火电厂风机运行状态监测与故障诊断研究

火电厂风机运行状态监测与故障诊断研究

傅安强

福建省福能晋南热电有限公司 福建省 晋江市 362246

【摘 要】:火电厂风机是重要的应用设备及运行质量关系到电场的运营情况，目前阶段，我国的常见问题是不注重火电厂风机等重要设备。没有根据运动正品的监测技术与故障诊断技术进行有效研究，仅停留在简单的形式工作上。随着火电厂工作模式的改革，如何提升发电效益，降低成本支出，成为火电厂运营管理的主要研究内容。在这样的发展背景下，本文分析火电厂风机状态监测与故障诊断技术的应用现状，旨在为相关工作提供参考依据,减轻工作人员的研究负担。

【关键词】:风机；运行状态；故障诊断；研究

引言

火电厂中风机是非常重要的应用设备，是烟风系统的动力来源关系，到电厂生产的整体情况。所以在开展电厂风机状态监测和故障诊断工作时，要采用完善的管理体系，提升电厂设备的安全管理水平。技术研究学者针对故障诊断的应用技术进行了深入研究，展开了基于模式识别的诊断研究，提出了多种诊断应用方法。本文主要探究风机故障诊断技术的研究进展,提供技术研究的重要方式，为火电厂风机研究工作提供技术依据，弥补风机故障诊断技术在应用过程中出现的问题。

1. 风机故障诊断技术的研究与进展

目前来看，在故障诊断技术的发展过程中，随着相关技术的进步发展，故障诊断技术已经成为具备完善数据分析能力的独立学科。当前阶段该技术融合了多种现代化技术，包括振动监测技术，噪音监测技术，红外线测温技术，油液分析技术和无损检测技术。这些应用技术属于传统模式下的检测技术。同时，也包含发展变革的诊断方式，包括决策判决技术，判别函数识别技术，概率统计的时序模型诊断技术，距离判别的诊断技术，遗传算法诊断技术，故障树诊断技术，灰色系统诊断，技术模糊诊断技术，模糊逻辑和神经网络的智能诊断技术。在研究技术发展的过程中，故障诊断技术与现代化科技得到了有效结合，也是目前阶段最为先进的诊断方式。最新传感技术和测量技术的有机结合，也是目前阶段信号分析模式的改革变化，体现了非线性原理和实践经验的有效结合，实现多传感数据和多参数数据的有效结合。

从电站通风机等大型设备的故障诊断技术进行研究，为了实现多种理论与现实工作的有机结合，采用数学诊断方式和智能诊断方式的结合模式，是目前阶段状态监测与诊断技术的正确应用方向，能够展现多种参数与多种指标，体现多特性的分析测量价值。

2. 电站设备及风机性能在线监测技术

电站设备及风机系统的在线监测系统，是以数据采集系统为基本应用在后续工作中，通过连续计算电机设备机组的能量消耗和性能指标，将规模庞大的原始数据进行分析整理，体现为数目可观的性能指标。在持续研究的过程中，针对机组应用情况，设备安全管理水平和经济情况进行有效分析和预估判断。在电力行业不断发展的过程中，这项技术在现代电站得到了有效应用，也体现了重要的游泳作用。针对风机性能进行在线检测，这项技术在应用过程中，其工作质量很大程度上取决于风量的测量情况。按照测量原理进行流量测量工作，可应用多种应用原理，包括力学原理，热学原理，升学原理，电学原理等。

在传统电站风机测量模式下，主要采用文丘里管节流孔板和机翼测量机，但这些传统的应用方法难以满足现代化的应用需求，技术学者不断探寻更为先进的测量方式。但出于经济性的考虑，研究学者和电站管理者都在寻找零压损的流量测量方式。超声波测量器属于一种有效的测量设备，可以实现大管径液体和气体的大规模测量工作，气体超声流量计可用于高压和大流量天然气的有效测量。但这些测量设备都具有一定的限制性，如果同时出现两三个苛刻条件，包括大口径，低压，低密度等，流量测量工作就难以顺利开展，也容易出现严重的技术误差。从国际层面，大部分生产人员选择的流量测量方式是热扩散检测技术和皮托管检测技术。热扩散检测技术主要应用在热量质量流量计中，皮托管主要应用在流量监测站中。这两种技术模式也有其他方面的弊端，比如，反应能力较差，容易出现拥堵现象和部分情况下，精准性较差等问题。

3. 基于统计模式识别的特征压缩和故障诊断方法

统计模式识别理论是统计识别诊断技术的应用原理，也是故障诊断技术的应用指导。这项应用理论可以从多种技术方法中进行题型分析，包括谱分析法，时间序列分析法，参照分析法或神经元分析法，在技术应用过程中，可应用在多类故障诊断的工作模式中。在统计模式识别故障诊断技术的应用过程中，主要包括两个应用阶段为识别系统的训练阶段和测试阶段，通过技术操作进行预处理工作，采用有效的应用模式，将测量模式进行有效分离去除噪音，并且根据标准要求进行模式化处理。在训练阶段进行特征提取工作，利用数据分析功能，进行特征压缩，输入合适的技术特征，从而实现训练分类器，最后实现模式空间的划定工作。训练系统的综合反馈，是设计人员在优化处理过程中的应用策略，在后续工作中，训练完成的分类器会将。输入模式统一分配到一种模式分类中，完成特征生成工作，特征选择工作以及最后阶段的分类工作，这是统计模式中的三个核心阶段。

可反应振动大小的统计指标有许多种，包含最大值，最小值，峰值均值等，在技术参数的显示过程中，峰值指标，波形指标，脉冲指标，也可以反映振动波形。在实际应用的过程中，技术特征能够成功反映故障诊断领域的应用特征。包括功率谱，高频谱，勾结谱。在应用选择的过程中，可以选择适用性较强的应用方案，也可以应用多种可能的应用方式，来设计分类器，但分类器的选择工作有很大难度，要根据研究学者的工作经验和具体要求，一般来说，可从三种不同角度进行分类器的设置工作，首先，可以选择相似程度概念的分类器，其次，可以选择。采取概率方法进行研究工作的分类器，再者，可以选择优化特定开展决策研究工作的分类器。第一种分类器适宜在结构简单的技术研究中进行应用，不可用于非线性较强的故障诊断工作。第二种分类器可以从概率密度函数的角度，进行分析，需要大量的样本数据进行预算估计工作，比较适用于应用在机械故障诊断问题中。第三种分类器属于神经网络系统分类器，主要应用模块化神经网络的应用原理，可以应用在多个简单结构的网络模块中，以此来分析大范围的故障诊断问题。

目前来看，为了提升故障诊断方案的实用性，人们找出多种模式的技术诊断方式，采用模块化神经网络的应用思想，提升诊断技术的协调性，实现大范围诊断问题的研究工作。这一应用策略因为具有较好的工作效果，受到技术学者的广泛关注。多模块网络研究系统具有较强的适应能力，便于应用在各类软硬件的故障研究工作中，也成为神经网络理论的实际应用。为相关工作提供理论研究经验，成为具有发展潜力的研究内容。

结语

故障诊断技术自20世纪60年代出现并逐步发展成熟，成为具有综合性质的边缘性学科。在科技发展的过程中，应用设备也有了完善的工作模式，自动化水平越来越高，产生的故障问题越发复杂，故障诊断工作的难度逐渐增大。在现代技术的应用过程中，不但要深度研究现代化生产设备，也要充分开展机械设备运行维护的研究工作。目前来看，风机等大规模回转设备属于较为复杂的非线性工作体系，受多种因素影响，出现的故障类型较多，表现模式也多种多样。如果无法妥善处理风机故障，会导致电站的运行质量受损。因此，研究人员要注重火电厂风机的状态监测工作与故障诊断工作，要进行相关技术的研究工作，提升电站的安全管理水平。

参考文献

【1】阎涛.电厂设备故障诊断的现状及发展趋势[J].技术与市场，2017（07）：188+190.

【2】唐文健，安贺顺.分析轧钢设备故障诊断研究现状及发展趋势[J].科技创新导报，2018，v.15；No.436（04）：42-43.

【3】彭祖涛，滕彩荣，郭茂成，etal.电气设备故障诊断的现状与发展简述[J].军民两用技术与产品，2017.

【4】董桓毓.电机故障诊断技术研究现状与发展趋势[J].设备管理与维修，2018，No.431（17）：57-58.