李莎莎
四川广安发电有限责任公司?四川?广安??638000
摘要：传统汽轮机健康状态管理技术主要应用于具体设备特定健康状态，缺少系统层面整体性的研究，对机组状态的演变、故障的传播无法准确建模和分析，因此，基于大数据挖掘驱动的机组状态监测和故障模式诊断逐渐成为掌握系统性能演变的重要手段和研究热点。大数据挖掘驱动的机组状态健康管理技术采集和获取系统实时状态，利用统计分析和信号分析的数据处理方法，提取与系统属性、状态有关的特征参数，借助机器学习智能算法和数据处理模型进行系统状态检测、分析和辨识，可靠有效地诊断系统状态模式，为机组维护、安全运行提供决策信息。
关键词：大数据挖掘；汽轮机；运行
1 汽轮机健康状态分类
汽轮机是将内能转化为机械能的大型复杂旋转设备，根据机组系统状态的劣化演变过程，将其健康状态分为热力性能状态和机械故障状态。机组的热力性能状态主要指机组的效率和通流能力，其状态监测和故障诊断的理论基础是基于汽轮机变工况运行特性，通过温度、压力、流量等热力过程参数的变化来表征热力性能状态，是一种早期的机械故障诊断。当机组的健康状态以异常振动、跳机等外部表现形式表征时，机组将发生机械故障，相较热力参数的变化，振动信号是一种迅速、直接表征机组运行状态的物理参数。据统计，旋转设备70%以上的机械故障都是以振动形式表现的，利用振动信号进行汽轮机机组健康状态管理是目前最普遍的方法。
2 大数据挖掘驱动的汽轮机健康状态分析方法
2.1 基于统计分析方法
基于统计分析的方法关键是分析监测变量数据、构建状态判别健康阈值，对机组实时状态进行辨识和预警，主要包括单变量统计分析和多变量的统计分析方法。单变量统计方法只能选取单个关键变量进行监测，忽略了变量之间的关系，存在局限性，监测精度和可靠性不高，常用的控制图方法包括：Shewhart控制图、MA（移动平均）控制图、EWMA（指数加权平均）控制图和CUSUM（累积和）控制图。
2.2 基于信号处理方法
系统运行过程中监测变量的时间序列数据蕴含着机组健康状态的演化信息和设备不同时刻的工况信息。基于信号处理的健康状态分析方法是用信号处理模型或技术监测变量信号方差、幅值、相位和频率等特征的变化，对系统状态进行判断和评估。信号处理的常用方法包括WT（小波变换法）、EMD（经验模式分解法）、MSP（形态信号处理法）和SA（谱分析法）等，因其分析过程不需要准确的物理模型，是汽轮机机械故障诊断实用性较强、最常用的方法。
3 研究现状
目前汽轮机组本身结构的大型化、设备的高度集成化和系统运行过程的复杂性，汽轮机健康状态演变过程的非线性、不确定性、多样性和异常状态并发性等，导致单一的健康状态管理分析方法准确性不高，泛化能力弱，无法满足数字发电厂对机组健康状态管理的要求。因此，需要多种大数据挖掘驱动的方法进行选择性的集成和融合，同时集成和融合高效的特征提取和模式分类方法，有效提高机组健康状态管理系统的数据适应性、扩展性、有效性、准确性、鲁棒性和敏感性，以便对机组健康状态的劣化演变可以进行准确监测、故障溯源和综合评估。
4 大数据挖掘驱动的汽轮机健康状态管理策略
大数据挖掘驱动的汽轮机健康状态管理的核心是机组运行数据，不同对象的监测变量、变量取值和变量数据类型等数据的参数属性不同，有的参数可以直接表征监测对象的健康状态，比如机组的热力性能状态可通过负荷、流量、压力和温度分析获得；相对地，某些对象系统的健康状态的演变则无法由监测变量直接表征，比如机组因某一故障跳机是由上游流程参数变化所导致。
因此，对监测数据的预处理、系统物理模型的数据表达和系统健康状态演变的特征参数提取是健康状态管理的关键和基础。
大数据挖掘驱动的汽轮机健康状态管理的内容主要包括机组系统状态实时监测与报警、故障预警与故障模式诊断、机组运维服务智能评估。健康状态管理策略如图3所示。首先，利用分析对象历史运行数据和在线状态监测数据，提取机组状态演化过程中不同阶段的特征参数，建立特征参数模型与故障模式的对应关系；其次，将分析数据作为建模数据，利用大数据挖掘驱动方法构建机组健康状态监测模型，以健康阈值为控制限制值进行状态判别，对机组异常状态进行故障模式辨识和分类。最后，根据分析结果对机组健康状态进行综合评估。该管理策略框架一般分为在线建模和离线建模，在实际工程应用中，从构建机组健康状态特征参数到健康阈值的确定和健康状态的演化模型都较为困难，需要不断积累训练样本或故障模式，其核心和挑战问题是选取对数据适应性好的一种或几种数据进行分析、特征参数提取和健康阈值确定。
5研究展望
随着数字智能信息技术的飞速发展，大数据挖掘驱动的汽轮机健康状态综合管理需要更加智能、自动和有效。但汽轮机设备庞大、系统复杂，其状态数据一般具有多态、海量、多变和非线性等特性，尤其是数据的高维非线性、数据分布不均和故障数据或异常数据有限等，很大程度上导致大数据挖掘驱动方法无法有效、准确地表征汽轮机的实时状态。
为满足现代能源发电厂数字化、智能化、智慧化的需求，提高现役汽轮机组安全、可靠、稳定、高效运行，利用大数据挖掘驱动信息技术全面掌握汽轮机健康状态仍需技术创新并进行工程应用方面的研究。
（1）数据获取和预处理：在实际应用中，需发展应用集成创新技术获取各类系统数据，并应用数据正则化、流信息、迁移网络学习等方法处理数据，实时地分析处理和有效表示数据展示。
（2）状态监测和故障诊断模型的构建：汽轮机构成的电力系统复杂、高度耦合和拓扑变化不确定，导致机组健康状态管理是个复杂的系统问题。在工程实践中，需根据数据类型和系统特性，构建新的数据模型，提高汽轮机组系统健康状态的预测性和溯源性。
（3）大数据挖掘驱动分析方法的融合和集成：汽轮机构成的大型复杂电力系统具有动态性、不确定性、脆弱性、开放性和多故障并发性等问题，单一的状态监测和故障诊断技术存在精度低、泛化能力弱等问题，无法准确、及时地获取汽轮机的健康状态，需将多种大数据挖掘驱动方法进行融合和集成，研究多技术融合的健康状态管理方法，有效提高系统的可靠性、准确性、敏感性和鲁棒性，降低其不确定性。
（4）智能、先进的大数据挖掘驱动的健康状态管理系统的开发：应用信息智能技术建立系统健康状态管理的智慧系统，使生产过程可以自我完善优化，智能地动态优化系统级设备参数，实现和保障发电厂安全、高效、绿色、低碳的智能运行。
（5）数据共享与数据安全：安全隔离与信息交换平台建设进一步促进了汽轮机健康状态管理系统集群的建立，要求发展数据安全护航技术，在保证数据安全共享的基础上，实现数据和系统的大融合和大集成。
结语
通过汽轮机组状态参数数据进行状态监测和故障诊断是汽轮机健康状态管理的发展趋势，也是当前研究的热点和方向。当前大数据挖掘驱动汽轮机健康状态管理方法体系与实际数字发电厂复杂系统应用尚有较大差距，系统状态劣化演变的机理和基础研究尚有欠缺，需逐步完善健康状态管理系统平台的构建，进行多学科交叉研究攻克核心关键技术，不断创新和发展汽轮机健康状态管理技术研究。
参考文献
[1]李晗，萧德云.基于大数据挖掘驱动的故障诊断方法综述[J].控制与决策，2011,26（1):1-9.
[2]刘峻华，黄树红，陆继东.汽轮机故障诊断技术的发展与展望[J].汽轮机技术，2000,21（1):1105-1110.