一种通过预警模式关联部件故障原因的维修分析方法与流程

1.本发明涉及火电厂电力设备状态检修领域，具体涉及一种通过预警模式关联部件故障原因的维修分析方法。


背景技术：

2.市场上现有火电厂设备点检定修和预警分析停留在设备层级，缺少故障部位、故障原因的精细化关联，预警之后缺乏进一步的定量的预警风险评估模型，从而进一步实现通过预警诊断辅助用户制定检维修任务的功能。
3.现有的点检定修和预警分析主要有一下几点不足：
4.1、现有的点检定修停留在设备层级，定期开展设备维修工作，用户无法通过评判真实的故障状态开展维修工作，存在大量过欠修工作；
5.2、现有预警系统是以设备层级的预警信号，用户无法根据预警模式短时间准确定位为设备故障部件，增加故障处理的反应时间，预警定位模糊；
6.3、在预警模式出现后，没有进一步的故障定量分析模型，推送维修策略，形成信息精细化处理的闭环管理。


技术实现要素：

7.本发明提供了一种通过预警模式关联部件故障原因的维修分析方法，采用设备运行监测推送维修策略，将实时数据模型并借助灰色关联度消除数据耦合性，综合评判故障预警风险，进而推送维修策略。
8.本发明方法为一种将火电厂设备预警模式与设备部件故障机理和实时数据相结合并加以分析的方法，解决当前未能将设备预警模式与部件故障管理相结合的问题，系统分析发电设备预警模式在设备状态检修方面的应用。
9.一种通过预警模式关联部件故障原因的维修分析方法，包括如下步骤：
10.1.1)对火电厂设备建立关联测点和预警模式关系；
11.1.2)将预警模式及关联测点与专家库中的故障模式、故障原因关联，将故障后果量化作为预警模式的固有权重矩阵μ；
12.1.3)建立偏离度计算矩阵，实时监测更新参数的偏差度；
13.1.4)建立参数灰色关联度模型，计算设备预警模式各参数之间的灰色关联度；
14.1.5)建立预警风险模型，计算预警模式的预警综合风险值；
15.1.6)根据预警风险值，输出维修策略。
16.步骤1.1)中，所述的火电厂设备为磨煤机。
17.步骤1.2)中，所述的固有权重矩阵μ＝[μ
1 μ
2 μ3…
μi…
μn]，其中，μi为各参数故障模式引起预警模式发生的固有权重，i表示故障模式在预警模式中的序号。
[0018]
步骤1.3)中，实时监测更新参数的偏差度采用以下公式：
[0019][0020]
其中，i表示故障模式在预警模式中的序号，xi为测点值，x
max
为统计参数最大值、为平均值、x
min
为最小值，监测值与正常值的偏离越大，预警的风险越大，δi(t)为各参数随时间t变化的偏差度。
[0021]
步骤1.4)中，建立参数灰色关联度模型，计算设备预警模式各参数之间的灰色关联度，具体包括：
[0022]
1.4.1)采用实时数据，计算各关联测点之间的灰色关联度ri，假设n个关联测点参数指标，每个指标m个数据构成的数据矩阵为：
[0023][0024]
1.4.2)通过参考数据列x0，生成无纲量矩阵，确定两级最小差和最大差：
[0025]
与其中k＝1,2,3...n；
[0026]
1.4.3)计算关联系数ζi(k)：
[0027][0028]
其中ρ为0.3～0.7，一般取0.5，k＝1,2,3...n.
[0029]
1.4.4)计算灰色关联度ri：
[0030][0031]
步骤1.5)中，建立预警风险模型，计算预警模式的预警综合风险值，具体包括：
[0032]
根据预警模式中各参数的固有权重μi、动态偏差度δi(t)和灰色关联度ri，建立静动态结合的综合风险权重指标wi：
[0033]
wi＝μiδi(t)ri，其中，i表示各参数在预警模式中的序号。
[0034]
在可靠度模型中，故障率通常用指数函数计算，故障率直接与风险相关，下面使用指数模型计算预警风险分值h:
[0035][0036]
与现有技术相比，本发明具有如下优点：
[0037]
1、该方法提出一种将实时数据的动态偏差度集成于机理模型固有权重中，并消除参数之间耦合性的预警风险模型，通过预警状态检修开展维修工作，减少过欠修工作，节约维修成本。
[0038]
2、设备预警模式与可能发生故障的部件及故障原因进行关联——专家知识库。当预警模式发生预警时，根据关联列表，用户可以进行故障排查前缩小检查范围，减少故障处理时间；
[0039]
3、在预警模式出现后，不仅可以展示相关联的故障部件及故障原因，还可以通过预警风险计算，系统实时推送维修策略或维修计划，形成预警模式信息数据管理的闭环。
[0040]
4、本发明把将实时数据的动态偏差度集成于机理模型固有权重中，结合失效模型，一起形成设备故障预警风险管理分析方法。
[0041]
5、本发明解决预警模式发生时定位不准确的问题，直接将预警模式与故障部件相关联，缩小故障前排查范围。
[0042]
6、本发明将故障固有权重和实时动态参数结合，结合失效模型动态更新综合风险评估模型权重指标，实时更新故障预警风险值，推送维修策略，完成设备预警管理的闭环。
附图说明
[0043]
图1为本发明中方案流程图；
[0044]
图2为本发明中偏差度变化曲线；
[0045]
图3为本发明中故障预警风险计算模型图；
[0046]
图4为本发明中维修策略推送流程图。
具体实施方式
[0047]
如图1所示，实施步骤：
[0048]
a.对火电厂设备建立关联测点和预警模式关系。
[0049]
设备几个变量测点引起同一种预警模式，比如磨煤机常见预警模式：磨煤机堵煤、磨煤机堵煤、着火、出力低，相关的测点指标包括：磨煤机出口温度、磨煤机电流、磨煤机一次风压、油箱油温、一次风流量、电机轴承温度、减速机推力瓦温等。
[0050]
b.将预警模式及关联测点与专家库故障模式、故障原因关联，将故障后果量化作为预警模式的固有权重矩阵μ。
[0051]
标准库中有设备常见的故障，引起故障的原因及应该采取的维修建议，为设备模型的建立和分析提供数据支撑。依据专家标准库自动获取设备故障原因、故障现象及故障后果。如磨煤机出力低是一种预警模式，对应的关联测点包括给煤量、一次风流量、磨煤机电流，磨煤机磨碗压差、磨煤机密封风压差，对应专家库的故障模式为煤量下架、风量下降、磨煤机电流异常、磨碗压差异常、磨煤机密封风压差异常，关联的故障原因如表1中所示。
[0052]
表1
[0053][0054]
每个关联测点报警时，触发对应故障模式的发生，同时引发不同的故障后果，不同程度地影响着预警模式的发生，根据专家库获取的各故障模式引起预警模式发生的固有权
重记为μi，i表示故障模式在预警模式中的序号。组成固有权重矩阵μ＝[μ
1 μ
2 μ3…
μi…
μn]。
[0055]“磨煤机出力低”的预警模式与5个测点关联，获取的固有权重矩阵μi＝[0.7 0.6 0.5 0.4 0.2]。
[0056]
c.建立偏离度计算矩阵，实时监测更新参数的偏差度。
[0057]
监测关联测点，假设测点值为xi，统计参数最大值x
max
、平均值最小值x
min
，监测值与正常值的偏离越大，预警的风险越大，将偏离度记为δi，则偏离度与xi的关系曲线如附图2所示。
[0058]
具体实际监测测点参数的偏差度计算公式：
[0059][0060]
偏差度随着设备的运行监测，一直在变化。某时刻根据磨煤机出力低对应测点的历史数据统计，带入公式计算偏差度如表2所示：
[0061]
表2
[0062][0063]
由此获得偏差度矩阵δi＝[0.64 0.48 0.91 0.52 0.72]。
[0064]
d.建立参数灰色关联度模型，计算设备预警模式各参数之间的灰色关联度。
[0065]
灰色关联分析(gra)是一种多因素统计分析方法。它是以各种因素的样本数据为依据，来描述因素关系的强弱、大小和次序。设备预警模式各测点之间可能存在耦合关系，所以需要采用实时数据，计算各测点之间的灰色关联度ri，假设n个测点参数指标，每个指标m个数据构成的数据矩阵为：
[0066][0067]
通过参考数据列x0，生成无纲量矩阵，确定两级最小差和最大差：
[0068]
与其中k＝1,2,3...n；
[0069]
计算关联系数：
[0070][0071]
其中ρ一般取0.5，k＝1,2,3...n.
[0072]
计算灰色关联度ri：
[0073][0074]
将“磨煤机出力低”该预警模式相关的实时测点采集数据构成矩阵：
[0075][0076]
根据设计煤种，磨煤机的理想出力在70-80t/h，结合随机数获得参考列矩阵：
[0077]
x0＝[70.55 73.44 71.88 72.92 74.32 75.32 78.32 76.32......73.56 76.86 79.32 78.54 77.44 76.43 75.44]
[0078]
求无纲量矩阵：
[0079][0080]
由此获得两级最小差为0.02，两级最大差为106.17。
[0081]
带入计算关联系数矩阵：
[0082][0083]
最终计算得出“磨煤机出力低”对应的灰色关联度矩阵：
[0084][0085]
e.建立预警风险模型，计算预警模式的预警综合风险值。
[0086]
根据预警模式中各参数的固有权重μi、动态偏差度δi(t)和灰色关联度ri。建立静动态结合的综合风险权重指标wi：
[0087]
wi＝μiδi(t)ri，其中，i表示各参数在预警模式中的序号。
[0088]
这样，μi考虑了设备的内在结构及故障机理，δi(t)考虑参数的实时变化，ri考虑了参数之间的耦合关系，这样的模型更加准确。
[0089]
在可靠度模型中，故障率通常用指数函数计算，故障率直接与风险相关，下面使用指数模型计算预警分值h:
[0090][0091]
所以根据前面的数据继续计算“磨煤机出力低”综合风险权重指标wi：
[0092]
wi＝μiδi(t)ri＝[0.4309 0.0988 0.3043 0.0884 0.0636]
[0093]
预警风险分值h:
[0094][0095]
如下表3所示：
[0096]
表3
[0097][0098]
到此建立了完整的故障预警风险计算模型，见附图3。
[0099]
f.根据预警风险值，输出维修策略。
[0100]
综合预警风险值h在0-100％之间，根据预警模式的预警风险分值，在报警时推送预警策略。
[0101]
维修策略推送流程见附图4，根据预警风险值的区间划分了不同的维修策略推送规则。0≤h＜20％时，设备暂时不考虑检修；20％≤h＜40％时，系统会提示“注意，建议择机安排检修”；40％≤h＜60％时，系统提示“警告，建议近期安排检修”；60％≤h≤100％，系统提示“建议立刻检修”，并推送一个检修任务。
[0102]
如表所示为磨煤机的维修策略推送如表4所示。
[0103]
表4
[0104][0105]
该方法将故障定性的静态参数和定量的动态参数结合，根据预警模式的动态预警分数评估设备，并提出维修建议。传统的点检定修方式针对设备开展维修工作，每次检修间隔固定，检修时可能存在故障，可能没有故障。相比于此，基于预警风险模型推送的维修策略更有针对性，全面考虑综合故障机理和实时数据，模型更加准确，根据模型使用期间用户统计，磨煤机在使用期间推送的维修策略准确性可达92％以上，减少了设备过欠修现象。
[0106]
普通的预警系统报警停留在设备层级，无法快速关联至设备关键故障位置，本方法在预警模型和标准库设备故障机理模型融合后，增加与设备故障模式、故障原因、故障部件的关联，使得预警模式能准确快速的定位至故障部件及可能发生的故障原因，并实时推
送故障提示列表和维修任务，同时根据设备数据积累和运行环境的变化，动态更新预警权重指标，完成预警数据管理的闭环；
[0107]
可以提高企业在设备预警数据和故障的综合管理水平，提高对设备预警的响应速度，实时推送维修任务，为设备检修计划的制定提供一定依据，减少点检定修中的过修欠修现象，根据电厂设备预警动态风险评估可以对设备维修策略优化，延长过修设备的检修间隔，相应减少人力和备件的投入。以磨煤机为例，电厂外部检修人员成本约200元/工时，小修1次，人力工时费3万，备件消耗3.8万。大修1次，人力工时费9万，备件消耗90.5万。磨煤机每年不计内部人员工时的维修费在53万左右，使用该预警风险模型动态推送检修策略，基于磨煤机设备状态开展检修工作，可以缩短磨煤机的年度检修时长，磨煤机每年的检修费用从而降低到46万左右，可节约13％。