故障树

风电行业的快速发展给发电企业，特别是跨区域大型发电企业提出了新的难题。机组类型不断增多，场内机组分布范围不断增大，给检修运维工作带来了新的挑战。项目利用风电机组海量数据，结合大数据分析手段，研究了一系列风电机组故障诊断方法。同时，结合算法成果研发了行业领先的风电诊断平台并成功推广，实现了运维管理模式创新。针对目前风电领域数据分散、编码及接口不统一等问题导致的数据孤岛和数据可用性差的现状，研究集团级数据感知和存储技术，融合多目标系统数据，实现数据结构、接口、编码的标准统一，使平台便于部署实施，数据便于分析、管理，应用便于拓展，建立风电数据与应用生态。风电机组运行状态划分、性能评价标准等方面的差异，导致风电运维中管理难、对标难。研究统一的风电机组状态划分方法，实现机组的统一状态统计与管理，并建立风电对标指标体，实现全集团统一的对标，促进提质增效。针对机组正常并网发电时出力不佳的问题，本项目进行了数据清洗、敏感点能效分析算法的研究，提出优化建议，促进场站发电量的提升。针对风电行业风机故障事后维修等现状，研究风机主传动链等机械故障机理，振动模式识别以及故障敏感特征提取，实现机组机械故障的高敏感度诊断，并通过研究数据驱动的自学习趋势分析的故障诊断技术，实现了关键部件的监控诊断，形成对故障特征具有高灵敏度的诊断技术群。针对单一诊断技术误报率偏高的现状，研究基于多元信息融合证据理论的和故障树分析的机组故障评价与预测方法，综合考量多系统、多指标的状态信息，提高结果的可靠性。 本项目获授权发明专利 7 项，实用新型专利 1 项。项目发表论文 20 篇，知识产权成果显著。依托成果建设了华电集团新能源远程诊断平台，目前已接入 6500 多台机组，生产单位依托平台智能评价机组健康状态、开展机组状态检修。结合“互联网+风电”的思维，形成风电先进诊断技术的集群，为风电行业持续稳定发展提供强有力的技术保障。

本项目成果在国内外首次推导出环形部件脱落与轴颈发生碰磨的运动微分方程：首先提出了环形部件脱落与大型汽轮发电机组轴系发生碰磨的研究方法。在国内外首次建立了环形部件脱落碰磨故障实验台。首次提出了大型汽轮发电机组轴系-可退让的环形部件碰磨故障的热固耦合分析方法。研究了可浮动环形部件与转子发生的碰磨故障，在国内外首次提出了大型汽轮发电机组轴系-可浮动环形部碰磨故障的热固耦合分析方法。在国内外首次建立了可浮动环形部件碰磨故障实验台。基于人工智能的故障树方法，实现了这三种故障的智能诊断。

本文分析了目前电力系统连锁故障风险评估方法的不足，并根据连锁故障的特点和风险评估的要求，将区间故障树和模糊综合评估方法相结合，提出了基于区间故障树的电力系统连锁故障风险模糊综合评估方法。该方法通过区间故障树建立连锁故障的概率计算模型，采用负荷损失指标对连锁故障的后果进行评估和等级划分。然后，使用模糊性语言评估风险水平等级，采用隶属函数来确定风险等级的隶属度，并依据评估数据给出风险等级的释义和相应的预防指导方案。基于区间故障树的电力系统连锁故障风险模糊综合评估方法能够处理连锁故障中的不确定性问题，全面反映连锁故障的发展特点及其对电力系统造成的危害，而且能从定量的角度反映风险水平的高低，为连锁故障的预防和控制提供参考依据。最后，以IEEE10机39节点系统和某地区实际电网为例，验证了该方法的有效性和实用性。

火电厂现有报警主要是超限报警和跳变报警，一旦发生报警可能已经是设备损坏或系统停运了。其次，大规模实时数据监视、分析超出运行员反应和理解能力，一些故障信息不能被及时发现，造成事故扩大。最后，现有报警均为单一条件、单一信号作为判据，可靠性、准确性差，适用性不广，只能在RB保护(重要辅机故障甩负荷保护)等有限条件下几种典型工况下应用。 近年来，随着计算机技术迅速发展，在建及投产火电机组自动化控制技术有很大提高，但同时因为报警可靠性、准确性差的原因，大多数故障还需要专业人员分析查找原因，造成了故障处理滞后及延误。同时，人为处理不及时、处理不当也会导致故障的进一步扩大。 本项创新项目(根源分析法)是一种基于故障树分析法发展起来的适用于大型火力发电厂设备故障诊断和预警的新方法，对已发生故障现象进行综合分析，提取典型特征，制定报警及控制策略，是一种多参数、多条件、多任务的报警预警管理系统，可有效提高报警预警准确性、可靠性。