CN117346172A - 一种锅炉受热面在线故障诊断模型 - Google Patents
一种锅炉受热面在线故障诊断模型 Download PDFInfo
- Publication number
- CN117346172A CN117346172A CN202311298382.6A CN202311298382A CN117346172A CN 117346172 A CN117346172 A CN 117346172A CN 202311298382 A CN202311298382 A CN 202311298382A CN 117346172 A CN117346172 A CN 117346172A
- Authority
- CN
- China
- Prior art keywords
- boiler
- heating surface
- data
- pipeline
- distribution
- 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
- 238000010438 heat treatment Methods 0.000 title claims abstract description 63
- 238000003745 diagnosis Methods 0.000 title claims abstract description 29
- 238000009826 distribution Methods 0.000 claims abstract description 40
- 238000004364 calculation method Methods 0.000 claims abstract description 35
- 238000004088 simulation Methods 0.000 claims abstract description 21
- 238000000034 method Methods 0.000 claims abstract description 18
- 238000004519 manufacturing process Methods 0.000 claims abstract description 15
- 238000012502 risk assessment Methods 0.000 claims abstract description 13
- 238000012216 screening Methods 0.000 claims abstract description 5
- 238000005299 abrasion Methods 0.000 claims description 24
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 21
- 239000003546 flue gas Substances 0.000 claims description 21
- 239000000463 material Substances 0.000 claims description 17
- 239000010881 fly ash Substances 0.000 claims description 15
- 230000035882 stress Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 10
- 239000003245 coal Substances 0.000 claims description 9
- 229910000831 Steel Inorganic materials 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 238000002485 combustion reaction Methods 0.000 claims description 6
- 239000010959 steel Substances 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 claims description 3
- 239000003086 colorant Substances 0.000 claims description 3
- 238000002347 injection Methods 0.000 claims description 3
- 239000007924 injection Substances 0.000 claims description 3
- 239000002184 metal Substances 0.000 claims description 3
- 230000008646 thermal stress Effects 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 238000010977 unit operation Methods 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 238000013210 evaluation model Methods 0.000 abstract description 3
- 238000012821 model calculation Methods 0.000 abstract 1
- 230000000007 visual effect Effects 0.000 abstract 1
- 239000004071 soot Substances 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 238000007664 blowing Methods 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000000491 multivariate analysis Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23M—CASINGS, LININGS, WALLS OR DOORS SPECIALLY ADAPTED FOR COMBUSTION CHAMBERS, e.g. FIREBRIDGES; DEVICES FOR DEFLECTING AIR, FLAMES OR COMBUSTION PRODUCTS IN COMBUSTION CHAMBERS; SAFETY ARRANGEMENTS SPECIALLY ADAPTED FOR COMBUSTION APPARATUS; DETAILS OF COMBUSTION CHAMBERS, NOT OTHERWISE PROVIDED FOR
- F23M11/00—Safety arrangements
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23N—REGULATING OR CONTROLLING COMBUSTION
- F23N5/00—Systems for controlling combustion
- F23N5/24—Preventing development of abnormal or undesired conditions, i.e. safety arrangements
- F23N5/242—Preventing development of abnormal or undesired conditions, i.e. safety arrangements using electronic means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2474—Sequence data queries, e.g. querying versioned data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/14—Pipes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Geometry (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- Computing Systems (AREA)
- Water Supply & Treatment (AREA)
- Computational Linguistics (AREA)
- Probability & Statistics with Applications (AREA)
- Fuzzy Systems (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Fluid Mechanics (AREA)
- Public Health (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明涉及燃煤锅炉故障诊断技术领域,具体为一种锅炉受热面在线故障诊断模型,包括以下步骤:使用时序数据库的采集接口程序获取生产数据;筛选数据,通过计算得到管道从入口到出口温度的分布情况,以及受热面的热偏差分布规律和管道壁温的分布规律;进行流场模拟得到各工况下各主要受热面管道流量及管道外壁温度分布及波动情况;进行锅炉在线故障诊断模型计算:针对锅炉不同部位的检修原则建立风险评估方法;将评价模型与三维模型结合,使受热面预警时相应位置在三维模型中及时被标记。本发明根据受热面划分的单元匹配不同的计算,使得预警定位位置和预测结果更加准确,结合锅炉三维模型使得展示更直观,采用流场模拟使得结果更实时、更准确。
Description
技术领域
本发明涉及燃煤锅炉故障诊断技术领域,尤其涉及一种锅炉受热面在线故障诊断模型。
背景技术
目前,实现锅炉受热面的在线故障诊断是一个行业难题,传统的锅炉受热面故障的诊断都是需要停机后进入锅炉内部查看受热面的受损情况,根据受损情况给出锅炉受热面的具体故障。这种处理方法不能提前预判受热面故障的发生位置和类型,造成锅炉检修计划的制定存在很大的被动性。
目前已有的锅炉受热面在线评估模型,多基于数据驱动类的模型,主要有以下几类:
(1)信号处理类。主要通过筛选和处理测量到的数据信息,辨别信号中与故障发生引起的相关时域或频域特征的变化,从而实现故障检测。故障发生时正常过程信号的频率分布和幅域参数等方面与故障信号之间存在较大的差异,利用信号模型通过对采样信号的变换和分解,从中提取其内在联系,作为故障检测的指标。
(2)机器学习类。通过计算机技术,利用已有的数据信息,模拟人的思维方式训练出某种模型,并以此预测未来实现故障检测和诊断。该方法也存在一些不足之处,如神经网络方法通常需要大量的样本数据用于训练,其性能受限于所选训练样本的数量及其分布情况,这将阻碍故障诊断方法的实时更新。
(3)多元统计学类。通过挖掘过程变量之间的相关性变化情况来实现工业过程的故障诊断。该类方法通过对海量数据统计特性的深入分析,挖掘出藏在数据结构中的有效信息,通过投影的方式将原始过程样本空间重新描述为两个新的子空间,并在其中决断数据之间的关系,计算出相应的统计量用做故障检测的指标。
上述模型多依靠生产数据,对锅炉故障存在预警滞后、预警位置不准确、预警的故障类型不准确等缺点。另外锅炉内部的温度、流速等测点有限,受锅炉内部环境影响,基本不能加装额外的测点,因此不能给预测模型提供足够的数据支撑。
因此,针对上述问题,提出一种锅炉受热面在线故障诊断模型,来解决上述问题。
发明内容
本发明针对现有技术的不足,研制一种锅炉受热面在线故障诊断模型,该发明可以使得预警定位位置和预测结果更实时,更准确。
本发明提供了一种锅炉受热面在线故障诊断模型,包括以下步骤:
S1.获取生产数据:使用时序数据库的采集接口程序,从SIS系统数据库中采集数据;
S2.数据处理:将从S1中获取到的生产数据进行数据筛选,剔除异常数据或无用数据;根据获取到的实时壁温的数据,通过热力学计算的方法,结合机组运行参数的变化,进行动态计算得到炉内各器道从入口到出口温度的分布情况,以及受热面的热偏差分布规律和管道壁温的分布规律;
S3.流场模拟:将从S2获取到的经过处理的生产数据,通过流场模拟的方法获得炉膛内部煤粉燃烧和烟气侧速度场和温度场以及烟气组分的分布情况,通过锅炉管道温度场对炉膛燃烧数值模拟的结果进行模拟,得到各工况下各主要受热面管道流量及管道外壁温度分布及波动情况;
S4.锅炉在线故障诊断模型计算:
接收处理后的数据和流场模拟后的结果,作为计算的参数;根据锅炉受热面管道的影响因素,将锅炉各受热面划分为更小的单元;针对划分后的单元,根据采集的数据,对管道的蠕变寿命进行计算,并对锅炉不同区域的不同位置统计壁厚减薄数据建立减薄模型进行预估预判;
S5.针对锅炉不同部位的检修原则建立风险评估方法;
S6.对锅炉进行三维建模,使得受热面预警时相应位置在三维模型中及时被标记。
S1具体如下:
使用时序数据库的采集接口程序,依据所需要的数据测点,从SIS系统数据库中采集负荷、壁温、烟气流量、喷煤量、烟气温度、煤质参数、水质参数的数据。
S2具体如下:
将从S1中获取到的生产数据,通过数据清洗,剔除异常数据或无用数据,根据传热学计算公式,得到各工况下各主要受热面管道流量及管道外壁温度分布及波动情况t(r),计算公式如下:
式中,tn为内壁温度,rn及rw分别为内、外半径,r为筒壁内任一点的半径,Δt=tw-tn,Δt为内外壁温差,tw为外壁温度。
S4具体如下:
根据各管道的影响因素,把锅炉各受热面划分为更小的单元,将其拆分为若干个子部件;
对每一个子部件,根据锅炉受热面所使用的材质,结合锅炉管材料在不同温度和应力下的材料热应力的钢材常数,并把接收处理后的数据和流场模拟后的结果作为计算的参数,实时采集锅炉运行参数,结合工质侧的压力和管道的结构尺寸动态计算受热面各应力大小,计算公式如下:
式中:σp为管子所受应力,P为管子中工质的压力,Dn为管子的平均直径,S为管子的壁厚;
结合S2中得到的温度分布,对管道的蠕变寿命进行计算,计算公式如下;
式中,τ为蠕变时间,σ为管子所受应力,T当前工况下的温度值,C、C1、C2、C3为钢材常数;
依据S3中的流程模拟数据,建立磨损量计算模型,计算每个子部件的磨损量,计算模型如下:
δmax=αηmkkμw3kv 3t
式中,α为飞灰磨损性系数,η为飞灰的管壁撞击率,m金属抗磨性系数,k为飞灰浓度,kμ为飞灰浓度场分布不均匀系数,kv为烟气速度场分布不均匀系数,t为时间,w为飞灰速度。
S5具体如下:
针对锅炉不同部位的检修原则建立风险评估方法,子部件的磨损量小于正常厚度的10%时不予预警,只展示磨损数值,磨损量在10%-15%时为一般预警,磨损量在15%-20%时为严重预警,大于20%时为危险预警;子部件的蠕变寿命达到子部件寿命的10%时不予预警,蠕变寿命达到子部件寿命的10%-15%时为一般预警,蠕变寿命达到子部件寿命的15%-20%时为严重预警,大于20%时为危险预警。
S6具体如下:
将锅炉进行三维建模,按照图纸等比例还原锅炉各部件的尺寸及位置分布,并与S6中风险评估模型中的预警信息结合,将发生预警的部件在三维模型中在自动标注出来,并用不同颜色表示不同的预警等级。
发明内容中提供的效果仅仅是实施例的效果,而不是发明所有的全部效果,上述技术方案具有如下优点或有益效果:
(1)按照锅炉受热面管道的材质、管径、有无护瓦、有无吹灰器影响等因素,将锅炉各受热面划分为更小的单元,以方便后续有故障预警发生时可以准确定位发生位置。
(2)根据受热面划分的单元,匹配磨损、蠕变等不同故障类型的计算模型,使预测结果更加准确。
(3)采用流场模拟的方式,通过匹配实时工况,获取炉膛内温度和流速等数据,并将数据反馈给故障计算模型,保证计算结果的准确性和实时性。
(4)锅炉受热面故障诊断模型与锅炉三维模型相结合,可以清晰、直观的展示当前和历史预警发生的位置。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。
图1为本发明的流程示意图。
具体实施方式
为了能清楚说明本方案的技术特点,下面通过具体实施方式,并结合其附图,对本发明进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开,下文中对特定例子的部件和设置进行描述。
实施例1
如图1所示,一种锅炉受热面在线故障诊断模型,包括以下步骤:
S1.获取生产数据:使用时序数据库的采集接口程序,从电厂安全三区厂级实时监控信息SIS系统数据库中采集数据;
S2.数据处理:将从S1中获取到的生产数据进行数据筛选,剔除异常数据或无用数据;根据获取到的实时壁温的数据,通过热力学计算的方法,结合机组运行参数的变化,进行动态计算得到炉内过热器、再热器、水冷壁、省煤器道从入口到出口温度的分布情况,以及受热面的热偏差分布规律和管道壁温的分布规律;
S3.流场模拟:将从S2获取到的经过处理的生产数据,通过流场模拟的方法获得炉膛内部煤粉燃烧和烟气侧速度场和温度场以及烟气组分的分布情况,通过锅炉管道温度场对炉膛燃烧数值模拟的结果进行模拟,得到各工况下各主要受热面管道流量及管道外壁温度分布及波动情况;
S4.锅炉在线故障诊断模型计算:
根据锅炉受热面管道的材质、管径、有无护瓦、有无吹灰器影响因素,把锅炉各受热面划分为更小的单元,将其拆分为若干个子部件;
对每一个子部件,根据锅炉受热面所使用的材质,结合锅炉管材料在不同温度和应力下的材料蠕变实验数据,并把接收处理后的数据和流场模拟后的结果作为计算的参数,实时采集锅炉运行参数,结合工质侧的压力和管道的结构尺寸动态计算受热面各应力大小,结合热力计算得到的温度,对管道的蠕变寿命进行计算;
建立壁厚减薄模型,针对不同区域设置短吹区域、长吹区域、屏式受热面等各位置统计壁厚减薄数据建立减薄模型进行预估预判;
S5.针对锅炉不同部位的检修原则建立风险评估方法;
S6.对锅炉进行三维建模,使得受热面预警时相应位置在三维模型中及时被标记。
S1具体表示如下:
使用时序数据库的采集接口程序,依据所需要的数据测点,从安全三区镜像服务器的SIS系统数据库中采集负荷、壁温、烟气流量、喷煤量、烟气温度、煤质参数、水质参数的数据。
S2具体如下:
将从S1中获取到的生产数据,通过数据清洗,剔除异常数据或无用数据。根据传热学计算公式,得到各工况下各主要受热面管道流量及管道外壁温度分布及波动情况t(r),计算公式如下:
式中,tn为内壁温度,rn及rw分别为内、外半径,r为筒壁内任一点的半径,Δt=tw-tn,Δt为内外壁温差,tw为外壁温度。
通过上述的数据处理计算,可以避免错误数据和无效数据造成的计算结果错误。
通过采集现场实时工况数据,S3中采用流场模拟的方式,获取当前工况下炉膛内各个点位的烟气温度、烟气流速和烟气压力分布数据,不同部位的子部件匹配的计算模型会自动获取相应部位的烟气温度、烟气流速和烟气压力的模拟数据,每小时生成一次各子部件的劣损值,最终的劣损值由每小时的计算结果叠加得出,保证了计算结果的准确性和实时性。
S4具体如下:
根据过热器、再热器、水冷壁、省煤器中各管道位置、材质、管径、有无护瓦、有无吹灰器、是否为向火面、是否为迎风面的影响因素,拆分为178个子部件,以水冷壁为例,根据所处位置划分为前烟道管组和后烟道管组,前烟道管组分为迎风面第一排管组、前弯头、后弯头、其他管组4个子部件;
根据锅炉受热面管道的材质、管径、有无护瓦、有无吹灰器影响因素,把锅炉各受热面划分为更小的单元,将其拆分为若干个子部件;
对每一个子部件,根据锅炉受热面所使用的材质,结合锅炉管材料在不同温度和应力下的材料热应力的钢材常数;接收处理后的数据和流场模拟后的结果,作为计算的参数;实时采集锅炉运行参数,结合工质侧的压力和管道的结构尺寸动态计算受热面各应力大小,计算公式如下:
式中:σp为管子所受应力,P为管子中工质的压力,Dn为管子的平均直径,S为管子的壁厚;
结合S2中得到的温度分布,对管道的蠕变寿命进行计算,计算公式如下;
式中,τ为蠕变时间,σ为管子所受应力,T当前工况下的温度值,C、C1、C2、C3为钢材常数;
依据S3中的流程模拟数据,建立磨损量计算模型,计算每个子部件的磨损量,计算模型如下:
δmax=αηmkkμw3kv 3t
式中,α为飞灰磨损性系数,η为飞灰的管壁撞击率,m金属抗磨性系数,k为飞灰浓度,kμ为飞灰浓度场分布不均匀系数,kv为烟气速度场分布不均匀系数,t为时间,w为飞灰速度。
通过锅炉故障诊断模型的计算,可以相对准确的得到锅炉四管磨损和蠕变的实时变化情况,为建立锅炉的风险评估模型提供数据支撑。
将水冷壁、过热器、再热器、省煤器四管划分成179个子部件,根据受热面划分的不同子部件,匹配磨损、蠕变不同故障类型的计算模型,使每一个子部件都有各自单独的计算模型,其他现有技术多将水冷壁、过热器、再热器、省煤器做了简单区分,没有进行更细致的子部件划分。本发明通过划分子部件并对每个子部件匹配各自的计算模型,可以使预测的结果和发生部位更加准确清晰。
S5具体如下:
针对锅炉不同部位的检修原则建立风险评估方法,子部件的磨损量小于正常厚度的10%时不予预警,只展示磨损数值,磨损量在10%-15%时为一般预警,磨损量在15%-20%时为严重预警,大于20%时为危险预警。子部件的蠕变寿命达到子部件寿命的10%时不予预警,蠕变寿命达到子部件寿命的10%-15%时为一般预警,蠕变寿命达到子部件寿命的15%-20%时为严重预警,大于20%时为危险预警。
根据风险评估模型可以清楚的了解当前锅炉四管存在哪些不同等级的预警信息,为制定检修措施提供数据支持。
S6具体如下:
将锅炉进行三维建模,按照图纸等比例还原锅炉各部件的尺寸及位置分布,并与S6中风险评估模型中的预警信息结合,将发生预警的部件在三维模型中在自动标注出来,并用不同颜色表示不同的预警等级,蓝色表示一般预警、黄色表示严重预警、红色表示危险预警。
该评价模型与锅炉的三维模型相结合,使得当有受热面发生预警时,能第一时间将该预警受热面的位置在三维模型上标注出来,并根据预警级别变换模型的颜色,方便管理人员及时准确了解预警的发生位置。
上述技术方案中,经过数据处理计算,可以避免错误数据和无效数据造成的计算结果错误;通过流场模拟可以减少锅炉内部测点少带来的数据不足的问题,保证预测结果的准确性和可靠性;按照锅炉受热面管道的材质、管径、有无护瓦、有无吹灰器影响等因素,将锅炉各受热面划分为更小的单元,以方便后续有故障预警发生时可以准确定位发生位置,再通过锅炉故障诊断模型的计算,可以相对准确的得到锅炉四管磨损和蠕变的实时变化情况,为建立锅炉的风险评估模型提供数据支撑;最后锅炉受热面故障诊断模型与锅炉三维模型相结合,可以清晰、直观的展示当前和历史预警发生的位置。
上述虽然结合附图对发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (6)
1.一种锅炉受热面在线故障诊断模型,其特征在于,包括以下步骤:
S1.获取生产数据:使用时序数据库的采集接口程序,从SIS系统数据库中采集数据;
S2.数据处理:将从S1中获取到的生产数据进行数据筛选,剔除异常数据或无用数据;根据获取到的实时壁温的数据,通过热力学计算的方法,结合机组运行参数的变化,进行动态计算得到炉内各器道从入口到出口温度的分布情况,以及受热面的热偏差分布规律和管道壁温的分布规律;
S3.流场模拟:将从S2获取到的经过处理的生产数据,通过流场模拟的方法获得炉膛内部煤粉燃烧和烟气侧速度场和温度场以及烟气组分的分布情况,通过锅炉管道温度场对炉膛燃烧数值模拟的结果进行模拟,得到各工况下各主要受热面管道流量及管道外壁温度分布及波动情况;
S4.锅炉在线故障诊断模型计算:
接收处理后的数据和流场模拟后的结果,作为计算的参数;根据锅炉受热面管道的影响因素,将锅炉各受热面划分为更小的单元;针对划分后的单元,根据采集的数据,对管道的蠕变寿命进行计算,并对锅炉不同区域的不同位置统计壁厚减薄数据建立减薄模型进行预估预判;
S5.针对锅炉不同部位的检修原则建立风险评估方法;
S6.对锅炉进行三维建模,使得受热面预警时相应位置在三维模型中及时被标记。
2.根据权利要求1所述的一种锅炉受热面在线故障诊断模型,其特征在于:S1具体如下:
使用时序数据库的采集接口程序,依据所需要的数据测点,从SIS系统数据库中采集负荷、壁温、烟气流量、喷煤量、烟气温度、煤质参数、水质参数的数据。
3.根据权利要求1所述的一种锅炉受热面在线故障诊断模型,其特征在于:S2具体如下:
将从S1中获取到的生产数据,通过数据清洗,剔除异常数据或无用数据,根据传热学计算公式,得到各工况下各主要受热面管道流量及管道外壁温度分布及波动情况t(r),计算公式如下:
式中,tn为内壁温度,rn及rw分别为内、外半径,r为筒壁内任一点的半径,Δt=tw-tn,Δt为内外壁温差,tw为外壁温度。
4.根据权利要求1所述的一种锅炉受热面在线故障诊断模型,其特征在于:S4具体如下:
根据各管道的影响因素,把锅炉各受热面划分为更小的单元,将其拆分为若干个子部件;
对每一个子部件,根据锅炉受热面所使用的材质,结合锅炉管材料在不同温度和应力下的材料热应力的钢材常数,并把接收处理后的数据和流场模拟后的结果作为计算的参数,实时采集锅炉运行参数,结合工质侧的压力和管道的结构尺寸动态计算受热面各应力大小,计算公式如下:
式中:σp为管子所受应力,P为管子中工质的压力,Dn为管子的平均直径,S为管子的壁厚;
结合S2中得到的温度分布,对管道的蠕变寿命进行计算,计算公式如下;
式中,τ为蠕变时间,σ为管子所受应力,T当前工况下的温度值,C、C1、C2、C3为钢材常数;
依据S3中的流程模拟数据,建立磨损量计算模型,计算每个子部件的磨损量,计算模型如下:
δmax=αηmkkμw3ku 3t
式中,α为飞灰磨损性系数,η为飞灰的管壁撞击率,m金属抗磨性系数,k为飞灰浓度,kμ为飞灰浓度场分布不均匀系数,kv为烟气速度场分布不均匀系数,t为时间,w为飞灰速度。
5.根据权利要求1所述的一种锅炉受热面在线故障诊断模型,其特征在于:S5具体如下:
针对锅炉不同部位的检修原则建立风险评估方法,子部件的磨损量小于正常厚度的10%时不予预警,只展示磨损数值,磨损量在10%-15%时为一般预警,磨损量在15%-20%时为严重预警,大于20%时为危险预警;子部件的蠕变寿命达到子部件寿命的10%时不予预警,蠕变寿命达到子部件寿命的10%-15%时为一般预警,蠕变寿命达到子部件寿命的15%-20%时为严重预警,大于20%时为危险预警。
6.根据权利要求1所述的一种锅炉受热面在线故障诊断模型,其特征在于:S6具体如下:
将锅炉进行三维建模,按照图纸等比例还原锅炉各部件的尺寸及位置分布,并与S6中风险评估模型中的预警信息结合,将发生预警的部件在三维模型中在自动标注出来,并用不同颜色表示不同的预警等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311298382.6A CN117346172A (zh) | 2023-10-09 | 2023-10-09 | 一种锅炉受热面在线故障诊断模型 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311298382.6A CN117346172A (zh) | 2023-10-09 | 2023-10-09 | 一种锅炉受热面在线故障诊断模型 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117346172A true CN117346172A (zh) | 2024-01-05 |
Family
ID=89366144
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311298382.6A Pending CN117346172A (zh) | 2023-10-09 | 2023-10-09 | 一种锅炉受热面在线故障诊断模型 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117346172A (zh) |
-
2023
- 2023-10-09 CN CN202311298382.6A patent/CN117346172A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110045594B (zh) | 一种用于锅炉四管状态风险预测的智能管控系统及方法 | |
WO2014208227A1 (ja) | ボイラチューブリーク検出装置、ボイラチューブリーク検出方法、並びにこれらを用いたデータ監視センタ、情報提供サービス、ボイラプラント。 | |
CN109583585B (zh) | 一种电站锅炉壁温预测神经网络模型的构建方法 | |
CN110991692B (zh) | 基于动态包络线法的换热器群运行状况监测清洗预警方法 | |
CN112906787A (zh) | 一种工业锅炉故障识别方法及系统 | |
CN113361192A (zh) | 一种锅炉内受热面壁温安全监测评估系统 | |
CN108871821B (zh) | 基于均值-移动极差法的空冷器能效状态实时监测方法 | |
US20220091597A1 (en) | Analysis system and analysis method | |
CN109253870A (zh) | 生物质燃料锅炉热交换管寿命的评估装置及方法 | |
CN103775832A (zh) | 基于瞬变流反问题方法的输油管道漏失检测的装置 | |
EP0925491B1 (en) | Event detection with short and long term averages | |
CN110738328A (zh) | 锅炉受热面防磨防爆预防性维护系统 | |
WO2019203696A1 (ru) | Способ и система оценки технического состояния узлов газовой турбины | |
Shi et al. | Ash fouling monitoring and key variables analysis for coal fired power plant boiler | |
JPH08178172A (ja) | 機器及び配管装置類のエロージョン・コロージョンによる減肉計算及び評価法 | |
CN109521735B (zh) | 锅炉高温受热面使用状态风险在线评估方法 | |
CN112304657A (zh) | 空气预热器关键易结垢群组划分及换热效率状态监测方法 | |
CN117152926B (zh) | 基于数据分析的自动压力检测预警系统 | |
CN117346172A (zh) | 一种锅炉受热面在线故障诊断模型 | |
CN110458480B (zh) | 一种发电厂化学仪表准确性在线评价系统 | |
CN112258013A (zh) | 一种换热器关键易结垢群组划分及能效状态监测方法 | |
CN113836794B (zh) | 一种软硬结合的飞灰含碳量在线监测方法 | |
CN102999028B (zh) | 煤气介质计量数据预警系统数模建构方法 | |
JP7142545B2 (ja) | ボイラチューブリーク診断システム及びボイラチューブリーク診断方法 | |
CN114440205A (zh) | 一种锅炉系统受热面安全诊断系统及方法 |
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 |