火电厂一次风机故障智能预警系统设计

（华电莱州发电有限公司，山东 烟台 261441）

0 引言

电力系统是国家经济发展的重要支柱，现阶段，火力发电在我国电力供应组成中，仍然占有非正常大的比重。尤其是在我国经济快速增长的大背景下，用电需求也在不断扩大。为了能够满足生活、生产用电，不仅需要扩大发电厂机组装机容量，而且还需要提升设备的自动化管理水平，降低故障发生概率，提升电网系统运行的安全性和稳定性。火电厂一次风机故障智能预警系统就是基于相似性模型的原理，采集风机设备的监测位点的数据信息，通过筛选正常运行的参数建立超球动态模型，通过导入数据计算出预测值，根据相似度曲线判断监测点预测值、相似度值和残差值，从而起到故障预警的作用。

1 火电厂一次风机常见故障及原因评价

一次风机主要由发动机、风叶、风轮、风壳、进气箱、集流器以及风力调节系统组成。为火电厂锅炉提供一定压力、一定流量的风力作用，将磨煤机输出的煤粉吹入炉膛内，并且提供足够的氧气，提升燃料的燃烧效率。可以说一次风机对火电厂锅炉的燃烧效率有着非常重要的作用，对电网系统运行的稳定性也有直接的影响[1]。火电厂一次风机常见故障包括轴承温度异常、风机振动异常、风机出力异常等。下面就对引发一次风机故障的主要原因进行简要分析：

1.1 轴承温度异常

引起轴承温度异常的主要原因包括：轴承润滑油质量较差、油量较少或者润滑油含有较多杂质导致润滑效果不佳。轴承箱盖密封性较差或者底座连接处的螺栓出现异常，轴承运动过程中会造成润滑油外溢，导致油箱内油位下降，低于安全值后同样会影响轴承润滑效果造成温度过高[2]。

1.2 风机振动异常

振动异常是火电厂一次风机的主要故障之一，引发该故障的主要原因包括：转子质量不均衡、临界转速出现异常或者转子中心点偏移，造成不规则振动；转子内油膜振荡以及与周围器件引起的摩擦等，都有可能造成风机振动异常。此外，风机固定螺栓与基础接触不良、基础平衡性设计存在缺陷、水利振动、旋转脱硫引起的振动、电动机振动以及喘振都会引发一次风机振动异常。

1.3 风机出力异常

风机出力异常主要表现在出风口风压以及风机转速较低，影响风机工作的稳定性。造成风机出力异常的主要原因包括：风道系统出现堵塞或者泄露等问题，影响设备的工作状态；风机制造工艺存在缺陷影响出风口风压；风机设备维护不当，造成过度磨损，严重影响风机的密封性能，风机内部漏风现象严重，影响风机设备工作的稳定性。

火电厂一次风机设备故障不仅会影响电网系统运行的稳定性，而且还会波及工作人员的人身安全。设备故障发生时，往往会伴随有一些征兆，这些征兆具体表现在设备运行的各个参数值当中，智能预警系统通过对设备运行状态信息进行实时采集，结合数据库中设备运行历史参数为依据，通过算法对当前运行状态进行评估，敏锐捕捉异常参数，对设备故障进行有效预警，变被动维修为主动预防，降低人工维护过程中由于时间延误造成的设备损伤，提升火电厂设备的使用寿命，给火电企业带来更大的经济效益。火电厂一次风机故障智能预警系统对设备运行的状态参数信息进行实时采集，结合数据分析，判断设备工作是否存在异常，然后进行故障预警[3]。

2 火电厂一次风机故障智能预警系统设计

火电厂一次风机故障智能预警系统将设备正常运行的参数信息录入数据库，以此为基本，根据神经网络算法对设备故障进行有效预警。主要工作原理包括一次风机运行状态信息采集、数据输入、建立超球动态模型并完善、生成一次风机相似度曲线，监测点预测值、相似度值和残差值。

火电厂一次风机故障智能预警系统采集火电厂一次风机正常运行的数据信息，对设备运行参数信息进行归一化处理，得到一次风机运行的数据集合，该数据代表一次风机的正常运行状态，结合状态参数构建一次风机超球动态模型。根据动态模型，从空间角度进行分析，设备模型建立过程就是用从一次风机历史数据中筛选关联动态点，从而构成锅炉一次风机运行状态超球过程。完善模型的精度就是从所有的关联状态点中筛选出相互之间的差别都大于某一个相似性指标的关联参照点，从而得到一个划分的足够精确而细致的超球模型。状态点预测值的产生，实时数据通过动态超球模型计算，判断该状态在动态超球模型中的位置，然后根据所有历史状态点和该状态点的相似性关系，利用相似性算法得到状态点预测值[4]。

火电厂一次风机相似度曲线的产生，该设备实时数据与该状态点的预测数据具有相似性的关系，通过距离相似度计算得到一个相似度值，随着设备的运行，实时数据不断输入到模型中，从而得到该设备运行状态的相似度曲线。火电厂一次风机故障智能预警系统架构，如图1所示。

2.1 数据采集

火电厂一次风机故障智能预警系统在数据采集过程中，主要分为入口温度、轴承温度、电动机定子线圈温度、一次风机横向振动、纵向振动、出口压力、振动、电流和电压等。

2.2 数据处理

分时段进行火电厂一次风机设备的测试点频率，将同一时段的设备测量值的数量，按照测试点数据，获得一次风机设备运行状态。根据数据采集的同时性原则，使用Linear方法对数据进行插值处理，该方法执行速度快，精确度高，能够确保所有数据信息时间和数量的一致性。

2.3 数据归一化处理

由于一次风机不同测点得到的数据对超球模型的建立会产生较大影响，因需要通过Min-Max数据标准化方法统一不同测点的量纲，从而确保可以建立有效的数据模型。

2.4 一次风机故障预警模型建立

智能预警系统在一次风机设备上设置有多个不同的监测传感器，每一个监测点状态会进行多次测量，某一时刻的测量值为：

根据不同监测点同一时间的测量值，建立超球模型K：

通过连续多次的采集监测数据，可以将一次风机正常工作状态进行数据模拟，经过归一处理的监测点数据信息分成h分，按照1/h步距筛选一次风机设备监测点数据信息，并将其导入到超球动态模型D中：

火电厂一次风机超球模型D代表所有监测位点同一时刻的状态信息，不同时刻的状态信息则分别由Dn表示。根据超球模型收集具有代表性的火电厂一次风机正常运行状态参数，通过训练获得可以完整模拟设备正常运行的状态。

2.5 故障分析预警

通过超球模型对一次风机运行状态信息进行分析处理，将监测位点数据信息导入到模型中得到预测值，利用距离相似度算法得到一次风机设备的相似度曲线，然后根据监测点相似度计算公式导入数据信息计算结果，以数据库中历史正常数据为参照，得到相似度最小值作为火电厂一次风机相似基准线，结合故障预警系统的诊断列表，查找出异常参数所代表的故障类型以及造成异常的主要原因，然后系统进行有效预警，帮助工作人员及时发现设备异常，采取有效的维护措施降低设备故障发生概率，提升电网系统运行的稳定性和安全性[5]。

3 结论

综上所述，伴随着我国经济的高速发展，生产生活对于电能的需求量与日俱增，电网系统的规模不断扩大，发电机组的装机容量也在不断提升。发电机组是确保电网系统安全运输的核心环节，再加上火力发电目前仍是我国主要电力输出方式。因此，发电设备运行的安全性和稳定性就成为人们关注的焦点。火电厂一次风机故障会对火电系统造成严重影响，其中风道异常振动表现得最为突出。本文分析了一次风机异常振动的主要原因，通过智能预警系统实现对风机设备的实时监控，能够更加快捷、准确的对一次风机故障进行有效预警，协助火电厂工作人员进行故障处理。相信，随着科学技术的不断进步，一次风机设备故障检测与定位技术不断成熟，故障监测的灵敏性和准确性不断提升，对于电网系统的安全运行将会起到很好的支持作用。