[风采展示]安源电厂煤质检验中心获C... [企业新闻]西安热工院《热力发电》入... [电力科技]南方五省区2月全社会用电... [学术交流]广东公司“五学”打好理论...
首页 >> 技术 >> 技术研发
【技术汇】燃煤电厂除尘设备预测性维护系统的研究
时间:2020-11-25 08:43:01

         ↓底部

摘要:本文描述的是环保岛电除尘设备预测性维护系统在火电厂的应用。系统基于电厂 SIS PI 数据库提取的历史和实时数据,结合专家经验和策略、复杂的实时工况等,使用人工智能建模进行整合、分析、处理,其成果用于指导除尘设备的检修与故障处理,实现了除尘设备检修的智能化,降低除尘设备运行成本,在污染物达标排放的同时保证设备的稳定运行。

关键词:故障预警预测;预测性维护;电除尘;电厂智能化

改革开放以来,随着工业、商业、服务业等行业的快速发展,对电力的需求急剧增长,火电装机容量较改革开放前增长约 27 倍,由于对污染问题重视不够及技术限制,伴随的空气污染问题逐渐显现。2014 年,国家出台了史上最严格的污染排放标准 , 即电厂污染物的超低排放。目前,电厂的超低排放改造工作已进入尾声。在新时代下,国家层面提出建设互联网、大数据、人工智能与实体经济的深度融合的发展战略,并在一些行业得到了空前发展。对火电行业而言,火电厂的设备数字化、智能化,已成为火电行业发展的新趋势。电厂设备的健康状态评估,成为火电发电集团的重要研究方向。电厂设备长期运行引发的设备故障是一个缓慢过程。传统监测手段无法做到实时监测和提前预警。通过对设备进行预警建模,将实时数据与归档数据进行对比分析,经分析计算后的当前值超出与期望值预设的偏差时,发出设备故障预警,并以短信或微信等移动方式推送预警信息,备件库可根据接收到的信息及时备件,确保设备正常运转。这种将大数据、互联网+、物联网与在线监测及故障诊断技术相结合的方式,能够为电厂设备健康运行与及时维护提供技术支撑。

1 除尘设备现状

目前电厂除尘设备运行主要依据运营人员的经验进行调节控制,电除尘器经过长期运行受工况、煤种、操作等因素影响,除尘效率会出现下降,需要定期安排检修维护才能保证电除尘长期稳定运行。

2 国内发展现状

从维修制度的改革以及设备综合工程学的观点,探求降低寿命周期费用的诊断措施,是从 20 世纪 80 年代开始的。与此同时,不少企业开始研究先进工业国家的各种维修体制,逐步加深对视情维修的认识,在故障诊断和状态监测技术上也有了较大的发展。近些年,智能制造在流程工业生产中得到了较多的示范应用。在国内,华北电力大学研究人员采用数据分类、核极限学习机、群体多维相似性、多时间尺度等人工智能和基于规则的专家系统等混合智能诊断方法,应用于大型风电机组和电力热力系统的设备故障诊断。阿尔斯通创为实公司则针对集团公司、机组制造企业用户研制了 RMD8000 远程监测诊断中心系统,被华能国际、东方汽轮机集团、沈阳鼓风机集团等大型企业所应用。经过近几年的努力,可以说我国设备状态监测与故障诊断技术正在快速发展和不断完善中。

火电厂系统是多个系统的组合,其中,烟气净化系统又包含除尘、脱硝、脱硫等多个系统。目前电厂对于关键设备在线监测与故障诊断系统仍停留在对发电侧设备的监测,烟气净化系统关键设备研究开发较少。因此研究开发除尘设备预测性维护系统,能够使电厂粉尘排放达标并且稳定,具有较好的市场前景。

3 除尘设备预测性维护系统

3.1 系统功能构成

(1)数据采集。通过 SIS PI 实时数据获取电厂锅炉侧工况数据,通过 OPC 获取静电除尘器上位机的数据,这两路数据以机组 DCS 时钟或者以 GPS 时钟为基准,将采集的数据通过物联网 VPDN 远程传输至分析平台,按照时间序列存储。

(2)数据分析。通过除尘设备运行的历史数据,对关键零部件如高压变压器、加热器、振打器、灰斗等利用机械劣化模型、过负载模型计算模型对单设备的负荷能力分析、寿命分析、老化分析,通流能力分析等。

(3)检修维护策略。根据不同场景设备异常状态,定制相应的维护策略、设置检修专家知识库,使运行检修人员能够及早进行设备异常排查,及时采取行动措施,避免因设备故障而停炉检修,使得除尘设备运行在最佳状态,并建立除尘设备备品备件生命周期管理。

3.2 系统关键技术

(1)除尘设备及工艺。电除尘器结构包括电气和机械两大部分,其中电气部分由高压直流电源装置(包括控制系统)和低压控制系统组成。其原理是利用高电压使极间的气体发生电离,气体电离产生的离子和粉尘在运动过程中相碰撞使粉尘带上电荷,带电的粉尘在电场力作用下移动至收尘极被收集,从而实现气体的除尘。

(2)预测性维护模型。静电除尘设备常见的故障为阴极线断线,振打失灵,绝缘子破裂、灰斗堵灰形成电场短路。以电场短路为例,其判断逻辑及维护操作如图 1 所示。

1.jpg

除尘设备预测性维护模型算法构建综合考虑故障信息、检修时间、运行时长、预警阈值、环比分析、同比分析、关联分析从而提高模型的准确性,实现设备在线预警及状态检修辅助决策功能。利用专家知识库,构建了静电除尘设备状态等级评价体系,拟定评判标准,对设备运行状态进行健康分级。

4 系统功能及应用

基于国投云顶湄洲湾电厂 3#、4#机组的环保岛除尘设备运行历史数据,搭建了除尘设备预测性维护系统平台,对电除尘设备的堵灰、短路故障预警及运维策略进行展示并提供操作建议。以堵灰故障的预测性模型为例,其特征曲线如图 2 所示。随着时间的增加,对应输灰管道某一电场出现火花率并逐步增加,二次电流、电压逐步下降,并出现二次电压、二次电流为零,电场发出短路报警。

2.jpg

系统主页显示的是当前电厂的所有预警设备的基本信息,包括设备名称、报警时间、机组编号、报警类别、故障原因、状态等。电厂运行人员根据预警信提供的故障原因和方案及时采取预警措施,防止设备出现故障。具体的展示页面如图 3 所示。

3.jpg

5 结论与应用前景

系统对电厂电除尘设备进行精细化管理,集成电厂设备运行数据,分析和定制相关维护管理控制策略和预警策略,实现电厂设备的集中控制和最优化运行,提高系统运行稳定性,科学指导设备维护及备件更换,实现污染排放管控的集成化、稳定化、智能化,同时也提高了电厂的整体设备管理水平。


         ↑顶端