阀冷系统

直流电源系统

当今世界，卧式离心泵在很多工业领域广泛应用，在换流站内换流阀冷却系统的主循环泵、喷淋泵大多采用此美水泵，这些设备的运行安全可靠与否直接关系到电网的安全稳定，所以，对主泵、喷淋泵的运行工况有一个清楚的掌握是十分必要的。 轴承作为水泵的关键部件，因长期处于高速旋转的运行状态，其故障磨损率非常高，故《超高压输电公司直流输电换流阀冷却系统检修工作标准（2016版）》要求每年均须对阀冷系统主泵、喷淋泵轴承进行检查，但由于缺乏简单高效的检查手段，所以只能利用停电检修机会对水泵进行解体检查，这种方式不但费时费力（据统计常规解体检查方法单台水泵因重量较大需要4-5人工作3-4小时才可完成而且每次解体都要将昂贵的机械密封报废（《超高压输电公司直流阀冷系统易损元件定期更换工作标准（2016版）》规定机械密封每次拆卸均需更换），所以传统的作业方式不但会造成大量人力物力的损失，还会造成材料成本无畏的浪费。 本职工创新项目研发的卧式高心泵轴承内疯仪，利用微型高清摄像头配台无线传输技术，可以在不解体水泵的条件下通过水泵上方狭小的注油孔直接采集轴承图像，准确判断轴承是否存在磨损、发热等常规缺陷，实现了简单、高效、直观的轴承检查，节省了大量人力和时间成本，也避免了材料费的无谓损失。

针对特高压换流阀阀冷系统中主循环泵故障特征提取难和故障诊断模型规模大的问题，提出一种基于多维振动特征图谱的轻量化主循环泵故障诊断模型。首先，基于振动轨迹图像(vibration locus image, VLI)和伪颜色编码的时域特征提取方法，构建主循环泵的时域特征图谱。其次，融合马尔科夫变迁场(Markov transition fields, MTF)和小波包变换(wavelet packet transform, WPT)，全尺度提取振动信号的低频和高频故障特征，构建主循环泵的频域、时频域特征图谱。最后，通过全维度动态卷积(omni-dimensional dynamic convolution, ODconv)优化轻量化卷积神经网络模型框架，构建了轻量化主循环泵故障诊断模型(OD-ShuffleNet)。并融合时域、频域和时频域故障特征，在减少硬件资源占用的基础上进一步提升模型的故障诊断精度。分析结果表明，模型的诊断准确率为95.0%，优于经典卷积神经网络架构。

当前高压直流换流阀阀冷系统多采用软化和反渗透系统处理外冷水，运维中需人工添加工业盐和化学药剂，工作量巨大，添加过程中人员存在被化学药剂溅出灼伤的风险:原加药策略不科学，固定添加大量杀菌灭藻剂和阻垢剂，不环保，费用消耗大:阀冷反渗透系统缺乏运维规范，柔性直流存在阀冷主泵断路器把手过短不易操作、阀冷氮气瓶更换缺乏专用工器具易造成作业人员受伤、氮气瓶倾倒砸到运行设备等问题。另外，阀冷系统还存在外冷水不断蒸发后电导率上升需人工操作弃水、闸阀生锈老化后缺乏开阀工具等问题。 项目组针对当前高压直流换流阀阀冷系统运维中存在的一序列问题，统一分析、各个击破，开创性的改进设备优化策略、研发工器具和编制设备运维规范，具有一定科学技术水平，实际应用效果较好，优化和规范了阀冷系统的运维技术，减少了运维中存在的诸多风险，还在节省人力、节约资源和提升工作效率等方面取得显著成果，使阀冷系统运维能力得到综合提升。项目形成工作报告8篇，技术报告8篇，运行维护技术规范1项，研发应用设备2类，研发工器具3种。发表论文2篇，申报实用新型专利4项，发明专利2项。