宋景全

（中節(jié)能（通化）環(huán)保能源有限公司，吉林 通化 134003）

垃圾焚燒發(fā)電廠汽輪機通流部分運行狀態(tài)與熱力參數(shù)變化有緊密聯(lián)系，故障的發(fā)生通常會引起復速級后壓力、流量、溫度等熱力參數(shù)的變化，厚度到了比較嚴重的階段時，會出現(xiàn)汽耗量增加、軸向位移及振動增大現(xiàn)象。汽輪機通流部分出現(xiàn)故障，診斷時運用較多的方法為現(xiàn)場聽音、參數(shù)診斷、因果模型等。

本文探究了基于因果模型的故障診斷，以汽輪機在實際中出現(xiàn)真實發(fā)生過的故障為范例，與該模型進行全面的匹配，分析了診斷過程，并將其應用于汽輪機通流部分故障征兆的診斷。

1 汽輪機通流部分故障診斷的必要性

汽輪機通流部分故障的發(fā)生概率是很高的，基于以往運行中積累的經驗及已經開展的具體探究，可將其分為突然性、漸進性。突然性故障是汽輪機通流達到很嚴重的程度而引起的軸系參數(shù)巨變，越嚴重故障發(fā)生的概率越大，典型故障現(xiàn)象有：葉片斷裂、推力瓦損壞、動靜葉片摩擦、調節(jié)汽門卡澀引起的超速等，使汽輪機軸系參數(shù)發(fā)生較大變化，因此通過軸系參數(shù)監(jiān)測就可以及時預知并處理。漸進性故障是指通流部分逐漸而引起的熱力參數(shù)變化，由于進入汽輪機的高溫蒸汽之中含有鹽，經過做功單元，將熱能轉化為動能，壓力和溫度逐漸下降，蒸汽對鹽進行溶解的實際性能相對衰減，導致鹽在通道中析出，當數(shù)量積累到一定程度后便會結垢，隨著運行時間的增加，流道部分會出現(xiàn)故障，鹽沉積在葉片表面會引起化學反應，導致葉片腐蝕并形成點蝕，同時通流面積減少，長期存在的漸進性故障將導致汽耗率增加、熱效率下降和發(fā)電量降低。

雖然漸進性故障在開始時對機組的安全運行沒有實質性影響，但隨著時間的積累，必然會導致突發(fā)故障。

2 簡約覆蓋集理論的診斷原理

基于節(jié)約覆蓋集理論，建立一個四元組模型：P=，其中：D={d1,d2,…，dn}為原發(fā)故障集合；P 為發(fā)生率；M={m1,m2,…,mj} 為征兆集合；R?(D×C)(C×C)(D×M)為有序關系子集；R 為直接因果關系集合；M+?M 為某次診斷的征兆集合。

因果模型包含以下集合：SD，一階邏輯語句；COMPS，故障部件有限集D；OBS，檢查行為M 或征兆有限集M+。通流部分中裝設的各類部件，基于實際呈現(xiàn)狀態(tài)分為以下模式：正常-ab（C）、故障ab（C），C 指代部件。在因果模型之中，每個節(jié)點都被分配了一個隨機變量，在描述特定事件時具有一定的概率分布，概率分布可以充分捕捉數(shù)據(jù)的不確定性信息，直接從父節(jié)點到子節(jié)點，指示因果關系。

3 基于因果網(wǎng)絡模型的診斷思路

通過汽輪機通流部分故障信息收集，將因果模型通過特定方式實現(xiàn)跟鄰近矩陣的相互匹配，運用Warshall-Floyd 求取可達矩陣，且完成對極小沖突集的設立。根據(jù)已經得到的極小沖突集，對其分別對應的極小碰集進行計算，便可得出不同的候選診斷；為使診斷后得到的結果具有更強的精準性，在得出候選診斷之后需要更加細致的進行診斷、鑒別，如圖1 所示因果模型的故障診斷邏輯思路圖。

圖1 因果模型的故障診斷邏輯思路圖

3.1 信息提取

故障信息收集包括系統(tǒng)報警和現(xiàn)場聽音檢查，將2部分信息融合，過濾多種關鍵部件或故障信息之間的冗余關聯(lián)，從而提取全面精準的故障信息。

3.2 概率因果網(wǎng)絡模型

系統(tǒng)故障建模組件的類型與征兆間的關聯(lián)匹配，不同事件節(jié)點只有True 或False 等二進制值。對于實際應用，虛擬故障可以給出組件健康狀態(tài)的多種狀態(tài)，例如80%，這表明該組件不是非常好，但至少可以接受。在因果關系中，由于在每個節(jié)點都定義了一個隨機變量，因此可以直接分配多個離散值。

3.3 診斷推理準則

簡約覆蓋理論即為診斷推理準則，冗余層次診斷的即為策略，是概率因果網(wǎng)絡理論基礎，建立模型，將故障的根本原因與性能測量聯(lián)系起來。本文通過最短路徑——Warshall-Floyd 算法，將鄰接矩陣轉為可達矩陣，推理得出極小沖突集，再通過邏輯數(shù)組對它們分別對應的極小碰集進行計算，以得到所需的候選診斷。具體過程：通過數(shù)組，對沖突集CS={c1,c2,…,cn}，最小碰集HS={H1,H2,…}。 記∪CS={c1∪c2∪… ∪cn}={c1,c2,…,cm}。

3.4 計算和評價原理

以原發(fā)故障、先驗概率等為主要依據(jù)，同時運用概率推理，對得到的各候選診斷開展全面的篩選，使診斷使需要考慮的范圍得到有效縮減，對后驗概率得出的具體結果進行定量化處理，基于此對檢測的具體順序進行確定，為維檢工作的開展提供有效指導?；诟怕收摚^測得到的結果，能夠對集合Nd內包含的各類真實狀態(tài)X 進行有效體現(xiàn)，因此X 所對應后驗概率為：

3.5 診斷結果

依據(jù)上述方法計算出各部件所處狀態(tài)的后驗概率的大小，即可診斷結果，可做為設備健康管理的檢修先后順序。

4 汽輪機通流部分故障因果網(wǎng)絡模型的建立

依據(jù)汽輪機通流部分故障診斷的必要性分析，整理汽輪機通流部分原發(fā)故障集和故障征兆表現(xiàn)，通過分層方式完成對模型的設立，涉及到的節(jié)點、名稱等全部列示在表1、2，對應了故障與各測量參數(shù)之間的關系，并且反映設備的運行狀態(tài)。

表1 汽輪機通流部分原發(fā)故障集

5 汽輪機通流部分故障診斷的應用

某垃圾焚燒發(fā)電廠12MW 汽輪機通流部分故障，當遠程測量探頭檢測數(shù)據(jù)發(fā)現(xiàn)故障信息：接入DCS 控制組件的報警信息發(fā)出信號，則征兆M4出現(xiàn)時。據(jù)圖1 中展現(xiàn)的模型，SD 的具體結構及內容均會因為模型而受到顯著影響，具體展現(xiàn)在圖2，COMPS（D）為{D1，D11，D12，D12，D13}，OBS（M+）為M5。

圖2

首先可得出M5下的鄰接矩陣A6×6，通過Warshall-Floyd，轉為可達矩陣R6×6。

即在征兆M5出現(xiàn)后，系統(tǒng)中便會發(fā)生相應的沖突，基于上述矩陣，通過觀測實際呈現(xiàn)出的狀態(tài)，得出極小沖突集{D1，D6，D11，D12，D13，M5}，預先設定了觀測得到的結果具備較高的可信性，即P(M5)=0。系統(tǒng)呈現(xiàn)出不同狀態(tài)的具體概率，運用式（1）可求，1 為發(fā)生了故障或征兆，0 表示未出現(xiàn)，則針對于{D1，D6，D11，D12，D13，M5}系統(tǒng)各狀態(tài)的發(fā)生概率具體結果如表2 所示。

表2 汽輪機通流部分故障征兆集

表3 汽輪機通流部分故障因果關系圖相關信息表

根據(jù)系統(tǒng)狀態(tài)及其發(fā)生概率表，系統(tǒng)能夠呈現(xiàn)出的狀態(tài)有64 種，可能及不可能的分別為31、33 種。對各部件可能出現(xiàn)故障的具體后驗概率進行計算，得：P’(D6’)=0.04339P’(D13’)=0.07340P’(D12’)=0.29331P’(D11’)=0.15643P’(D1’)=0.43526，給出排序P’(D1’)>P’(D12’)>P’(D11’)>P’(D13’)>P’(D6’)?？芍?，若已經發(fā)生了征兆M5，需以得出的后驗概率為依據(jù)，對開展檢修時采用的具體次序進行確定，具體為D1，D12，D11，D13，D6。將上面提及的方法運用到對機組各個部件開展的診斷中，便可得到整機檢修時運用的方案，為檢修工作的開展找到更具科學性的方式，能夠更加高效且精準的對發(fā)生故障的位置進行確定，使維修過程無需耗用過長的時間，且盡可能減少需要付出的成本。

6 結語

汽輪機通流部分在實際運行中是否具有較高安全性、高效性，會給透平系統(tǒng)運行、發(fā)電廠安全等造成極為顯著的影響，這一持續(xù)過程至關重要，隨著勞動力、零件和停機時間等各種成本要素的增加，這些系統(tǒng)的復雜性不斷提高，過程成本顯著增加。因此，對漸進性故障的診斷需要進行早期的實時熱力參數(shù)、軸系參數(shù)監(jiān)測，這對故障發(fā)展趨勢預測、設備健康管理預知、檢修成本降低具有實際意義。