浅谈智能监测在电站泵类设备管理中的应用实践

俞建明

（中核运维技术有限公司，浙江 杭州 311215）

1 原始设计与监测配置

1.1 系统设计

设备冷却水泵是电站中的重要泵类设备，它的作用是将核岛相关系统和设备产生的运行发热传递到厂用水系统，并最终释放到自然热阱（海水），从而保证这些被保护设备的可靠运行。在设计中，设备冷却水泵设计为两列并行，平时为一用一备运行，在特定条件下，需要两台泵同时运行以增加设备冷却水流量，如图1 所示。

图1 设备冷却水系统

1.2 现场布置

设备冷却水泵设计为卧式单级离心泵。两台泵布置于同一房间，成直线布置，厂房内从东到西依此为泵01B、电机01B，泵01A、电机01A。

1.3 原有监测

1.4 原有监测存在的不足

原有水泵虽已有多种参数的监测，但是仍存在一些不足：（1）监测方案不足，如对故障诊断有重要意义的振动监测没有进行监测；（2）监测参数没有进行融合监测，每个参数都是独立监测，数据之间没有融合；（3）没有建立故障诊断的规则库，不能为工程师诊断故障提供辅助决策；（4）人工监测将引入其他风险，如区域狭小带来的误碰风险、高处作业风险和高温作业风险等。

2 智能监测的实施

为了解决原有监测存在的不足，提升设备监测的效果，在审查设备冷却水泵的监测方案时，对设备冷却水泵的失效模式进行了分析，并根据先进模式识别方法对监测要求进行了升级。

基于初始设计要求，设备制造商为设备冷却水泵配置了以下的监测条件，包括泵入口压力、出口压力、泵入口母管温度、泵出口母管温度、泵出口母管流量等参数，如表1 所示。

表1 现有系统测点清单

2.1 监测方案分析及优化补充

根据先进模式识别，对泵的失效模式进行分析整理，可以发现主要的可监测征兆点有入口压力、入口温度、入口流量、出口压力、出口温度、出口流量、驱动端三向振动、非驱动端三向诊断、驱动端位移、非驱动端位移、驱动端轴承温度、非驱动端轴承温度、推力轴承位移、推力轴承温度等。对于单级离心泵的最有价值的监测参数如图2，包括轴承部位的三向振动、轴承的温度等参数。

图2 离心泵监测参数价值分析图

对以上离心泵的监测点和监测价值分析进行整理，得到如表2，表中简要列出了泵的主要失效位置、降级机理、可监测的手段如振动、热成像、温度及油液分析。

表2 泵故障特征及监测分析

如表2 所示可知，作为转机设备的泵，其最主要的失效问题还在于叶轮不平衡或磨损、密封泄漏、底座松动、泵轴弯曲变形、轴承磨损等问题。而目前可采用的监测方法主要包括振动测量、热成像、温度监测、油液分析等方法。

而根据图3 所示转机设备的故障发展过程来看，在故障初期第1 阶段，超声特征会有所改变，但此时的缺陷征兆不容易被识别且故障程度也无须进行修正；到故障早期的第2 阶段，振动特征已经开始改变，根据现有监测手段已经比较容易进行信号捕捉，而且此时已经需要采取一定的措施对故障缺陷进行纠正；到故障发展的第3 阶段，转动部件的磨损已经发生并且对润滑油的品质产生了影响，部分磨损颗粒也已经产生并可分析确认；到第4 阶段，由于润滑和冷却的不良，会导致轴承等部位的温度升高；到第5 阶段，随着磨损的继续发展，已经可以发现较为明显的噪音；到第6 阶段，轴承等部位的温度会随着摩擦效果而急剧上升；最终造成转动设备的故障发生。

图3 转动设备故障发展图

从以上分析可以得到，振动、温度、油液分析对转机设备的故障程度的认知是比较可靠的。在本例中，由于设备冷却水泵的润滑油液的量相对较少，而实现在线油液分析的变更难度较大，且泵的润滑油更换较易实施，并且在润滑油更换时也可以进行油液的分析而不需要增加在线的分析，因此，主要考虑对泵本体增加振动、温度的监测。

2.2 现场的监测传感器的配置

根据2.1 节的分析，结合设备已有的监测手段，对设备冷却水泵的监测方案的总结如表3。

表3 推荐卧式-单级离心泵监测参量

从表3 中结论可看到，新方案对泵的监测主要是新增了三向振动传感器和轴承温度传感器。选用的是振动温度一体的无线探头，布置点为电机的非驱动端、驱动端、泵的驱动端、非驱动端四个位置共12 个无线探头，这些无线在线监测探头解决了现场操作人员的误碰风险和高温作业风险。

2.3 监测系统的功能

智能监测系统对泵增加了额外的监测参数以后，要实现新增监测数据的采集并和电站已有DCS 数据之间的融合。另外，还需实现异常自判断、趋势分析、故障诊断、自动健康报告、报警信息推送等功能。它以一种在线监督和信息推送的方式向工程师报告设备的运行状态，从而为工程师的决策提供准确的支撑数据。如图4 即为泵的振动参数测量实测值和特征趋势图，可以非常直观地为工程师提供泵的振动发展趋势。

图4 泵非驱动端的振动实测值与特征趋势图

3 智能分析系统的建设

为泵增加智能监测，主要的特点体现在智能诊断。因工业大数据区别于商业大数据的特点，商业大数据主要集中于判断各类数据之间的相关性，而工业大数据不仅仅需要建设这种相关性，而且需要将之与设备的运行机理和失效模式相结合，从而为工程师决策提供依据，因此，为泵类设备设计智能诊断还需要进一步的工业运行机理的研究。本节主要就是介绍泵类设备的失效征兆与故障结论研究、故障规则库的建设、故障案例库的建设、和故障自动诊断的实现。

3.1 故障模式分析

为了构建一个更好的泵类设备智能监测及诊断系统，需要对设备的故障方式进行全面的分析，首先，要研究征兆规则和故障结论，征兆规则包括故障征兆发生的部位、征兆的对象、征兆的变动属性等；故障结论包括故障发生的部位、故障的具体类型、故障的原因、故障的结论、应该采取的解决措施等，如表4。

表4 故障规则分析表

3.2 故障规则库

在对设备进行失效分析后，将故障的结论和故障的征兆进行融合，形成设备的故障规则库，表4 是泵类设备叶轮不平衡、泵轴承损伤两个故障规则的案例，对泵进行全面的故障分析后形成泵的故障规则库。故障规则库的构建需要综合科研机构、制造厂商、行业应用实践等综合信息进行构建，而且是需要不断更新完善的，图5 是故障征兆、故障结论、故障规则和故障案例之间关系。

图5 故障征兆、故障结论、故障规则和案例库

3.3 故障自动诊断推理

故障的自动诊断和结论推理排序是一个相对复杂的过程，但是，对电站工作实际又有较高的指导意义。它既要考虑故障与征兆之间的逻辑关系，又要考虑故障结论与征兆之间的依存度，还要考虑本电站设备发生故障的实际情况。因此，建立一个相对较为科学的故障诊断排序方法是比较困难的，也要更多地依赖电站工程师的知识和经验。

在对设备的失效方式进行分析的过程中，发现每类故障都会有多个故障征兆相伴随。而单个故障征兆又可能指向不同的故障。根据条件概率的计算方式，我们将故障概率定义为Pi（B），将故障征兆定义为Pj（A）。

式中，P（B）：在某一征兆出现的情况下，特定故障的概率；P（Ai）：故障对应的每个征兆出现的概率；从故障机理来说，故障发生时，一般与之关联的征兆都会出现，而单一征兆出现时，故障的置信度则需进行平衡化分配，初次设置一般将征兆出现的可能性置为1/n；P（B/Ai）：在征兆Ai出现的情况下，发生故障的可能性，也即是上文表4 中所示的关联度系数。

表5 即为某次泵驱动端振动速度有效值超阈值上限后推理出的故障结论表。之所以有这么多的推理结果，是因为该征兆是一个较为广谱的征兆，它与多个故障结论有关联，而且在每个故障结论的征兆群里的重要程度并不相同。

表5 故障规则推理匹配表

4 应用实践

2023 年3 月22 日，智能监测系统在线振动传感器测到2 号机设备冷却水泵B（2-CCS-MP-01B）测点P1V振动6.3mm/s，触发系统报警，如图6，振动测试人员到现场使用手持振动检测仪复测核实振动超标。

图6 设备冷却水泵振动超标图

使用故障自诊断系统进行故障推测，部分推测结果如表5。

从表5 推理结论来看，导致本次振动有效值超标的可能结论很多，而且各故障的可能性与3.3 节所描述的故障征兆与故障结论的关联度设计有关。本次故障报警后，电站对泵进行了解体检查和维修，发现：泵驱动端和非驱动端轴承外圈内侧均存在缺陷，叶轮动平衡也不合格。后对轴承进行了更换，对叶轮进行了打磨修复和动平衡试验，回装后复测振动合格。

经过对此次事件进行根本原因分析，主要的经验为：由于系统内两台泵布置关系，电机01A—泵01A—电机01B—泵01B 在一条直线上，在01A 泵运行期间，01B 泵停运，01A 泵的振动通过楼板/管道传递给01B，导致01B 泵的轴在轴承内出现小幅振动，从而出现磨损现象。设备在正常运行期间，轴承内接触面间，本可以建立油膜，起到降低磨损的作用；但是，在微动磨损的情况下，难以建立起油膜，因此磨损情况会加剧产生。

从本次故障推理的情况来看，叶轮不平衡和轴承磨损都在故障规则的推理范围内，但是，因为这种由于泵的微振而导致轴承损坏的概率不高，因此其推理结果的排名并不靠前；而叶轮不平衡的问题也因为一般泵设备在安装前都会在厂家进行动平衡试验而概率较小。但是，这个故障毕竟发生了，并且本次事件故障结论已确定为轴承损坏和叶轮不平衡，所以有必要将案例进行录入并在下次出现同类型征兆诊断时考虑。在将故障转化为本设备的故障案例后，再重新进行振动超标的故障诊断测试，发现诊断结论为轴承损坏的匹配度上升。也就是说，只要有足够多的故障案例，智能系统的故障诊断结论会越来越接近于设备的实际情况。

5 结语

智能监测系统已运行一段时间，已在以下四个方面发挥了作用：（1）帮助工程师多次提前发现设备故障征兆，经过及时的分析应对，避免了设备的非预期故障失效。（2）新增加的振动在线监测，完全替代了原来的人工离线振动分析，减少了现场高温高噪音等恶劣环境下的工作量。（3）通过多源状态参数的自动监测，替代了原来由工程师进行的参数监测与趋势分析，减轻了工程师的工作强度。（4）通过综合健康监测分析设备健康状态，已将设备冷却水泵的解体大修由原来的基于时间的定期维修转为基于状态的解体维修，进一步增加了可靠性和经济性。

综上，为泵类设备增加智能监测是一个非常有价值的前瞻性的工作，值得在行业内进行推广。