《电厂状态检修作业.doc》由会员分享，可在线阅读，更多相关《电厂状态检修作业.doc（8页珍藏版）》请在三一办公上搜索。
1、东大硕士生电厂状态检修课程考试答卷1. 电厂状态检修的总体框架和发展趋势？电厂状态检修是根据机组采集、监测到的大量信息，判定机组运行状况，优化机组运行时间，合理安排检修。狭义状态检修概念与预知维修是基本一致的。但是，广义的状态检修概念，经常不容易解释清楚。而具有普遍意义的优化检修，外延更大。在火电设备检修这个范围内，所谓优化检修应该是在考虑设备寿命周期总成本的前提下，融故障检修、定期检修、状态(预知)检修和主动检修为一体的，以可靠性为中心的检修方式(RCM)。因此，广义的状态检修就是优化检修的最重要核心。它们都是现代设备管理的主要部分，要达到的目标是一致的。故障维修出现故障后再维修，比较被动。
2、定期维修到期后，不管是否有故障，都进行维修，比较被动和机械。预测维修根据机组状况决定检修安排，比较主动。 我国电力系统目前：计划检修为主、临时检修为辅。发电厂检修规程规定，机组大修间隔24年一次，小修间隔每48月一次。实践表明，检修周期偏短。根据电厂实际情况，目前正在大力开展设备状态检修工作，以期提高设备可靠性和利用率。我国电力系统采用的检修模式可以用如下的图示结构表示：现行的计划检修存在诸多不足之处：缺乏经济性，按周期每年到期的检修设备多，数量达，设备的维护费用较高。一方面运行状况良好的设备到期必修，增加了停运时间和检修费用；另一方面，少数状况不好的设备因周期未到而得不到技术检修，易发生故障
3、，降低了设备运行的安全性；现有的检修方式不适应电力企业的改革和发展，制约了企业经济效益的提高。计划检修突出的问题是需要较多的检修人员，而实际中，企业为减轻负担，提高效益，努力减少检修人员。由于检修人员的减少，要按计划完成工作，存在很大的难度；检修人员素质有待提高，不能完全胜任设备的检修，检修方式不灵活，电厂由于各专业分工较细，不能迅速处理突发事件，效率低下。电厂设备状态检修的发展：状态检修的实施可先从实施设备定点检修制和检修作业标准化、规范化入手，全面落实设备管理的责任制，规范、完善检修基础管理，强化检修质量管理，提高设备健康水平，保持设备处于良好水平。对有条件的项目或设备状态，可先行实施状态
4、诊断和状态检修；状态检修是建立在设备性能和健康状态的监测与诊断基础上的，诊断一般分为静态诊断和动态诊断。静态诊断是要通过常规或离线探查掌握设备的健康状态，动态诊断则依靠状态监测与故障诊断在线探查设备的性能及健康状态。实施设备状态检修需要配置适当的监测设备及相应的软件，应在制度上、管理方式上保证这些信息能够得以充分、有效利用。其次注重利用现代技术手段收集、分析这些信息，使其与其它监测设备得到的数据一起作为分析判断设备状态的依据；同时，实施设备状态检修是一项系统工程，建立健全组织机构，制定相应的规章制度，明确各部门的职责，协调一致，才能取得良好的效果。发电厂是实施设备状态检修的主体，其组织机构可分
5、3个层次：决策层、专业层（管理层）和操作层。实施状态检修，运行方、诊断方、检修方是一个有机的整体。只有各方都发挥的作用，才能建立一个完善的全员设备管理体制。 最后是强化点检：建立负责设备状态检修的单独组织，明确职责，有效运转，利用电厂运行与检修管理信息集成分析诊断系统，真正做好设备状态参数检测和趋势分析工作，定期提出设备状态报告，为设备的检测决策提供条件。依靠先进的监测设备和完善的监督手段，加强对设备状态的分析和诊断，指导设备的检修。综合利用各种监测诊断、寿命评价、可靠性评估、性能分析等技术在发电厂得到应用，但从状态检修的角度综合组织这些技术将是重要的发展方向，这种技术的组织应该是有实效的而不
6、是简单拼盘。在这种需求的拉动下，也会逐渐产生多种技术复合的新的技术形态或集成系统。2. 某机组早期故障状态下，传感器输出信号中出现了微弱的、周期性脉冲信号，请设计状态检测特征提取方法？ 在大型汽轮机组运行状态监测与故障诊断中，一方面，因设备处于变工况运行时转速不稳定、负荷变化以及因机械故障产生大量的冲击、摩擦等状况，导致非平稳振动信号的产生，基于平稳过程的传统信号处理方法难以发挥作用;另一方面，当设备发生故障时，由于设备各零部件的结构不同，运行速度不同，使振动信号所包含不同零部件的故障特征频率分布在不同的频带范围内。特别是当设备出现某一零部件的早期缺陷时。它的这种缺陷动态信号很微弱，往往被其它
7、零部件的运行振动信号和随机噪声所淹没，给信号检测工作带来很大的困难。要做出准确的故障诊断，必须想办法从夹杂有噪声的微弱的，周期性的脉冲信号中提取出真实的故障信号。在工程实践中常用的信号“去噪”方法有以下几种：1、平均法设所测的信号是由周期信号与噪声信号叠加而成，把它分成若干段，每段的长度取为信号周期的倍数。然后把这些信号同时相加平均，由于噪声是随机的，在不同的周期的对应点的值有正有负，相加后可部分抵消，而信号幅度越积越大，因而平均的结果使得周期成分加强了，而随机噪声成分减弱了。从而达到了抑制噪声，提取弱信号的目的。这种同步平均的方法在旋转机械信号分析中应用广泛。但只有从原始信号截取各段的长度等
8、于周期信号的周期的倍数，才能取得良好效果。2、相关法相关法是根据周期信号的幅度在不同时刻具有相关性，而噪声是随机的，对它们求相关函数，将周期信号从噪声背景中提取出来的方法。相关法可分为自相关和互相关两种。自相关是检测信号中周期成分的有效手段。由信号统计理论，在时间趋向无穷大时，噪声的自相关函数趋于零;周期信号的自相关函数是一个与周期信号同周期的信号，所以将混有噪声的信号作自相关处理，在时间趋向无穷大时，将得到一个不含有噪声的周期信号，从而消除了噪声干扰。互相关方法是利用互相关函数同频相关、不同频不相关的性质滤波，称为相关滤波。它能够抑制所有与参考信号不相关的各种形式的噪声，而自相关方法却难以完
9、全做到这点。因此，从噪声抑制能力上看，互相关方要优于自相关方法。3、功率谱分析功率谱分析是在频域中提取有用信息的方法。通常采用功率谱密度来描述平稳随机信号的谱强度。通过功率谱来揭示信号所含的周期、谱峰及谱强度等信息。自功率谱为自相关函数的傅里叶变换，自功率谱包含着自相关函数中的全部信息。自功率谱密度反映的是信号幅值的平方，因此能更加突出频域结构的特征。同自相关分析一样，自功率谱密度也可用来检测信号中的周期成分，在故障监测中，可根据不同时段自功率谱的变化来判断故障发生征兆和寻找可能发生故障的原因。互谱是互相关函数的傅里叶变换，如果一个测试系统受到外界干扰，利用互谱分析可排除噪声的影响，但是一般不
10、常用。除此以为，还有细化傅里叶变换、倒频谱、三分之一倍频程谱等。细化谱分析可以提高频率分辨率，常常作为功率谱辅助分析手段;倒谱分析对识别故障的边频结构很有效，且对于信号的传递路径不敏感。4、数字滤波数字滤波是通过数学运算从所采集的离散信号中选取人们所感兴趣的一部分信号。数字滤波的主要作用是滤除测试信号中的噪声或虚假成分、提高信噪比、平滑分析数据、抑制干扰信号。数字滤波器是利用采样及量化过的信号。从滤波器的单位冲击响应来看，滤波器可分为无限长单位冲击响应滤波器(IIR)和有限长单位冲击响应的滤波器(FIR)。具有频率选择功能的数字滤波器按功能分类，有低通滤波器、高通滤波器、带通滤波器、带阻滤波器
11、。另外，在全频带幅频特性固定的滤波器称为全频带滤波器，可用于改善滤波器的相频特性。由于FIR滤波器的稳定性及线性相位的特性，因此更多的应用于实际中。 5、维纳滤波维纳滤波是利用最小平方滤波原理剔除噪声的一种滤波方法。如果输入信号是源信号与干扰噪声信号的混合，并且源信号与干扰噪声信号不相关，那么维纳滤波器的期望输出就是源信号本身。维纳滤波器的频率响应决定于源信号与噪声的自功率谱。维纳滤波器对信噪比大的频率分量传输函数大，对信噪比小的频率分量传输函数小，它就是这样来相对抑制噪声通过系统的。维纳滤波利用谱分解和平稳随机过程的谱展式解决最优滤波问题，己被成功地应用于故障振动机理己有成熟结论的机械诊断领
12、域中。3. 论述如何开展基于振动分析的电厂状态检修工作？在常见电厂状态检修技术（故障检修、定期检修、状态(预知)检修和主动检修）中，故障诊断技术发挥了尤其重要的作用，如振动诊断，温度诊断，油液分析诊断，红外诊断，声发射诊断等。在汽轮发电机组的各种故障中，振动问题比较突出，同时振动又直接反应了设备的健康状况，是设备安全评估的重要指标。一台机组正常运行时，其振动值和振动变化值都应该比较小。一旦机组振动值变大，或振动变得不稳定，这说明设备出现了一定程度的故障。要开展基于振动分析的设备故障诊断需要对机组结构、振动信号、故障特征和运行工况等进行非常深入、仔细的研究。振动分析的首要任务是对振动原因作一个定
13、性的判断。例如振动是属于强迫振动还是自激振动，是干扰力过大还是轴承座刚度不足，是发电机问题还是汽轮机问题。要进行有效准确的振动分析，查找振动故障原因，需要科学严密的推理方法。目前常用的推理方法分为正向推理、反向推理和混合推理三种。正向推理首先根据振动特征找出所有可能的故障，然后对这些故障逐个分析、比较和排除，最后剩下不能排除的故障即为诊断结果。反向推理则是首先假设一个故障原因，然后以掌握的振动规律来验证或排除凌故障，找出诊断结果。正向推理无须掌握所有的故障原因和特征，对特征明显故障的诊断效率比较高，但可靠性较差。对大型旋转机械而言，用得最多的还是将正、反向推理结合在一起的混合推理方式。混合推理
14、首先采用正向推理的方式，根据振动特征找出可能的故障，然后对每一种故障采用反向推理的方式确认，找出真正的故障原因。这就需要熟悉常见的振动故障特征和振动机理，及其相应的故障特征和故障机理。汽轮发电机组常见振动故障从振动的性质上可分为强迫振和自激振动，常见的强迫振动有转子不平衡、热弯曲、不对中、电磁激振、分谐波共振等；常见的自激振动有油膜涡动、油膜振荡、汽流激振等。从振动的频谱特征来看，汽轮发电机组振动又可分为工频故障、低频故障和高频故障。属于工频故障的有转予不平衡、热弯曲、轴承座刚度不足、不对称电磁力、动静部件摩擦等，属于高频故障的有转子不对中、电磁激振等，属于低频故障的有油膜涡动、油膜振荡、汽流
15、激振等。同时从振动波形上看，有的是正弦波，脉冲波，还有随机波等。对一个具体的振动问题，首先要进行振动特征的采集，包括频率特征、基频振动的振幅和相位、振动与转速的关系，振动趋势的分析（可以通过趋势图作出判断）；接下来要了解收集相关信息，包括机组的结构信息、运行情况、检修情况，以及同型机组的信息；由振动频谱特征以及机组的运行，检修信息再结合故障特征运用混合推理的方法，逐步缩小故障的范围，这样就可以进行常见故障的简单诊断，最后确定故障的部位原因。最后，给出故障的具体处理方案，常见的现场处理振动的方法有三种：运行；平衡，转入检修。其中80以上的现场振动问题都可以通过运行或平衡解决，要避免盲目的转入检修
16、。4 . 综合电厂状态检修若干技术，论述汽轮发电机组摩擦故障诊断和预防方法？大型汽轮机转子、缸体的体积和质量较大，因而柔度较大。出于经济性方面的考虑，汽封间隙又控制的比较小，使得摩擦振动故障频繁发生。动静摩擦可以带来力的冲击效应和热的冲击效应，其中热冲击对转轴的危害更为严重，它将导致转子表面的温度不均匀，引起转子的热变形，其振动特征与不平衡相似。特别是在新机投产和大修后，这个阶段动静间隙需要一个磨合过程，如果这个阶段出现振动的不稳定，可以将动静摩擦作为一个重点进行排查。同时，在启动的过程中，如果转速稳定在某一点时振动继续上升，则属于动静摩擦故障的可能性就比较大；在定速运行过程中，如果振动出现波
17、动，应该向动静摩擦方面考虑。接下来进行详细的诊断排除，在频谱特征方面，动静摩擦引起转子的热弯曲，使质量重心偏离转动中心，属于不平衡性质的振动，为基频振动（振动频率为50Hz）；另一方面，振动出现不稳定。动静摩擦发生的过程中，不断有热量由接触部位进入转子，转子的温度处于非稳态过程，它的热弯曲也在不断变化。故只要有动静摩擦的存在，振动就不会稳定，而是处于连续的变化过程；另外，振动的趋势特征也非常明显。摩擦振动是由于转子的不均匀加热引起的，同时转子的温度是一个连续平滑的过程，而且要有时间的积累，这就决定了其振动趋势图也是一条平滑的曲线。这也就区别于自激振动，没有突变的的发生；最后，就是摩擦振动的随机
18、性。很难预料它何时发生，即使在工况稳定的，未进行其它运行操作的情况下也会发生。对动静摩擦问题的常用处理方法是经过磨合来消除，但在进行磨合的过程中，一定要严密监视振动的变化情况，并将振动控制在一定的范围内。如果在启动过程中存在摩擦，可以将机组停下来暖机，连续盘车后再升速。也可以在较低的转速下连续运行，确认动静接触脱离后（振动回到了正常的水平）再提升转速在升速过程中如果仍存在摩擦，可以将转速降低，继续磨合，但绝不能强行通过临界转速，这样风险很大；在工作转速下的摩擦振动也可以通过磨合来消除，在这种情况下应该明确停机值，而且停机值要控制的相对严格些。这是因为在停机惰走的过程中动静摩擦还在继续发展，特别
19、是到达第一临界转速附近，摩擦加剧，振动会达到很高的程度；同时应该注意转子结构方面的问题，其中高中压转子一般采用落地轴承，轴承座的刚度比较大，对振动的灵敏度较差，应该注意监测轴振的变化；最后，转子的平衡状态不好，存在较大的挠度，也是动静摩擦的一大诱因。在同时存在不平衡和动静摩擦时，应该先调整好转子的平衡。转子平衡状态的改善也有助于动静摩擦的缓解和消除。5 . 某机组转子上存在不平衡，现需采用两平面平衡。数据如下，请给出动平衡方案。注：必须给出每部的计算过程。（使用第7组数据）解：原始振动：平面加重 后；振动变为去掉 ；平面试加重 后，振动变为 计算影响系数： 故 ， 可解得：6 . 论述人工智能
20、技在电厂状态检修中的应用？（1）人工神经网络由于具有很强大的非线性处理能力，在电厂故障诊断有广阔的应用前景。BP神经网络训练和诊断过程的流程图如下所示： 整个过程分为两个阶段：设计阶段和诊断阶段。在设计阶段，首先根据机组不同故障状态下的振动信号及相关的运行状态，找找出对于故障反映最为敏感的特征信号作为神经网络的输入向量，建立故障征兆训练样本集。利用这些训练样本对网络进行训练，即按照一定的学习规则，确定网络的连接权值和阀值，以建立BP神经网络。然后进入诊断阶段：可以利用传感器测量机组轴系统的振动时域信号。由于当机组出现不同故障时，其相应的时域信号反映出的差别不是很明显，故通常对其进行预处理，即通
21、过对时域信号进行快速傅立叶变换(FFT)等信号处理方法将其转化为对故障类别比较敏感的二次信号，以便能更清楚地反映各种故障间的征兆差别。由于快速傅立叶变换方法比较成熟而且目前已经总结了大量关于各种典型振动故障的标准频域信号征兆，因此，借助快速傅立叶变换将时域信号转化为频域信号，更便于和标准征兆进行比较，识别故障类别。在特征提取时对于火电机组通常将其振动信号的频率划分为若干个不同的频率段，例如分成9个频率段：(00.39)f、(0.400.49)f、0.50f、(0.510.99)f、1f、2f、(3-5)f、奇数倍频、高频。这时以各不同频率段对应的幅值与振幅总量的比值为振动故障特征量即： ，这样
22、归一化处理后的征兆矢量都在0，1之间。把征兆矢量输入训练好的BP神经网络，网络将根据新输入的样本诊断设备所发生的故障，井输出结果，这样就完成了故障诊断。（2）专家系统是一种计算机软件系统，它应用规范的专门知识和直接评判知识进行判断、推理和联想、实现问题的求解，适用于处理故障诊断等问题。因此在电厂设备故障诊断中也有重要的应用。 专家系统的总体框架如下所示： 专家系统一般由四个部件构成：知识库、推理机、知识获取模块、解释接口。 知识库包括事实和规则：事实是可迅速改变的短期信息，包括在咨询过程中的信息（例如：1倍频水平振动大、2倍频水平振动中等、3倍频垂直振动一般等等）；规则是关于如何根据当前已知的
23、事实或假设产生新的事实和假设的长期信息（例如：由1倍频水平振动大、2倍频水平振动中等、3倍频垂直振动一般机组转轴不平衡故障）。推理机就是采取某种策略将规则作用于事实得出一些结论。知识获取指的是将领域专家的知识转换为机器能够识别的形式。解释接口是针对用户而设计的，目的是为了加强系统推理的可信度，增强系统的友好性，同时也利于在设计时调试系统。在火电厂实施故障诊断专家系统后可效地预防和避免火电机组振动停机事故以及由此而引起的电网事故的发生，提高了火电机组振动运行和电网运行的安全可靠性，提高了火电机组振动的运行效率和经济效益；另一方面也可缓解电力人才供不应求的矛盾，而且使电力专家的宝贵知识和经验得以保
24、存、再现、复制和传播，为火电厂的检修从计划检修转为状态检修提供可靠的技术保证。（3）模糊数学是通过建立征兆与故障之间的隶属关系，采用模糊综合评判方法对故障进行诊断。设有m个朕兆，n个故障：已知故障征兆模糊向量， ； 如：； 求故障模糊向量， ，如：建立故障类型与频谱特征之间的隶属关系 ，有模糊关系矩阵为R ，满足Y=RX其中 ，模糊关系矩阵中每一列实际反映了每一征兆对故障判断所起的作用大小程度，它完全取决与专家的经验，且满足。只要建立起征兆与故障之间的隶属关系，由征兆向量就可求出与之相对应的故障向量，即给出故障诊断的结果。 人工智能在电厂状态检修中应用总结：专家系统特别适合于设备故障诊断，但其自适应能力较差，而且只适用于处理专家经验知识，无法直接用于处理数据；神经网络特别适用于处理案例，具有较强的自学习能力，但不太适用于处理专家经验类知识；模糊理论可以很好地处理设备故障诊断中的不确定性，模糊关系矩阵很难准确确定。故将来人工智能技术在电厂状态检修中的应用是兼顾专家系统，神经网络和模糊理论的优点，发展混合智能诊断技术。
