压气站电驱增压系统运行故障因素辨识分析

许萍，姚安林，李平，徐惠，罗佳

1.西南石油大学石油工程学院(四川成都610500)2.中国石油西南油气田分公司输气管理处(四川成都610213)

压气站电驱增压系统运行故障因素辨识分析

许萍1，姚安林1，李平1，徐惠1，罗佳2

1.西南石油大学石油工程学院(四川成都610500)
2.中国石油西南油气田分公司输气管理处(四川成都610213)

针对常用的电驱离心式压缩机组，建立了在电驱增压系统运行阶段包含45个基本事件的电驱增压系统故障树。采用故障树定性分析法辫识出40个电驱增压系统故障的主要影响因素，通过对电驱增压系统故障的主要影响因素进行模糊灰关联分析，排出电驱增压系统故障影响因素的关联度序，得到各主要因素对电驱增压系统影响的大小程度，为增压系统单元风险指标的权重分配提供了理论依据，也有助于采取针对性的措施来预防增压系统的故障发生。

压气站;电驱增压系统;故障树分析;三角模糊数;灰关联分析

我国长输天然气管道增压设备多数采用燃气轮机驱动离心式压缩机'但一些靠近电力充足地区的压气站则以大功率电动机驱动离心式压缩机作为天然气增压方式[1］。2007年陕京二线榆林压气站首次采用特大型变频电机驱动离心压缩机组并试运成功'进一步扩大了特大型变频电机驱动离心式压缩机组在长输管道上的实际应用范围[2］。到2012年'电驱离心式压缩机已被广泛应用于天然气长输管道行业[3］。增压系统是压气站最核心的设备'如果增压系统出现故障'将会影响全站的运行情况。因此'合理辨识电驱增压系统在运行期间的关键故障因素'对于保证压气站乃至整个天然气管道的安全运行都十分重要。

目前我国的输气管线中'有多个压气站均采用电驱离心式压缩机作为输气干线气体增压的主要设备'而压缩机组故障停机的现象时常出现。图1为2009～2012年国内已投运的某压气站各类设备故障次数统计图。

如图1所示'该站2009年、2010年、2011年、2012年故障次数分别为38次、18次、123次及82次。然而'在以上的故障统计中'电驱离心式压缩机故障停机是引起站场设备故障的重要原因。因此'有必要找出电驱增压系统故障的主要影响因素'进而为采取措施减少电驱增压系统故障提供依据。

图1 2009～2012年某压气站各类设备故障次数统计

1 压气站电驱增压系统故障树

根据故障树分析方法的基本原理'以电动机驱动离心式压缩机组成的电驱增压系统运行故障为顶事件'电动机故障和离心式压缩机故障为次顶事件'从电机温度过高、电机振动异常、机体带电三方面分析电动机运行故障。从转子异常振动、喘振、排气量不足、干气密封系统故障、润滑油系统故障5个方面分析离心式压缩机故障。从而建立压气站电驱增压系统运行故障树[4-8］'如图2所示'故障树中各事件代码的意义见表1。

根据布尔运算原理'写出故障树转化为最小割集的布尔代数方程:

由此可见'该故障树化简后有40个一阶最小割集合'3个三阶最小割集合。其中影响顶事件的主要因素为40个一阶最小割集合。

图2 压气站电驱增压系统运行故障树

图2 压气站电驱增压系统运行故障树(续)

2 增压系统故障树模糊灰关联分析

灰色关联分析的基本思想是:以因素的数据序列为依据'用数学的方法研究因素间的几何对应关系'即序列曲线的几何形状越接近'则它们之间的灰关联度越大'反之越小[9］。

为了尽可能准确地描述事故发生的可能性'人们经常利用三角模糊数、梯形模糊数、LR模糊数、正态模糊数等模糊数作为基本事件的模糊发生概率。由于三角模糊数参照函数处理较方便'代数运算较容易。因此'本文在故障树模糊灰关联分析中采用三角模糊数表示基本事件的模糊发生概率。

以基本事件模糊重要度为基础组成一组待检测数据'以待检测数据为参考序列'以典型故障特征矩阵为比较序列'进行增压系统故障树的模糊灰关联分析'通过关联度找出各故障因素对顶事件影响大小的程度[10］。

2.1 三角模糊数

根据模糊数学理论'三角模糊数的隶属函数可用公式(1)表示:

表1 压气站电驱增压系统运行故障树基本事件表

其中'm称为p～的核'(b-m)+(m-a)即(b-a)为p～的盲度。

三角模糊数的隶属函数如图3所示'因此'三角模糊数也可由3个参数(a,m,b)表示'记为p～=(a,m,b)。

2.1.1 基本事件模糊概率的确定

由于缺乏可靠的电驱增压系统故障数据库'本文采用故障统计数据结合专家评分的方法获得基本事件发生的概率'对于有统计数据的基本事件可以直接得到其概率值P'将其用三角模糊数处理得到模糊概率q～(P,P,P)'其中通过统计得到概率值的基本事件是X2、X12、X21、X27、X42、X43、X44、X45。其余基本事件的概率通过一个3人以上的专家小组打分得到各基本事件发生概率的估计值'参照文献[11］利用3σ法则将专家打分处理成三角模糊数'得到基本事件模糊概率'见表2。

图3三角模糊数的隶属度函数

表2 各基本事件模糊概率表

由文献[12］中“与门”和“或门”模糊算子的处理方法'结合电驱增压系统故障树'求得顶事件的模糊概率可能性分布为(0.528 599，0.596 840，0.685 482)。

2.1.2 模糊重要度计算

采用中值法计算各基本事件的模糊重要度。

对于三角模糊数p～=(a,m,b)'其中位数me为:

由文献[13］'设故障树结构函数为φ(x1，x2，…,xn)'其中xj(j=1，2，…，n)是故障树基本事件'其发生概率可能性分布用三角模糊数形式给出'记为。则顶事件的可能性分布为中位数记为

基本事件xj的模糊重要度Sj:

2.2 求典型故障特征矩阵

通过故障树分析可知'导致电驱增压系统发生故障的最小割集有43个'将最小割集合的个数用v表示'即v=43。基本事件的个数为45个'取n=45。假设第i(i=1'2'…'v)个最小割集Ki'由w(w=1'2'…'n)个基本事件组合而成'在最小割集Ki中'可令w个基本事件全为“1”'其余(n-w)个基本事件为“0”'得到向量{XKi}(i=1'2'…'v)'这样由{XKi}就构成了一个v×n阶的典型故障特征矩阵[14］。

由此求得电驱增压系统典型故障特征矩阵XK:

其中'各个最小割集合Ki(i=1'2'…'v)的组成如下:

2.3 求待检模式向量

由式(2)、(3)求得各基本事件的模糊重要度Sj'并根据式(5)对Sj进行均值化处理'得到XT(j)(j= 1'2'…'n)'并由其组成一组待检模式向量XT:

2.4 计算灰关联度

以XT为参考序列'以XKi为比较序列进行关联度计算'首先计算出XT与XKi之间的序列差ΔTKi(j) (j=1'2'…'n)'计算公式如下:

由式(7)、(8)计算两极最大差和最小差:

由式(9)计算灰关联系数:

其中ξ取0.5。

由式(10)计算灰关联度:

由公式(5)～(10)'可计算得到压气站电驱增压系统各最小割集合的灰关联度γi(i=1'2'…'v)'即XKi(i=1'2'…'v)对XT的灰关联度'计算结果见表3。

由于关联度越大表明该最小割集对顶事件的影响越大'根据表3的计算结果'得到影响电驱增压系统运行的最小割集合关联度排序'依次为:γ42=γ5＞γ30=γ1＞γ41=γ3＞γ4=γ34＞γ31＞γ24＞γ40=γ20=γ18＞γ21＞γ43＞γ2= γ12＞γ26＞γ6=γ17＞γ13＞γ10=γ14＞γ8=γ25＞γ9＞γ16=γ19＞γ27＞γ11＞γ7=γ29＞γ35＞γ28＞γ15＞γ23＞γ33＞γ22＞γ32＞γ36＞γ37=γ38=γ39=γ40= γ41。根据各最小割集的关联度排序即可得到增压系统各影响因素对其影响程度大小的顺序。若取关联度较大的前三分之一作为故障关键因素'则可知诱发增压系统故障的主要因素分别为:轴承磨损(X44)、电动机转速降低(X5)、励磁机振动(X30)、定子绕组绝缘损坏(X1)、阀门泄漏(X43)、基础下沉(X3)、进气滤清器堵塞(X4)、转轴上零件松动(X34)、负载振动(X31)、轴承因振动而松动(X24)、阀门堵塞(X42)、冷却水管路堵塞(X20)、通风道堵塞(X18)、循环水泵故障(X21)、轴承变形(X45)。

表3 各最小割集合灰关联度

3 结语

1)利用故障树对压气站电驱增压系统进行故障因素辨识'定性分析了各个基本事件对顶事件的影响程度大小。根据各基本事件的模糊重要度'对各种影响因素进行模糊灰关联分析'排出灰关联序列'辨识出导致增压系统故障的关键影响因素'从而为增压系统单元风险指标的权重分配提供了理论依据'也有助于采取针对性的措施来预防增压系统的故障发生。

2)在结合故障树对输气站增压系统进行灰关联分析时'基本事件发生的概率最好通过故障数据库得到。但鉴于我国目前没有建立相应的增压系统故障数据库'本文基本事件发生的模糊概率采用统计数据结合专家评分的方法给出'与实际情况有一定的差距'在实际运用中应该十分重视这一点。

[1］刘培军.天然气管道压缩机站投产试运应注意的问题[J］.油气储运，2008，27(7):51-53.

[2］李春艳'毛敏'刘永茜，等.特大型变频电机驱动离心式压缩机组在长输管道上的应用[J］.天然气与石油，2007，25 (6):20-22.

[3］刘明亮'饶原刚.输气站离心式压缩机优化运行实践与分析[J］.石油科技论坛，2012，31(5):13-17.

[4］陈兰英'郝点'钱小平.离心压缩机组事故树—模糊综合评价分析研究[J］.石油和化工设备，2009，12(10):14-16，19.

[5］李俊山'张鹏'刘武'等.离心式压缩机失效故障树分析[J］.化工设备与防腐蚀，2005，21(2):36-38，40.

[6］吕开钧.变频电驱压缩机组运行中应注意的问题及对策[J］.油气储运，2009，28(10):81-83.

[7］张振华，陈宝智，赵杉林，等.含硫油品储罐中硫化铁自燃引发事故原因分析[J］.中国安全科学学报，2008，18(5):123-128.

[8］陈兰英.大型离心压缩机组风险评估及安全运行管理研究[D］.东营:中国石油大学，2010.

[9］曹明霞.灰色关联分析模型及其应用的研究[D］.南京:南京航空航天大学，2007.

[10］徐涛龙，姚安林，曾祥国，等.基于灰色关联分析的LNG接收终端人因事故辨识方法[J］.中国安全生产科学技术，2011，7(9):97-101.

[11］贾智伟，景国勋，张强，等.基于三角模糊数的矿井火灾事故树分析[J］.安全与环境学报，2004，4(6):62-65.

[12］李青'陆廷金'李宁萍.三角模糊数的模糊故障树分析及其应用[J］.中国矿业大学学报'2000，29(1):56-59.

[13］Mitauo Y.The median for a L-R fuzzy number[J］.Microelectron.Relia，1995，35(2):269-271.

[14］周继忠.灰色关联故障树分析法在基坑工程放坡开挖中应用[J］.土木工程学报，2009，42(8):109-114.

The fault tree of a common centrifugal motor driving compressor group pressurization system in operating phase is established，and the fault tree contains 45 basic events.40 main influencing factors of the faults of the motor driving pressurization system are identified by the qualitative analysis of the fault tree.Then the fuzzy gray relation order of the 40 main factors is obtained by fuzzy gray relational analysis of the motor driving pressurization system，that is，the influencing degree order of the 40 factors on the motor driving pressurization system is gained，which provides the basis for the weight distribution of the risk indexes of the motor driving pressurization system，and also helpful to taking appropriate measures to prevent the occurrence of the faults of the pressurization system.

gas compression station;motor driving pressurization system;fault tree analysis;triangular fuzzy number;gray relational analysis

王梅

2014-10-28

许萍(1989-)'女'主要从事油气长输管道系统风险评价与完整性管理方向研究。