梁汝印
广西驮卢东亚糖业有限公司 广西崇左 532206
摘要：作为我国发电站的核心设备，汽轮发电机组往往具有非常重要的作用，由于结构相对复杂，并且运行过程中会出现变化，可能会引发故障现象，此外该设备的造价非常昂贵，并且关乎着电力系统的运行，因此要采用有效的方法进行维护。目前智能诊断大数据系统的研究，成为汽轮发电机组故障诊断的主要方向，该系统能够准确判断故障问题，甚至可以起到状态监测、故障预测的效果，所以该系统得到了广泛运用。为了能够降低汽轮发电机组的故障概率，本文会针对汽轮发电机组智能诊断大数据系统展开研究分析，为相关人员提供参考。
关键词：汽轮发电机；智能诊断；大数据系统
引言：汽轮发电机组的最大特点就是结构复杂、运行工况复杂，并且存在较多的故障风险，在出现故障后很难准确判断，由于以往都是通过维修人员的经验进行诊断，因此可能会出现故障诊断错误的现象。在这样的条件下智能诊断大数据系统诞生，为汽轮发电机组故障诊断提供有效的技术支持，该系统采用分布式数据库、分布式文件系统，以及云计算等大数据软件，从而实现智能诊断、智能分析。除此之外还能针对相关设备的性能状态，进行有效的监测与分析，尤其是故障预测与表现特征，为工作人员提供了数据支持，确保汽轮发电机组的良好运行。
一、汽轮发电机组智能诊断研究现状
传统的汽轮发电机组故障诊断，都是通过定型经验与知识，比如设备结构、功能特点以及故障机理等，再结合相关维修人员的经验知识，针对故障问题进行有效的诊断，不过由于干扰因素比较多，可能会产生错误诊断的现象。因此我国针对智能诊断进行深入研究，智能诊断与传统诊断方法，都是通过汽轮发电机组故障状态进行识别，来判断设备的故障问题，不过在准确性上明显要更高，所以具有明显的技术优势。智能诊断方法主要通过大数据系统，对汽轮发电机组进行在线故障诊断和预警，不仅拥有较高的精准度，还能保证分析效率，因此是我国目前主要的研究方向。
二、汽轮发电机组故障问题主要特征
1.汽轮发电机组故障阶段性
想要准确诊断汽轮发电机技术故障，必须要对故障问题的特征有所了解，大多数情况下汽轮发电机组故障具有一定阶段性，也就是在不同使用周期出现的故障问题，往往存在不同的性质，或由于不同原因造成。比如在汽轮发电机组运行初期阶段，故障问题大多由设计、制造以及安装等原因引起，中期运行阶段则是因为偶然因素，而进入后期更多是由设备损伤造成。除此之外在正常运行的情况下，出现较少的故障大多由启停过程引起，通过对设备不同使用阶段的分析，能够大概率掌握故障问题。
2.汽轮发电机组故障渐进性
大多数情况下汽轮发电机组故障，会分为突发性与渐进性，突发性基本都是偶然发生，在出现故障问题前没有太明显的征兆，因此很难做出预警。渐发性故障则恰恰相反，故障会有明显的发展过程，也就是故障发生前往往会有一定征兆，随着运行状态的不断变化，这些征兆就会愈发明显，这样的条件下更容易判断故障问题，不过出现故障后往往比较严重。
3.汽轮发电机组故障并存性
汽轮发电机组出现故障问题，其原因往往不是单一因素造成，可能会存在多种故障，或者是由某一故障问题引发其他故障，由此可见故障之间也存在密切的联系。比如在汽轮发电机组转子不对中时，解析变化就会引起转子摩擦，轴承负荷变化则引起气流激振，油膜震荡导致转子摩擦等，因此也可以说故障之间存在一定相关性。在实际故障诊断过程中，就可以利用各种征兆或故障问题，针对相关的故障进行判断。
二、汽轮发电机组智能诊断大数据系统总体设计
1.智能诊断大数据系统设计目标
汽轮发电机组智能诊断大数据系统的设计，主要目标就是对机组运行状态进行实时监测，并针对其中的状态信息做好综合分析，针对故障进行有效的预警，并提出合理的维护方案，以此来确保汽轮发电机做的良好运行。
因此需要全方位、真实掌握气轮发电机组运行状态特点，并建立设备典型故障模式信息、多信息维度指标体系等，从而对汽轮发电机组运行状态进行准确的层次化分析。另外要能够精准辨识故障问题，明确故障发生的位置、程度等，并制定有效的解决方案，提高气轮发电机组的稳定性。
2.智能诊断大数据系统构架设计
目前我国的汽轮发电机组智能诊断大数据系统，主要是基于B/S构架模式为基础研发，系统采用比较常见的windows，数据库则为Oeaclel0.0，数据采集语言大部分为Python，其他会使用java语言。系统构架主要以工作站、服务器、客户端这三个较为重要的部分组成，数据工作的主要进行采集与上传任务，服务器可以针对采集的数据进行分析处理，再进入数据库储存，因此会划分为数据库、分析、文件三个服务器。客户端利用WEB服务与数据库服务器形成对接，并负责整个系统的人机交互工作，所以也是最重要的环节，为工作人员提供相应的系统功能。
三、汽轮发电机组智能诊断大数据系统功能设计
1.数据采集功能
作为智能诊断大数据系统中的关键环节，数据采集功能的设计，首先要通过采集驱动程序，以此来针对汽轮发电机组设备运行数据进行获取，为了保证数据分析的精准度，必须要针对已采集的数据展开滤波、去燥以及异常点剔除等工作。通过对汽轮发电机组故障特征进行分析后，在智能诊断大数据系统设计过程中，必须要对震动、温度以及其他类型的信号展开采集。需要注意的是机组震动信号采样频率相对较高，大约在512Hz~8192Hz，而过程类信号应该以OPC协议为基础，由现场DCS、SIS系统获取。
2.数据分析功能
数据分析主要由三个部分组成，首先是数据环形队列，这样在启停设备的过程中，可以将原始数据连同压缩从文件的分析结果，全部存储到基础数据库中。其次是基础数据指标，也就是利用各种特征指标进行有效的提取，人机交互主要展现提取结果，或者在诊断任务被触发的情况下，通过提取故障时间段的特征展开分析，并进行智能诊断，最终分析出详细的故障问题。
3.故障预警诊断功能
在大数据系统功能设计中，故障预警与诊断功能至关重要，可以针对汽轮发电机组故障进行推理、提取，并针对故障问题展开定位和分析。一般情况下会在诊断任务触发后开始后续处理，主要以参数预警、人工启动或设定启动周期为触发方式，从而进入故障预警阶段中。随后针对整个设备进行分析，明确诊断故障发生位置，并对应设备劣化趋势指标判断，结合以往的故障特征、诊断模型展开推理，通过知识库反查故障原因，同时制定有效的处理方法，给出详细处理意见。最后将诊断结果生成报告，为维修人员提供参考，并将结果储存至知识库。
结束语
对于汽轮发电机组故障诊断来说，以往需要通过故障特征进行分析，才能明确出系统存在的故障问题。在过程中可能会因为分析偏差导致故障诊断错误，因此智能诊断大数据系统得到广泛应用，该技术已经成为发电机组故障诊断的主要方法，也是未来的热点研究方向。由于汽轮发电机组本身结构非常复杂，运行时也会产生大量实时数据，这种情况下就可以应用智能诊断大数据系统，准确分析出存在的故障问题，并针对故障信息进行有效梳理，以确保汽轮发电机组能够正常运行。未来需要针对该系统进行深入研究，确保可以实现更强的诊断能力，为汽轮发电机组的运行提供安全保障。
参考文献：
[1]栗宇. 基于本体和案例推理的汽轮发电机组故障诊断[D].兰州理工大学,2019.
[2]张强. 汽轮发电机组智能故障诊断专家系统的设计与开发[D].兰州理工大学,2018.
[3]程维华. 基于数据流的汽轮机组故障智能诊断系统的研究[D].浙江大学,2017.
[4]曾云颖,师富见.汽轮发电机组故障智能诊断方法的研究[J].中国新技术新产品,2016(02):68.
[5]张钟镭. 汽轮发电机组碰摩故障智能诊断技术研究[D].华北电力大学(北京),2016.
[6]黄乃成. 基于知识的汽轮发电机组智能故障诊断研究[D].华北电力大学,2013.