汽轮机是火力发电厂重要的动力设备,其运转正常与否直接关系到火力发电厂的经济性和安全性｡转子又是汽轮机的核心部件,在运行过程中故障率比较高,一旦在运行过程中由于各种原因会出现振动异常情况,振动烈度将随转子转速和负荷升高而呈线性增大,直接影响机组正常运行,处理不当将造成汽轮机动静碰磨,甚至造成转子大轴弯曲｡为查找故障原因,常规的方法需对机组在线采集的振动信号进行频谱分析,并通过试验验证,最终确定了故障类型,制定专项的检修方案｡机组检修后,振动异常情况消失,机组才可恢复正常运行｡此诊断方法虽然找出了故障原因,但诊断时间过长,投入人力物力过多｡而BP神经网络建立汽轮机转子故障诊断模型,只需要在不停机的情况下测试一次当前工况的振动信号,便能快速准确的诊断出该机组的故障类型｡
1汽轮机转子运行故障类型
在汽轮机转子运行过程中,振动信号发生是转子发生故障的前提表现,对此应在汽轮机转子运行过程中,对其振动信号进行准确测量,为了更好地判断汽轮机转子运行故障类型,对其进行分类阐述｡振动频率:基频振动､倍频振动､整分数基频振动､比例基频振动､超低基频振动以及超高基频振动;振幅方位:横向振动(水平振动和垂直振动)､轴向振动与扭转振动;振动原因:转子平衡度较差､轴系不对称和零件松动､摩擦(密封件摩擦､转子和定子之间产生的摩擦)､轴承损坏､轴承内部油膜涡动与油膜振动､动力和水力的影响､轴承刚度较差､电气等;振动部位:转子和轴系振动(轴颈､轴纹叶片)､轴承(油膜滑动和波动)､壳体振动与轴承座振动､基础振动(基座､工作台､支架)､其他结构振动(阀门､阀杆､管道等)｡
2火电汽轮机转子运行故障的常规诊断
某电厂为亚临界､一次中间再热､单轴､两缸两排汽､双轴､凝汽式汽轮机,纯凝额定功率为300MW｡该机组投产运行两年后振动出现异常情况,汽轮机转子振动烈度随转速及负荷升高而呈线性增大｡振动测点布置,如图1所示｡
图1振动测点布置图
在(1~7)#轴瓦的水平和垂直方向安装速度传感器｡用数据采集器对振动信号进行存储､分析和处理,并用频谱分析仪对振动信号进行频谱分析｡检测时发现在升速过程中,2#轴瓦振动最大,当转速为300r/min时,垂直振动烈度为0.6mm/s,当转速为3000r/min时,垂直烈度达3.0mm/s;在并网带负荷后,随着负荷增加,其振动愈发强烈,机组负荷在210MW运行时,振动烈度为11.6mmm/s,机组负荷在240MW运行时,振动烈度为17.8mm/s,满负荷运行时其振动最高可达到36μm;3#和4#轴瓦在一定负荷下也出现振动增大的趋势｡为了查找振动原因又进行了高负荷试验､快速降负荷停机试验等,在试验过程进行振动测试｡
2.1高负荷试验
在300MW工况下进行测试,振动信号,如表1所示由表1可以看出,2#轴瓦水平振动幅度较大,最大可达36.8μm,其中一倍频为34.3μm;3#轴瓦水平方向振动较小但垂直方向振动较大,垂直方向最大为25.8μm,其中一倍频为17.3μm,二倍频为6.4μm｡4#轴瓦垂直方向最大为37.2μm,一倍频为26μm,二倍频为14μm｡由上可以判断振动主要是一倍频振动,还有少量的二倍频振动｡可以初步判断振动异常的原因是转子不平衡或转子弯曲｡
表1高负荷试验各轴瓦振幅(μm)
2.2快速降负荷停机试验
为了检测转子是否存在热变形,以排查是否存在转子弯曲,需进行快速降负荷试验(试验前负荷为300MW,主蒸汽流量为948.57t/h,主蒸汽压力为16.39MP),试验过程中检测的振动信号,如表2所示｡
表2快速降负荷试验测试数据(μm)
由表2可以看出,降负荷过程振动趋势基本无变化,由此可判断无转子大的热变形,基本可以排除转子弯曲的情况;2#轴瓦垂直方向振动较大,3#和4#轴瓦的水平方向振动较大,而且大都是一倍频分布,由此可以判断振动主要是由于转子质量不平衡造成的｡
2.3转子故障的处理
针对上述转子不平衡问题,制定大修时的处理措施,具体措施如下:
(1)安装调试的时候对转子进行不平衡试验,减少不平衡量,降低由于不平衡离心力产生的转子弯曲｡(2)对汽轮机叶片进行固有频率测试,检查叶片是否有损坏｡
(3)2#､3#､4#轴瓦振动较大,检查其顶部和两侧间隙及接触角｡
(4)调整轴瓦的负载分配,负载相差不要太大｡
2.4转子故障处理
根据检修方案,大修时对机组进行了检查｡开盖对(16~19)级叶片进行振动测试,发现18级叶片频率超标,这是质量不平衡的主要原因,对叶片进行了更换｡另外,对汽轮机转子进行了严格的对中,加固了周围的支架､台板和扶手｡大修后机组振动异常情况消失,机组正常运转｡
3.4 汽轮机转子运行故障的 BP 神经网络模型诊断
3.4.1 模型建立
以采集并提取的故障特征作为神经网络的输入，以不平衡、 碰磨、不对中三种模式为网络的输出，神经网络结构图，如图 3 所 示。
图 2 故障诊断模型结构
将上述实例中机组在额定工况下采集的振动信号经过归一 化处理后，振动特征信号，如表 5 所示。
将转子振动特征信号输入训练好的神经网络，测试结果，如 表 6 所示。由表 6 可以看出，实际输出代码的第一列数值接近于 一，第二、三列数值接近于零，表明二号、三号、四号轴瓦出现振动异 常的故障类型是不平衡。用 BP 神经网络模型诊断汽轮机转子故障 结果与常规诊断结果是一致的，但此方法需要的训练样本较大，在 进行故障诊断时应加大训练样本。BP 神经网络故障诊断模型虽 有其缺点，但诊断速度快且精确，较传统诊断方法有一定优势[6-8]。
表1某 300MW 机组汽轮机转子振动信号
表 2转子故障输出结果
3结束语
总结上文,汽轮机作为电力生产中不可或缺的动力设备,在结构上具有复杂性以及特殊性的特点,促使其运行故障发生率相对较高｡因此关于汽轮机诊断机理与诊断方法研究工作具有较高的现实价值､应用价值｡在汽轮机运行过程中,产生平稳与非平稳振动信号,其中涵盖众多汽轮机运行特征,在汽轮机运行故障诊断中,应以振动信号为依据,对其进行详细分析｡
参考文献:
[1]肖增弘,华兴鲁,李子超.汽轮机转子运行故障分析及诊断研究[J].机械设计与制造,2014(05):233-236.
[2]王延博,宋文希,王长军.华能北京热电2号汽轮机组高压转子振动故障诊断及处理[J].汽轮机技术,2015(02):136-138.
[3]刘达,翟春艳,李书臣等.汽轮机转子故障诊断算法应用研究[J].辽宁石油化工大学学报,2013(03):67-69.
