K8凯发(中国)天生赢家·一触即发

来源：中国发电　　

　　降低发电成本，提高效益，发电设备经济安全运行，是目前发电企业面临的一个重大课题。不管是从安全还是经济上来说，设备维护都是至关重要。电厂以主设备以及一些辅助设备的连接来进行发电，设备的安全高效运行决定着整个电厂的安全高效运行。在电厂的日常费用中，设备运行维修费用占了不少的比例，进行有效的设备维护降低维修成本是发电企业的首选目标。凯发k8天生赢家一触即发软件在近三十年的电力信息化服务过程中，积累了丰富的电厂设备管理经验，在实践中对设备预测性监测进行了有益探索，总结了预测性维修管理的有效方法。
　　预测性维修思想

　　设备维护模式在逐步发展，主要经历了以下几个阶段：第一阶段是上世纪50年代的故障检修；第二阶段是上世纪60-70年代的计划检修；第三阶段是上世纪70-80年代的状态监测与计划检修结合；第四阶段也是目前的发展阶段,即预测性维修。传统模式下的事后维修和定期维修，不能达到避免事故发生的效果，常常出现维修过剩或者不足的情况，也不能有效的避免安全事故的发生。
　　预测性维修以设备的运行状态监测为基础，针对故障诊断和预测结果采取维护决策，更具客观性、科学性和先进性，从而有效避免过剩维修和维修不足等传统维修模式的弊端，并根据监测状态和诊断结果进行有效维修，科学规避预防安全事故。
　　预防性维修旨在借助离线或在线状态监测仪器对运行设备进行连续或间断的状态监测，采集设备的振动频率、加速度、速度、位移和运转部件的温度、压力的变化等多种信号，通过多种运行分析手段，提取设备的故障特征信息，借助故障诊断专家系统和数据库进行识别判断，分析趋势，进行中长期和近期的设备状态趋势预测，为设备维修提供决策支持。
　　状态监测与故障诊断

　　设备状态监测即通过测定设备的运行参数，根据参数的高低判定设备状态，对设备进行定期或连续监测，包括采用各种测试、分析判别方法，结合设备的历史状况和运行条件，弄清楚设备的客观状态，获取设备性能发展的趋势规律，为设备的性能评价、安全运行及故障诊断打下基础。
　　故障诊断即利用故障诊断理论对设备状态监测到的数据进行分析比较，掌握设备的运行状态及其劣化趋势，对设备维修提供决策支持，从而达到延长设备寿命，增加设备可靠性，防止设备突发事故，降低维护费用的目的。
　　设备状态监测与故障诊断包括三个层次的任务：设备运行的状态监测；设备状态异常时的故障诊断；设备故障的早期诊断与早期预报。
　　状态监测与故障诊断方法

　　一是谱分析对比诊断法。其基本原理是将典型状态下监测信号通过各种数学变换的谱图用数据库的形式存放在计算机中。在诊断过程中，通过谱图的寻找和对比，研究状态变化和参量分布，参照谱数据库得出诊断结论。
　　二是状态模型辨识诊断法。应用在线辨识技术来实时地为系统建立一个数学模型。当系统中存在故障时，系统的输入与输出关系就会发生改变。因此，当系统的数学模型的参数发生较大的变化时，系统就可能存在故障。
 
　　三是统计诊断法。应用贝叶斯公式算出某种征兆由特定故障引起的概率，进而判别故障类型。这种方法必须考虑被诊断对象的运行历史状况，以获取各种故障发生的概率变化情况，为各种故障确定先验概率。
　　除上述常用的方法外，还有故障树分析与诊断法、随机模型参数估计诊断法、人工神经网络诊断法等等。
　　电厂设备预测性维修
　　电厂设备繁多，维修对于设备的安全运行具有重要意义，那么电厂如何实施预测性维修？图1为预测性维修实施系统图：
 

　　首先进行数据采集，然后计算出各种性能指标，根据要求和知识库中设备正常状态的数据提取出故障信息，并与知识库中的正常状态下的数据进行具体比较分析，通过图表展示与正常情况的偏差大小，方便进行决策。系统可与知识库中积累的故障档案进行对比，查询类似故障追溯故障发生的原因及解决措施等信息。
　　凯发k8天生赢家一触即发软件提供的“在线监测与故障诊断系统”设计思路既吸收了常见的故障诊断理论的典型方法，也注重现场的诊断经验，是一个不断成长的、不断进步、不断充实的系统。
　　一是在线监测。在线监测软件提供树形配置结构，用户可根据不同设备信息查找相关设备的运行数据，同时对于自动产生缺陷报警的相应测点，软件根据不同的报警等级用不同的颜色体现。在企业配置树中，方便用户直观的判断产生报警的位置点，快速导航到相应设备、测点位置进行具体分析与判断，并对存在缺陷的测量数据进行分析。
　　二是故障诊断。设备资料库用于管理设备资料，是故障诊断软件的一个基本组成部分。把旋转机械设备简化成为由轴、轴承、齿轮等组成的综合体，从而避开了其具体的外形、结构。除了必要的如设备编号、设备名称、安装位置、功率等常规参数外，还可以把设备的结构图或照片等存入数据库。
　　凯发k8天生赢家一触即发“在线监测与故障诊断系统”支持设备测点库与在线监测模块之间的数据共享与利用。当在线监测模块建好测点数据以后，可以应用其中的设备资料信息预建功能快速地建立与该测点相对应的设备资料。
　　三是故障自诊断。系统采用基于规则、模型、案例和神经网络相结合的推理模式，运用正反向混合推理策略，根据自动获取的故障征兆，对设备故障进行自动诊断，发现故障时自动存储诊断结果并报警。同时，系统还具备对话诊断、诊断结果的解释、故障处理建议、打印诊断报告和事故追忆等功能。
　　系统根据设备测点所对应的资料和采集的数据，结合诊断参数给出诊断结论并弹出“诊断结论”窗口。在“诊断结论”中罗列“状态诊断结论”及可能发生该故障的概率，以及“故障治理建议”。
　　对于同一个数据，如果引用不同的诊断参数设置（或者叫做诊断标准）将可能得到不同的诊断结论，所以必须根据每台设备的特点、运行情况等建立适合的诊断参数设置。
　　四是动平衡计算。动平衡计算可以完成对转子动平衡资料的管理。输入转子转速、转子质量与平衡半径，选择需要达到的平衡等级，即可算出单位转子质量的许用不平衡量以及平衡半径处许用不平衡量。系统还可生成“平衡精度曲线”。
　　系统建立了开放的知识库系统，包括反映设备结构和运行历史的背景知识库以及反映领域专家丰富的诊断经验的诊断知识库。在系统的应用过程中，根据诊断对象的特点和经验积累，通过知识库管理系统可以增加、修改、存储、删除有关的故障、特征和诊断规则。同时，提供典型故障图谱，有关设备的标准、规程和检修方法，常见故障机理和特征，信号分析和故障诊断技术及国内外相关机组故障案例等。
　　预测性维修通过对设备状态进行监测和诊断，对设备的状态做出正确的判断，从而制定出科学合理的维修策略，提高了电厂设备维护的水平。状态监测和故障诊断技术的发展是预测性维修发展的关键，物联网等新兴技术与先进管理理念的融合，能不断优化设备预测性维修的技术及方法，帮助电厂提升运行安全性和稳定性，实现降本增效的目标。