一种LNG装置关键设备运行状态在线监测方法与流程

摘要: 本发明涉及在线监测,具体涉及一种lng装置关键设备运行状态在线监测方法。背景技术:1、液化天然气生产装置在清洁能源领域占据重要地位,以费托尾气深冷液化为代表的工...
一种LNG装置关键设备运行状态在线监测方法与流程

本发明涉及在线监测,具体涉及一种lng装置关键设备运行状态在线监测方法。

背景技术:

1、液化天然气生产装置在清洁能源领域占据重要地位,以费托尾气深冷液化为代表的工业装置中,混合冷剂制冷系统是核心能耗单元,其关键设备包括多级离心压缩机、级间冷却器、主换热器及冷箱等。这些设备长期在-162℃至130℃宽温区、0.35mpa至3.01mpa宽压区下交替运行,设备状态直接决定整套装置的液化能效与长周期稳定性。

2、为掌握设备运行状况,现有技术普遍采用dcs集散控制系统对装置工艺参数进行实时采集,将压缩机入口温度、级间压力、换热器进出口温度、冷剂流量等仪表信号接入控制画面,由操作人员通过人工观察判断设备是否异常,并在参数超出人工设定的固定上下限时触发声光报警。部分装置在此基础上增加了单参数趋势曲线展示,辅助操作人员判断参数变化方向。

3、公开号为cn119393939a的中国专利申请文件公开了一种压缩机湿喷控制方法,通过比较压缩机排气口的理想排气温度与实际排气温度对湿喷过程进行控制,但其仍基于单一热力学参数与固定阈值的比对思路,未解决多参数耦合及工况漂移背景下的劣化信号提取问题。

4、然而,在mrc混合冷剂制冷系统中,压缩机入口温度、级间流量、换热器温差等参数之间存在强物理依存关系,各参数的正常运行区间会随生产负荷、季节环境温度的变化而整体漂移。设备发生早期劣化时,如压缩机叶轮表面附着物导致的效率缓慢下降、换热器管束污垢积累导致的传热系数渐变,其在单参数时域曲线上的表现极为微弱,完全淹没在负荷波动引起的正常参数漂移范围之内。基于静态固定阈值的监测体系,在系统处于变负荷过渡工况时,各参数频繁触碰静态限值,产生大量无效报警,形成“狼来了”效应,操作人员习惯性屏蔽报警,导致真实劣化信号在早期持续被忽视,直至设备性能恶化至引发强迫停机方才被察觉,严重影响装置连续稳定运行。

技术实现思路

1、为了解决混合冷剂制冷系统在变负荷工况下关键设备早期劣化信号被工况漂移噪声覆盖,现有固定阈值监测无法有效识别的现有技术问题,本发明提供一种lng装置关键设备运行状态在线监测方法。

2、本发明提供一种lng装置关键设备运行状态在线监测方法,包括:

3、s1、获取装置连续运行期间的多维工艺参数时间序列,以压缩机二级入口流量作为负荷表征基准量划分负荷区间段,过滤非稳态样本后计算各工艺参数在每个负荷区间段内的均值,构建参数基准矩阵;

4、s2、基于多维工艺参数时间序列,针对离心压缩机计算动态修正的等熵效率,并针对换热器计算分段加权的实际传热系数,作为各设备的性能特征量;

5、s3、确定当前时刻对应的负荷区间段,从参数基准矩阵中调取对应的基准值,计算性能特征量相对于基准值的归一化偏差,并基于归一化偏差的组合判断进行劣化来源定位;

6、s4、在自适应滑动时间窗口内提取归一化偏差的增长斜率作为劣化速率,结合历史统计维护阈值计算预估剩余可用天数,并在预估剩余可用天数缩短至预警提前量以下时触发预警通知。

7、通过将lng装置关键设备的状态评估从单参数固定阈值比对升级为负荷分段自适应的热力学性能特征量偏差分析,有效将工况漂移引起的参数正常波动与设备劣化导致的性能下降区分开来,使早期微弱劣化信号在工况波动背景中得以可靠识别,降低了因工况变化引起的无效报警数量。

8、优选的,过滤非稳态样本后计算各工艺参数在每个负荷区间段内的均值,构建参数基准矩阵,包括:计算压缩机二级入口流量在对应负荷区间段稳态样本内的标准差;当采样时刻的压缩机二级入口流量的一阶差分绝对值超过基于标准差乘以预设倍数所得阈值时,剔除该时刻及其前后滑动窗口长度内的样本;对保留的稳态运行样本计算各工艺参数在每个负荷区间段内的均值,最终得到参数基准矩阵。

9、基于压缩机二级入口流量的标准差设定动态阈值,剔除负荷切换过渡期的非稳态样本,确保参与基准矩阵构建的数据均来自稳态运行工况,从源头消除瞬态波动对基准值统计准确性的干扰。

10、优选的,构建参数基准矩阵,包括:判断历史数据库中某负荷区间段内的稳态样本数量是否满足预设条件;当稳态样本数量不满足预设条件时,对相邻负荷区间段的基准值采用线性插值进行补全;确保全量程范围内的完整性,最终得到参数基准矩阵。

11、对稳态样本数量不足的负荷区间段采用相邻段线性插值补全基准值,保证全负荷量程范围内参数基准矩阵的完整性,避免因历史数据稀疏导致某些工况段无法启动状态评估的工程缺陷。

12、优选的,针对离心压缩机计算动态修正的等熵效率,包括:获取在线色谱分析仪实时提供的各组分当前摩尔配比,以及各组分在当前压缩机入口温度下的绝热指数;将各组分当前摩尔配比与绝热指数进行加权计算,得到动态更新的混合冷剂绝热指数;基于混合冷剂绝热指数以及压缩机进出口的绝对温度和绝对压力,最终得到动态修正的等熵效率。

13、通过提取等熵效率与传热系数两类具备明确物理机理对应关系的热力学特征量,并建立基于历史数据统计的劣化判定阈值体系,使压缩机效率损失与换热器污垢积累两类劣化来源得以在早期阶段有效区分,为运维人员提供指向性更明确的干预建议。

14、优选的,针对换热器计算分段加权的实际传热系数,包括:将主换热器沿流程方向按温度传感器布置位置划分为多个温区段;对每个温区段分别以两端实测温度计算局部对数平均温差,并以该段实际传热量占总传热量的比例作为权重进行加权求和,得到全换热器等效对数平均温差;基于实际传热量、换热面积以及全换热器等效对数平均温差,最终得到分段加权的实际传热系数。

15、将主换热器沿流程划分为多个温区段并依据各段传热量加权计算等效对数平均温差,有效应对相变工况下物性非线性变化,使实际传热系数的计算在全温区范围内保持物理准确性,增强污垢积累信号的检测信噪比。

16、优选的,计算性能特征量相对于基准值的归一化偏差,包括:从参数基准矩阵中调取当前时刻对应的压缩机效率基准值与换热器传热系数基准值;计算压缩机效率基准值与当前等熵效率的差值,并除以压缩机效率基准值,得到压缩机劣化指数;计算换热器传热系数基准值与当前实际传热系数的差值,并除以换热器传热系数基准值,最终得到归一化偏差中的换热器传热性能衰减率。

17、以同负荷区间段历史稳态健康基准为参照,计算压缩机效率与换热器传热系数的相对衰减率,形成无量纲、可跨设备比较的劣化指数,消除设备规格与负荷差异的影响,使劣化程度具备统一量化尺度。

18、优选的,基于归一化偏差的组合判断进行劣化来源定位,包括:以对应设备在对应负荷区间段稳态样本劣化指数的均值加倍数标准差计算得到判定上限;若仅压缩机劣化指数超出判定上限,则定位劣化来源为压缩机内部效率损失;若仅换热器传热性能衰减率超出判定上限,则定位劣化来源为换热器污垢积累或结霜;若两者同步超出判定上限,则定位劣化来源为冷剂组分漂移,最终完成劣化来源定位。

19、将两个独立的物理退化通道的信号交叉验证,通过排除法缩小劣化来源的定位范围,避免了单指标超限时运维人员面对多种可能原因无从判断的困境,为后续有针对性地安排检维修资源提供了量化依据。

20、优选的,在自适应滑动时间窗口内提取归一化偏差的增长斜率作为劣化速率,包括:以归一化偏差时间序列的自相关函数首次衰减至零所对应的时间滞后量作为窗口长度下限;以设备历史上完整劣化周期统计均值的一半作为窗口长度上限;在窗口长度下限与窗口长度上限范围内选取使线性回归残差方差最小的窗口长度,最终形成自适应滑动时间窗口以提取劣化速率。

21、优选的,结合历史统计维护阈值计算预估剩余可用天数,包括:收集同类设备历史上被迫干预时对应的归一化偏差实测值样本集;以样本集均值减去预设倍数的样本标准差作为维护干预上限值;计算维护干预上限值与当前归一化偏差的差值,并除以劣化速率,最终得到预估剩余可用天数。

22、利用同类设备历史强制干预时的归一化偏差统计分布确定维护干预上限,并结合当前劣化程度与劣化速率线性外推剩余可用天数,将维护决策从被动响应转变为主动预判,为非计划停机风险提供量化时间裕度。

23、优选的,在预估剩余可用天数缩短至预警提前量以下时触发预警通知,包括:判断劣化速率在相邻两个时间窗口之间的增幅是否超过波动上限;当所述增幅超过波动上限而触发突变判定时,将预警提前量切换为紧急预警提前量;基于紧急预警提前量与预估剩余可用天数的比对结果,最终触发预警通知。

24、通过劣化速率的线性外推与自适应剩余寿命估算,将设备维护模式从被动故障响应转变为主动预测干预,有助于提升装置长周期连续稳定运行能力,降低非计划停机带来的生产损失。

25、本发明具有以下技术效果:

26、1.通过以压缩机二级入口流量划分负荷区间并过滤非稳态样本构建自适应参数基准矩阵,结合动态修正的等熵效率与分段加权传热系数作为物理机理明确的性能特征量,使负荷波动引起的正常参数漂移从劣化信号中有效剥离,从根本上消除了变负荷过渡工况下频繁触碰静态限值所产生的大量无效报警;进一步通过压缩机劣化指数与换热器衰减率的归一化偏差组合交叉判断,利用两个独立物理退化通道的信号比对精准区分压缩机内部效率损失、换热器污垢积累及冷剂组分漂移三类劣化来源;最终在自适应滑动窗口内提取劣化速率并结合历史统计阈值外推剩余可用天数,渐进劣化与突发急速劣化均设有对应预警提前量,将维护模式从被动响应转变为主动预测,系统性地解决了早期微弱劣化信号识别、无效报警抑制与劣化来源精准定位的技术难题,提升了装置长周期运行的可靠性与维护决策的针对性。

27、2.所有判定阈值与预警参数均从装置自身历史运行数据中统计推导,随历史样本积累自动更新,无需人工标定,具备较强的跨装置适应性,覆盖了常规渐进劣化与偶发急速劣化两类工程场景。