锅炉制粉系统故障原因分析及处理

锅炉制粉系统故障原因分析及处理

曾浩宇

大唐华银金竹山火力发电分公司 湖南 冷水江 417500

摘要：为了提高火电厂锅炉制粉系统的可靠性，分析了制粉系统常见的故障征兆参数及其选择方法，并对常见故障类型进行了重新分类；综述了制粉系统故障诊断的各种方法，通过对各种方法的对比分析，评述其各自的优缺点；指出了制粉系统故障诊断存在的问题，并提出了应对方法，以期提高制粉系统运行的安全性和经济性。

关键词：制粉系统；故障类型；原因分析

1.故障征兆参数及常见故障类型

１.１ 常见故障征兆参数及其选择方法

在火电厂煤粉锅炉运行过程中，制粉系统的运行参数高达几十个，若对这些参数不经选择就参与诊断，不仅会使故障诊断系统变得复杂，增加系统设计成本，还会降低模型对故障的辨识度。因此，如何从众多运行参数中选择关键的故障征兆参数是研究故障诊断的首要问题。选择的故障征兆参数应能够准确地反应各种故障特征，实现故障原因的精确判断和故障类型的准确划分。目前，制粉系统故障征兆参数的选择方法有通过大量实验和故障机理分析选择征兆参数和通过降维方法获得最简故障征兆参数集２种。前者选择１４个运行参数作为制粉系统故障征兆参数，仿真结果表明通过这种方法选择的故障征兆参数能够有效地进行故障诊断，是目前较多采用的方法。

１.２ 常见故障类型及其征兆特征

锅炉制粉系统故障的清晰分类有助于加深对各种故障的认识，以便设计合理有效的故障诊断系统。通过对制粉系统各种故障的深入分析，可将制粉系统故障按照故障位置与故障性质相结合的方法进行分类。第１层按照故障位置分为磨煤机故障、给煤机故障、粗粉分离器堵塞等，第２层细分为设备故障及工艺故障，设备故障为制粉设备运行中的故障类型，工艺故障为由于输入、输出失衡引起的欠载和过载。

２ 故障诊断方法分析

２.１ 基于专家系统的故障诊断

专家系统（ＥＳ）以专家知识为依据，通过模拟人类专家进行推理判断，其核心是知识的符号表示和对用符号表示知识的推理，专家系统组成包括知识库、解释部分、推 理 部 分 等，目 前 ＥＳ在制粉系统故障诊断中的应用较为成功。利用 ＶＢ软件建立基于 ＬＭ 算法的 ＢＰ 神经网络单参预测模型，实现对运行参数的有效预测，提出了将预测结果列入状态评价的范畴，制定了针对磨煤机故障诊断的专家系统知识规则。其主要利用基于ＬＭ算法的ＢＰ神经网络对系统故障征兆参数进行 Ｎ 步时序预测，提前获知故障信息，提出了新的评价方法，将预测结果纳入状态评价范畴，提出了磨煤机性能计算方法，丰富了状态监测的判断分析依据。 由于不同预测参数具有不同特性，可将单参预测模型分为３类，以此实现对各个故障参数的准确预测。同时总结了磨煤机１1种故障征兆判别函数的算法，建立了较为完善的诊断规则知识库，采用ＶＣ和 ＣＬＩＰＳ混合编程方法，建立了锅炉制粉系统故障诊断专家系统。制粉系统的复杂性导致无法建立可用的数学模型，与此同时，故障征兆和故障原因之间具有一定的模糊性，所以将模糊算法加入专家 系统。由于现场经验缺乏，对知识库规则阈值、规则可信度及征兆权重等的设定具有较强主观性。专家系统作为故障诊断领域的一种定性分析方法，无需建立精确数学模型和大量检测样本数据，利用专家丰富经验知识即可完成诊断。但是，该方法在实际应用中仍存在以下问题：知识获取困难，如磨煤机振动、磨 煤 机 加 载 油 压过高、风煤配比不当等，这些知识中，有些需要从专家那里获得，但有些专家也难以描述；针对不匹配或超出知识库的问题，系统不能给出正确答案；随着制粉系统持续运行，会出现几种故障类型同时存在的情况，专家系统自学习能力差，不能在运行过程中补充和创新知识；知识 存储量与运行速度之间存在着矛盾，为了提高专家系统的应用效果，故障知识越多越好，这样就需要建立庞大的制粉系统故障知识库，从而使得故障诊断系统的运行速度相对变慢。

２．２ 基于神经网络的故障诊断

神经网络技术与专家系统相比，不仅可以很好地实现专家系统的基本功能，还具有学习、自适应及并行推理的能力。目前，应用于制粉系统故障诊断的神经网络算法有 ＢＰ、ＲＢＦ、ＰＮＮ等。

运用某热电厂实时试验数据，建立了应 用于制粉系统的 ＲＢＦ神经网络，从而使得该方法在制粉系统中的应用有效，具有工程实用价值。提出了将粗糙集概率神经网络（ＲＳＰＮＮ）应用于制粉系统的故障诊断。实现了神经网络在制粉系统故障诊断中的应 用，但是由于选择１４个故障征兆参数作为神经网络输入，其输入量较多，神经网络的运行时间较长，无法满足实时性要求。

３ 故障诊断存在问题及应对方法

１）制粉系统的故障特征表现在：不同的故障征兆之间关系复杂，相互关联，表现出强耦合和非线性的特征；运行环境复杂，使得其故障存在不确定性，即故障征兆与故障类型之间存在着一对多和多对一的复杂映射关系。目前，传统智能故障诊断方法已经在制粉系统故障诊断中获得了一些应用，但是这些方法在应用过程中表现出一定的局限性，如难以获取专家系统知识；神经网络运行时间较长；信息融合技术不能有效利用各类信息等。对此，将多种智能故障诊断方法相结合，从而提高诊断系统的性能。例如：将神经网络与支持向量机相结合，神经网络可 以补充新的故障知识，但结构和参数却难以优化，而支持向量机可以使诊断模型保持最优识别状态；将神经网络与专家系统相结合，神经网络能够充分逼近故障征兆与故障类型之间的非线性关系，但不能很好地解释诊断过程和结果，而专家系统恰能解决该问题；将降维方法与信息融合技术相结合，先利用粗糙集等降维方法剔除监测数据中的冗余部分，获取相互独立的特征变量，再利用信息融合技术解决多传感器监测数据与诊断规则匹配的问题。

２）目前，制粉系统故障诊断研究大多采取离线式，从而影响了故障的及时排除。虽然故障在线预测已在探讨，但仅能够对制粉系统的软故障进行预测，对硬突变故障预测还有待进一步研究。利用神经网络实现对磨煤机运行参数的预测；将基于粒子滤波器的预测方法应用于时变非线性系统；通过灰色模型进行电力变压器故障预测。因此，将制粉系统状态监测、故障诊断和处理决策作为一个完整的系统进行分析研究，通过采集现场数据，采用针对性的复合故障诊断方法，开发应用于制粉系统的在线故障诊断系统，从而提高锅炉运行的安全性和经济性。

３）锅炉制粉系统由多个相互联系的设备组成，有时几个制粉设备会同时出现故障，或者同一个制粉设备的某一种故障会诱发其他故障，给故障监测和诊断带来难度。目前，制粉系统故障诊断研究较多针对单种故障，因此需要拓展多故障诊断的研究。对此，可以借鉴其他领域中多故障诊断的研究成果，如遗传模拟退火算法、最小二乘支持向量回归机、最小碰集等已在复杂系统的多故障诊断中获得应用。 ４）目前，智能诊断方法在制粉系统故障诊断的研究具有多种方法，但是大部分都只停留在仿真阶段，实践中获得成功应用的案例较少。其原因是：大部分智能诊断方法建立在一些假设的条件下；制粉系统的故障特征导致其在应用上表现欠佳。提出的基于典型样本数据融合的故障诊断方法已应用于许多电厂厂级监控信息系统（ＳＩＳ）中，对锅炉制粉系统的故障诊断实用化研究具有借鉴意义，其中故障诊断预处理模块为后续诊断模块提供信息，扩大了对故障诊断预处理的研究范围，推进了制粉系统故障诊断的实用化进程。

结语

制粉系统运行工况会对火电厂锅炉的安全、经济运行产生重要影响。本文总结了制粉系统常见的故障征兆参数及其选择方法，针对常见故障类型，按照故障位置与故障性质相结合的方法，进行了重新分类，以寻求设计合理、有效的故障诊断方法。综述了基于知识的制粉系统故障诊断的各种方法和特点，并指出了当前制粉系统故障诊断研究领域存在的问题及应对办法。复合智能故障诊断、故障预测、多故障诊断是制粉系统故障诊断未来的发展趋势。

参考文献

[1]刘桂.锅炉制粉系统故障原因分析及处理[J].中氮肥,2019,(06):61-63.