中国电力设备管理协会

首页>专业论文

水轮发电机组智慧检修管理模式的创建及实践

作者:   发布时间:2018-10-29

一、研究背景

     我国水电站正在向“无人值班(少人值守)、远方集控”的运行模式转变。具备国际先进水平的监控、保护等自动控制系统得到了广泛的应用,站内自动化系统如:工业电视、水情测报、枢纽观测等也大量推广,水电站整体自动化水平已经达到或接近世界领先水平。随着时代的发展,在水电站自动化水平不断提高的前提下,传统的事后检修、计划性检修已经不再满足行业发展的需求。预测性维护、状态检修、减人增效、优化运行、集中管控、智能决策等新的要求不断提出,迫切需要引入新的技术和管理模式,以实现“质量、效益”双提升。

     在行业发展的大背景下,2014年国电大渡河公司提出了建设智慧企业的目标,智慧检修也开始了不断的研究与尝试,依托检修公司十余年来的技术积累,经过三年的摸索、实践和创新性的研发,逐渐形成了一套完整的智慧检修体系,主要包括机组状态智能监测、健康度评价及趋势预警、智慧检修管理三大核心板块。

二、主要内容

1.实现了机组状态智能监测

     机组状态监测板块是指实时收集、存储各机组的运行数据,对机组各个部件的状态进行实时监测和故障分析。 该板块的本质是面向设备的数据挖掘系统,除传感器和采集设备外,软件系统主要完成采集数据的汇聚、存储、加工和展示任务,各种传感器和变送器完成物理信号到电信号转换,经数据采集装置处理后形成数字量,存入实时数据库并实现共享,供后续挖掘。利用各种分析方法和算法工具对这些数据进行分析计算处理,统称为“算法挖掘”,最终形成各类功能指标,通过应用模块进行展示和人机交互。

     机组状态监测板块的软件系统分别由KDM数据平台,KKM算法平台和应用模块三部分组成。数据来源于已安装的状态监测系统和监控系统,KDM数据平台负责对这些数据进行汇聚、存储和管理;KKM算法平台负责预警算法的实现,应用模块负责预警信息的展示和交互。利用设备状态量化技术对电站机组相关指标进行预警及诊断,这些指标由KKM平台对源数据进行算法加工后获得,全部过程在线、自动完成。水电机组故障预警功能均以独立软件模块的方式提供,称为应用模块。每个应用模块都是独立运行的程序,在开放方式标准数据接口的基础上,可以由不同的开发商开发。系统还附带了多个工具类应用模块,用户可以据此进行监测、分析和诊断。

     目前,该板块已实现国电大渡河公司枕头坝一级水电站7000余个状态监测量的数据编码和实时远程传输,确立了定子不圆度、导瓦荷载系数等影响机组安全运行的51个重要指标量及44个缓变量,通过指标的科学分析与专家知识库的自动判定对发电设备运行状态进行远程集中监测及设备故障的精准定位,为针对性的检修和大数据的分析决策提供数据支撑。

2.初步实现了健康度评价及趋势预警  

     健康度评价及趋势预警板块运用超球建模,利用设备所有相关测点结合不同历史运行工况数据建立不同的模型。超球建模算法是机器学习算法,是由计算机从工业设备的实时测点数据中建立设备运行的状态模型的算法,建模过程完全由计算机自动实现。超球模型自动对工业对象的实时状态进行在线评估,这个过程称为状态感知。通过状态感知,超球模型将工业对象实时状态总合成一个0-100%评价值,称为“健康度HPI”;系统对工业对象的历史数据进行分析,在构建超球模型的同时,也得到一个健康度的基准值“Hth”,是工业对象运行状态是否健康的评价标准。

     水电机组关键重大设备的数据模型基于专利的相似度“超球”模型技术,结合现场的具体工艺情况自动生成。数据模型除了包括设备本体的参数外,还包括与之工艺配套工作的各动设备和静设备的参数。系统选取设备各工艺段的正常运行数据,数据选取的时间段原则上不低于一年,要求在同一时间点上的各参数数值有效。系统通过取这些在同一水头下,不同的导叶开度,对应机组的每个工况,大数据分析预测机组的运行状态走势,设立机组的边缘模型。需要的数据主要有历史数据、检修数据、实时数据等进行超球建模,并需要一个数据存储环境,以设备资产为视角,对于错综复杂的数据需要人工经验进行人为权重的设定,最后将分析结果进行可视化展示,展示数据差异,提供预警,预知预测,能够自动生成诊断结果。

     系统具有自动生成设备状态信息报表功能,报表中统计了预警设备数量、异动设备数量、未处理预警总数,对于报警次数较多部位采用柱状图排序,从而判断设备故障。系统立足于实际水电检修,联合大数据、机器学习,深入研究机器学习及大数据挖掘技术在水电检修行业的应用,改进算法,达到科学评估机组整体健康状态的目的,为状态检修的最终实现做出了积极的探索。

3.初步实现了检修管理的智能化

     智慧检修管理板块根据故障特点,自动生成工作票、检修方案、工序卡等文件包,科学指导、管理、监督检修作业。同时,通过业主需求整合检修队伍管理、检修任务分派等实现人工检修的效率提升。初步实现风险识别的自动化和检修决策的智能化,有效提升设备安全可靠性,降低检修成本。

     设备的检修是设备全过程管理的一个重要环节,智慧检修作为一种先进的检修模式,是建立在传统检修管理经验和先进科学技术的发展与应用的基础之上的。因此,智慧检修工作的管理不仅需要继承和发扬传统检修管理中的成熟经验,而且还需要研究和探讨在新的检修模式下所涉及到的一系列管理方面的问题,如智慧检修工作的技术组织、数据的综合管理、检修风险分析与决策、备品备件的管理、具体实施过程的管理、相应设备管理政策的制定对检修效果的评估、专业人员的培训与机构的设置等等。同传统检修管理相比,智慧检修管理工作最主要的改进是用科学的分析和组织方法融合传统的经验,进而代替主要依赖经验制定的检修规定、检修工艺及评估标准,使得检修作业更加标准化,提高检修质量。

     智慧检修系统在枕头坝一级水电站等电站1年多的试运行,取得了明显成效。在不断完善的基础上,建立了“互联网+智慧检修中心”模式,内部推广的同时也服务水电检修市场,为水电检修行业提供精准检修和个性化服务,探索出了新的转型发展途径。未来,智慧检修系统的广泛应用将促使检修管理手段由计划检修、事后检修向状态检修、改进检修演进,实现水电设备检修管理方式跨越式发展,有力推动发电厂自动化、数字化、智能化、信息化的进程。

三、实施效果

     智慧检修系统已在枕头坝一级水电站试点应用,目前已实现7000余个状态监测量的数据编码和实时远程传输,确立了定子不圆度、导瓦荷载系数等影响机组安全运行的51个重要指标量及44个缓变量,通过指标的科学分析与专家知识库的自动判定对机组的健康状态做评价,为检修大数据的分析决策提供数据支撑。

四、推广前景

     智慧检修系统主要由状态监测、趋势预警和检修管理三大板块构成,可以实现对机组运行大数据的深度挖掘,通过对机组健康状态的评价,指导检修工作的开展。目前该系统已在枕头坝一级水电站试点应用,取得了一定的成效,下一步大渡河瀑布沟、猴子岩等电站数据相继接入该系统,具有广阔的应用前景。