基于多信息融合的小机故障预警研究

浙江浙能温州发电有限公司 李文华 徐智伟

基于多信息融合的小机故障预警研究

浙江浙能温州发电有限公司 李文华 徐智伟

本文根据小机故障类型进行知识推理和信息融合混合推理识别故障模式，利用知识库中的诊断规则，对小机的多测点信息进行融合推理，得到故障模式的诊断信息。通过采用D-S证据理论方法对小机的进口蒸汽压力和高压进口蒸汽温度的测点数据进行融合，得到综合诊断结果。

信息融合；故障预警；小机；综合诊断；可靠性

0 引言

电厂小机运行状况的优劣，直接影响到整个电厂运行的安全性以及经济性。在故障发生的时候，小机的运行稳定性往往会变得很差，此时如果运行人员调整不当，很容易造成机组温度持续升高，严重极端情况下还会引发爆燃等事故。

为提高小机的运行效率并提高安全性，本文将证据理论融合方法引入到小机的稳定性诊断中，对小机的进口蒸汽压力和高压进口蒸汽温度传感器监测到的数据信息进行分析并融合，得到一个较全面反应小机安全状况的综合诊断信息。

证据理论是一种处理不确定性的理论。证据理论的主要特点有：需满足的条件比贝叶斯概率理论更弱，即不必满足概率可加性；具有直接表达“不知道”和“不确定”的能力，在证据合成过程中，这些保留的信息表示在函数中；类似于人类在各级抽象层次上的证据收集过程，证据理论允许人们将信度赋给假设空间里的单个元素，而且还能赋给它的子集。相比于概率推理理论而言，证据理论中所需的先验数据更容易获得、更为直观，且合成公式可以综合多个专家或数据源的知识或数据。在故障模式识别过程中，同一个故障征兆可以对应多个故障模式，且每个故障征兆对识别故障的贡献不同，因而基于证据理论的信息融合方法就非常适合用来做故障模式识别。

1 基于证据理论的信息融合方法

在证据理论中，涉及到识别框架、基本概率分配函数、信度函数、似真函数等概念，定义如下：

定义1设变量所有可能值的穷举集合为Θ={,θ1,θ2,...,θn}，若Θ中的各个元素是相互排斥的，则称Θ为识别框架（Frame of Discernment）。

定义2设Θ为识别框架，对人一个属于Θ的子集A(命题)都令他对应一个数m(A)∈[0，1]，且满足：

表1 故障模式识别示例计算的BPA

图1 小机故障树

表2 小机轴故障树符号定义表

表3 温州小机性能报警测点表

所定义的函数Bel(A)为识别框架Θ上的信度函数(Belieffunction)。信度函数Bel(A)表示对A的总的信任程度。

所定义的函数Pl(A)为识别框架上的似真函数(Plausibilityfunction)，似真函数Pl(A)表示对A不否定的信任程度。

其中，K为归一化常数

2 故障模式的识别

2.1 融合策略

不同故障模式在各自诊断模型中所列的各个故障征兆表现上具有不同程度的反映，经分类得到故障所属模式类后，利用不同的征兆条件群建立诊断模型，通过基于证据理论的信息融合方法进行知识推理来诊断具体的故障模式。例如，对于一倍频故障类，所包含的在线监测故障模式共有原始质量不平衡、转动部件松动飞脱、转子热弯曲这三种，根据这三个故障模式的诊断模型，利用轴振振幅、瓦振振幅、振动稳定性、轴振时域波形、轴心轨迹、振动相位变化、轴瓦温度、顶轴油压、轴向位移和胀差等征兆，就能将它们区分识别。经过信息融合后选择可信度最大的故障模式即为所求结果。为了提高证据合成的效率，避免发生证据组合爆炸情况，提出一种贝叶斯近似方法的Dempster证据合成公式，使焦元个数小于或等于识别框架中元素的个数。Voorbraak给出了mass函数的贝叶斯近似计算公式:

否则，m(A)=0。

一倍频故障类的三个故障模式组成了识别框架Θ={F1,F2,F3}（原始质量不平衡、转动部件松动飞脱、转子热弯曲分别用F1,F2,F3表示），故障征兆集合{Z1,Z2,...,Zn}作为mass函数集合{M1,M2,...,Mn}。这里仅用于演算示例，假设故障征兆只有Z1,Z2,ZN，故障发生的情况只有{F1},{F2},{F3},{F1,F2},和{F1,F2,F3}这几种简化组合情况，根据上述假定分别给出下表所示的BPA，各列的数值为该征兆对每个故障模式识别的贡献度。

对于这种无交叉故障发生情形的而言，对F1,F2,F3的组合函数再求信任函数、似然函数，可知“信任函数=似然函数=组合后的mass函数值”，即:

2.2 故障原因查找

在诊断出故障模式后，根据故障树分析法可以找出故障原因。故障原因的查找方法如图1所示：

图2 水泵小计系统结构图

图3 进口蒸汽压力和高压进口蒸汽温度趋势图

图4 小机调门开度趋势图

首先，依据故障树得到故障原因底事件，列全所有的故障原因的最小割集，形成故障原因规则知识库。以图1的轴向动静跑摩故障为例说明故障原因知识库的建立过程。该故障树的最小割集有个，故能得出的诊断规则有条，例如：

If“升速率太快或暖机时间过短”and“胀差引起的轴向间隙减小”and“轴封与凸肩轴向碰摩”and“故障模式为轴向碰摩”，then“故障原因为升速率太快或暖机时间过短引起的胀差间隙变小”；

2.3 故障位置查找

对于大多数故障而言，故障位置一般都是根据故障信号的监测位置，例如对于整个轴系来说，分为高中压缸、低压缸、小机几个部分，通过每段轴承上的轴振或者瓦振信息，就能大致定位出故障发生在那个体或设备上。但是机组的振动往往具有很大的关联性，因为各段转轴是通过联轴器相连的，所以也会有小机的异常振动引起低压缸的振动这种类似的情况。而且，对于某些特殊故障，这一简单直观的方法并不能解决问题，如转轴碰摩，到底是汽紅内的转子碰摩还是轴封处碰摩都无法立即确定。所以运行人员需根据相关联的部件测点的数据，同时进行关联性分析，对非故障因素进行排除，得到一个相对精确的故障信息，从而可以确定故障模式以及故障位置。例如：“故障模式为轴向振动碰摩”and“故障原因为升速率太快或暖机时间过短引起的胀差间隙变小”and“轴振过大”，then“故障位置在高中压缸高压端轴封处”。

2.4 系统实施

利用多元数据信息融合技术，可以融合不同维度的信息，结合一定的数据挖掘算法和统计学方法，在“故障预警”系统里，当设备在实时工况下出现报警，可以结合报警信息对设备的当前工况下进行安全状态分析，实现设备故障的早期预警诊断，以确保设备的正常运行，有效的避免设备的损坏而造成经济损失和严重后果。

由于一般的设备在异常工况下不是单一测点报警，而是多测点报警，每个测点的信息又是不同维度的，这时为了研究分析设备当前工况下的安全状态就需要这样的分析理论去结合多元数据信息来对设备进行预警诊断。对报警的测点进行罗列，每一个种类分为一种特征，各种特征之间相互组合都能够对设备造成不同的影响。根据当前报警测点的情况，将每种报警的特征结合在一起，可以分析出设备的当前运行状况，以及确定故障发生的位置，达到及时发现故障位置，对设备实现早期预警，避免发生严重后果的效果，并且对异常工况下的设备对多测点进行全面性分析能够更有效、更准确的确定设备当前的运行状况。

3 实例分析

该系统自投入我厂实际应用以来，已取得了十分良好的使用效果，通过该系统的实际应用和专业人员的不断总结和不断完善，多年来已经实际预警了很多设备的故障。避免了很多不必要的经济损失和设备故障可能造成的严重后果。下面通过实际发生的小机故障案例来说明系统的故障预警实际的工作过程。

将设备出现异常的具体时间，相关测点描述等相关详细信息整理成如表3所示的预警点详情表。实际工作人员就可以按照相关流程，并根据相关设备的实际预警信息对设备可能出现的故障进行分析判断，这样就能够提前排除设备故障。

图5 四抽至小机压力和小机转速趋势图

自“故障预警”系统投运起，1月2日20时，#4B给水泵进口蒸汽压力实际值0.35MPa，比预估值0.54MPa偏差0.19MPa，由此导致预警。

3.2 现场趋势图

图6 给水泵汽机B进口蒸汽压力趋势图

3.3 原因分析

温州电厂#4机（330MW）配备二套50%给水泵小机系统，该小机可以由高压（冷再）和低压（四抽）两种汽源单独或同时供汽，各有独立的主汽门和调整门进行控制和调节。如图3所示：

从趋势图分析，1月20日20时，#4B小机四抽进汽压力下降，#4B小机冷再进汽温度上升，判断冷再蒸汽已经参与调节，判断四抽进汽回路或者调节控制回路出现异常引起。如图4所示：

1月12日汽机点检员和仪控点检员分别对机务进汽回路和调节控制回路进行检查，四抽调节控制回路。如图5所示，仪控对小机调门开度趋势图分析，四抽调门开度在全开位置，为了维持小机转速，冷再调门参与调节，调节控制回路属于正常状态。

汽机专业点检也对进汽回路所有阀门进行检查，退出#4B汽泵运行，隔离冷再至小机进汽隔离阀，只有四抽进汽隔离阀参与调节，当小机转速低于3000r/min时四抽至小机进汽压力显示0.35MPa；小机转速4200r/min时四抽至小机进汽压力显示0.25MPa，进汽调节阀全开，进汽量不足，如图6所示：

点检还对四抽至小机进汽隔离阀和电动阀进行检查，没有发现异常现象。经过以上综合判断，认为四抽逆止阀卡涩引起进汽压力和流量不够，冷再参与调节引起预警，等机组检修时安排逆止阀检修处理。

从趋势图看，进口蒸汽压力和高压进口蒸汽温度变动曲线偏离较大，但是无突变现象，可以排除“汽流激振”“动静摩擦”等异常可能，属于逆止阀卡涩现象。

对该事件可以总结出小机故障的一个故障模式，如表3所示：

综上所述，可以得出结论：在“故障预警”系统投用后，监测到机组在运行过程中，监测到小机四抽进汽压力下降，小机冷再进汽温度上升，点检还对四抽至小机进汽隔离阀和电动阀进行检查，且均无异常现象。经过以上综合判断，认为进汽压力过低和进口流量低由四抽逆止阀卡涩引起。所以在有条件检修情况下，建议运行维修人员修整逆止阀，提高小机运行可靠性，消除压力偏差。

表4 小机故障模式

4 结束语

这种基于D-S矩阵论的多信息融合的故障预警与诊断方法，相比于传统的单信息单测点故障预警，具有更高的可靠性、精确性，能够在多维度数据中体现出其优秀高效的特点。这种多信息融合的故障预警诊断技术通过全面分析设备的实时工况信息，能够根据关联性较大的测点直接的关联度，来准确判断设备的安全状况，为机组的安全运行提供了可靠的保障，方便进行运行维护人员制定的设备维修计划，为机组在线安全运行提供了科学依据。

[1]陈昆亮．汽轮发电机组状态监测与故障预警系统研究[D]．华北电力大学,2012．

[2]董晓峰．基于RCM分析的智能化小机故障诊断系统研究[D]．华北电力大学,2012．

[3]赵巍伟．基于RCM分析的小机维修决策[D]．华北电力大学,2014．

[4]韩延鹏．小机转子热弯曲故障诊断方法研究及应用[D]．华北电力大学,2014．

[5]杜加萍．多传感器信息融合算法的研究及应用[D]．江南大学,2011．

[6]邹丽洁．电站设备参数异动搜索分析与故障预警研究[D]．华北电力大学（北京）,2011．

[7]常帅．基于相似建模的小机故障预警系统[D]．华北电力大学,2013．

[8]黄乃成．基于知识的汽轮发电机组智能故障诊断研究[D]．华北电力大学,2013．

[9]张国坤．基于聚类分析的汽轮发电机组早期故障识别系统研究[D]．华北电力大学,2013．

[10]李文祝．小机调节系统网络化故障诊断系统研究[D]．华北电力大学,2000．