APP下载

智能火电厂锅炉给水泵故障定位方法

2023-02-24余武高李杰奇

设备管理与维修 2023年2期
关键词:漏报给水泵滤网

余武高,卫 健,安 城,李杰奇,胡 仲

(国家电投集团江西电力有限公司分宜发电厂,江西新余 336615)

0 引言

智能火电厂近年来的发展重点主要集中在锅炉故障研究层面。在运行过程中,如果设备出现大面积故障,将会影响机组的调峰能力,进而导致整个火电厂的电力负荷失调。作为整个火电厂汽水循环的核心设备,锅炉给水泵故障已经引起了各界的关注[1]。为了准确定位故障,就需要先对故障点和给水泵的故障区域进行检测和判断,需要结合大数据技术,包括历史DCS 数据、设备结构以及历史运行数据,对易于出现故障的区段重点监测。

1 基于大数据技术的智能火电厂锅炉给水泵故障定位方法

1.1 神经网络算法识别给水泵故障类型

通常由于智能火电厂锅炉给水泵的外部应用环境较差,导致给水泵的故障发生频率较高。结合神经网络的作用原理,根据给水泵的历史数据,能够得出相应的故障特点,即区域性、关联性及滞后性。当给水泵所处锅炉的炉膛压力升高时,对应的出口和入口温度需要重点观测,这样就可以得到给水泵故障类型。从图1 可以看出,火电厂锅炉给水泵常见故障可以归纳为5种,在不同的场景下呈现出不同的特征。

图1 火电厂锅炉给水泵故障类型

给水泵内部泄漏故障的原因主要是,部件中叶轮承受的进口及出口压力差值过大,导致叶轮与给水泵的密封环之间出现缝隙。传输的液体出现回流现象会导致能量损失,则给水泵出力下降的计算公式为:

其中,P′和P分别表示给水泵出口流量和进口流量,δ 表示给水泵在工作周期内的扬程。

根据式(1)的计算结果,将给水泵故障模拟成一个输出层序列,结合神经网络算法的输入时刻,可以得出给水泵故障结构中隐藏层的活性值表达公式:

其中,r 表示循环神经元向量,d 表示激活函数线性参数。此外,如果水中沉淀的微量杂质没有得到及时处理,那么就会逐渐造成滤网堵塞。在给水泵循环工作时,阀门的命令执行错误会导致阀门无法达到开度阈值,从而加剧故障程度[2-3]。如果给水泵的零件润滑不到位,也会降低机械转动效率,出现摩擦力增加、给水泵无法正常运转的情况。在前置泵汽蚀的原因中,给水泵中除氧器出口压力过低是重要诱因,也是给水泵技术参数异常的直接原因。

1.2 大数据技术优化故障定位模式

将大数据技术应用于智能火电厂锅炉给水泵故障定位方法设计,能最大限度发挥大数据的特点。利用先进的检测设备,实时监测给水泵的运行参数,在数据出现异常时及时对故障进行定位处理。在给水泵检修过程中,应将连接的零件拆解,将检修重点放在给水泵的前中心部分。为了避免元器件损坏故障,还需要测量给水泵叶轮内孔和卡环,清理区间内的隔板及平衡环。火电厂锅炉通常会配备两条汽动给水泵[4],为了精准故障定位,需要及时获取给水管路的运行状态。结合给水泵的相似定理可知:

式(2)中,R 表示给水泵的转速,S 表示体积流量,η 表示扬程。在只考虑滤网对给水泵影响的条件下,阀门允许通过的最大质量流量可以视作一个阻力元件。在这种情况下,仅采用二次多项式进行拟合是不够的,需要考虑运行过程中的压差阈值,并保留给水泵流量拟合中的常数项。由于管内介质流动的驱动力不是一成不变的,因此还要结合以信号偏移为代表的一些不易发现的软故障,利用大数据技术将软故障的数据信息进行单独提取并归纳,得出与设备故障相关联的信息。基于上述描述,完成、优化智能火电厂锅炉给水泵故障定位模式的步骤。

2 实验分析

2.1 实验环境

结合本次实验测试的需要,对此次设计的智能火电厂锅炉给水泵故障定位方法进行有效性测试。以某智能火力发电厂为例,在2×660 MW 机组的条件下,搭建实验环境。锅炉给水泵的技术参数见表1,其中THA(Turbine Heat Acceptance)为额定工况,即额定背压、额定功率、额定进汽参数、没有补水。

为了保证实验结果的准确性,在表1 给水泵参数的基础上,对火电厂锅炉的主给水装置进行状态调整。对于主给水冷却步骤,先将除氧器中配出的氧气转换成饱和气体并进行能量交换,以饱和气体作为再生产循环的主要能量。

表1 锅炉给水泵技术参数

2.2 实验结果分析

本次实验选取3 种同类型的智能火电厂锅炉给水泵故障定位方法进行对比,另外两种方法分别是,基于数据驱动的故障定位方法和基于改进遗传算法的故障定位方法。在不同的给水泵进口滤网压差条件下,分别对比3 种故障定位方法的漏报率,实验结果如表2~表4 所示。

根据表2~表4 可知,当给水泵进口滤网压差为500 m3/h时,本文提出的故障定位方法,与另外两种方法的漏报率均值分别为6.865 4%、13.278 0%和12.241 8%;当给水泵进口滤网压差为200 m3/h 时,3 种方法的漏报率均值分别为12.982 0%、19.561 2%和20.486 7%:当给水泵进口滤网压差为100 m3/h时,3 种方法的漏报率均值分别为15.168 9%、32.836 2%和31.191 1%。当给水泵进口滤网压差升高时,故障定位方法的漏报率呈增加趋势。本文提出的方法,漏报率始终低于另外两种方法,说明本文提出的方法在故障定位方面的结果较为准确,具有一定实用性。

表2 给水泵进口滤网压差500 m3/h 时3 种方法的漏报率 %

表3 给水泵进口滤网压差200 m3/h 时3 种方法的漏报率 %

表4 给水泵进口滤网压差100 m3/h 时3 种方法的漏报率 %

3 结束语

本文设计的智能火电厂锅炉给水泵故障定位方法中,结合神经网络算法,对定位模式加以优化,为智能火电厂的锅炉给水泵故障定位提供了有力的学术支撑。受研究条件影响,未来还应对这一故障定位方法的精度展开详细研究。

猜你喜欢

漏报给水泵滤网
某1000 MW机组给水泵汽轮机油膜振荡分析及处理
一种给水泵叶片厚度计算方法
主给水泵滤网压差高问题分析及设计改进
网式过滤器滤网堵塞成因分析与压降计算
各类气体报警器防误报漏报管理系统的应用
浅析给水泵汽轮机跳闸回路改造
给水泵故障跳闸原因分析
EraClean TOWER空气净化器
临床乳腺检查筛查乳腺癌中降低病灶漏报率的探讨
传染病漏报原因分析及对策