基于信息通信技术的燃气轮机远程预警技术研究及应用

邱振波，张立杰，胡 伟，赵云山



基于信息通信技术的燃气轮机远程预警技术研究及应用

邱振波1，张立杰1，胡 伟1，赵云山2

（1.神华国华（北京）燃气热电有限公司，北京 100024；2.中国神华能源股份有限公司国华电力分公司，北京 100025）

为了提高燃气轮机运行稳定性及可靠性，基于信息通信技术，进行了燃气轮机远程预警技术的研究，并开发了以马田系统为理论依据的远程预警系统。实际应用表明，该系统能够提前预警人工无法判断的情况以及机组运行中潜在的危险，充分利用大数据对该状况进行原因分析且提供解决方案。该系统的成功运用，为燃气轮机的安全运行提供了保障，同时填补了燃气轮机远程预警领域的空白，具有一定的推广价值。

信息通信技术；燃气轮机；远程预警；大数据；马田系统；马氏距离

燃气轮机作为新型的动力设备，具有污染少、效率高、灵活性强、结构紧凑等优点，应用范围越来越广。由于燃气轮机的结构复杂，且一直工作在高温高压及高转速的恶劣环境下，容易引发各类故障，而且产生故障的原因十分复杂，仅仅依靠技术人员很难及时发现并进行正确的判断与处理。为了进一步提高燃气轮机运行过程的稳定性及可靠性，尽可能减少事故的发生频率，必须加强燃气轮机的预警监测及故障诊断。本文依托燃气轮机制造厂家开发的云监控服务平台，选用适合我国政策及电厂实际情况的数据传输方式，基于信息通信技术（ICT），以马田系统（Mahalanobis-Taguchi system，MTS）为理论依据，开发了燃气轮机远程预警系统。该系统将燃气轮机的主要运行数据发送至燃气轮机制造商在国内设置的服务器上，进行数据分析后将运行状况反馈至系统画面，并在发生异常情况时，发出报警画面及报警邮件，同时通过大数据分析提供解决措施。

1 马田系统理论基础

马氏距离（MD）是由印度统计学家Mahalanobis于1936年提出的，表示数据的协方差距离[1]，它由标准化数据和中心化数据（即原始数据与均值之差）计算出两点之间的马氏距离[2]。马田系统是由田口玄一博士提出的一种新的模式识别方法，是基于多维空间多变量诊断与预测的一种方法和技术，该方法将马氏距离与田口方法进行了有效集成，实质上是将马氏距离、正交表与信噪比相结合[3-5]。马田系统广泛应用于数据分类、模式识别以及样本的诊断、预测分析[6]，可对数据进行分析而无需任何假定。马田系统主要有诊断、评价和预测三大功 能[7]。近年来，马田系统作为多元系统一种潜在的模式信息技术，已在学术界和实际应用中得到广泛认可[8-9]。实施马田系统的基本步骤如图1所示。

1.1 马氏距离计算

本文通过分析燃气轮机传感器发出的信号特征参数来分析初始故障的敏感性和退化状态的相关性，建立并优化马田系统的基准空间，根据优化后马氏距离的变化趋势监测燃气轮机的初始故障和退化状况。马氏距离计算主要包括以下步骤[10-11]。

1）基准空间的确定 为了区分设备存在故障时马氏距离的变化特征，采用燃气轮机部件无故障时样本的特征参数作为马田系统的基准空间，根据马氏距离变化趋势判断其部件的性能退化状态。

2）基准空间的有效性验证 为了验证基准空间的有效性，采集设备无故障阶段和故障阶段的信号数据样本，利用基准空间的均值、方差、相关矩阵对2组样本的基准空间进行标准化并计算其马氏距离。如果故障样本的马氏距离明显大于正常样本的马氏距离，则证明所建立的基准空间有效；否则，需要重新选择特征参数定义基准空间。

3）基准空间的优化 燃气轮机部件初始故障监测和状态监测过程中，并非所有的特征参数都有助于提高计算精度。因为在确定基准空间时一般由专业人员来定义正常和异常总体，不同的人见解各异，故对无故障样本的定义有较大的模糊性，所以有些特征参数甚至存在干扰。为了简化马氏距离的计算，缩短计算时间，提高诊断精度，需要对原始马田系统的基准空间进行特征优化，选择有效的特征参数构建马田系统的基准空间。在燃气轮机部件初始故障监测过程中，选择对初始故障比较敏感的特征参数构建马田系统基准空间；状态监测过程中选择与燃气轮机退化状态相关的特征参数构建马田系统的基准空间。

4）计算样本空间的马氏距离 通过判断样本的马氏距离是否属于基准空间确立的区间来判定设备的运行状态。

1.2 信噪比

在应用马田系统过程中，选择合适的两水平正交表，以信噪比作为变量有效性评价指标。信噪比定义为信号强度和杂音强度的比值S/N[12-13]。一般来说，信噪比越大，说明混在信号里的噪声越小，否则相反。在该马田系统方法中，通过取每一个类型的马氏距离均方根作为异常变量的已知水平，然后使用动态特性。

1.3 阈值

构建基准空间的目的是为了模式识别，即是为了判别未知样品y是否属于基准空间G。判别的量化指标采用未知样品点到基准空间基准点的马氏距离D。

这里马氏距离的界限值D即称为阈值。

2 燃气轮机远程预警系统实现过程

基于信息通信技术，以马田系统为理论依据，开发了燃气轮机远程预警系统。

2.1 燃气轮机结构

燃气轮机主要分为压气机、燃烧室和透平三大部分（图2）。

图2 燃气轮机结构

2.2 样本采集

每台燃气轮机选取了近500个重要的数据点（含开关量和模拟量）作为样本，如轴瓦的振动值、轴瓦温度值、压气机进气温度、燃气轮机叶片通道温度、燃气轮机排气温度、润滑油温度、控制油温度、进气系统过滤器压差等。当样本的马氏距离属于基准空间确立的区间，则判定设备的运行状态为健康状态；若该距离明显大于正常的马氏距离，则判定设备状态为亚健康或故障，此时系统就会发出超出阈值的报警信息（图3）。

图3 发出报警信息时的数据群

2.3 数据传输

根据我国对信息安全的要求及电厂内外网分离的限制，机组运行数据不能直接通过网络传输至外界。所以，该系统采集了内网PI系统（或安全仪表系统）中相应点的数据，通过内部邮件发送至燃气轮机制造厂家的服务器，每分钟发送1封邮件，运行数据通过其服务器进行分析计算，得出数据结果后反馈至远程预警系统平台（图4），该平台以网页的形式呈现，便于直观了解运行情况。

图4 数据传输的网络拓扑图

2.4 系统主要功能

2.4.1 登录界面

远程预警系统通过互联网网页浏览器登陆，登录界面如图5所示。

2.4.2 人工智能预警监测画面

通过人工智能预警监测画面可监视燃气轮机运转状况，实现监测异常的预警，告知发生异常的部位，在发生重大故障之前预知异常，提高燃气轮机的安全性。图6为人工智能预警监测画面，可显示目前机组是否有异常。图6中，马氏距离线表示燃气轮机采集的所有数据样本计算出的马氏距离MD，阈值线是根据燃气轮机运行实际值设定在预报警线。机组运行正常时MD线在阈值线下方，机组负荷线显示绿色，右侧圆形边缘线为绿色。当MD线的数值变大超过阈值线时，表明燃气轮机发生异常，此时画面右侧的绿色圆形会变成灰色或红色，并在下方显示发生异常或报警的传感器测点名称，同时推测出异常或报警发生的部位。监测到异常预警时，发送邮件给相关人员，邮件内容包括报警画面、数据分析图表和建议检查措施等。

图6 人工智能预警监测画面的功能

2.4.3 报警智能导向画面

报警智能导向画面是面向运行人员的导向服务，与控制系统操作员站的报警事件联动，提出故障发生时的处理建议，并通过用户经验积累达到自我成长。通过该画面可实现存储/阅览作业日志或指令文件，可以对报警做出快速的响应，并通过发生的警报信息，实时显示警报对象（图7）。

2.4.4 关键参数指标分析画面

关键参数包括运行参数、容量、可用性、可靠性等，其分析画面如图8所示。这些参数不仅仅局限于常见的实时参数，还包括工程师幕后分析的经济效益等参数。对于电厂来说，可用性、非计划停运、效率这3个参数最关键。该系统针对这3个关键指标制定解决方案：1）提升可用性，主要采用预警监测技术；2）非计划停运时发生报警，可以迅速查阅信息，进行紧急处理；3）效率方面，可以提供技术解决方案，也可以提供经济性分析。

2.5 系统主要功能

全面利用信息通信技术，提供预警监测网络服务、故障部位推断和面向运行人员的指导服务。

2.5.1 预警监测网络服务

1）通过马田方法（MT method）来提前预警，应用人工智能（AI）、机械学习技术，通过马氏距离对燃气轮机全体的异常进行监测，运用田口方法确定异常的传感器。

2）通过人工智能来推断故障部位，通过感知异常的样本推定故障部位和原因。根据现实异常的传感器种类和式样，从过去发生问题的现象中检索出最相似的例子，推断出最可能发生故障的部位。

3）邮件通知功能。

2.5.2 运行监视员操作指导

1）控制系统操作员站和事件报警联动，预先设置好重要报警的处理方法，通过实际处理内容的写入，可与运行人员共享；运行人员通过检索过去同一报警发生时的处理方法，确认后进行处理。通过大量数据的共享，可完全覆盖燃气轮机上经常发生的报警和重要报警。

2）及时阅览原设备厂家所推荐的解决策略，通过大数据的存储与应用，快速准确地获得建议。

3）从数据库录入对应的日志，通过及时的操作建议，减免损失，并可以将本次解决方案形成记录，存入数据库。

3 燃气轮机远程预警系统应用

3.1 案例分析

该系统自2017年4月1日上线试运行以来，多次发生报警事件（表1），对机组的安全运行起到了保障作用。

表1 远程预警事件列表

Tab.1 The remote warning events list

以事件③为例，介绍该系统报警情况。2017年7月5日3:53，远程预警系统监测到汽轮机高压推力瓦测点数据有变化（图9），MD线发生突变，其数值超过阈值线（Threshold），由于此时原因不明，右侧圆形区域呈现灰色，左下方给出了异常参数所对应的传感器和可能的原因。

从数据变化趋势分析，3:53系统监测到运行数据较前期有异常变化，因此预警画面（图9a)）12:00左右，该测点温度急剧下降，6 h内下降了约60 ℃，而温度测点1的数据无明显变化。系统判断传感器可能出现断线，提出了检查更换传感器的建议。

2018年5月利用机组检修机会解体检查高压推力轴承，并对高压推力轴承金属温度2进行检测，发现该传感器内部存在接线断路情况。更换新传感器后温度显示正常。

3.2 人工智能评估与人工评估的区别

人工智能评估通过与以往的数据进行比较，判断现在的运行状态是否正常。因此，在事例③中看上去数据稳定，此时人工评估会认为金属温度稳定，运行状态正常；但人工智能评估通过与以往数据比较，由金属温度偏低判断出其中的异常，并迅速发出通知。人工智能评估与人工评估的区别如图10所示。

通过以上事件可以看出，远程预警系统在机组日常运行过程中起到了举足轻重的作用，能够提前预警人工无法判断的情况，可以提前对机组运行中潜在的危险进行预警，并充分利用大数据对该状况进行原因分析且提供解决方案，真正起到了远程预警及故障诊断的作用。

4 结 语

基于ICT的燃气轮机远程预警系统，具有可视化、智能化、自动化、信息化、安全化和首创性等关键技术，其成功应用为燃气轮机的安全运行提供了保障，提高了机组的安全系数，避免了多次机组非计划停运，同时也弥补了马田系统应用在国内燃气轮机远程预警领域的空白，对国内燃气轮机远程预警技术的应用起到了推广作用。

［1］ WANG Z, WANG Z, TAO L, et al. Fault diagnosis for bearing based on Mahalanobis-Taguchi system[C]// Prognostics and System Health Management. IEEE, 2012: 1-5.

［2］ 王力纬, 贾鲲鹏, 方文啸, 等. 基于马氏距离的硬件木马检测方法[J]. 微电子学, 2013, 43(6): 8-18.

WAGN Liwei, JIA Kunpeng, FANG Wenxiao, et al. An approach to detecting hardware trojans based on Maha- lanobis distance[J]. Microelectronics, 2013, 43(6): 8-18.

［3］ SU C T, HSIAO Y H. Multiclass MTS for simultaneous feature selection and classification[J]. Transactions on Knowledge and Data Engineering, 2009, 21(2): 192-205.

［4］ 李昭阳, 韩之俊. 一种新的判别预测方法-马田系统(MTS)[J]. 管理工程学报, 2000, 14(2): 54-55.

LI Shaoyang, HAN Zhijun. A new discriminant prediction method- Mahalanobis-Taguchi system (MTS)[J]. Journal of Industrial Engineering/Engineering Management, 2000, 14(2): 54-55.

［5］ 陈湘来, 顾玉萍, 韩之俊. 马田系统在数据分类中的应用[J]. 数学的实践与认识, 2010, 40(8): 74-79.

CHEN Xianglai, GU Yuping, HAN Zhijun. Data classification using Mahalanobis-Taguchi system[J]. Mathematics in Practice and Theory, 2010, 40(8): 74-79.

［6］ GHASEMI E, AAGHAIE A, CUDNEY E A. Maha- lanobis Taguchi system: a review[J]. International Journal of Quality & Reliability Management, 2015, 32(3): 291-307.

［7］ 陈俊洵, 程龙生, 胡绍林, 等. 基于EMD的改进马田系统的滚动轴承故障诊断[J]. 振动与冲击, 2017, 36(5): 152.

CHEN Junxun, CHENG Longsheng, HU Shaolin, et a1. Fault diagnosis of rolling bearings using modified Mahalanobis-Taguchi system based on EMD[J]. Journal of Vibration and Shock, 2017, 36(5): 152.

［8］ DAS P, DATTA S. Exploring the effects of chemical composition in hot rolled steel product using Mahalano- bis distance scale under Mahalanobis-Taguchi system[J]. Computational Materials Science, 2007, 38(4): 671-677.

［9］ LEE Y C, TENG H L. Predicting the financial crisis by Mahalanobis-Taguchi system: examples of Taiwan’s electronic sector[J]. Expert systems with Applications, 2009, 36(4): 7469-7478.

［10］ 任江涛, 蔡远文, 史建伟, 等. 基于马田系统的设备健康监测技术研究[J]. 计算机测量与控制, 2012, 20(3): 634-641.

REN Jiangtao, CAI Yuanwen, SHI Jianwei, et a1. Research on equipment health monitoring using Mahalanobis-Taguchi system[J]. Computer Measurement and Control, 2012, 20(3): 634-641.

［11］ 剡昌锋, 朱涛, 吴黎晓, 等. 基于马田系统的滚动轴承初始故障检测和状态监测[J]. 振动与冲击, 2017, 36(12): 156-157.

YAN Changfeng, ZHU Tao, WU Lixiao, et al. Incipient fault detection and condition monitoring of rolling bearings by using the Mahalanobis-Taguchi system[J]. Journal of Vibration and Shock, 2017, 36(12): 156-157.

［12］ 陈湘来, 韩之俊. 基于MTS的供应商评价体系研究[J]. 商场现代化, 2007, 22: 4-5.

CHEN Xianglai, HAN Zhijun. Research on supplier evaluation system based on MTS[J]. Market Moderni- zation, 2007, 22: 4-5.

［13］ 宗鹏. 马田系统理论与应用研究[D]. 北京: 北京理工大学, 2006: 39.

ZONG Peng. Researchontheoryandapplicationof MTS[D]. Beijing: Beijing Institute of Technology, 2006: 39.

Research and application of ICT-based remote early warning technology for gas turbines

QIU Zhenbo1, ZHANG Lijie1, HU Wei1, ZHAO Yunshan2

(1. Shenhua Guohua (Beijing) Gas Power Cogeneration Co., Ltd., Beijing 100024, China; 2. China Shenhua Energy Co., Ltd., Guohua Electric Power Branch, Beijing 100025, China)

In order to improve the operation stability and reliability of gas turbines, the remote early warning technology based on the information communication technology (ICT) was investigated. Moreover, the remote early-warning system (REWS) based on the Mahalanobis-Taguchi system (MTS) was developed. The practical application shows that, this system can early warn the situations which the humans cannot judge or the potential danger during the unit operation, and make full use of the large data to analyze the cause and provide the solutions. The successful application of this system not only provides a guarantee for safe operation of gas turbines, but also fills the gap of gas turbine remote warning field, which plays a certain role in popularizing of the REWS.

ICT, gas turbine, remote early-warning, big data, Mahalanobis-Taguchi system, Mahalanobis-distance

China Energy Investment Group Guo Hua Electric Power Company 2017 Technological Innovation Project (GHRQRDHT170302)

TK47

A

10.19666/j.rlfd.201804129

邱振波, 张立杰, 胡伟, 等. 基于信息通信技术的燃气轮机远程预警技术研究及应用[J]. 热力发电, 2019, 48(2): 120-125. QIU Zhenbo, ZHAGN Lijie, HU Wei, et al. Research and application of ICT-based remote early warning technology for gas turbines[J]. Thermal Power Generation, 2019, 48(2): 120-125.

2018-04-13

国家能源投资集团国华电力公司2017年科技创新基金项目(GHRQRDHT170302)

邱振波(1979—)，男，硕士，高级工程师，主要从事燃气轮机技术管理，16032814@shenhua.cc。

（责任编辑 刘永强）