重型燃气轮机视情维修决策模型及系统实现

陈坚红，吴文健，万安平，王异成，李鸿坤，盛德仁

（1．浙江大学热工与动力系统研究所，杭州310027；2．国网浙江省电力公司电力科学研究院，杭州310014）

重型燃气轮机视情维修决策模型及系统实现

陈坚红1，吴文健2，万安平1，王异成2，李鸿坤1，盛德仁1

（1．浙江大学热工与动力系统研究所，杭州310027；2．国网浙江省电力公司电力科学研究院，杭州310014）

针对当前燃气轮机关键部件维护及维修管理中由人工统计计算维修间隔，造成费时耗力、准确性低的问题，提出燃气轮机视情维修决策模型，结合燃气轮机已经运行时段的历史运行数据和待预测时段的实际运行计划，对部件维修周期进行预测。提出等效服务系数的概念，根据2个时段的等效服务系数，建立4种预测模型，并利用ASP.NET技术，实现了基于B/S架构的燃气轮机视情维修决策系统。该系统可在线自动计算燃气轮机相关部件的使用寿命，并决策计算维修周期，为科学制定维修计划和进行备件信息管理工作奠定基础。该决策系统已应用于工程实际，取得了良好的效果。

燃气轮机；PI实时数据库；等效服务系数；视情维修；寿命预测

0 引言

燃气轮机以其效率高、污染低、结构紧凑、体积小、质量轻、启动快、可靠性高、用水少、投资低、占地面积少等一系列优点，在发电、舰船动力、机械驱动等领域得到广泛应用。由于前期技术储备不足和国外技术垄断，目前我国燃气轮机的维修一般都按照制造商所规定的时间间隔进行，维修费用非常昂贵，成本很高[1]。因此，制定符合我国实际运行情况的燃气轮机维护维修策略具有重要的意义。

视情维修是一种根据对运行设备定期或不定期监测获得系统状态以确定维修行为的维修方式，对应决策模型的分析重点在于监测周期与状态阈值的确定。许多学者在这方面进行了研究，将视情维修应用到大型设备的维修中。国外学者相继提出了基于时间和状态相结合的维修策略[2]、以可靠性为中心的维修策略系统[3]；Tian等[4]通过实时监测系统得到风机状态运行数据，并运用到风力发电机的视情维修中。视情维修也逐渐被应用在燃气轮机的维护维修中。殷豪等[5]从设备定期维护、运行优化、延长机组运行时间、传统检修模式与状态检修模式的结合、备品备件配置优化等方面论述了延长燃气轮机检修周期的检修策略。龚文强等[6]提出了基于EOH（等效运行时间）分析的燃气轮机寿命评估法，根据EOH分析的结果，提出了检修策略的优化方案。浙江大学刘昱[7]采用GE公司提供的维修间隔计算模型和步骤，研究开发了可应用于燃气轮机的服务器/ WEB架构的视情维修辅助决策系统。

目前，确定燃气轮机维修周期的主要问题是由人工统计维修所需状态数据，耗时费力、工作繁琐，且准确性不高，给燃气轮机的维护维修带来极大的不便，这种状况已不能适应当前高度自动化运行的电力系统。为了准确计算燃气轮机在实际工作条件下的寿命，克服传统人工统计的不足，探讨关键部件寿命的统计计算方法，基于运行时数和启动次数的维修系数和服务系数的乘积，提出视情维修决策关键参数——等效服务系数的概念；根据已运行时段和待预测时段等效服务系数之间的关系，建立了4类视情维修决策模型，技术人员不仅可以根据燃气轮机已运行时段的历史数据，也可以结合燃气轮机在待预测时段的实际运行计划，给定等效服务系数，对待预测时段的具体维修时机进行决策。并且，在建立燃气轮机视情维修决策模型和电厂SIS系统[8，9]的基础上，采用基于ASP.NET技术的B/S架构模式，研究开发基于PI数据库的燃气轮机视情维修决策系统，实现燃气轮机的视情维修。

1 重型燃气轮机视情维修决策模型

1.1 燃气轮机关键部件的寿命评估方法

燃气轮机的维修按先高温部件、后其他部件的顺序，其检查顺序依次为燃烧部件、热通道部件和转子部件。燃气轮机制造商给定了表1所示的燃烧系统、热通道和转子理想条件下的维修间隔[10]，其他部件根据情况与这几个值联系起来确定各自的维修间隔。

表1 燃气轮机部件理想维修间隔

实际上影响燃气轮机部件使用寿命的主要因素有燃料、注水或注蒸汽比例、启动方式、功率变化、跳闸功率、停机方式等[10]。以热通道等效运行时间和启动次数计算为例（燃烧系统和转子部件的计算方法基本相似），实际运行条件折算成理想条件的等效运行小时数HE和等效启动次数SE的计算方法如公式（1）和（2）所示。

式中：M和K为水/蒸汽注入系数，由湿度控制方式、蒸汽注入率和第2、第3级喷嘴材料确定；I为水/蒸汽注入量与进口空气流量的百分比；α1，α2，α3分别为燃用天然气、轻油和重油的年基本负荷运行时间；Af为重油严重系数；α4为年调峰运行时间。

式中：α1，α2，α3，α4，α5，α6分别为机组的年部分负荷、基本负荷、调峰负荷、紧急启动次数、快速升负荷启动次数和年跳闸次数；αTi为跳闸严重系数；n为跳闸种类数。

1.2 视情维修决策模型参数的定义

本文采用文献[10]中的燃气轮机相关部件的维修系数MF和服务系数SF的定义方法。

将等效运行时数HE（等效启动次数SE）与实际运行时数HF（实际启动次数SF）的比值定义为维修系数MF，即：

将实际运行时数（实际启动次数）与统计期间所有小时数PH的比值定义为服务系数SF，即：

基于运行时数（启动次数）的维修系数和服务系数的乘积，提出运行时数（启动次数）的等效服务系数FSF（Factored Service Factor）的概念。根据已运行时段PH1和待预测时段PH2的等效服务系数是否相等（考察PH1和PH2的维修系数是否相等，以及PH1和PH2的服务系数是否相等，进行排列组合），建立了4类决策模型。维修周期分析图如图1所示。

图1 燃气轮机部件维修周期分析

对已运行时段PH1：MFH1=HE1/HF1，

SFH1=HF1/PH1，

FSFH1=MFH1×SFH1.

对待预测时段PH2：MFH2=HE2/HF2，

SFH2=HF2/PH2，

FSFH2=MFH2×SFH2.

建立的4类决策模型分别如下：

（1）待预测时段PH2的MF2和SF2分别按照已运行时段PH1的MF1和SF1进行估算预测。

已运行时段PH1的等效服务系数：

式中：HE和HF分别为PH1等效运行小时数和实际运行小时数。

由定义得（PH1+PH2）时段等效服务系数：

式中：H1为燃气轮机部件的理想维修间隔。

由式（3）、式（4）及MFH2=MFH1，SFH2=SFH1可得到维修时刻t3：

（2）PH2时段的MFH2按照PH1时段的MFH1值，SFH2用估算预测给定值FAH（给定年运行小时数）进行预测。

待预测时段PH2等效服务系数：

由定义得PH2时段等效服务系数：

由式（5）、式（6）可得到维修时刻t3：

（3）PH2时段的SFH2按照PH1时段的SFH1值，MFH2用估算预测给定值进行预测。待预测时段PH2等效服务系数：

由式（7）、式（9）可得到维修时刻t3：

（4）PH2时段的MFH2和SFH2都用估算预测给定值（给定年运行小时数和维修系数）进行预测。

待预测时段PH2等效服务系数：

由式（7）、式（11）可得到维修时刻t3：

2 维修决策系统的实现方法

2.1 维修决策系统组成

基于SIS系统PI实时数据库的燃气轮机视情维修决策系统由两部分组成：运行于后台计算服务器端的设备运行状态在线评估计算程序，和运行于WEB服务器端的计算结果显示和信息系统管理B/S程序。系统模块化结构数据的流程如图2所示。

图2 系统模块化结构数据流程

在后台计算服务器端，主要完成燃气轮机的变工况性能计算模块和维修预测及维修决策模块的相关功能。系统进行燃气轮机的变工况性能计算时，后台计算服务器调用预处理好的实时数据，根据数学模型进行在线性能计算，进而得到功率输出、热效率、热耗率和气耗率等性能指标。同时，在进行机组维修预测及维修决策时，燃气轮机的实时状态运行参数被送往后台计算服务器，预测燃气轮机相关部件的剩余寿命，并将结果存入SQL数据库中。

WEB程序服务器在接收到燃气轮机相关部件的剩余寿命数据后，通过选择不同的决策模型，计算决策相关部件的具体维修时机。维修备件信息管理模块根据燃气轮机维修决策结果，制定合理的燃气轮机相关部件维修计划，并同时做好备件更换记录和计划管理工作。经由系统信息安全性管理模块，将各部件的剩余寿命预测和维修决策结果显示在网页上。

2.2 开发工具和关键技术

在发电企业现有的SIS系统基础上，燃气轮机维修辅助决策基于浏览器/服务器（B/S）架构模式开发，采用面向对象的思想和C#编程语言进行程序设计，利用Microsoft公司的Visual Studio 2005集成开发环境、关系型数据库系统SQL2000和OSI公司的PI实时数据库等工具。

系统开发的关键技术如下：

（1）PI实时数据访问接口开发技术。

为了实现后台计算程序与PI数据库的高效通信，利用PI系统提供的PI-API和PI-SDK开发工具，实现了对PI数据库中的燃气轮机运行状态数据的访问。PI应用程序接口（PI-API）是一组实现应用程序存取PI数据库中的快照、存档资料和其他数据信息的函数库。ASP.NET框架对桌面应用程序和WEB程序提供了一致的编程模型，使得在ASP.NET中可以调用PI-API函数来实现PI数据库的链接[11，12]。

PI数据库软件开发工具（PI-SDK）是使用面向对象思想和技术开发的编程接口，主要由一组ActiveX控件和类库组成。与PI-API相比，它提供了更多的特性，如提供PI数据库的面向对象编程模型；支持PI3系统的高精度时间、用户自定义属性等新特性；提供ActiveX控件来完成用户登录、Tag查找等常用功能；支持多线程和异常处理等。

（2）基于iBatis.NET的SQL数据库访问技术。

在以往很多基于服务器和WEB的系统中，都是直接通过ADO.NET编程访问SQL数据库的，因此要在程序代码中嵌入大量重复的数据库访问程序，使得开发的项目难以维护。在视情维修决策系统后台计算服务器和WEB服务器中有用于存储数据的多张数据表，采用基于iBatis.NET的SQL数据库访问技术可以将这些对象组织起来，通过映射使数据库层对业务逻辑透明，从而实现真正的完全面向对象的SQL数据库访问。

（3）基于Ajax的无刷新页面技术。

Ajax WEB异步工作流程是请求和响应不必等待的异步循环，在用户单击相关事件按钮提交操作时，浏览器Ajax中间层立即更新用户界面，并向服务器发出异步请求，采用“按需取数据”的模式，向服务器发送并取回必需的数据，其中大部分没有改变的HTML代码并没有在浏览器与服务器之间传输。当请求返回时，Ajax中间层局部刷新页面，返回数据，这样可最大程度地减少冗余请求和响应，减小对服务器造成的负担，从而节省了带宽及人机交互时间。

（4）基于ZedGraph绘图应用技术。

ZedGraph是用于创建任意数据的二维线型、棒型、饼型图表的一个类库，也可以作为Windows窗体用户控件和ASP网页访问控件，使用C#语言编写，具有高度的灵活性，几乎所有式样的图表都能够被创建。在决策系统用户界面中使用ZedGraph图表来表现数据，工程技术人员可以根据图表信息直观了解部件的当前运行状态。

2.3 数据采集与预处理

在维修决策与优化运行过程中，各类数据的处理和传输贯穿于系统运作的每个过程。PI采用了旋转门压缩专利技术和独到的二次过滤技术，使进入PI数据库的数据被最有效地压缩，极大地节省了硬盘空间。视情维修决策系统所用到的PI数据库测点有2类，即发电机功率等连续变化的测点和点火次数等跳跃变化测点。根据这2类测点存储量的不同要求，可通过设置各测点的例外偏移值和压缩偏移值来实现过滤和压缩。当系统收到经数据链传来的燃气轮机实时或近实时状态数据时，预处理程序根据协议要求，对数据进行阈值比较、过滤、综合、重组和分类，然后送往多通道推理机对应的推理机通道来完成数据预处理。

3 维修决策系统应用示例

目前，基于SIS系统PI数据库的燃气轮机部件视情维修决策系统已应用于某电厂的2台燃气—蒸汽联合循环发电机组，对燃气轮机的燃烧系统部件进行视情维修决策。

以燃气轮机燃烧系统部件为例。2011-7-17经过小修，后台计算服务器统计实际运行小时数和启停次数分别为4 199.6 h和253次（图3中A点）。利用部件状态评估方法计算出等效运行小时数和启动次数分别为5 998.7 h和282.5次（图3中B点）。由表1知，理想运行小时和启动次数分别为8 000 h和450次（图3中C点），可推算出部件剩余可用等效运行小数和启动次数分别是2 001.3 h和167.5次。为预测下次具体维修时刻，选择第二种模型，维修系数（运行时数、启动次数）按已运行时段值（1.43，1.12）选取，服务系数（运行时数、启动次数）按估算预测计划给定（0.23，0.023）选取，推算出等效服务系数为（0.328，0.025 7）。继而可预测运行时数和启动次数的维修时刻分别为2012-11-06和2012-11-24，根据矩形维修原则[10]，选取2012-11-06作为下次维修时刻。得到预测结果后，可以给出部件的视情维修计划，同时，维修备件管理模块能对所有的部件设备维修和更换信息进行管理。

图3 评估结果

4 结语

根据燃气轮机运行和维修的特点与基本要求，提出了4类视情维修决策模型，开发设计了基于SIS系统PI数据库的燃气轮机视情维修决策系统。在某电厂的实际应用表明，该系统运行稳定，灵活高效，大大提高了燃气轮机运行的可靠性和维修管理的自动化水平。

[1]冯葵清，金晶.建设燃气—蒸汽联合循环电站改善环境质量[J].中国电力，1999，32（2）∶13-16.

[2]VERMA A K，SRIVIDYA A，RAMESH P G.A Systemic Approach To Integrated E-Maintenance of Large Engi neering Plants[J].International Journal of Automation& Computing，2010（02）∶173-179.

[3]NIU G，YANG B S，PECHT M.Development of Anoptimized Condition-Based Maintenance System By Data Fusion and Reliability Centered Maintenance[J].Reliability Engineering and System Safety，2010，7（95）∶786-796.

[4]TIAN Z，JIN T，WU B，et al.Condition Based Maintenance Optimization for Wind Power Generation Systems Under Continuous Monitoring[J].Renewable Energy，2011，36（5）∶1502-1509.

[5]殷豪，孟安波，彭显刚.大型燃气轮机检修策略的研究[J].电站系统工程，2009（04）∶36-38.

[6]龚文强，王庆韧.基于EOH分析的燃机检修策略优化[J].中国电力，2011，44（8）∶40-42.

[7]刘昱.联合循环机组辅助决策系统的设计与实现[D].浙江大学，2007.

[8]李蔚，盛德仁，陈坚红，等.电厂实时监控信息系统的设计与应用[J].中国电机工程学报，2003（12）∶218-221.

[9]洪慧，杨卫国，林中达.PI数据库及其在电厂SIS中的应用[J].电力自动化设备，2005，24（11）∶69-72.

[10]BALEVIC D，BURGER R，FORRY D.Heavy-duty gas turbine operating and maintenance considerations[R].GER-3620，General Electric，2004.

[11]方明霞.PI数据库在浙江电网的应用现状与展望[J].浙江电力，2010（4）∶51-54.

[12]蒙永苹，许勇，王俊永，等.基于PI数据库的实时动态监测系统（WAMS）的建设与应用[J].电力设备，2007，8（7）∶36-40.

（本文编辑：徐晗）

Implementation of Condition-based Maintenance Decision-making Model and System for Heavy-duty Gas Turbine

CHEN Jianhong1，WU Wenjian2，WAN Anping1，WANG Yicheng2，Li Hongkun1，SHENG Deren1
（1.Institute of Thermal Science and Power System，Zhejiang University，Hangzhou 310027，China；2.State Grid Zhejiang Electric Power Research Institute，Hangzhou 310014，China）

Aiming at time-consuming,labor-intensive and low-accurate manual statistical calculation in key part maintenance and maintenance management of gas turbines，this paper proposes a condition-based maintenance decision-making model for gas turbine which predicts component maintenance cycle in combination with historical operation data of gas turbine in the past running period and actual operation plans in the predictive period.The concept of equivalent service factor is proposed.Based on whether the equivalent service factors of two periods are equal，four decision-making models are established，and by using ASP.NET technology，a condition-based maintenance decision-making system based on B/S structure for gas turbine is developed.The system can calculate service life of relevant components of gas turbine automatically online and determine and calculate maintenance cycle to lay a foundation for making scientific and feasible maintenance plan and conducting information management of spare parts.Finally，the decision-making system is put into engineering practice，from which favorable application effect was achieved.

gas turbine；PI real-time database；equivalent service factor；condition-based maintenance；life prediction

TK267

：A

：1007-1881（2014）10-0053-05

2014-08-04

陈坚红（1967-），男，浙江义乌人，副教授，主要从事燃气—蒸汽联合循环发电技术、热工自动化和火电厂热力系统分析等的教学与研究工作。