂故障。桨叶开度不均匀多由桨叶操作机构故障引起，因单个桨叶角度偏转脱离正常值，导致转轮重心发生轻微偏移，产生机械不平衡，振动振动幅值中转频分量明显；各桨叶开口不一致，也会产生水力不平衡，振动幅值中低频分量及倍频分量明显。2017年3月30日，我们一台机组开机并网后，有功设定值为23MW，实际值在13MW到23MW之间变化。机组振动较大，转轮室有异响。停机检查，桨叶开度调节范围为65％(正常动作范围100％)。进入流道检查，3号桨叶开度与其他桨叶相差较大，桨叶开度不均匀。拆开转轮体后，发现3号桨叶3颗操作机构连接螺栓全部断裂,3号桨叶失控。

故障前监控系统监测的水导轴承温度等状态正常，监控系统无异常报警。查看机组在线监测装置，螺栓断裂后振动、摆度值异常增大，振动达到400微米以上，摆度达到2000微米，但在螺栓断裂前3个月振动、摆度值没有异常变化，且和机组修复后的正常值基本一致。故此得知，螺栓断裂前在线监测装置测出来的是正常的数值，因此，监控系统、在线监测装置都无法对螺栓断裂提前预警，但工业智能技术可以做到提前预警。

我们用水导轴承振动转频、低频、倍频的特征值、缓变率的逻辑关系组合来预测桨叶开度不均匀故障，从故障预测模型的特征量趋势可以看出，水导轴承转频、低频、倍频特征值从3月初呈现出明显的增长趋势。

其中：水导轴承振动低频分量为振动频率低于1X倍频的振动分量；一般的有；

该分量是反映水力不平衡的主要指标量，是机组动力学结构和水轮机特性的固有属性。

水导轴承振动倍频分量：

f＝振动nX倍频，

1X倍频＝ne/60，

一般地，f_I＝0.7～1.31X

该值是振动频率所有倍频分量中的最大值，是反映水力不平衡的主要指标量。

水导轴承振动转频分量：

f＝振动1X倍频，即转动频率；

1X倍频＝ne/60，

一般的，f_V＝1X；

该值是反映机械不平衡的主要指标量。

3月22日，模型给出了桨叶开度不均匀橙色报警，3月24日，给出了红色严重告警。30日螺栓断裂，提前8天进行预警。

接收到橙色告警之后，我们分析转频、低频及倍频特征值曲线，可发现其增长趋势基本一致。3月22日，各分量都越过了报警线。3月24日，各分量都越过了严重报警线，因此，在这两个时间点，根据故障预测逻辑，桨叶开度不均匀故障模型分别给出了橙色、红色报警。分析转频、低频及倍频特征值，可以把本次故障分为四个阶段：

第一阶段：2月21日前，各特征值变化很小，为机组正常阶段。

第二阶段：2月21日到3月21日，各特征值呈增长趋势，增长幅度50％左右。故障桨叶开度偏差开始出现，但偏差不明显。为螺栓由弹性变形到塑性变形的阶段。

第三阶段：3月21日至3月25日，转频、低频增长在3倍以上，倍频增长在1倍以上。故障桨叶开度偏差达到最大值，为螺栓已经发生塑性变形，拉伸到接近断裂极限阶段。

第四阶段：3月25至3月30日，28日前各特征值10％小幅回落，这是因为负荷没有变动，桨叶调整少，保持在一个相对稳定的状态。3月30日开机带负荷过程中，桨叶调节速度快、幅度大、频率高，导致已经完全塑性变形的螺栓断裂。

机组在故障处理完毕投运后，各特征值均明显下降，为正常数值，从本案例可以看出：本申请可以实现故障的提前预警，避免设备损坏。

如果在3月22日、24日系统报桨叶开度不均预警时对机组进行停机检查，就会在螺栓断裂前发现该故障，只需要更换变形的螺栓。就可以避免螺栓断裂后对转轮造成的损坏。可节约转轮返厂修复费用60余万，减少修复时间50天，有效避免发电的间接损失。

本申请的作用除状态检修外，还能进行运行优化、营销策划等工作，例如，在增减负荷时，以前监控系统只能监测当前振动、摆度的具体数值，有了本申请后，就可以通过曲线对比负荷增减前后的振摆变化，合理调整负荷，使机组既运行在非振动区，同时获取最大出力。

通过本申请的应用，桨叶开度不均匀故障诊断模型和水导轴承振动转频、低频及倍频特征值可实现桨叶开度不均匀故障提前预警。若在3月21日、24日，系统报桨叶开度不均匀黄色及红色预警时对机组进行停机检查，就会在转轮连杆机构螺栓断裂前发现该故障，处理只需要更换变形的螺栓。能防止螺栓断裂后对转轮体内活塞缸、活塞、枢轴连板、活塞杆的损坏。可节约转轮体返厂修复费用50余万，减少修复时间50天，有效避免发电的间接损失。

本发明的技术方案不限于上述具体实施例的限制，凡是根据本发明的技术方案做出的技术变形，均落入本发明的保护范围之内。

Claims (5)

1.基于工业互联网的水电状态检修方法，其特征在于，包括以下步骤：

S1、提取表征设备本质变化的量；

S2、将相关联的量进行数学建模；

S3、从三维模型计算出状态检测指标量；

S4、对超标的状态检测指标量预警；

S5、预测将发生的故障及故障发生时间。

2.根据权利要求1所述的基于工业互联网的水电状态检修方法，其特征在于，步骤S2具体包括：数学建模中采用x/y/z分别表示功率、水头、设备故障变量三个量，让三个量积累了足够多的正常数据，形成三维曲面模型。

3.根据权利要求2所述的基于工业互联网的水电状态检修方法，其特征在于，步骤S3具体包括：通过算法拟合，从曲面计算提取出特征量来代表模型作为判断机组是否故障的参考量。

4.根据权利要求3所述的基于工业互联网的水电状态检修方法，其特征在于，特征量包括故障变量特征值、特征差、缓变率。

5.根据权利要求1所述的基于工业互联网的水电状态检修方法，其特征在于，检测在水电机组运行过程中是否有设备故障变量落入曲面外，如有则表示机组开始出现问题，曲面将发生变化，特征量也将发生变化，当前特征量与以前的特征量就会产生偏移；通过算法计算偏移量大小变化进行趋势预测，预测故障出现的时间。

Images