垃圾焚烧发电厂汽轮机通流部分故障诊断模型研究

宋景全

（中节能（通化）环保能源有限公司，吉林 通化 134003）

垃圾焚烧发电厂汽轮机通流部分运行状态与热力参数变化有紧密联系，故障的发生通常会引起复速级后压力、流量、温度等热力参数的变化，厚度到了比较严重的阶段时，会出现汽耗量增加、轴向位移及振动增大现象。汽轮机通流部分出现故障，诊断时运用较多的方法为现场听音、参数诊断、因果模型等。

本文探究了基于因果模型的故障诊断，以汽轮机在实际中出现真实发生过的故障为范例，与该模型进行全面的匹配，分析了诊断过程，并将其应用于汽轮机通流部分故障征兆的诊断。

1 汽轮机通流部分故障诊断的必要性

汽轮机通流部分故障的发生概率是很高的，基于以往运行中积累的经验及已经开展的具体探究，可将其分为突然性、渐进性。突然性故障是汽轮机通流达到很严重的程度而引起的轴系参数巨变，越严重故障发生的概率越大，典型故障现象有：叶片断裂、推力瓦损坏、动静叶片摩擦、调节汽门卡涩引起的超速等，使汽轮机轴系参数发生较大变化，因此通过轴系参数监测就可以及时预知并处理。渐进性故障是指通流部分逐渐而引起的热力参数变化，由于进入汽轮机的高温蒸汽之中含有盐，经过做功单元，将热能转化为动能，压力和温度逐渐下降，蒸汽对盐进行溶解的实际性能相对衰减，导致盐在通道中析出，当数量积累到一定程度后便会结垢，随着运行时间的增加，流道部分会出现故障，盐沉积在叶片表面会引起化学反应，导致叶片腐蚀并形成点蚀，同时通流面积减少，长期存在的渐进性故障将导致汽耗率增加、热效率下降和发电量降低。

虽然渐进性故障在开始时对机组的安全运行没有实质性影响，但随着时间的积累，必然会导致突发故障。

2 简约覆盖集理论的诊断原理

基于节约覆盖集理论，建立一个四元组模型：P=，其中：D={d1,d2,…，dn}为原发故障集合；P 为发生率；M={m1,m2,…,mj} 为征兆集合；R⊂(D×C)(C×C)(D×M)为有序关系子集；R 为直接因果关系集合；M+⊂M 为某次诊断的征兆集合。

因果模型包含以下集合：SD，一阶逻辑语句；COMPS，故障部件有限集D；OBS，检查行为M 或征兆有限集M+。通流部分中装设的各类部件，基于实际呈现状态分为以下模式：正常-ab（C）、故障ab（C），C 指代部件。在因果模型之中，每个节点都被分配了一个随机变量，在描述特定事件时具有一定的概率分布，概率分布可以充分捕捉数据的不确定性信息，直接从父节点到子节点，指示因果关系。

3 基于因果网络模型的诊断思路

通过汽轮机通流部分故障信息收集，将因果模型通过特定方式实现跟邻近矩阵的相互匹配，运用Warshall-Floyd 求取可达矩阵，且完成对极小冲突集的设立。根据已经得到的极小冲突集，对其分别对应的极小碰集进行计算，便可得出不同的候选诊断；为使诊断后得到的结果具有更强的精准性，在得出候选诊断之后需要更加细致的进行诊断、鉴别，如图1 所示因果模型的故障诊断逻辑思路图。

图1 因果模型的故障诊断逻辑思路图

3.1 信息提取

故障信息收集包括系统报警和现场听音检查，将2部分信息融合，过滤多种关键部件或故障信息之间的冗余关联，从而提取全面精准的故障信息。

3.2 概率因果网络模型

系统故障建模组件的类型与征兆间的关联匹配，不同事件节点只有True 或False 等二进制值。对于实际应用，虚拟故障可以给出组件健康状态的多种状态，例如80%，这表明该组件不是非常好，但至少可以接受。在因果关系中，由于在每个节点都定义了一个随机变量，因此可以直接分配多个离散值。

3.3 诊断推理准则

简约覆盖理论即为诊断推理准则，冗余层次诊断的即为策略，是概率因果网络理论基础，建立模型，将故障的根本原因与性能测量联系起来。本文通过最短路径——Warshall-Floyd 算法，将邻接矩阵转为可达矩阵，推理得出极小冲突集，再通过逻辑数组对它们分别对应的极小碰集进行计算，以得到所需的候选诊断。具体过程：通过数组，对冲突集CS={c1,c2,…,cn}，最小碰集HS={H1,H2,…}。 记∪CS={c1∪c2∪… ∪cn}={c1,c2,…,cm}。

3.4 计算和评价原理

以原发故障、先验概率等为主要依据，同时运用概率推理，对得到的各候选诊断开展全面的筛选，使诊断使需要考虑的范围得到有效缩减，对后验概率得出的具体结果进行定量化处理，基于此对检测的具体顺序进行确定，为维检工作的开展提供有效指导。基于概率论，观测得到的结果，能够对集合Nd内包含的各类真实状态X 进行有效体现，因此X 所对应后验概率为：

3.5 诊断结果

依据上述方法计算出各部件所处状态的后验概率的大小，即可诊断结果，可做为设备健康管理的检修先后顺序。

4 汽轮机通流部分故障因果网络模型的建立

依据汽轮机通流部分故障诊断的必要性分析，整理汽轮机通流部分原发故障集和故障征兆表现，通过分层方式完成对模型的设立，涉及到的节点、名称等全部列示在表1、2，对应了故障与各测量参数之间的关系，并且反映设备的运行状态。

表1 汽轮机通流部分原发故障集

5 汽轮机通流部分故障诊断的应用

某垃圾焚烧发电厂12MW 汽轮机通流部分故障，当远程测量探头检测数据发现故障信息：接入DCS 控制组件的报警信息发出信号，则征兆M4出现时。据图1 中展现的模型，SD 的具体结构及内容均会因为模型而受到显著影响，具体展现在图2，COMPS（D）为{D1，D11，D12，D12，D13}，OBS（M+）为M5。

图2

首先可得出M5下的邻接矩阵A6×6，通过Warshall-Floyd，转为可达矩阵R6×6。

即在征兆M5出现后，系统中便会发生相应的冲突，基于上述矩阵，通过观测实际呈现出的状态，得出极小冲突集{D1，D6，D11，D12，D13，M5}，预先设定了观测得到的结果具备较高的可信性，即P(M5)=0。系统呈现出不同状态的具体概率，运用式（1）可求，1 为发生了故障或征兆，0 表示未出现，则针对于{D1，D6，D11，D12，D13，M5}系统各状态的发生概率具体结果如表2 所示。

表2 汽轮机通流部分故障征兆集

表3 汽轮机通流部分故障因果关系图相关信息表

根据系统状态及其发生概率表，系统能够呈现出的状态有64 种，可能及不可能的分别为31、33 种。对各部件可能出现故障的具体后验概率进行计算，得：P’(D6’)=0.04339P’(D13’)=0.07340P’(D12’)=0.29331P’(D11’)=0.15643P’(D1’)=0.43526，给出排序P’(D1’)>P’(D12’)>P’(D11’)>P’(D13’)>P’(D6’)。可知，若已经发生了征兆M5，需以得出的后验概率为依据，对开展检修时采用的具体次序进行确定，具体为D1，D12，D11，D13，D6。将上面提及的方法运用到对机组各个部件开展的诊断中，便可得到整机检修时运用的方案，为检修工作的开展找到更具科学性的方式，能够更加高效且精准的对发生故障的位置进行确定，使维修过程无需耗用过长的时间，且尽可能减少需要付出的成本。

6 结语

汽轮机通流部分在实际运行中是否具有较高安全性、高效性，会给透平系统运行、发电厂安全等造成极为显著的影响，这一持续过程至关重要，随着劳动力、零件和停机时间等各种成本要素的增加，这些系统的复杂性不断提高，过程成本显著增加。因此，对渐进性故障的诊断需要进行早期的实时热力参数、轴系参数监测，这对故障发展趋势预测、设备健康管理预知、检修成本降低具有实际意义。