燃气轮机故障诊断技术研究与展望分析

燃气轮机故障诊断技术研究与展望分析
发布时间：2023-03-30T03:33:30.463Z 来源：《福光技术》2023年4期作者：张浩1 杨雨2 [导读] 对燃气轮机进行了设备分析后，采用FTA和FMEA分析方法对已经划分好的设备层次进行故障的机理分析。

1.中国船舶集团公司第七〇三研究所 1.船舶与海洋工程特种装备和动力系统国家工程研究中心
2.哈尔滨广瀚燃气轮机有限公司黑龙江省 150078摘要：在工业生产中，燃气轮机得到了广泛应用，具有热效率高、稳定性好、安全性强、绿色环保污染量小、便于机动使用等特点，因此在管道运输、交通运输、航空与航海等行业应用广泛。

但是，燃气轮机运转部件精密、内部结构复杂，在实际运行阶段由于各方面因
素影响而诱发运行故障，导致其使用价值大打折扣。

为了使上述问题得到有效避免，则需要做好燃气轮机故障诊断工作。

关键词：燃气轮机；故障诊断技术；展望分析
1燃气轮机故障知识
对燃气轮机进行了设备分析后，采用FTA和FMEA分析方法对已经划分好的设备层次进行故障的机理分析。

根据故障的类型划分为结垢类故障、腐蚀磨损类故障、堵塞类故障、阀门开度不当类故障、不稳定流体类故障、辅助系统类故障，共6种故障类型、10类燃气轮机典型故障模式。

6类故障类型具体如下所示：（1）结垢类故障：设备运行时需要不断的吸入空气，空气即使经过处理还是会有细小微粒存在，细小微粒被吸附在叶片表面，并不断积累最终导致设备发生结垢类故障，结垢类故障主要包括压气机叶片结垢、透平叶片结垢；（2）磨损腐蚀类故障：磨损腐蚀是指通流部分受到气流中较硬颗粒的磨损以及湿度较大空气中的盐、酸和一些腐蚀性物质，对叶片造成腐蚀，腐蚀磨损类故障主要是透平叶片腐蚀；（3）堵塞类故障：从燃机电厂运行经验来看，燃料喷嘴阻塞是比较高发的故障之一，堵塞会导致喷嘴到燃烧室的燃料分配不均，堵塞类故障主要是燃料喷嘴堵塞；（4）阀门开度不当类故障：阀门开度不当类故障包括IGV开度不当、防喘放气阀故障和燃烧室旁路阀故障；（5）不稳定流体类故障：故障特征有流量、压力等特征参数的大幅波动，不稳定流体类故障包括燃烧室压力波动、压气机喘振；（6）辅助系统类故障：燃气轮机作为复杂设备，除了压气机、燃烧室、透平三大部件外，还拥有辅助系统。

辅助系统类故障主要是透平冷却系统故障。

10类燃气轮机典型故障模式总结如表1所示。

2燃气轮机故障诊断研究现状
燃气轮机作为电力系统里典型的复杂设备，通过对燃气轮机故障诊断技术发展现状的整体了解，能够及时发现先进方法在燃气轮机故障诊断领域中取得的效果，也能及时发现不足之处，对于后续开展燃气轮机故障诊断研宄具有积极意义。

燃气轮机故障诊断方法主要分为以下两种：
2.1基于知识驱动的方法
燃气轮机故障诊断知识复杂多样，包含燃气轮机设备结构知识、运行特性知识和故障机理知识等，在多源的故障知识里，可以通过相关设计规程获取知识，通过建立解析模型和总结故障案例分析故障机理。

知识驱动的燃气轮机故障诊断方法就是利用获得的多源故障知识和故障推理的逻辑规则结合图论等推理算法，实现故障诊断。

其中推理算法包括图搜索方法和基于专家经验的专家系统方法。

2.2基于数据驱动的方法
基于数据驱动的故障诊断方法主要是挖掘数据之间的内在关系，得到数据中的知识，对比实际运行数据，进行异常检测。

机组的实际运行状态因设计安装、长期运行等因素会与设计标准产生差异，通过机器学习、深度学习等方式对电厂存储的海量历史数据进行挖掘，获得机组实际运行状态是对机组进行故障诊断的关键之一。

3燃气轮机故障诊断系统设计3.1系统设计目标与功能设计
本文开发的系统本着简单易用原则，依据现场实际需求，并结合智能诊断系统工作流程和任务特点，将燃气轮机智能诊断系统设计分为两大部分：一是系统设计基础模块，主要包括用户管理、设备管理、数据管理、知识管理等；二是大数据分析模块，主要包括模型训练、监测分析、故障诊断等。

（1）系统设计基础模块。

1）用户管理：在用户权限设置里区分了普通员工和管理员两个类别，登录时需要确认用户名和密码，根据权限的不同提供不同的功能。

普通员工可以在监测分析模块调取测点的历史曲线以及数据分析图表，也可以对故障报表以及故障知识进行查看，但无法对知识进行修改；管理员权限，可以对机组设备知识和故障知识进行增、删、改、查等；2）设备管理：可实现从顶层燃气轮机到底层测点全方位设备信息的储存，包括设备间的层次关系、测点对应关系等；3）数据管理：数据管理主要是对数据进行构建，数据库包括历史数据库和实时数据库，构建模型的海量历史数据存储在历史数据中，并接受实时数据库传输过来的新的历史数据。

实时数据库接受电厂SIS系统传过来的测点数据，对其进行计算分析，实时展现在前端界面；4）知识管理：主要针对本体知识进行维护，以及对构建好的燃气轮机本体进行前端可视化展示。

（2）大数据分析模块。

1）监测分析：实现在前端界面上动态实时地显示测点参数信息，针对不同的数据类型选用不同的算法模块中的模型，阈值型征兆采用深度学习算法得到的该工况下该参数的基准区间，对参数的异常检测结果进行判断；趋势型征兆选用算法模块中参数预测算法模型进行判断；2）故障分析：展示诊断结果，包括故障模式、故障原因、发生位置、维修措施等，并能以故障报表的形式导出。

3.2系统实现与界面展示
基于本章节提出的系统设计方案，以某燃气－蒸汽联合循环机组中的燃气机为对象，型号为三菱M701F，开发了燃气轮机故障诊断系统样机。

从监测参数和诊断决策两个模块对系统进行展示。

（1）监测分析模块监测分析模块主要负责对燃气轮机特征参数实时监测和分析，特征参数包括从电厂SIS系统中直接通讯获得的参数，如温度、压力等，还包括需要进行计算的二次参数，如效率等。

二次参数的计算方法为后端通过调用实时数据库的一次参数，进行计算，计算结果存入实时数据库，并对该条数据进行标签，便于前端读取计算好的数据，其中0表示该条数据未计算，1表示该条数据己经计算完成。

界面主要分为三个部分。

第一个部分为边界条件，主要对环境温度、环境压力、天然气热值以及燃机功率等主要参数进行实时数据展示；第二部分为参数分析，提供各个参数处于的工况，具体工况下的参数基准值区间，该方法利用己经训练好的模型，确定对应参数的基准值，并将参数的实时值与基准值进行比较，计算其偏差；第三部分为历史数据查询，运维人员可以通过设备、测点、日期来选择想要查看的历史数据，可以选择某个设备中的某个参数，对某一时间段的该特征参数进行历史变化趋势的查询。

（2）诊断决策分析模块主要负责对故障知识进行推理，通过对异常检测出来的故障征兆进行推理，找到对应的故障模式，结合知识图谱的“搜索＋匹配”方式，查询到故障模式对应的故障原因、维护措施等信息。

诊断决策模块分为三个部分。

第一部分为故障特征提取，实时数据根据征兆提取模型进行判断，对出现的故障征兆进行展示，借用故障知识本体进行确定性推理，以知识图谱的形式进行展示；第二部分为知识推理，可以手动添加故障征兆进行推理；第三部分为诊断报表生成，将故障模式所有信息以报表的形式进行展示，包括故障模式、故障征兆、故障原因及维护措施。

4燃气轮机未来展望
随着科学技术的发展，我国燃气轮机开始朝着高效率、无污染的方向发展，并通过调节进口温度、提高亚比、优化金属结构等方式来有效提高燃气轮机热效率。

在我国，燃气轮机具有非常广阔的发展空间，并且随着人们环保意识的提升，对燃气轮机各方面进行了一系列的改革和创新，基本上满足了国际燃气轮机排放标准。

例如，通过采用气化燃烧、直接喷射、贫油燃烧等先进燃耗技术，可以在保证燃烧系统安全、稳定运行的基础上，降低燃气轮机污染物排放量和燃烧区火焰温度，进而达到节能减排的目的。

同时，在燃气轮机发展过程中，其故障诊断技术也得到了前所未有的发展机遇，逐渐朝着自适应动态非线性诊断、卡尔曼滤波器诊断、先进的数据驱动算法及融合故障诊断等方向发展，大大提高了燃气轮机故障诊断结果的准确性和有效性。

参考文献：
[1]周绪强.燃气轮机故障诊断技术探讨[J].化工管理，2019（16）：180-181.。