数字化在燃机电厂的实践

唐寅 华能南京燃机电厂运行部

(资料图片仅供参考)

各位好，我是来自华能南京燃机电厂运营部，我叫唐莹，今天给大家交流一下数字化在南京燃机电厂的一些运维实践。华泰南京燃气电厂现在运营着4套燃气蒸汽联合循环发电机组，其中有2套是FA级调峰发电机组，2套是e级热电联产机组，这4套全部是GE公司的机组。然后除了满足江苏省和南京市电力需求外，我们还承担着南京东北部地区的热力供应，供热管网近百公里。

电厂先后获得多项奖项，包括国家优质工程奖，华能集团科技进步奖，江苏省电力安全生产先进单位，南京市文明单位，江苏省企业职工十大先进操作法，江苏省文明单位等等。电厂还是坚定地以安全生产燃机运维为主体，进行电力供应和热力供应，我讲的目录主要有三条，第一，数字化在燃气电厂的应用背景，第二，就是数字化在南京燃机的应用方向。第三，数字化在南京燃机的实践案例。

应用背景，燃气轮机发电企业也就是近15年，然后慢慢发展起来的。之前在04 05年之前还都是规模比较小，主要是油气田那些配套的一些自备电厂，在以后才逐渐的大面积的商业运行，尤其是重型的燃气轮机，目前国际著名的燃气轮机厂家都有自己的半经验性的精确性。

比较高的预测模型配套的数据库数字化运维软件，但是我们国内这一块发展比较薄弱，还是依赖于传统的生产CS系统，包括燃机的运维模型准确性、灵活性、针对性都不高，尤其是对于数据利用率比较偏低，当前实际应用中还主要依赖于国外厂商的数字化运维平台，这点我们这几年的运行维护就发现了有很多不方便，尤其是对我们检修运行指导都得依赖于国外的厂商的数字化运营平台，这就突出了凸显了我们国产化自主运维的必要性。

我们现在燃气电厂优势其实也很明显，现在运行10来年以上的燃气电厂已经很多了，而且也经历了各种检修状态，包括终极的a修都经历过了，还有各种复杂的运行环境，尤其拥有海量而且宝贵的这些运维数据，尤其是这些运维数据非常契合我国的生产条件，这个是很难得的，这是国外主机厂商不具备的条件。

同时国家也在大力发展重型燃气轮机及联合循环关键技术，我知道的是国家两级重大专项，其中里面就有用运维数据，利用自己的运维数据建立自主的数字化运维平台，这是国家也在指导要进行的一件事。数字化在南京燃机的应用方向。我这边简单讲两个方向，第就是安全培训方面，第二个是运行维护方面。

虽然说安全培训听起来跟运营维护没什么关系，但是在电厂生产方面这都是息息相关的。安全培训方面，我们这边做了一些事情，主要建立了虚拟的仿真平台，包括各种燃气轮机型的仿真机训练平台，这个是传统形势下的，应该好多燃气电厂都会有仿真机训练平台。第二个典型的天然气电厂事故应急处理沉浸式的仿真平台，这个是我们厂最近两年在做的事情。

重点讲一下沉浸式的仿真平台，这里面有个优势，可以人机互动，而且身临其境，让人包括设备真实模拟还原运行状况。第二就可以降低事故应急培训的硬件成本，包括人员的伤害成本。第三个就是事故处理可以更加的标准规范，而且反复操练，避免了一些突发性或者是不可重复性的演练。

在运行维护方面，我们现在这几年在做建立监测与故障诊断功能平台，主题就是利用我们10来年的f级和e级的各种机型的历史运行数据，包括检修数据来用于燃汽轮机诊断和性能预测，开发出这样计算机模型。同时我还可以准确地诊断故障原因和功能位置，合理的制定我的检修方案。

第三就可以筛选燃气轮机的状态，就是非正常状态，并发现即将发生的故障，相当于是有预前性、预测性，这里有个优势，维护方式高效就是适应性强，不像以往的比较刻板的，分为计划检修，什么c修a修都是到时间到运营小时进行检修。现在我就可以叫状态检修，状态运行，就根据我的运行状态来进行检修，最大限度的减少不可预测的故障，包括我的停机时间和工作成本。

第二个优势就是我可以提前发现缺陷，避免到发生故障的时候才发现，并且可以减少效率的损失。第三个就是可以主动采用适当的维护选择，提高系统的可靠性和可用性，降低维护的成本，减少维护操作的次数。实践案例第三大点就是讲数字化在南京燃机电厂的实践案例。

安全培训方面就是讲我们虚拟仿真平台，全称叫燃气电站天然气管道泄漏事故应急处理沉浸式虚拟仿真平台。开发概况，我们现在做了三维建模，然后利用虚拟的3D技术，现在也就是俗称VR，然后进行事故处理的仿真模块建立，同时把我们调压站天然气电站比较重要的天然气设备泄漏事故处理与应急演练仿真系统平台开发出来。

在这个平台里，我们根据调压站结构特点，工作的原理以及退出运行转检修与投入运行这些特点，把它做成动画，这样就是更形象人机互动更真实。我们软硬件的实施在软件上面集成了一套事故应急处理的VR仿真软件，这个软件具有分级权限管理， B/S架构， web浏览模式的仿真平台，就是人机交互的页面，执行页面就比较友好，就任何人都可以自由地用。

第二就是硬件上面就是 VR设备一套，图形工作站一台， VR的头显包括操作设施一套，这主要是硬件。这个硬件其实投资并不大，具体的执行情况给大家介绍一下。现在这个页面上显示的就是我们做出来的三维模型，这个模型并不是泛泛而谈的模型，这个模型跟我们电站我们厂契合度非常高的。这个模型什么样，其实我们厂的挑战计量单元就是什么样，完全是根据我们厂的设备原始状况，然后构造出来的三维模型。

这个是各个部件的模型，包括宣传单元、过滤单元，包括我们使用的安全工器具等等，都是构造小模块，然后我们可以组合进行我们的应急演练的流程构造。这幅画面就是我们这个软件处理仿真系统的主页面，里面分为工程概况，三维可视化仿真，事故应急处理模块，还有仿真调试模块，仿真测试模块，我们主要讲一下我们是怎么来进行这一项的事故仿真。

首先我们可以设置包括单人模式，考核模式，就可以群体性演练，也可以单人性考核操作，这个都是可以分类的，包括我们还有标准的教学视频。你去演练过了，你再看一下标准的教学视频，你就知道自己哪些地方做得不足，可以进一步地去改进，这是这一块功能。

然后这些动画就是我们不同的模块组合起来的流程，组合起来流程我们重点需要演练，哪一块的故障，我们就可以在系统里面给它设置。比如说我要演练旋风分离器入口或者是出口，或者是 esd快捷阀泄露，我都可以指定哪个模块出现故障，我进行演练，这是我们系统里面事故应急处置的动画，我们当时是真实演练，然后我把它保留下来的这动画图片给大家看一下。

这就是我们从调压站的进口，像这上面人名，我们真实的员工就已经带上VR进行演练了。我们旋风分离器进口的流量计的故障在大量泄露，然后人员佩戴好安全工器具正压呼吸器，然后进入现场，按步骤进行操作演练。这幅图是我们集控室的三维模拟图，我们集控室真实情况就是这样，跟这个图上是一样的，这个是根据我们真实情况建立的模型。包括后面集控室怎么互动，跟现场怎么互动，包括消防之类的进行互动都坐在了里面，这一块而且是沉浸式的，所以数字化的应用功不可没这一块。

事故演练结束，我们还可以生成演练报告，根据我演练的情况，流程，包括里面操作的标准性，我可以生成事故报告，在我这个事故报告里面可以准确地记录下来，哪方面操作是有瑕疵的，哪方面操作完成率是100%的，包括评分它都可以得出来，这一块可以对每个人进行评分。

这个列表就是我们一次演练，我把它保存下来的情况，像执掌，包括他的职责，检修人员、运行人员他都记录下来，然后他们的演练情况也都记录下来，就直接出了演练报告，这就是我们VR头盔直观的画面，把它截下来存了下来，这一步一步都可以进行操作的。

大家看一下，各个场景我们都可以进入切换。沉浸式VR的数字化演练平台主要有几个创新点，第就是全模态数字化建模，就面向我需要建模的设备，全生命周期虚拟的技术，就把它应用起来了。第二个就是我这个设备并不是单一的设备，生产流程，这建模里面还考虑到设备流程里面各个设备组之间的耦合关系，就把它的逻辑关系都建立在里面了，包括我事故应急处理的分析方法，我都把它标准化了，这一块在以前就很难做到的。

第三个沉浸式的虚拟就等于说跟现实基本上没有差别，这一块也是归功于数字化的这功劳，没有数字化技术我们是做不到这样的。它的技术特点，我各个模型都是轻量化的处理，不像有大量的以前的模型要建立复杂的模型，它会有大量的数据处理，整个有滞后性或者是失真的情况，但是我这个模型很好地进行了虚拟交互仿真了，就没有存在这些情况，所以说推广性示范性还是可以的。

然后下面就讲一下我们的运行维护方面，之前是安全培训方面，运营维护方面我们简单讲两个系统，是现在实施的，叫燃机透平动叶寿命管理系统，这个是华南集团西安热工院，大家都知道是西安热工院联合我们厂进行研发的这系统。

第二就是智慧燃机健康管理系统，这个是东南大学热能所联合我们厂开发的这数字化的平台。先讲一下叶片寿命管理，叶片寿命管理系统开发主要思路主要是采用高温设备寿命评估方法和广义风险评价方法相结合这样技术路线，开发出一体化的全新系统。

这里面包括高中压转子、高中压缸、主机阀、低压转子等等，透平动叶等等这些主设备的评估模块，它里面利用的大量的运行历史数据，包括检修数据，比如说叶片的温度，它的工质流场的温度，包括它的承受的压力、工质的压力，检修下来，更换下来，叶片的金属分析等等这些数据都融合在里面，然后建立了模型分析。

下面讲一下我们这个软件的执行情况，这个是我们软件的登录界面，就是进入系统，然后这是我们进入以后可以分机组选择我们的机组状态，可以主要看到我们透平各级的动叶的折合寿命小时，包括我当前的设备状态是否正常，还有我已经消耗了多少寿命，包括我寿命的损耗率，疲劳损耗和金属乳变损耗都出现在里面，这都是一套评估方法。

然后我进入叶片的实时监测里面，我可以看到叶片所承受的环境场的温度，包括压力，叶片分成几个主要的区域。每个区域的温度和承受的压力，它都是用数字化的模型计算出来的，包括一些它所处的环境中的主要参数，像压气机的入口空气流量，燃机的排气流量，压气机的排气流量，燃机的排气温度，包括压气机的压比这些重要的参数都会显示出来，而且他把我的震动的数据也结合进去了，这一块在后面那个案例上会给大家介绍到我们实际应用的情况。

这个页面监测我透平叶片里面关键的一些参数，一些参数有变化了，对叶片寿命也是有影响的，而且测点可以进行历史反馈查询，我可以根据机组设备这些情况，我选择不同的测点来看它一段时间运行的状况。这个页面对我设备历史评估了一段时间，我可以评估一下我叶片寿命损耗趋势怎么样，健康状态的趋势怎么样，这对于我的检修和运行的方式调整都是有帮助的。

这些告诉我们哪些是现场的测点，既有的测点，哪些是我计算出来的软测量的软计算出来的一些参数测点，这都可以查询到。然后就讲一下这个案例，这个案例有一次是我们机组在运行的时候，就这个系统叶片寿命管理系统报警了，我当时机组运行在base load基本符合f级机组，这是f级机组运行在当时应该是在36万这个负荷，发现 BB1、BB2瓦振就是一瓦二瓦，瓦振探头由跳变由原来的0.14英寸每秒跳到0.16英寸每秒，而且是发生在启动后约小时，这个时候就是我们正常操作员在DCS操作员站监盘是很难发现的。

原来报警里面是没有这个异常监测的，而且小时后它又回落了，回落到正常值了，正常人员是很难发现的，但是我们这个系统把它捕捉下来了，然后同时它还匹配出关键参数，就是压气机的性能效率也有下降跳变的趋势，包括我们压气机出口的温度，这里大家可以看到有明显的下降的拐点，然后又恢复正常了，包括我们燃机的修正出力，当时也是突然掉下来的。

所以这个时候就是果断把它停下来，然后进行控亏，这些预测了我这里可能出问题了，准确的判断还需要我控亏，停下来控亏，然后结果发现这是压气机S1级的叶片，然后有叶端有断裂，就很明显的裂痕，包括后面的叶片也有被擦伤了，所以这个就及时发现了我重大隐患，这就保护了我这个主设备扫堂的风险，就我们及时发现小的缺陷、小的缺口，我们就可以把它停下来，然后及时地检修了，这是很有用的案例。

还有案例是我们透平动叶叶端也是损坏就烧损了，还有包括动叶有移位，这很明显的叶根处有移位，大家可以看到。这个是通过叶片寿命管理系统记录我每次启停的震动变化趋势，还包括我临界转速的振动幅值，然后发现大家可以看这幅图，就在后面有一段时间就明显地上升了，就BB1和BB2这个明显上升了，发现跟每次启动启停的震动变化有明显的不同，所以也是果断地停下来，发现真的是有损害，包括移位，这也是很经典的案例。

也是避免了燃气透平重大的设备损伤，透平动叶片寿命管理系统几个创新点，主要归纳也是利用了数据化，利用了大量的我们运行数据，包括叶片的检修数据，建立了叶片数字化的模型，这个模型建得还是比较成功的。第二个它建了模型还不行，它还建立了叶片寿命的评估标准。

这个是我们国内以往是没有这个标准的，以往我们都是根据老外的主机厂商，他给我们运行的，比如说点火时间或者是把我们跳闸熄火的这些故障都折算进去，然后给我们这时间的检修，但是它没有叶片寿命的评估的标准，现在我们有自己的评估标准，有这个标准我就好比较我寿命叶片怎么样了，状态怎么样。

第三个就是建立了可视化的管理平台，可以有效指导燃机重要部件运维，就像之前大家软件页面上看到的，它有叶片的模型图，有数字化可视模型，我可以看到各个区域的状态。第三个我介绍的东南大学热能所跟我们合作做的智慧燃机健康管理系统，这个系统也是利用这个大数据，但是它做了更多的是人工智能算法，就是深度学习算法上面采用了很多流行的算法。

通过对这些初始数据的过滤筛选，还有非常规参数的计算，它建立更准确的燃气轮机及联合循环的模型，而且也同时建立了自己的性能变化分析的评估方法，这个也是以前都是靠国外主机厂商，他们性能变化怎么样告诉我们，我们才有指导。现在我们不需要他们，我们可以有自己的评估方法，然后可以实现我运行工况的最优追踪和故障的快速准确诊断，最终也是建立了这软件平台，这个软件平台包含哪些功能？

性能变化的监测，运行优化、故障诊断等等，这些模块都开发集成在软件平台，这个软件平台现在没有非常完善，开发了一些模块出来了。下面这是他们的技术路线图，就是搜取大量的运营数据，经过流行的数据预处理这个方法， Python等等，然后进行数据过滤，非常规参数计算，结合理性模型和深度学习的人工智能算法模型，然后进行我性能变化评估，优化诊断等等。

像以往我们生产CS什么等等，以前传统的大部分都是用机理模型，但是机理模型好多情况下，重要的燃气轮机的一些核心的参数它没有，比如说我燃烧室的温度它都是计算出来的，所以这一块就造成了机理性模型不准，所以又结合了深度学习的模型训练这个规律、大概的系统流程，其实之前也讲了，把选取的我一些重要的模型参数，把它先进行处理，特征提取，就相当于信号和数据的预处理。

然后再进行一些故障分类，诊断这是健康状态的监测，然后对于故障评估发现我必须要进行检修了，我就要停下来进行检修，比如我不需要检修，还可以运行一段时间，我就再运行一段时间，这对于我这个状态检修也有所帮助。这是我们软件执行的界面，这是系统监测，同样地也是机组可以选，机组编号就是我们FA级的两号机组，这是性能变化评估的页面，这也是选择的。

这是我们燃机的效率。这个图是燃机iOS工况下燃机效率，这个就是折算出来的标准效率，我们实际的效率跟我们标准效率相比偏差大了，它里面还有残差的预测。偏差大了，就预测我们效率出现问题了，这是页面。这就是我们性能变化评估的链接出来的平台，就是各项性能集成在平台上，压气机的性能，压气机的出口压力，出口温度，性能，燃气透平的压力，透平的温度等等。

包括标准工况下的燃机效率，压气机效率全集成在这上面，这就方便我们一体化可视。里边其实有核心难解决的，还有难测量参数的软测量问题。这一块因为老外的技术封锁像好多关键的参数，就是建模的关键参数，他们其实也是经过实验室大量验证计算出来的，但是他们不告诉我们方法，我们只能自己去摸索，就相当于倒推，就是黑匣子倒推来破解。

然后我们现在破解了压气机的空气质量流量，其实也是进入我们燃机的空气质量流量等等这些软参数，把它预测出来了。红线就是我们模型的预测值，这个绿线，就是我们实际运行的值，吻合度还是蛮高的，在运行工况稳定的情况下，我们故障诊断里面小方向叫故障，传感器故障其实作用也挺大，当我们运行正常的时候，有些关键的传感器测点它有时候会发生偏离或者是故障。

这个时候也不好判断到底是主设备出问题了，还是传感器出问题了，这一块其实挺纠结的，所以我们又做了传感器故障，也是利用一定的深度学习算法，可以预测出我这个传感器正常的时候，正常运营状态的时候大概是什么值范围，我实际运行中要偏离范围太远了，设定标准，偏离太远了，我就可以预测我这个是出现故障了还是什么，主要是这个思路。

最后就是有档案管理了，我们当然是历史存档，这些数据都是很宝贵的，要把它实时地存放起来，这是一些案例。首先就是性能评估方向的，我们就是检测到我们一级机组性能下降了，下降可以大家看性能明显的压气机的效率突然降低了，压气机的流量同步降低。

这时模型中简单地判断一下，是不是因为水洗问题，就在排除设备故障之后，综合水洗的历史，综合传感器的问题，然后建议我执行离线水洗，我离线水洗后了，性能也恢复到正常了，出力提高到原先大概当时我记得是百分之大概99.6%左右，基本上恢复到原来的正常值了，然后热耗下降那个是也下降了3%，这就很成功了，也是洗后重新评估恢复正常了。

然后下面这个案例就是我燃烧故障的诊断案例，这也是最近夏天的时候，我 FA级的两号机组燃烧分散度稍微有点偏大，但是没有到我 DCS报警值，也就是我机组运行在30万负荷的时候，燃机的排气分散度由运行时候的40华氏度，突然上升到50华氏度。虽然没到报警值，但是我们这个系统这个模型就监测判断我有主设备可能有问题、燃烧筒可能有问题。

当时判断的是8号燃烧筒可能有问题，我们就停下来，孔探其实是10号燃烧炉，没那么准，没精准到单独的燃烧筒，但是已经比较成功了，已经把这个问题表现出来了，我们就赶紧停下来，这个是我们孔探的这孔探仪拍的照片，明显的裂纹燃烧桶，这个时候发现得很及时了，不然后面真的是有跳级的风险。燃烧筒让我们用的新模型叫什么？

结合深度学习的算法建立新模型，叫多尺度卷积循环自编码器。这个思路就是利用模型学习燃气和传感器正常状态下，各种传感器的映射关系，就像这里看一下映射关系，并输出模型学习的重构误差，当重构误差与我正常运行时，模型比误差较小，这是正常的。当发生传感器或者燃烧筒裂纹故障，我传感器映射重构误差就变大了，变大，而且很明显。

下面你看正常的时候，误差是很小的，突然出现故障了，误差急剧变化，很细微地提前就可以看出来了，比排气分散度监测更及时，更有预见性。我们模型燃烧筒故障模型，选取了关联的等等36个传感器的实测值包括符合Nox排放燃料的质量流量温度压力，透明排气温度等等，作为模型输入值，采样周期是一分钟，这里大家可以看到突然误差变大。就是那一天，但是这是那一天的分散度，大家看分散度，基本上看不出来有什么报警需要处理的是吧？很正常。

但是我们在这幅图上，这个误差值就能看出来，非常大。前面1月份这一次是传感器的故障，这一次我就没举例了，8月份典型的给举例出来，这个误差是特别明显，所以就提前预见性了，也是我们对于数字化运维做了点贡献。

第二个案例就是故障处理的案例，就是我们余热炉的这个是我们一级联合循环机组的余热炉，当时是21年5月份低压过热器的几项温度突然就是异常下降了60度，温度下降，其实也很难定位出我到底是哪个设备部件出现问题。

但是我们做的模型，余热炉的系统传热退化系数模型，然后发现低压蒸发器烟气换热量下降很明显，然后分析判断为低压细胞的汽水分离故障，果然停下来把水放掉，然后进入汽包检修，发现汽包内的水下孔板存在多处破损，就气水分离出现问题了、多处破损，然后包括分离这上面隔板也有好多掉下来了，脱落了这处理以后就好了。

然后这个是大概的模型的理论机理的，理论依据很简单，就是我换热有烟气侧，有工质侧，我就定义他们传热的退化性能的变化，主要是这个退化系数很重要，这是我们计算的流程。我们烟道有特点，就是工质侧的侧点相对少，光单凭供给侧的测点变化真的很难判断，所以我们就设计两条线，就烟气侧也计算一下，工质侧也计算一下，这是计算流程。

可以两路线同时进行判断是否故障，我同时出现问题了，工质侧和烟气侧计算同时出现问题，百分之八九十的概率那是出问题了，所以这个对于我故障诊断准确性就提高了很多，这是我们当时退化系数发现的问题。像我低压过热器传热退化系数是好的，没有什么突变，低压蒸发器我传热退化系数也是好的，没有什么突变，但是我烟气侧低压蒸发器的换热量有突变，大家看可以看一下这明显的变少了。

这后面是我们检修后恢复正常的换热量，像我们高压系统传热退化系数，大家可以看这个是坐标把它放大了，这个是正常的波动，运行中是正常波动，没有多大的变化。但是大家看一下低压系统，电压系统传热退化系数，你看这个坐标是0-6，是已经坐标很大了，但是它这个变化非常明显，退化系数变化得非常明显。

我们综合低压蒸发器化热量的变化和低压系统传热退化系数的变化，综合起来我就可以定位到低压汽水分离这一块故障，这很准确，而且我们修后恢复得非常好，后面这些数据恢复后的性能，这一套系统创新点有几个，第就是非常规数据的计算方法就是难测量，我根本就没法去测量，现有技术没法测量。

比如说压气机的流量没法直接测量，燃烧室这些温度分布，包括我单轴燃气轮机蒸汽联合循环的燃机和机器的功率，这些我都可以软测量计算出来。第二个就是关键部件和机组在健康状况下这个性能基准的确定，这一块其实需要大量的运营数据，我们现在用的这些运营数据，个人觉得还不是很大量，因为之前的服务器涉及到公司那边，他们这一块服务器有封锁。

我们以前有一部分数据其实是取不出来用不了的，所以这一块也希望各个燃机电厂能对自身的运营数据做很可靠的保存，这一块还是蛮可贵的这些数据，不然到时候用的时候发现用不了，没有。第三个可以故障的快速准确判断，至少是现在燃烧筒裂纹的故障和余热锅炉换热的故障判断还是比较准的，还包括传感器的故障，定位都比较准确。

好，我讲到这里，谢谢大家！跟大家多交流。

近期活动推荐

1

6月3日 电力行业拔尖人才训练营-光伏专题

报名联系：

刘老师15321289698 郭老师 17813089203

2

6月8日-9日 电力现货交易仿真训练营（总第二十期）

报名联系：

张老师13311276082 周老师13311276087

3

6月29-30日 2023年发电企业数字化转型研讨会-智慧火电专题

报名联系：

刘老师15321289698 郭老师 17813089203 周老师 13311276087