В этой статье вы узнаете о мониторинге, теории профилактического обслуживания, практике производства гидроэлектроэнергии и важном оборудовании.

В Части I серии мы подробно рассмотрели типы методов производства гидроэлектроэнергии и турбины для различных целей применения. Также упоминаются механические и электрические компоненты производства гидроэлектроэнергии. В этой части будет подробно описана теория и практика мониторинга и профилактического обслуживания процесса производства гидроэлектроэнергии и критического оборудования.

Производство гидроэлектроэнергии играет более важную роль, чем когда-либо, в глобальном производстве электроэнергии; Таким образом, время безотказной работы, надежность и эффективность оборудования стали ключевыми факторами операционной прибыльности. В связи с растущими требованиями к эксплуатации и техническому обслуживанию (O&M) большое значение приобретает эффективный мониторинг этих машин.

Первоначальные инвестиционные затраты на гидроэлектростанции относительно высоки; однако они имеют относительно более длительный срок службы, чем другие энергетические установки. Типичные средние затраты на эксплуатацию и техническое обслуживание таких установок составляют примерно 2% от инвестиционных затрат.

Профилактическое обслуживание в основном основано на исторических средних значениях времени до отказа оборудования, а стандарты и пороговые значения производителей оригинального оборудования (OEM) являются наиболее распространенным методом обслуживания гидроэлектростанций. Однако с помощью достижений в области сенсорных технологий, больших данных и машинного обучения профилактическое обслуживание находит более практическое применение на предприятиях.

Стратегия предупредительного обслуживания оптимизирует срок службы активов и ресурсов, чтобы минимизировать затраты на эксплуатацию и техническое обслуживание. Состояние оборудования необходимо регулярно контролировать для проведения профилактического обслуживания. Мониторинг состояния относится к процессам, которые позволяют заблаговременно обнаруживать неисправности, отказы и износ оборудования до того, как они достигнут стадии вторичного повреждения или катастрофического уровня. Преимущества программы мониторинга состояния можно перечислить следующим образом:

  • Увеличенный срок службы актива
  • Минимальное время простоя и затраты на эксплуатацию и техническое обслуживание
  • Максимальное производство
  • Лучшее планирование технического обслуживания и логистика
  • Сокращение регламентного обслуживания (профилактическое обслуживание)

Раннее обнаружение и диагностика неисправностей увеличивают время обслуживания, обеспечивая оптимальную производительность, эффективность, время безотказной работы и надежность. Передовые методы измерения, универсальные системы баз данных и хорошо зарекомендовавшие себя и обученные прогностические модели помогают поставить точный и надежный диагноз и прогноз.

Источники данных

Оборудование и процессы гидроэлектростанций генерируют огромные объемы данных. Источники данных будут исследованы один за другим в этом разделе. В целом, ультразвуковой и вибрационный анализы, как правило, дают более ранние предупреждения, чем масляные обломки или анализ тенденций SCADA для вращающегося оборудования. Стадии деградации вращающегося оборудования визуализируются на кривой PF (потенциал функционального отказа) ниже:‍

Начнем с датчиков вибрации, одного из наиболее часто используемых индикаторов состояния вращающихся машин.

Измерение вибрации

Данные о вибрации при надлежащем использовании обеспечивают раннее обнаружение большинства развивающихся неисправностей оборудования; более того, когда он связан с другими источниками данных, он помогает создавать более действенные стратегии управления неисправностями.

Для гидротурбин, как и для другого вращающегося оборудования, одними из факторов, влияющих на вибрационную реакцию, являются скорость вращения, режим работы и нагрузка. Сегодня обязательно, чтобы рабочая безопасность машин и гидравлических турбин была защищена от механических вибраций, а их надежность должна быть высокой для обеспечения высокой эксплуатационной готовности. В дополнение к необработанным измерениям ускорения, скорости и смещения; некоторые современные системы мониторинга состояния (CMS) также рассчитывают такие характеристики, как ISO (среднеквадратичное значение 10 Гц-1 кГц), полоса пропускания высоких частот (HFBP), коэффициент амплитуды низких частот (LFCF), уровни вибрации при различных частотах зацепления зубьев (TMF) и различные порядковые величины скоростей вращения вала (например, 1MA, 2MA). Выходные данные этих фильтров и функций также полезны для алгоритмов машинного обучения.

Обычно измерения вибрации рекомендуется проводить в местах, ближайших к подшипникам. Датчики установлены с каждой стороны подшипников генератора (с приводной и неприводной стороны). Некоторые приложения включают дополнительные измерения ротора и вала или бетонной конструкции, фундамента и корпуса. Рекомендуется размещать акселерометры на статорах для выявления возможных структурных проблем в соединениях активной зоны больших турбин. В зависимости от положения турбины (горизонтальное или вертикальное) датчики перемещения изменяют угол установки.

ISO 7919–5:2005нормы для диапазонов вибрации от пика до пика обычно используются для сравнения уровней вибрации со стандартами гидроэнергетики. На приведенном ниже графике видно, что пороги указанных норм варьируются в зависимости от скорости вращения машины (об/мин).

Данные обработки

Технологические данные гидроэлектростанций обычно получают из систем сбора данных, называемых Sдиспетчерский управление ии данные strong>Система сбора данных (SCADA), которая соединяет турбины, подстанцию ​​и метеорологические станции с центральным компьютером. Система SCADA, которую обычно предоставляет поставщик турбины, ведет запись всей деятельности (журналы событий, сенсорные измерения) на 10-минутной основе (10-минутное среднее значение, минимальное, максимальное значение и стандартное отклонение). выборочных значений с частотой 1 Гц) и позволяет оператору определить, какие корректирующие действия необходимо предпринять.

Данные SCADA также можно использовать для обнаружения неисправностей и диагностики. Поскольку период выборки данных составляет временной интервал в несколько минут, он не подходит для некоторых традиционных методов мониторинга состояния оборудования, таких как спектральный анализ. Таким образом, методы анализа данных SCADA можно в основном сгруппировать в следующие группы:

  • В тренде
  • Кластеризация
  • Моделирование нормального поведения (NBM)
  • Моделирование повреждений

‍Тенденции — это, пожалуй, менее сложный метод анализа, который, как правило, зависит от конкретного случая, требует ручной интерпретации или, если используется в Интернете, генерирует частые ложные срабатывания. Как правило, тенденции отслеживаются визуально, и для интерпретации результатов требуется человеческий опыт.

Изменение температуры масла в коробке передач в зависимости от вырабатываемой мощности дает кривую (похожую на известную кривую мощности), которую можно использовать для визуализации снижения эффективности коробки передач. Кроме того, изменение температуры подшипников генератора в зависимости от вырабатываемой мощности может указывать на симптомы износа подшипников генератора с течением времени.

Точки разного цвета обозначают время до возникновения сбоя. Темные черные точки (за 3 месяца до отказа) показывают, что температура смазочного масла в редукторе поднялась до значительно более высоких уровней, чем за 6 и 9 месяцев до отказа.

‍Технологии кластеризации, такие как k-средние, самоорганизующиеся карты и DBSCAN, используются для различения здоровых и ошибочных областей данных. Эти алгоритмы автоматически обучаются группировать здоровые и неисправные образцы, используя исторические данные, используемые для классификации новых измерений в целях мониторинга состояния.

NBM стал популярным подходом к анализу данных, при котором модель нормального поведения создается с использованием исторических данных обучения, а разница между прогнозируемыми и фактическими значениями параметров используется для обнаружения отклонений (ошибок).

Чтобы создать модель NBM для конкретного случая неисправности, параметр SCADA, например, температура подшипника со стороны привода генератора, выбирается в качестве «целевого значения». Затем определяются другие параметры SCADA, относящиеся к цели, с использованием выбора функций, методов сокращения или мнений экспертов предприятия. Затем устанавливается модель между соответствующими параметрами цели с помощью методов регрессии, таких как линейная/полиномиальная регрессия и искусственные нейронные сети (ИНС). Как правило, температуры компонентов берутся в качестве «целей» для моделирования. Модели NBM, помимо экзогенных входных данных, также могут принимать в качестве входных параметров авторегрессионные параметры. Это означает, что предыдущая временная метка «цели» также используется для моделирования текущего целевого значения. Модели ARX, ARMAX, ARIMAX являются одними из известных примеров.

При сравнении выходных данных моделей прогнозирования и фактических значений можно использовать различные модели обнаружения аномалий, такие как простые пороговые значения, расстояние Махаланобиса или контрольные диаграммы Шухарта.

Моделирование повреждений просто включает в себя реализацию моделей физики отказа (PoF) для расчета повреждения или износа оборудования. Модели PoF требуют экспертных знаний об оборудовании и физических принципах прогрессирования повреждений с течением времени. Это может быть обременительно, если невозможно смоделировать некоторые режимы отказа. Известно, что они очень точны и точны, если выполняются надлежащим образом; однако они являются дорогостоящими по сравнению с другими подходами.

Например, модель повреждения Лундгрена-Палмгрена используется для прогнозирования деградации подшипников коробки передач. Константы модели калибруются с помощью расчетного срока службы и эмпирических испытаний на срок службы. Последовательные симуляции Монте-Карло, такие как фильтры частиц, адаптируются к моделированию для оценки оставшегося срока полезного использования оборудования на практике. Парижский закон также используется для моделирования распространения трещины при усталости поверхности любого металла.

Другие специализированные методы мониторинга, использующие другие типы источников данных, перечислены ниже:

  • Соединители частичных разрядов для обнаружения частичных разрядов и проблем с изоляцией обмотки статора
  • Датчики воздушного зазора для обнаружения аномалий воздушного зазора генератора
  • Измерители магнитного потока используются для обнаружения размагничивания генераторов.
  • Трехфазные преобразователи напряжения и тока также используются для анализа электрических характеристик.

Типы неисправностей

Турбины гидроэнергетики чувствительны к многочисленным параметрам, которые постоянно сокращают срок их службы. Механические силы, значительные перепады температур, разрушение материала, кавитация, механическое дробление, коррозия и химические силы являются одними из источников различных повреждений.

За последние десятилетия многие гидроэлектростанции перешли с непрерывной работы с базовой нагрузкой на периодическую работу с частичной нагрузкой. Несмотря на то, что эта периодическая операция считается более экономичной, она создает дополнительную нагрузку на оборудование предприятия из-за увеличения частоты пусков/остановов.

На приведенном ниже графике обобщены типы неисправностей (вверху) и основные причины неисправностей системы электроизоляции (внизу) на гидроэлектростанциях. Наиболее частые отказы вызваны последствиями старения и загрязнения обмотки частицами пыли и влаги. Механизмы электрических отказов также вызваны внутренними частичными разрядами на защите от коронного разряда по ступеням напряжения и высокими напряжениями. Вибрация деталей может также вызвать ослабление стержней и пазовых клиньев статора.

Система электрической изоляции (обмотка статора) играет наиболее важную роль в общей структуре генератора. Большинство отказов происходит в электрической системе и вызвано старением, электрическими, тепловыми и механическими нагрузками.

Несоосность и дисбаланс, ослабление и деформации в кольце ротора, а также изменения положения полюсов — вот некоторые из известных проблем, связанных с ротором. Некоторые примеры касаются проблем со статором, разрушения сердечника и рамы статора, расширения бетона и проблем, связанных с анкерными болтами.

Со временем расширение и образовавшиеся трещины в бетонном материале вызывают статический эксцентриситет статора. Статический эксцентриситет как форма магнитного дисбаланса приводит к неравномерному распределению воздушного зазора между статором и ротором, увеличивая напряжение возбуждения.

Кавитация считается одной из самых серьезных неисправностей, возникающих в гидравлических турбинах. Это просто образование паровых полостей в воде из-за быстрых изменений давления. Полости могут расти, взрываться и испускать большие ударные волны, которые вызывают ямки в местах контакта. Явление кавитации имеет решающее значение в турбинах Фрэнсиса. Их рабочие лопасти рассчитаны на максимальную эффективность при заданном напоре и скорости потока, поэтому кавитация возникает за пределами расчетной точки. В турбинах Каплана вероятность возникновения кавитации меньше, так как они могут регулировать угол наклона своих лопаток в зависимости от напора и расхода, что гарантирует высокую производительность во всем рабочем диапазоне.

Некоторые неисправности связаны с генераторомприводной стороной (DE) и неприводной стороной (NDE) подшипников и их системы охлаждения следующие:

  • Перегрев подшипника
  • Недостаточная теплоотдача от системы охлаждения подшипников
  • Чрезмерная температура баббита подшипника
  • Чрезмерный расход смазочного масла

Другие проблемы можно перечислить следующим образом:

  • Дисбаланс вала
  • Разрушение уплотнительного кольца вала
  • Чрезмерные колебания в районе турбины
  • Чрезмерные пульсации воды в водозаборе
  • Недостаточный теплообмен от масляно-водяных теплообменников
  • Расход воды в замкнутой системе
  • Ухудшение производительности системы давления воздуха
  • Чрезмерный расход масла в блоке высокого давления

Аналитика данных на практике

В этом разделе мы озвучим то, что говорят операторы гидроэлектростанций; проблемы, с которыми они сталкиваются на заводе, запланированные методы корректирующих действий и то, как аналитика данных помогает на практике.

Как показывает кривая P-F, высока вероятность возникновения проблем на начальных этапах эксплуатации, таких как ввод в эксплуатацию турбин. Например, одна из направляющих лопастей может не двигаться из-за незатянутого болта, что является ошибкой изготовления или ввода в эксплуатацию. Если не контролировать, проблемы могут обостриться и привести к вторичным проблемам и производственным потерям. Это можно обнаружить, отслеживая сигналы вибрации, что помогает ремонтной бригаде вовремя подготовиться к моментной затяжке. Модуль Kavaken Predictive Maintenance автоматизирует этот процесс и предоставляет персоналу предприятия систему поддержки принятия решений для проведения профилактического обслуживания. Это выполняется автоматически путем мониторинга и прогнозирования всех соответствующих сигналов (включая сигналы вибрации и измерения SCADA) на предприятии с помощью технологий больших данных, машинного обучения и постоянно растущего опыта в данной области.

Давайте продолжим с практиками растений. Обычно примерно каждые три года операторы станции вызывают мастера для затяжки болтов на жесткой стороне турбины с помощью гидравлического крутящего момента, чтобы убедиться, что фундамент турбины не ослаблен. Явление рыхлого фундамента можно обнаружить на ранних стадиях с помощью автоматизированного анализа электрических характеристик или спектрального анализа сигналов вибрации.

Когда речные загрязнения скапливаются на радиальных затворных фильтрах, они создают водоворот. Это можно обнаружить, контролируя датчики вибрации, и проблема исчезает после соответствующей очистки фильтра.

Операторы завода также отмечают, что гидравлическая система радиальных ворот имеет проблемы с аэрацией. Аэрация происходит, когда воздух загрязняет гидравлическое масло. Симптомы включают неустойчивые движения исполнительного механизма, вспенивание масла и стук или стук при сжатии и разжатии масла при его циркуляции по системе. Эта проблема может быть обнаружена, и ее основные причины могут быть найдены путем мониторинга гидравлической системы и ее измерений на близком расстоянии.

Известно, что отказы на гидроэлектростанциях происходят реже, чем на ветровых электростанциях, из-за коротких циклов технического обслуживания и замены деталей и более низких скоростей вращения турбин. Их графики замены деталей и технического обслуживания также сжаты, что способствует высоким затратам из-за ненужной замены деталей и технического обслуживания, а также производственным потерям из-за простоев.

Что предлагает Кавакен?

Модули Predictive Maintenance от Kavaken привносят знания в области науки о данных и машинного обучения в области профилактического обслуживания и мониторинга состояния гидротурбин, генераторов и другого вспомогательного оборудования на электростанции. В модуле используется набор стандартных моделей поведения и многовариантных моделей обнаружения аномалий с интеллектуальной интеграцией и механизмом пороговых значений для создания точных и точных сигналов тревоги о неисправностях. Аварийные сигналы о неисправностях отображаются на определенных страницах платформы, а уведомления отправляются операторам и инженерам предприятия.

Рекомендации

Б. Корли и др. 2020, Обнаружение неисправностей редуктора ветряной турбины с использованием моделирования тепловой сети и данных SCADA, J. Phys.: Conf. сер. 1618 022042

Селак, Лука и Бутала, Петр и Слуга, Алойзий. (2014). Мониторинг состояния и диагностика неисправностей гидроэлектростанций. Компьютеры в промышленности. 65. 10.1016/j.compind.2014.02.006.

Лампрокостопулос, А.; Митроникас, Э.; Бармпатца, А. Обнаружение дефектов размагничивания в синхронных ветрогенераторах с постоянным магнитом и осевым потоком. Энергии 2022, 15, 3220. https://doi.org/10.3390/en15093220

Алагез И., Булут М., Гейлани В., Йылдырым А., Важность систем мониторинга состояния гидроэлектростанций в режиме реального времени и вклад в производство электроэнергии, Турецкий журнал электрических энергетических и энергетических систем, 2021 г.; 1: 1–11 DOI: 10.5152/tepes.2021.21011

Источники изображений

Сараванджа, Д[аворка] и Грбешич, М[арко] (2020). Вибрационные испытания для оценки состояния гидроагрегата в различных режимах работы, Материалы 31-го Международного симпозиума DAAAM, стр. 0019–0026, Б. Каталиник (ред.), Опубликовано DAAAM International, ISBN 978–3–902734–29–7 , ISSN 1726–9679, Вена, Австрия DOI: 10.2507/31st.daaam.proceedings.003

Фэн Ю., Цю Ю., Крэбтри С.Дж. и др.: «Мониторинг редукторов ветряных турбин», Wind Energy, 2013, 16, (5), стр. 728–740

Исследовательский комитет СИГРЭ SC11, EG11.02, «Отказы гидрогенераторов — результаты исследования», 2003 г.