來源：中國發電　　

　　降低發電成本，提高效益，發電設備經濟安全運行，是目前發電企業面臨的一個重大課題。不管是從安全還是經濟上來說，設備維護都是至關重要。電廠以主設備以及一些輔助設備的連接來進行發電，設備的安全高效運行決定著整個電廠的安全高效運行。在電廠的日常費用中，設備運行維修費用占了不少的比例，進行有效的設備維護降低維修成本是發電企業的首選目標。遠光軟件在近三十年的電力信息化服務過程中，積累了豐富的電廠設備管理經驗，在實踐中對設備預測性監測進行了有益探索，總結了預測性維修管理的有效方法。
　　預測性維修思想

　　設備維護模式在逐步發展，主要經歷了以下幾個階段：第一階段是上世紀50年代的故障檢修；第二階段是上世紀60-70年代的計劃檢修；第三階段是上世紀70-80年代的狀態監測與計劃檢修結合；第四階段也是目前的發展階段,即預測性維修。傳統模式下的事后維修和定期維修，不能達到避免事故發生的效果，常常出現維修過剩或者不足的情況，也不能有效的避免安全事故的發生。
　　預測性維修以設備的運行狀態監測為基礎，針對故障診斷和預測結果采取維護決策，更具客觀性、科學性和先進性，從而有效避免過剩維修和維修不足等傳統維修模式的弊端，并根據監測狀態和診斷結果進行有效維修，科學規避預防安全事故。
　　預防性維修旨在借助離線或在線狀態監測儀器對運行設備進行連續或間斷的狀態監測，采集設備的振動頻率、加速度、速度、位移和運轉部件的溫度、壓力的變化等多種信號，通過多種運行分析手段，提取設備的故障特征信息，借助故障診斷專家系統和數據庫進行識別判斷，分析趨勢，進行中長期和近期的設備狀態趨勢預測，為設備維修提供決策支持。
　　狀態監測與故障診斷

　　設備狀態監測即通過測定設備的運行參數，根據參數的高低判定設備狀態，對設備進行定期或連續監測，包括采用各種測試、分析判別方法，結合設備的歷史狀況和運行條件，弄清楚設備的客觀狀態，獲取設備性能發展的趨勢規律，為設備的性能評價、安全運行及故障診斷打下基礎。
　　故障診斷即利用故障診斷理論對設備狀態監測到的數據進行分析比較，掌握設備的運行狀態及其劣化趨勢，對設備維修提供決策支持，從而達到延長設備壽命，增加設備可靠性，防止設備突發事故，降低維護費用的目的。
　　設備狀態監測與故障診斷包括三個層次的任務：設備運行的狀態監測；設備狀態異常時的故障診斷；設備故障的早期診斷與早期預報。
　　狀態監測與故障診斷方法

　　一是譜分析對比診斷法。其基本原理是將典型狀態下監測信號通過各種數學變換的譜圖用數據庫的形式存放在計算機中。在診斷過程中，通過譜圖的尋找和對比，研究狀態變化和參量分布，參照譜數據庫得出診斷結論。
　　二是狀態模型辨識診斷法。應用在線辨識技術來實時地為系統建立一個數學模型。當系統中存在故障時，系統的輸入與輸出關系就會發生改變。因此，當系統的數學模型的參數發生較大的變化時，系統就可能存在故障。
 
　　三是統計診斷法。應用貝葉斯公式算出某種征兆由特定故障引起的概率，進而判別故障類型。這種方法必須考慮被診斷對象的運行歷史狀況，以獲取各種故障發生的概率變化情況，為各種故障確定先驗概率。
　　除上述常用的方法外，還有故障樹分析與診斷法、隨機模型參數估計診斷法、人工神經網絡診斷法等等。
　　電廠設備預測性維修
　　電廠設備繁多，維修對于設備的安全運行具有重要意義，那么電廠如何實施預測性維修？圖1為預測性維修實施系統圖：
 

　　首先進行數據采集，然后計算出各種性能指標，根據要求和知識庫中設備正常狀態的數據提取出故障信息，并與知識庫中的正常狀態下的數據進行具體比較分析，通過圖表展示與正常情況的偏差大小，方便進行決策。系統可與知識庫中積累的故障檔案進行對比，查詢類似故障追溯故障發生的原因及解決措施等信息。
　　遠光軟件提供的“在線監測與故障診斷系統”設計思路既吸收了常見的故障診斷理論的典型方法，也注重現場的診斷經驗，是一個不斷成長的、不斷進步、不斷充實的系統。
　　一是在線監測。在線監測軟件提供樹形配置結構，用戶可根據不同設備信息查找相關設備的運行數據，同時對于自動產生缺陷報警的相應測點，軟件根據不同的報警等級用不同的顏色體現。在企業配置樹中，方便用戶直觀的判斷產生報警的位置點，快速導航到相應設備、測點位置進行具體分析與判斷，并對存在缺陷的測量數據進行分析。
　　二是故障診斷。設備資料庫用于管理設備資料，是故障診斷軟件的一個基本組成部分。把旋轉機械設備簡化成為由軸、軸承、齒輪等組成的綜合體，從而避開了其具體的外形、結構。除了必要的如設備編號、設備名稱、安裝位置、功率等常規參數外，還可以把設備的結構圖或照片等存入數據庫。
　　遠光“在線監測與故障診斷系統”支持設備測點庫與在線監測模塊之間的數據共享與利用。當在線監測模塊建好測點數據以后，可以應用其中的設備資料信息預建功能快速地建立與該測點相對應的設備資料。
　　三是故障自診斷。系統采用基于規則、模型、案例和神經網絡相結合的推理模式，運用正反向混合推理策略，根據自動獲取的故障征兆，對設備故障進行自動診斷，發現故障時自動存儲診斷結果并報警。同時，系統還具備對話診斷、診斷結果的解釋、故障處理建議、打印診斷報告和事故追憶等功能。
　　系統根據設備測點所對應的資料和采集的數據，結合診斷參數給出診斷結論并彈出“診斷結論”窗口。在“診斷結論”中羅列“狀態診斷結論”及可能發生該故障的概率，以及“故障治理建議”。
　　對于同一個數據，如果引用不同的診斷參數設置（或者叫做診斷標準）將可能得到不同的診斷結論，所以必須根據每臺設備的特點、運行情況等建立適合的診斷參數設置。
　　四是動平衡計算。動平衡計算可以完成對轉子動平衡資料的管理。輸入轉子轉速、轉子質量與平衡半徑，選擇需要達到的平衡等級，即可算出單位轉子質量的許用不平衡量以及平衡半徑處許用不平衡量。系統還可生成“平衡精度曲線”。
　　系統建立了開放的知識庫系統，包括反映設備結構和運行歷史的背景知識庫以及反映領域專家豐富的診斷經驗的診斷知識庫。在系統的應用過程中，根據診斷對象的特點和經驗積累，通過知識庫管理系統可以增加、修改、存儲、刪除有關的故障、特征和診斷規則。同時，提供典型故障圖譜，有關設備的標準、規程和檢修方法，常見故障機理和特征，信號分析和故障診斷技術及國內外相關機組故障案例等。
　　預測性維修通過對設備狀態進行監測和診斷，對設備的狀態做出正確的判斷，從而制定出科學合理的維修策略，提高了電廠設備維護的水平。狀態監測和故障診斷技術的發展是預測性維修發展的關鍵，物聯網等新興技術與先進管理理念的融合，能不斷優化設備預測性維修的技術及方法，幫助電廠提升運行安全性和穩定性，實現降本增效的目標。