基于故障树的汽包水位故障诊断方法

51二○○八年·第三期仪器管理基于故障树的汽包水位故障诊断方法刘润华（广东省粤电集团连州发电厂维修部广东连州513400）摘要锅炉汽包满、缺水事故是长期困扰火力发电厂安全的恶性频发事故之一，对故障的早期征兆和发展趋势进行处理对于事故预报和预警、避免事故发生具有重要意义。在深入研究汽包水位故障的成因机理基础上，采用将广义故障树分析方法与智能诊断系统相结合的思路，给出一种汽包水位故障的在线监测和诊断的方法。通过汽包水位低故障的现场实例应用表明该方法的有效性。关键词故障诊断汽包水位故障树火电厂锅炉汽包满、缺水事故是长期困扰火力发电厂安全的恶性频发事故之一。据电力系统发电锅炉事故统计分析，1982——1985年4年间发生缺水事故27起，满水事故45起，每年总有1~3台锅炉因缺水造成水冷壁管大面积损坏。“突出的原因是水位计失灵、指示不正确，引起误判断和误操作，或水位保护拒动”。1986——1989年的3年间统计上来的汽包满、缺水事故高达121次，占锅炉运行责任事故的11.2%。1990年1月某电厂2号锅炉满水造成汽轮机轴系断裂和1997年12月某电厂4号锅炉缺水造成水冷壁大面积爆破突出反映锅炉汽包满、缺水事故的严重性[1]。电厂发生的恶性事故往往是由于对故障的早期征兆缺乏正确的认识或没有引起足够的重视，未能及时处理，从而导致故障进一步发展而成的。因此，为避免事故的发生，做到事故前的预报和预警，就需要深入研究故障的机理，了解故障发生的原因、正确记录故障征兆、跟踪故障征兆发展趋势，及时给出正确的诊断和处理意见的方法。目前在电厂系统故障诊断中常用的方法主要有基于专家系统的故障诊断方法、基于神经网络的诊断方法和基于模糊数学的诊断方法。基于专家系统的方法[2,3]不需要系统的精确数学模型，根据长期的实践经验和大量的故障信息知识，建立知识库，知识推理机制，设计专家系统的故障检测、故障诊断模型，它可以较好地解决复杂系统的故障检测与诊断问题。然而知识的获取是其应用的瓶颈。基于神经网络的方法[4,5]利用神经网络强的自组织自学习能力，能够较方便地建立故障模型或对象模型，适合于处理复杂系统的故障诊断问题。但是在使用神经网络进行故障检测以前必须使用大量的故障样本训练网络。人工神经网络的诊断结果取决于训练样本的准确性和充分性,但对于电厂的热力系统而言,具体的机组、设备很难获得足够的样本,而同类机组和设备之间即使参数相同也会因制造、安装和改造等因素而有所差别,这就使得神经网络在实际应用中受到很大地限制。基于模糊数学的方法[6~8]通过建立模糊关系矩阵或模糊关系库，进行模糊推理，能较好地处理故障检测中的不确定性问题。其技术难点在于建立有效充分的特征集和故障状态集，对于新出现的故障不能做出有效判断。本文采用广义故障树知识表示方法建立起智能诊断系统的诊断知识规则库，同时设计基于故障树的故障诊断推理机制，从而设计出一个基于故障树的汽包水位智能故障诊断系统。这一系统建立在深入了解汽包水位故障成因机理基础上，算法实现简单，具有很强的工程价值。1 汽包水位故障树的建立故障树分析法[9]是从所研究的故障现象出发寻找产生这一故障的根源，因而是从果到因的研究过程。通过对汽包水位变化机理研究，并结合对具体热力设备结构特征和故障机理的研究，可建立电厂运行中汽包水位常见故障的故障树（见图1，2）。2 基于故障树的知识表示建立的故障树中每一个结点往往可以伴随着一些其它信息，如故障事件发生的概率、贡献因子、发生时间，或者其父辈事件和子辈事件发生瞬间的时间间隔等等。在这种情况下，该故障树称为广义故障树（GeneralizedFaultTree-GFT）。在此条件下，故障诊断知识库可以直接由广义故障树的知识表示方法来构造。具体实现方法为：先用框架将故障分类，将整个故障树用分层的树状框架结构来描述，现代仪器()二○○八年·第三期52图1 汽包水位高故障树图2 汽包水位低故障树针对不同故障采用规则来描述。故障树的每一个逻辑门都能转变成一个“IF-THEN”规则。由“与门”转变成的规则,其前提条件部分由该“与门”的各子事件的逻辑乘法构成，而其结论部分则由该“与门”的输出事件构成。“或门”转变成规则和“与门”生成规则相类似,只需把其前提条件中的逻辑乘法换成逻辑加法即可[9]。这样框架和产生式规则相结合，能全面描述复杂故障诊断知识。约束数据槽中，贡献因子为本结点事件的给定子事件引起该故障事件发生原因的可靠性度量；重要性为本结点事件的重要程度的度量，反映导致其父辈结点事件发生的影响程度。对于广义故障树中的具体诊断对象结点来说，诊断对象的描述框架诊断单元中，除框架名和类型槽外，其它槽值可以缺省。如主蒸汽压力骤升的广义故障树描述框架（见表1）。表1主蒸汽压力骤升故障结点的描述框架框架名主蒸汽压力骤升类型槽（1)逻辑或门；（2）中间结点父结点槽汽包水位低子结点槽（1）负荷突降；（2）燃料量突升模型槽汽包水系统动态模型规则槽IF（负荷突降）OR（燃料量突升）THEN（主蒸汽压力骤升，0.85）约束数据槽1）0.85；2）0.6对策建议槽协调解为手动，稳定机组负荷和燃烧率可以看到上述描述框架能够自动生成下列诊断规则：IF（负荷突降）OR（燃料量突升）THEN（主蒸汽压力骤升，0.85）。3 基于故障树模型的故障推理基于故障树模型的故障推理就是利用现有的测量信息和故障树节点间的逻辑关系进行正向推理和反向推理。利用异常节点作为推理的起始点，利用正常节点进行假设排除，最终确定底事件的状态。如测点充分，则可确定全部底事件的状态(正常或异常)。否则把底事件集分成三部分，即一个必然故障源集、一个可能故障源集和—个正常底事件集。必然故障源集中的所有元素均是系统的故障源，可能故障源集中的所有元素则是其可能的故障源。由此，可将知识库分为四个部分：广义规则库（每条广义规则就是故障树上父、子节点间构成的一条反向因果链，父节点对应广义规则的前提，子节点对应广义规则的结论)；异常事件库(如果故障树上某—节点的实际状态与期望状态不—致，则把该节点事件放入异常事件库)；正常事件库(如果故障树上某一节点的实际状态与期望状态一致，则把该节点事件放入正常事件库)；未知事件库(如果故障树上某—节点的实际状态未知，则把该节点事件放入未知事件库)。故障诊断的推理原则为先通过正向推理，搜索到可能发生故障的故障树节点，并将其加入异常事件库；推理中遇到状态未知的故障树节点加入未知事件库中，人工判断；以候选的故障数节点为起始点作反向推理，验证正向推理的结论并最终得到所有故障树节点的状态。53二○○八年·第三期仪器管理4 实例分析以某2×135MW供热机组的额定参数运行为基础作仿真实验，进行“汽包水位低”故障发生时的故障诊断推理。4.1故障征兆的获取汽包水位低运行的故障征兆是指：在汽包水位下降时，相关热力参数的异常变化或相关设备表现出来的外在异常现象。具体征兆的获取可有以下几个途径：(1)由仪表直接测得的热力参数与其正常值相比较后得到的故障征兆。(2)由测点参数算得的热力参数与其正常值相比较后得到的故障征兆。(3)由运行人员对热力设备进行现场查看、检修和试验得到的故障征兆。4.2仿真分析运行中由于水冷壁管泄漏导致汽包水位降低，这一故障的故障征兆（见表2），诊断故障树结构见图2。由故障征兆A，C，D（含义见表2）作正向推理，排除“汽包水位故障”、“给水流量不正常小于主蒸汽流量”和“汽包压力骤升”，并根据故障征兆E初步确定汽包水位降低；然后以“给水流量不正常大于主蒸汽流量”故障树节点为起始点作反向推理，检测不到汽包水位高报警，故只在异常状态中将其列出。最终根据故障征兆F，G验证“水冷壁或省煤器管泄漏”故障的存在。表2诊断示例所用到的征兆符号列表符号故障征兆事实表达是否属实A汽包水位低三个水位计均显示低是B给水流量不正常的大于蒸汽流量x+3σ30是C给水流量不正常的小于蒸汽流量x+3σ30否D汽包压力骤升ΔP/Δt0.5否E锅炉泄漏检测装置报警是F现场查明有泄漏响声是G定排门处有泄漏声否参考文献1候子良，刘吉川等.锅炉汽包水位测量系统，北京：中国电力出版社，20052李德英,张跃.锅炉系统故障诊断模糊推理方法，系统工程理论与实践,1998：125~1293夏朝阳.循环流化床锅炉状态监测与故障诊断专家系统[博士学位论文]，北京:清华大学，19964张建华,侯国莲,段泉圣.模糊及神经网络在凝汽器故障诊断中的应用，现代电力,1998,15(3)：13~165李勇,叶荣学,曹祖庆.基于BP网络的凝汽器故障隶属函数及模糊诊断方法，汽轮机技术,1995,37(4)：25~316王培红,朱玉娜,贾俊颖等.模糊式识别在凝汽器故障诊断中的应用，中国电机工程学报,1999,19(10)：46~497汪健.基于热力参数的大型机组热力循环系统的集成故障诊断系统[硕士学位论文]，北京:清华大学，19948闻新，周露等.控制系统的故障诊断和容错控制，北京：机械工业出版社，19989李德英,倪维斗.电站锅炉诊断系统的广义故障树知识表示法，清华大学学报(自然科学版),1998,38(7)：74~77FaultdiagnosisofdrumlevelinpowerplantsbasedonfaulttreeLiuRunhua(DepartmentofEquipment,GuangDongLianZhouPowerGeneration,LianzhouGuangDong513400)AbstractThefaultofdrumwaterlevelisoneoftheworstaccidentsinpowerplants.Earlydetectionoffaultsymposiomanditschangetrendsissignificantforavoidingtheourrenceofunexpectedaccidents.Basedonanalyzingthemechanismofdrumlevelchange,adrumlevelfaultdiagnosissystembyfaulttreeanalysis(FTA)isestablished.ThismethodcombinesgeneralizedFTAandintelligentdiagnosissystem.Anexmapleisgiventodiagnosethefaultoflowboilerdrumlevel.KeywordsFaultdiagnosisBoilerdrumlevelFaulttreeanalysisThermalpowerplantDesignofautomatictestsystemforarbitrarygeneratorbasedonGPIBbusXinHui1,2(1.AcademyofEquipmentCommand&Technology,Beijing101416)(2.BeijingAerospaceControlCenter,Beijing100094)AbstractThepaperpresentsthedesign,includinghardwareandsoftwareofautomatictestsystemforarbitrarygeneratorbasedonGPIBbusindetail.Thesystemrealizesrealtimetestcontrol,testdataprocessinganddatabasedesignofarbitrarygeneratorunderthenewVisualStudio.NET(VS)platformofMicrosoft,accordinglyitimprovesthetestaccuracyandtestefficiencyofarbitrarygeneratorgreatly.Thesystemisverifiedbythepracticaluseandcanbeappli