一种汽轮发电机组振动故障特征的量化及应用方法技术

本发明专利技术公开了一种汽轮发电机组振动故障特征的量化及应用方法，本发明专利技术在当机组振动超过设定的报警值，或者振动相对改变量超限时，触发振动故障诊断流程。本发明专利技术充分利用了振动的长期趋势特征，诊断结果更加精确；本发明专利技术与人工诊断相比，提高了时效性，也能一定程度上避免受个人主观因素导致的误诊断。通过此方法，可以在汽轮发电机组出现振动故障的初期得到故障原因分析，为安全运行和检修提供合理建议，防止灾难性的事故发生。防止灾难性的事故发生。防止灾难性的事故发生。

【技术实现步骤摘要】
一种汽轮发电机组振动故障特征的量化及应用方法


[0001]本专利技术属于机械故障诊断
，具体涉及一种汽轮发电机组振动故障特征的量化及应用方法。

技术介绍

[0002]了保障机组安全稳定运行、减少经济损失，汽轮发电机组振动故障的自动化诊断是未来发展的趋势，也是实现电厂智慧运行的必要技术手段。
[0003]与航空发动机、泵组、风机等不同，汽轮发电机组长时间在额定转速下较稳定运行，除了发生故障时的瞬态时频域分析，较长时间内振动及其他运行参数的趋势及相互关系分析是实现故障精确诊断的必要手段。如以基频分量为主的同步振动，就可能对应质量不平衡、热弯曲、碰摩、对轮连接松动、轴承工况不佳、冷却不均匀等故障，因此仅通过频谱分析无法对振动故障进行精确诊断。以往诊断过程中需要经验丰富的技术人员到现场，综合考虑频谱信息及振动和其他参数的趋势信息对振动故障进行综合诊断，一方面时效性较差，另一方面也容易受个人主观因素影响发生误诊断问题。
[0004]目前，大容量燃煤电厂普遍配备DCS和TDM系统，随着信息技术发展，对DCS和TDM服务器中记录的大量实时和历史数据进行快速综合计算及分析已不再是技术难题。作为建立汽轮发电机组振动故障自动化诊断系统的关键步骤，基于振动等运行参数的汽轮发电机组振动故障特征量化及应用具有重要意义。

技术实现思路

[0005]本专利技术的目的在于克服上述不足，提供一种汽轮发电机组振动故障特征的量化及应用方法，能够对振动信号及功率、转子电流、冷却介质温度等状态参数进行综合计算分析，获取能够表征其运行状态的关键特征参数，实现精确、实时、程序化振动故障诊断。
[0006]为了达到上述目的，本专利技术，包括以下步骤：
[0007]S1，读取原始数据中的振动数据、有功参数和无功参数，并对读取的数据进行正则化处理，使各组数据在维数和时刻上对应；
[0008]S2，计算振动数据与各参数之间的复合相关系数，根据不同时间段的复合相关系数计算结果，确定各参数与原始振动数据的相关性特征量值；
[0009]S3，计算经时移处理过的振动数据与各参数之间的相关性特征量值；
[0010]S4，使用得到的相关性特征量值对汽轮发电机组振动故障进行诊断。
[0011]步骤S1中，读取系统记录的原始数据中振动故障超标或振动改变量超限前预定时限内的数据，进行删减或线性插值后确保各数据点间隔为相同时间。
[0012]步骤S2中，确定各参数与原始振动数据的相关性特征量值的具体方法如下：
[0013]采用Person和Spearman相关系数的均值，计算各时间段内负荷参数X和振动幅值Y之间的复合相关系数，分别计算比较各时间段内的复合相关系数，以绝对值最大的值为相关性特征量值。
[0014]负荷参数X和振动幅值Y之间的复合相关系数通过下式进行计算：
[0015][0016]式中：d
i
为X
i
和Y
i
的等级差，n为数据维数，σ
x
为参数X的方差，σ
y
为参数Y的方差。
[0017]步骤S3的具体方法如下：
[0018]将振动数据滞后n分钟，分别计算比较各时间段内的复合相关系数，以绝对值最大的值为相关性特征量值，得到不同滞后时间对应的相关性特征量，相关系数最大时的n值为振动滞后此参数的时间。
[0019]步骤S4，对汽轮发电机组振动故障的诊断标准如下：
[0020]第一步，振动数据与各参数相关系数均小于阈值C1，则诊断为动静摩擦导致的随机不稳定振动，结束诊断流程，否则进入下一步判断；
[0021]第二步，若振动数据与有功功率相关系数大于阈值C2，则进入下一步判断，否则转至第七步；
[0022]第三步，振动数据与间隙电压相关系数大于阈值C3，滞后时间为不超过1分钟，则诊断为轴承状态不佳或者汽流载荷变化导致的油膜刚度变化，结束诊断流程，否则进入下一步判断；
[0023]第四步，振动数据与有功功率相关系数大于阈值C2，振动数据与间隙电压相关系数小于阈值C4，则诊断为联轴器松动或部件可恢复性变形移位，结束诊断流程，否则进入下一步判断；
[0024]第五步，振动数据与励磁电流相关系数大于阈值C5，且时滞大于5分钟，则诊断为匝间短路等转子发热不均匀或材质缺陷，结束诊断流程，否则进入下一步判断；
[0025]第六步，振动数据与真空相关系数大于阈值C6，无时滞，则诊断为汽缸变形导致刚度变化；有时滞则诊断为排汽温度变化导致的热不平衡/动静摩擦，结束诊断流程，否则进入下一步判断；
[0026]第七步，振动数据与氢温氢压相关系数大于阈值C7，则诊断为发电机转子冷却不均匀；若振动与密封油温相关系数大于C8，则诊断为密封瓦摩擦；否则进入下一步判断；
[0027]第八步，无法确定诊断结果，进行人工诊断辅助。
[0028]阈值C1～C9的初始值范围为0.2～0.5。
[0029]与现有技术相比，本专利技术在当机组振动超过设定的报警值，或者振动数据超限时，触发振动故障诊断流程。本专利技术充分利用了振动的长期趋势特征，诊断结果更加精确；本专利技术与人工诊断相比，提高了时效性，也能一定程度上避免受个人主观因素导致的误诊断。通过此方法，可以在汽轮发电机组出现振动故障的初期得到故障原因分析，为安全运行和检修提供合理建议，防止灾难性的事故发生。
附图说明
[0030]图1是本专利技术的流程图。
[0031]图2是实施例中汽轮发电机组轴系简图；
[0032]图3是实施例中汽轮发电机组7号轴承处X方向相对轴振波形及频谱图；
[0033]图4是实施例中汽轮发电机组振动、负荷及励磁电流趋势图。
具体实施方式
[0034]下面结合附图对本专利技术做进一步说明。
[0035]参见图1，本专利技术包括以下步骤：
[0036](1)振动及有功、无功等参数历史数据的读取及正则化处理，使各组数据在维数、时刻上对应。根据DCS系统记录的振动故障超标或振动改变量超限的时刻t0，读取t0前24小时内DCS和TDM系统内记录的振动幅值、间隙电压、有功等历史数据。如果读取的历史数据不是以30秒为间隔，则进行删减或线性插值后确保各数据点间隔为30秒。
[0037](2)计算振动数据和各参数之间的复合相关系数，根据不同时间段的复合相关系数计算结果，确定各参数与原始振动数据的相关性特征量值。为了能够综合考虑各参数与振动之间的线性相关和秩相关特性，利用Person和Spearman相关系数的均值，计算各时间段内负荷等参数X和振动幅值Y之间的复合相关系数：
[0038][0039]式中：d
i
为X
i
和Y
i
的等级差，n为数据维数，σ
x
为参数X的方差，σ
y
为参数Y的方差。复合相关系数的范围为0到1，值越大相关性越强。由于电厂机组运行的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种汽轮发电机组振动故障特征的量化及应用方法，其特征在于，包括以下步骤：S1，读取原始数据中的振动数据、有功参数和无功参数，并对读取的数据进行正则化处理，使各组数据在维数和时刻上对应；S2，计算振动数据与各参数之间的复合相关系数，根据不同时间段的复合相关系数计算结果，确定各参数与原始振动数据的相关性特征量值；S3，计算经时移处理过的振动数据与各参数之间的相关性特征量值；S4，使用得到的相关性特征量值对汽轮发电机组振动故障进行诊断。2.根据权利要求1所述的一种汽轮发电机组振动故障特征的量化及应用方法，其特征在于，步骤S1中，读取系统记录的原始数据中振动故障超标或振动改变量超限前预定时限内的数据，进行删减或线性插值后确保各数据点间隔为相同时间。3.根据权利要求1所述的一种汽轮发电机组振动故障特征的量化及应用方法，其特征在于，步骤S2中，确定各参数与原始振动数据的相关性特征量值的具体方法如下：采用Person和Spearman相关系数的均值，计算各时间段内负荷参数X和振动幅值Y之间的复合相关系数，分别计算比较各时间段内的复合相关系数，以绝对值最大的值为相关性特征量值。4.根据权利要求3所述的一种汽轮发电机组振动故障特征的量化及应用方法，其特征在于，负荷参数X和振动幅值Y之间的复合相关系数通过下式进行计算：式中：d
i
为X
i
和Y
i
的等级差，n为数据维数，σ
x
为参数X的方差，σ
y
为参数Y的方差。5.根据权利要求1所述的一种汽轮发电机组振动故障特征的量化及应用方法，其特征在于，步骤S3的具体方法如下：将振动数据滞后n分钟，...

【专利技术属性】
技术研发人员：赵博，杨青，姜广政，何国安，张学延，葛祥，刘树鹏，李琛，王延博，
申请(专利权)人：西安西热节能技术有限公司，
类型：发明
国别省市：