发电设备状态监测及故障诊断系统
|
摘要
随着以微处理器为基础的分散控制系统(DCS)在国内电厂中的广泛应用，热工自动化技术水平大大提高，实现了对汽轮机、锅炉的统一监控和管理，电厂电气部分自动化水平相对落后一些，但经过近几年的发展，许多电气设备也已纳入到DCS控制的范畴，实现了厂用电的顺控、切换等功能。
电力系统竞争日益激烈，如何减少电力生产成本也显得越来越重要，而实行状态检修就是一种十分有力的手段。通过对发电设备的故障分析及几种常用检修模式的比较，指出实施状态检修的先进性。对发电设备进行在线实时远程监控，对其运行状态进行在线监测、诊断和管理，可以大大提高绝缘试验的真实性与灵敏度，及时发现绝缘缺陷，为提高设备投运率和降低检修成本提供科学的量化依据与专家决策建议，为实现以状态检修取代计划检修提供了可靠的依据。
本文提出一个基于集散控制系统和FIX组态软件的分级实时状态监测系统方案，利用现场实时数据对厂内主要设备进行故障预测与初步诊断。在此基础上，利用Web技术，终端用户可以根据不同的权限身份，通过网络随时查询各种数据信息，及时掌握设备的实时状态，为实现状态检修打下良好的基础。
With the spread of microprocessor-based distributed control system (DCS) in power plants, the automated control level of thermal process is greatly enhanced, enabling unified supervisory control of steam turbines and boilers. After recent development, many electric types of equipment are controlled by DCS. For example, sequential control and automated switcher control are applied in station-service power.
With the growing competition in power industry, it is more important to decrease the cost of power production. Condition-based Maintenance is a very useful way to make it. The paper is going to find out the merit of Condition-based Maintenance through fault analysis of electric equipment and comparison between several common inspection ways. The remote real time supervisory system is made up of online monitoring, diagnoses and management. The system can find malfunction more quickly and improve validity and precision of insulate test widely. It also supplies data for reasonable quantification and professional decision, which will improve operation rate and reduces cost of product. Through the real time system, the traditional planned- Maintenance can be placed by condition-based Maintenance.
A scheme of on-line monitor system based on DCS and FIX is put forward in this paper, which can forecast and diagnose main electric equipment fault through the real time data. By web technology, client users of different limit privilege can get different data of the system at any moment. The necessary and sufficient information makes the good foundation for the work of Condition-based Maintenance.
电力系统竞争日益激烈，如何减少电力生产成本也显得越来越重要，而实行状态检修就是一种十分有力的手段。通过对发电设备的故障分析及几种常用检修模式的比较，指出实施状态检修的先进性。对发电设备进行在线实时远程监控，对其运行状态进行在线监测、诊断和管理，可以大大提高绝缘试验的真实性与灵敏度，及时发现绝缘缺陷，为提高设备投运率和降低检修成本提供科学的量化依据与专家决策建议，为实现以状态检修取代计划检修提供了可靠的依据。
本文提出一个基于集散控制系统和FIX组态软件的分级实时状态监测系统方案，利用现场实时数据对厂内主要设备进行故障预测与初步诊断。在此基础上，利用Web技术，终端用户可以根据不同的权限身份，通过网络随时查询各种数据信息，及时掌握设备的实时状态，为实现状态检修打下良好的基础。
With the spread of microprocessor-based distributed control system (DCS) in power plants, the automated control level of thermal process is greatly enhanced, enabling unified supervisory control of steam turbines and boilers. After recent development, many electric types of equipment are controlled by DCS. For example, sequential control and automated switcher control are applied in station-service power.
With the growing competition in power industry, it is more important to decrease the cost of power production. Condition-based Maintenance is a very useful way to make it. The paper is going to find out the merit of Condition-based Maintenance through fault analysis of electric equipment and comparison between several common inspection ways. The remote real time supervisory system is made up of online monitoring, diagnoses and management. The system can find malfunction more quickly and improve validity and precision of insulate test widely. It also supplies data for reasonable quantification and professional decision, which will improve operation rate and reduces cost of product. Through the real time system, the traditional planned- Maintenance can be placed by condition-based Maintenance.
A scheme of on-line monitor system based on DCS and FIX is put forward in this paper, which can forecast and diagnose main electric equipment fault through the real time data. By web technology, client users of different limit privilege can get different data of the system at any moment. The necessary and sufficient information makes the good foundation for the work of Condition-based Maintenance.
引文
(1) 中华人民共和国电力工业部。电力设备预防性试验规程DL／T596—1996。北京，中国电力出版社，1997。
(2) 陈化钢。电力设备预防性试验方法及诊断技术。北京，中国科学技术出版社，2001年。
(3) 张红先，曹一家，汪新秀．一种基于Web技术的远程监测系统[J]．电网技术，2003。P．33-35。
(4) 杨苹，吴捷。火电厂的实时状态监测系统与故障诊断。华南理工大学电力学院，电力系统自动化，2000-9；Vol．24 No．17 P．37-40
(5) 成永红。电力设备测量—传感与测控技术，中国电力出版社，2003-4。
(6) 李子连。现场总线技术在电厂应用综论，中国电力出版社，2002-7。
(7) 白焰，吴鸿，杨国田。分散控制系统与现场总线控制系统，中国电力出版社，2001-3。
(8) MACS~(TM)系统手册。北京和利时系统工程股份有限公司，2000-12。
(9) 董谦，谢剑英。计算机远程数据采集系统设计。上海交通大学自动化系，2003-8。
(10) 张建文。电力变压器故障诊断方法分析。中国矿业大学，1999-3。
(11) 尹旭日，周志华，陈世福。电力变压器状态检测中复合推理方法的研究。南京大学，2000-6。
(12) 孙辉，李卫东，孙启忠。判决树方法用于变压器故障诊断的研究。中国电机工程学报，2001-1；Vol．21 No．2 P．50-55。
(13) 王财胜，胡文堂。结合神经网络技术的变压器故障诊断专家系统。中国电力，2001-5。P．37-40。
(14) 李剑敏，卢敦诒，李剑清，莫灿林。小波神经网络在变压器故障诊断中的应用。浙江工业大学学报，2001-3。P．56～59
(15) 宋斌，于萍，廖冬梅，罗运柏。变压器故障诊断中溶解气体的模糊聚类分析。高电压技术，2001年6月。P．69～71。
(16) 孙才新，郭俊峰，廖瑞金，杜林，陈伟根。变压器油中溶解气体分析中的 模糊模式多层聚类故障诊断方法的研究。中国电机工程学报，2001年2月。Vol．21 No．2 P．37-41。
(17) 王立琦，李莉，李岚。大型输变电站电力变压器故障诊断系统。黑龙江商学院学报，2000年12月。P．70-73，78。
(18) 张建文，王晓华，谭得健，董连文。应用特征空间矢量进行变压器故障诊断。高电压技术，2000年12月。P．57-59。
(19) 徐勇，林峰。基于小波神经网络的变压器PD故障诊断模型的研究。湖南大学学报，2000年8月。P．72-75。
(20) 张丰仁，张恩锋。气相色谱分析在变压器故障诊断中的应用。中国煤炭，2000年10月第10期，P．19-21
(21) 杨莉，尚勇，周跃峰，严璋。基于概率推理和模糊数学的变压器综合故障诊断模型。中国电机工程学报，2000年7月。P．19-23。
(22) 钱政，严璋，钱嵘，周家利。结合多元统计分析的神经网络在变压器故障诊断中的应用。变压器，2000年，37(4)P．32-35。
(23) 杨启平，王鲁杨。变压器故障诊断的人工智能法。上海电力学院，2000年6月。P．19-11。
(24) 高文胜，严璋，谈克雄。基于油中溶解气体分析的电力变压器绝缘故障诊断方法。电工电能新技术，2000(1)：22-26。
(25) 孟大伟，温祥龙，程杰英，张英健，董元贵。电力变压器的故障诊断专家系统。黑龙江电力技术，1999年2期P．33-37。
(26) 张建文。电力变压器故障诊断方法分析。中国矿业大学，1999年第3期P．6-9。
(27) 钱政，杨莉，张冠军，严璋。基于模糊推理与覆盖集理论的电力变压器故障诊断方法。电工电能新技术，1999(3)：36-39，49。
(28) 李连贵。最近几年发电设备用专家系统的发展。发电设备，1992(1)：2-4。
(29) 谢志明，徐铁民。发电设备寿命的评估与延长。湖南电力技术，1991年第3期：P．55-60。
(30) 林济群，江晖，柳一松等。火电厂实时专家系统的框架设计[J]。工业控制计算机，1999；12(6)：55～60。
(31) 邢玉久。中国发电设备市场展望。电气时代，2001年第9期P．14-15。
(32) 李连贵。专家系统在发电设备上的应用。发电设备，1992(11)；12-15。
(33) 王飞，季振洲，张嘉钟等。汽轮发电机组状态监测与故障诊断系统的研制及其应用。机械工程学报，1994(4)；50-55。
(34) 李永刚，李和明。国外发电机监测和诊断专家系统水平，电力情报。1996(2)：1-3。
(35) 邓勇超。发电设备状态检修简述。江西电力，2002(3)；34-37。
(36) 周鹤良。中国火力发电设备的现状与发展前景。发电设备，1998(3)；P．3B-38。
(37) An Artificial Neural Network Approach to Transformer Fault Diagnosis。《IEEE Transactions on Power Delivery》 Zhang Y Liu Y Liu Y 1996 / 11 / 04 P 1836.
(38) Jalbert, Jocelyn, et al., " Decomposition of Transformer Oils: A New Approach for the etermination of Dissolved Gases", IEEE Transactions on Power Delivery, vol. 12, No. 2, Apr. 1996. EPRI Final Report EL-74880L, Nov. 1991.
(39) Developing a New Transformer Fault Diagnosis System through Evolutionary Fuzzy Logic. 《IEEE Transactions on Power Delivery》 Huang Y C M Huang C L Huang C L 1997 / 12 / 02 P 761-767
(40) Chihiro Fukui and Junzo Kawakami, A expert system for fault section estimation using information from protective relays and circuit breaks, IEEE Transaction on power Delivery. Vol. 1, 1986:83～90.
(41) Zhu yong li, T.H. Yang, B.W. gogg, W.Q. zhang, S. Gao. An Expert System for Power System Fault Analysis. on power system, IEEE。 1 994。 2:503—509.
(42) M. E. Ghourab, Application of Artificial Neural Networks for Insulation Diagnosis, pp. 5595 - 1～5595 - 4, 9th ,ISH, Austria August, 1995 [2].
(43) P.S. Pugh and H.H. Wanger, " Detection of incipient faults in transformer by gas analysis," AIEE Transaction, VOL.80, pp.189-195, 1961.
[44] J, J. Kelly, "Transformer fault diagnosis by dissolved-gas analysis," IEEE Trans. on IA, Vol.16, No,6. pp,777-782, 1980.
[45] TMS320VC5410 Fixed-Point Digital Signal Processor Data Manual.
[46] Chang C S, Thia B S. Online rescheduling of mass rapid systems: fuzzy expert system approach. IEEEProElectrPowerAppl. 1996, 143(4): 307.
[47] Booth R R. Power system simulation model based on probability analysis.[J]. IEEE Transactions on power Apparatus and systems, 1992, 91(1): 62 69.
(2) 陈化钢。电力设备预防性试验方法及诊断技术。北京，中国科学技术出版社，2001年。
(3) 张红先，曹一家，汪新秀．一种基于Web技术的远程监测系统[J]．电网技术，2003。P．33-35。
(4) 杨苹，吴捷。火电厂的实时状态监测系统与故障诊断。华南理工大学电力学院，电力系统自动化，2000-9；Vol．24 No．17 P．37-40
(5) 成永红。电力设备测量—传感与测控技术，中国电力出版社，2003-4。
(6) 李子连。现场总线技术在电厂应用综论，中国电力出版社，2002-7。
(7) 白焰，吴鸿，杨国田。分散控制系统与现场总线控制系统，中国电力出版社，2001-3。
(8) MACS~(TM)系统手册。北京和利时系统工程股份有限公司，2000-12。
(9) 董谦，谢剑英。计算机远程数据采集系统设计。上海交通大学自动化系，2003-8。
(10) 张建文。电力变压器故障诊断方法分析。中国矿业大学，1999-3。
(11) 尹旭日，周志华，陈世福。电力变压器状态检测中复合推理方法的研究。南京大学，2000-6。
(12) 孙辉，李卫东，孙启忠。判决树方法用于变压器故障诊断的研究。中国电机工程学报，2001-1；Vol．21 No．2 P．50-55。
(13) 王财胜，胡文堂。结合神经网络技术的变压器故障诊断专家系统。中国电力，2001-5。P．37-40。
(14) 李剑敏，卢敦诒，李剑清，莫灿林。小波神经网络在变压器故障诊断中的应用。浙江工业大学学报，2001-3。P．56～59
(15) 宋斌，于萍，廖冬梅，罗运柏。变压器故障诊断中溶解气体的模糊聚类分析。高电压技术，2001年6月。P．69～71。
(16) 孙才新，郭俊峰，廖瑞金，杜林，陈伟根。变压器油中溶解气体分析中的 模糊模式多层聚类故障诊断方法的研究。中国电机工程学报，2001年2月。Vol．21 No．2 P．37-41。
(17) 王立琦，李莉，李岚。大型输变电站电力变压器故障诊断系统。黑龙江商学院学报，2000年12月。P．70-73，78。
(18) 张建文，王晓华，谭得健，董连文。应用特征空间矢量进行变压器故障诊断。高电压技术，2000年12月。P．57-59。
(19) 徐勇，林峰。基于小波神经网络的变压器PD故障诊断模型的研究。湖南大学学报，2000年8月。P．72-75。
(20) 张丰仁，张恩锋。气相色谱分析在变压器故障诊断中的应用。中国煤炭，2000年10月第10期，P．19-21
(21) 杨莉，尚勇，周跃峰，严璋。基于概率推理和模糊数学的变压器综合故障诊断模型。中国电机工程学报，2000年7月。P．19-23。
(22) 钱政，严璋，钱嵘，周家利。结合多元统计分析的神经网络在变压器故障诊断中的应用。变压器，2000年，37(4)P．32-35。
(23) 杨启平，王鲁杨。变压器故障诊断的人工智能法。上海电力学院，2000年6月。P．19-11。
(24) 高文胜，严璋，谈克雄。基于油中溶解气体分析的电力变压器绝缘故障诊断方法。电工电能新技术，2000(1)：22-26。
(25) 孟大伟，温祥龙，程杰英，张英健，董元贵。电力变压器的故障诊断专家系统。黑龙江电力技术，1999年2期P．33-37。
(26) 张建文。电力变压器故障诊断方法分析。中国矿业大学，1999年第3期P．6-9。
(27) 钱政，杨莉，张冠军，严璋。基于模糊推理与覆盖集理论的电力变压器故障诊断方法。电工电能新技术，1999(3)：36-39，49。
(28) 李连贵。最近几年发电设备用专家系统的发展。发电设备，1992(1)：2-4。
(29) 谢志明，徐铁民。发电设备寿命的评估与延长。湖南电力技术，1991年第3期：P．55-60。
(30) 林济群，江晖，柳一松等。火电厂实时专家系统的框架设计[J]。工业控制计算机，1999；12(6)：55～60。
(31) 邢玉久。中国发电设备市场展望。电气时代，2001年第9期P．14-15。
(32) 李连贵。专家系统在发电设备上的应用。发电设备，1992(11)；12-15。
(33) 王飞，季振洲，张嘉钟等。汽轮发电机组状态监测与故障诊断系统的研制及其应用。机械工程学报，1994(4)；50-55。
(34) 李永刚，李和明。国外发电机监测和诊断专家系统水平，电力情报。1996(2)：1-3。
(35) 邓勇超。发电设备状态检修简述。江西电力，2002(3)；34-37。
(36) 周鹤良。中国火力发电设备的现状与发展前景。发电设备，1998(3)；P．3B-38。
(37) An Artificial Neural Network Approach to Transformer Fault Diagnosis。《IEEE Transactions on Power Delivery》 Zhang Y Liu Y Liu Y 1996 / 11 / 04 P 1836.
(38) Jalbert, Jocelyn, et al., " Decomposition of Transformer Oils: A New Approach for the etermination of Dissolved Gases", IEEE Transactions on Power Delivery, vol. 12, No. 2, Apr. 1996. EPRI Final Report EL-74880L, Nov. 1991.
(39) Developing a New Transformer Fault Diagnosis System through Evolutionary Fuzzy Logic. 《IEEE Transactions on Power Delivery》 Huang Y C M Huang C L Huang C L 1997 / 12 / 02 P 761-767
(40) Chihiro Fukui and Junzo Kawakami, A expert system for fault section estimation using information from protective relays and circuit breaks, IEEE Transaction on power Delivery. Vol. 1, 1986:83～90.
(41) Zhu yong li, T.H. Yang, B.W. gogg, W.Q. zhang, S. Gao. An Expert System for Power System Fault Analysis. on power system, IEEE。 1 994。 2:503—509.
(42) M. E. Ghourab, Application of Artificial Neural Networks for Insulation Diagnosis, pp. 5595 - 1～5595 - 4, 9th ,ISH, Austria August, 1995 [2].
(43) P.S. Pugh and H.H. Wanger, " Detection of incipient faults in transformer by gas analysis," AIEE Transaction, VOL.80, pp.189-195, 1961.
[44] J, J. Kelly, "Transformer fault diagnosis by dissolved-gas analysis," IEEE Trans. on IA, Vol.16, No,6. pp,777-782, 1980.
[45] TMS320VC5410 Fixed-Point Digital Signal Processor Data Manual.
[46] Chang C S, Thia B S. Online rescheduling of mass rapid systems: fuzzy expert system approach. IEEEProElectrPowerAppl. 1996, 143(4): 307.
[47] Booth R R. Power system simulation model based on probability analysis.[J]. IEEE Transactions on power Apparatus and systems, 1992, 91(1): 62 69.