工业知识沉淀,看起来很美好,但其实…
来源: | 作者:pmod6d781 | 发布时间: 2020-05-06 | 3208 次浏览 | 分享到:

磨煤机是制粉系统的关键设备,火力发电厂重要辅机,运行状态直接影响锅炉燃烧的稳定性,其故障是火力发电机组非计划停运的重要因素之一。而且磨煤机是耗能大户,耗电量占厂用电的20%左右,其经济运行是发电厂节能降耗重要途径之一,其运行工况也会直接影响锅炉燃烧的经济性。

目前电厂处理设备故障主要依靠DCS系统,通过监盘人员24小时对设备运行状态进行监控、调整并对设备故障进行预警。系统只有基于阈值的简单规则告警,对是否堵磨,还是依赖运行人员的经验,告警的精确性及及时性都不尽如人意,一旦发生事故就只能停产。

是不是把DCS升个级就行了?很多老旧的设备或者运行中的DCS系统改造工程量太大,为了一些小小的改进就停产大技改,几乎不可能,且改造结果仍是未知。要知道,火电厂的盈利空间也在被逐步挤压。

如果运用数据分析,找出磨煤机堵磨的征兆,就能对磨煤机堵磨故障进行提前预警,辅助监盘人员提前干预,优化运行方式。

至少,理论上,可行。

03

工况复杂、数据不准,机器学习向谁学习?

模型的准确度离不开海量的数据训练,本身工业行业的数据来源和制式就相当复杂,运行机理的难度也各有千秋,这次情况显而更加困难。

首先,磨煤机工况非常复杂,影响因子多,温度、开机时间、疲劳状态、设备劣化、煤的质量等等都会影响运行状态;

其次,数据测不准。磨煤机风煤比例是个黑盒问题,行业中普遍存在一次风量测量不准,测量值与实际值往往存在较大偏差的问题。运行人员凭感觉,把一次风压、风量调得过高或过低都容易造成不同部位的零部件损坏。而这种自动和手动操作过程的“干扰”变化很多,从数据中我们很难发现两次一模一样的操作。

在这种的情况下,机器学习应该向谁学习?反复考量后,倔强的项目组有了自己的主意,数据学不了,向监盘的运维专家学知识啊,他们平时是怎么判断磨煤机是否堵磨的呢?

万分庆幸,电厂专家的配合度非常高。监控和判断是否堵磨,对他们来说,是个相当辛苦的过程。24小时眼不能停地监盘,发现一处异常值,就要来回翻阅近期其他相关多种数值的变化,做出判断。一台机组6台机器,对于一线的运维人员来说工作强度大,安全生产的压力也大。

现场专家列出了多种有可能出现堵磨的征兆,给出了大量的文字和故障描述。我们的小伙伴表示非常振奋,随即,陷入了绝望谷底的沉思。

比如有的专家规则是,“A不变,B缓慢上涨”,这一定性判断怎么翻译成定量算法代码问题?精确到什么速度算缓慢?上涨是从什么值到什么值?数值超过一丢丢,或者低于一丢丢,怎么算?何况,在我们过往的经验中,专家规则往往存在一定程度的不严谨,偶发的异常情况无法穷举,有遗漏,很难做成自动执行的软件系统。