APP下载

凝给水系统故障分析及其诊断技术研究

2022-05-27李成钿潘隆轩程笑宇王宏业

化工自动化及仪表 2022年3期
关键词:给水泵系统故障冷凝器

李成钿 何 欧 潘隆轩 程笑宇 王宏业

(中国核动力研究设计院反应堆运行与应用研究所)

凝给水系统是工程试验装置的核心系统之一,二回路的重要组成部分,对整个装置的稳定运行起着至关重要的作用[1]。 某企业现有的二回路凝给水系统采用了大量新技术和新设备,系统极为复杂,涉及多个子系统,各个子系统相互影响,其中任一设备出现故障都将对凝给水系统的安全生产带来威胁,甚至影响整个装置的稳定运行[2,3]。系统性能跨越式发展的同时也给故障诊断带来了新的难题,受系统复杂性影响,操作员难以迅速确定故障发生的机理, 并定位故障地点。为了尽快处理故障, 避免故障影响进一步扩大,亟待建立新的凝给水系统故障知识库[4]。 笔者以最新凝给水系统为研究对象,结合调试运行过程中主要设备的实际情况与专家经验,建立故障知识库。

此外,凝给水系统故障种类繁多,而且故障现象与故障原因的映射关系复杂,致使传统的基于系统模型的故障诊断方法排除故障效率欠佳、准确率低,操作员精神压力大。 复杂系统的故障诊断历来是学者们不断攻克的难题,随着近些年人工智能故障诊断方法的大规模发展,学者们将专家系统、神经网络及深度学习等人工智能方法应用在核电厂和核动力装置的系统故障诊断中[5~9]。 为了有效地实现新凝给水系统的故障诊断,笔者提出基于深度置信神经网络的凝给水系统故障在线诊断技术。

1 凝给水系统故障知识库

凝给水系统由多台蒸汽发生器、 汽轮给水泵、给水调节阀、冷凝器、凝水泵、热井及水位调节阀等构成,系统结构如图1所示。

图1 凝给水系统结构简图

凝给水系统的主要功能是: 抽出1#冷凝器和2#冷凝器中的凝水, 由水质处理模块去除凝水中的杂质,使之达到蒸汽发生器水质指标后,通过汽轮给水泵输送到蒸汽发生器;在系统运行过程中,需时刻调节共用冷凝器的水位并平衡系统水量。 相比于传统凝给水系统,新凝给水系统的控制方式、运行特点和工作情况变化极大。

凝给水系统按照功能可划分为给水系统和凝水系统两个子系统,二者相互配合,缺一不可,子系统中任一设备出现故障或异常情况,都将导致整个凝给水系统参数异常和二回路“瘫痪”。 给水系统通过控制汽轮给水泵给水调节阀的开度和给水泵转速,将蒸汽发生器压力调节在规定的范围内,保证向蒸汽发生器安全稳定地给水。 凝水系统的作用是保持凝水泵出口凝水的压力在规定的范围内,将凝水输送到给水泵,从而完成汽水循环工作。 因此,凝给水系统的故障模式最终体现为蒸汽发生器压力与凝水泵出口凝水压力超出规定的范围。

基于积累的装置长时间运行统计的凝给水系统故障的经验,分析凝水泵、汽轮给水泵、给水调节阀及蒸汽发生器等关键设备的结构与功能, 提取出新凝给水系统的故障知识库, 具体见表1。

表1 凝给水系统故障知识库

(续表1)

2 凝给水系统故障诊断方法研究

深度置信神经网络通过预训练受限玻尔兹曼机(RBM)的方法,分析提取原始数据特征并进行数据重建, 进而获得网络初始权值和阈值,在提高网络训练效率的同时,改善普通深层神经网络极易陷于局部最优的问题[10,11]。基于以上优点,提出基于深度置信神经网络的凝给水系统故障诊断方法。

2.1 模型的建立

以表1的凝给水系统知识库为基础, 结合装置实际运行情况和模拟机仿真情况, 总结出6种凝给水系统常见故障:凝水泵汽蚀、汽轮给水泵汽蚀、汽轮给水泵抽气压力低、给水调节阀阀位不动、蒸汽发生器给水控制系统失灵和冷凝器水位调节阀无法复位。 共涉及15个参数:1#冷凝器水位、2#冷凝器水位、1#冷凝器凝水过冷度、2#冷凝器凝水过冷度、1#冷凝器真空度、2#冷凝器真空度、1#凝水泵进口压力、2#凝水泵进口压力、1#凝水泵出口压力、2#凝水泵出口压力、给水流量、给水调节阀压差、给水压力、凝水流量和汽轮给水泵转速。

为建立基于深度置信神经网络的凝给水系统故障诊断模型, 对6种常见故障和正常工作状态下的凝给水系统进行诊断,因此诊断网络模型的输出层神经元数k为7个;将15个参数作为模型输入,因此输入层的神经元数i为15个。 所建立的基于深度置信神经网络的凝给水系统故障诊断模型如图2所示,主要包含由2个RBM逐层堆叠而成的深度置信网络(DBN)和Softmax分类层两部分,RBM组成结构包含可见层和隐含层, 其中隐含层Ⅰ既是RBM1的隐含层也是RBM2的可见层。故障诊断网络2层隐含层的神经元个数分别为10和5。

图2 基于深度置信神经网络的凝给水系统故障诊断模型

隐含层和Softmax分类层的激活函数以及代价函数E的表达式分别为:

其中,x为网络输入向量;zl为第l个节点的输出值;zc为第c个节点的输出值;C为输出节点的个数,即故障的类别数;M为总类别数;为第j个样本第m类的正确值;为第j个样本第m类的预测值。

2.2 模型的训练算法

新凝给水系统故障诊断训练样本来自于运行时积累的数据和模拟机仿真数据,以此为基础构造和扩充得到140组数据样本。

开始训练前,首先对样本输入(故障征兆)进行归一化处理,统一映射到[0,1]。 其中,0.25和0.75为凝给水系统正常运行时该输入变化范围的下限值和上限值,0和1为该输入变化范围的下限值和上限值。训练前将数据样本按7∶3划分为训练集和测试集。

训练过程包括无监督预训练RBM与有监督微调权值和阈值两个重要环节。 有监督微调过程采用Adam优化算法, 网络权值W和阈值b的更新公式为:

训练过程中, 采用批处理法逐批输入训练集,对故障诊断模型进行训练,算法流程如图3所示。

图3 新凝给水系统故障诊断模型算法流程

2.3 凝给水系统故障诊断结果

训练中,取迭代次数为200、学习率为0.018,凝给水系统故障诊断网络的训练效果如图4所示,可以看出,迭代170次后,训练集代价函数值趋于稳定,迭代收敛;而测试集准确率随着迭代次数的增加而增大, 最终故障诊断准确率达到98%。

图4 凝给水系统故障诊断网络训练效果

3 结束语

为实现新凝给水系统故障的在线诊断,针对6种典型故障建立了基于深度置信神经网络的凝给水系统故障诊断模型,诊断结果表明该模型能有效识别出6种典型故障, 减轻了操作员的工作压力。 所建立的新凝给水系统故障知识库可为工程试验装置运行过程中凝给水系统的故障排查提供技术参考。

猜你喜欢

给水泵系统故障冷凝器
某型水泵旋转系统故障分析
数据机房集中式与平面型冷凝器热环境对比研究
200 MW机组给水系统自动控制策略研究与应用
氨制冷系统冷凝器选择
盘管式冷凝器与管壳式冷凝器对比实验研究
液力耦合器电动给水泵变频调速技术在300 MW火电机组上的应用
2015款奔驰R400车预防性安全系统故障
雷克萨斯ES350车空调系统故障2例
汉兰达车空调系统故障排除4例
给水泵的技改创新