核电企业基于大数据分析的设备故障管理创新

胡巍1, 杨强2，蔡萍3，房何4

1.  
2.   中核苏能核电有限公司     江苏连云港     222000

2,3,4 江苏核电有限公司，       江苏连云港     222000

摘要：为解决传统的设备状态监测依靠人工定期采集设备的振动参数和运行参数来实现有限的状态监测的问题，江苏核电借助大数据分析技术开展设备状态监测，提高状态监测技术的经济型和有效性。本文介绍了基于大数据分析的设备故障管理创新实现过程。

关键词:大数据

Introduction to wireless monitoring and intelligent

diagnosis management platform

Hu Wei1, Yang Qiang2, Cai Ping3, Fang He4

1. Suneng Nuclear Power Co.,Ltd.    JiangSu Lianyungang, 222000

2,3,4 Jiangsu Nuclear power Co.Ltd,    JiangSu Lianyungang, 222000

Abstract: In order to solve the problem that traditional equipment condition monitoring relies on manual periodic collection of equipment vibration parameters and operating parameters to achieve limited condition monitoring, Jiangsu Nuclear Power uses big data analysis technology to carry out equipment condition monitoring to improve the economy and effectiveness of condition monitoring technology. This article introduces the innovative implementation process of equipment fault management based on big data analysis.

Keywords: big data

前言

传统的设备状态监测主要依靠人工定期采集设备的振动参数和运行参数来实现有限的状态监测。随着传感技术与计算机技术的发现，设备状态监测技术开始朝着自动化、智能化的方向发展。为充分发挥核电海量设备数据资源的价值，借助大数据技术探索设备之间数据信息的高效交换，采集设备安全重要数据，建立设备共性故障与设备质量之间的匹配关系，同时从机组群堆管理角度提升设备可靠性管理能力，保障机组安全稳定运行，最终实现通过设备状态监测技术提高状态监测技术的经济型和有效性的目标。中核苏能核电有限公司与江苏核电有限公司成立专项组织，以一体化办公的方式建立组织保障，基于无线传输网络实现大数据分析的设备故障管理。

一、核电企业基于大数据分析的设备故障管理创新实施背景

随着现代工业的发展，设备能否安全可靠地以最佳状态运行，对于确保产品质量、提高企业生产能力、保证安全生产都具有十分重要的意义。特别对于核电运营企业而言，一旦核心设备发生故障导致机组停堆或者发生安全事故，不仅会面临每天数千万的资金损失，还可能对社会和环境造成不可逆转的损害。中核运行根据2009年至2013年对中国核电各电厂运行情况的历史统计，发现由于设备问题引起的停堆停机事件占到总事件的87%，人因和外部事件仅占13%，可见保障设备安全刻不容缓。核电设备的良好运行状态是电力系统安全经济稳定运行的基础，设备故障引发的停机停堆事故会严重影响核电机组的稳定运行，并造成巨大的经济损失。因此，对于运行在复杂工况与恶劣环境的设备，全面、及时、准确地对设备运行状态进行监测与分析是保障设备安全稳定运行的重中之重。

目前，设备智能状态分析技术实施的主要矛盾已转化为日益增长的状态数据分析需求与传统方法处理维度、效率不匹配、不平衡之间的矛盾。以深度学习为代表的人工智能技术在基于数据驱动的海量数据深度挖掘及高维特征提取方面有着显著的优势。

二、核电企业基于大数据分析的设备故障管理创新主要做法

(一)强化组织保障，构建专项团队

为更好的协调所需资源，高效完成各项工作任务，本项目成立了设备状态无线监测及智能诊断技术应用专项组，全面负责推动设备状态无线监测及智能诊断技术在田湾核电站的落地应用。专项组由公司主管设备管理工作的公司副总担任领导组组长，设备管理、维修部门处长担任工作组组长，由领导层在公司范围内协调资源为设备状态无线监测及智能诊断技术在田湾核电站的落地应用提供支持和保障。工作组成员由设备管理、维修、振动监测、信息技术等多专业人员组成，全面保障了问题分析处理的全面性和准确性。

同时，建立并维护一套规范适用，务实高效的管理制度，既是保障工作组成员工作积极性的需要，也是工作取得高质量成果的保证。为保障业务流程的有效运作，专项组制定了《田湾核电站设备状态无线监测及智能诊断技术应用指导手册》，对业务流程、工作组成员资质要求、工作组成员职责和分工、成果文件要求等内容做了统一规范和要求，确保了工作质量，工作计划得到有效控制。

(二)关注数据融合，变人工为自动

通过PI（机组实时参数）系统采集机组实时数据，在后台对数据进行在线标注、数据上私有链等操作处理，实现设备位置查找、实时监控、在线监测、阈值报警等具体业务功能。同时结合图片标注技术，将具体设备在图片数据上进行标注，根据唯一标识将全周期的设备数据都与该标注点进行关联（如图1所示）。

图1   设备监测页面示意图

“声学分析”页面提供设备名称选择栏、传感器位置选择栏、时间区间选择栏，展示设备的应力波强度和特征显著性，特征显著性是对故障特征频率吻合程度的判断，范围在0~1之间，越接近于1说明当前信号与故障频率信号的吻合程度越高。

“油液分析”中的“油品监测”页面展示油液介电常数、油液PPM值、油液黏度、40度下油液黏度变化值、油液湿度、油液温度、油液密度等油品性能相关的参数，并可展示数据的阈值线。

“油液分析”中的“磨粒监测”页面展示磨粒数量和磨粒增量的相关的数据，包括：40-59微米范围微粒数（铁磁性）、60-99微米范围微粒数（铁磁性）、100-299微米范围微粒数（铁磁性）、300-399微米范围微粒数（铁磁性）、400微米以上范围微粒数（铁磁性）、135-149微米范围微粒数（非铁磁性）、150-249微米范围微粒数（非铁磁性）、250-349微米范围微粒数（非铁磁性）、350-449微米范围微粒数（非铁磁性）、450微米以上范围微粒数（非铁磁性）。

“振动分析”页面提供设备名称选择栏、测点名称栏和振动特征参数名称栏、时间区间选择栏和加速度/速度切换栏，展示特征在时间范围内的趋势图，实现在趋势图中选择某点做时域分析、频域分析、包络谱变换、小波包变换、小波包变换+傅里叶变换和小波包变换+包络谱变换分析功能。

通过开发基于大数据分析的设备故障管理平台，利用无线监测实时获取相关参数（振动频谱、波形、温度、噪声、油质等），对设备状态进行融合分析（如图2所示），实现参数趋自动分析、多元状态评估、报告自动生成、异常判断等算法模型开发部署，实现设备实时状态监测、数据分析、性能预测、提前预警、故障诊断以及自动报告等功能。

图2 融合分析界面示意图

“基于大数据分析的设备故障管理平台”在5、6号机组的应用，是田湾核电首次实现远程无线监测设备实时参数，具有广泛的应用前景。

(三)技术深度融合，以科技助创新

基于大数据分析的设备故障诊断技术应用于田湾核电的5、6号机组，分别在5M1RCV002/003PO泵组及6M2DVC003/004ZV风机共4台旋转设备上进行了无线监测设备的安装及软件的调试。“基于大数据分析的设备故障管理平台”远程监测系统于2021年4月初上线，截至2023年2月，该系统运行稳定。利用核岛Nu_WiFi无线网络，在田湾核电站首次实现了现场设备运行数据的无线传输，并结合PI系统数据进行多参数融合分析和诊断。

基于大数据分析的设备故障管理确定了无线状态监测设备和Nu-WiFi网络的接口，实现了监测数据接入Nu-WiFi无线网络以及从无线网络导出需要的数据，为后续其他设备无线监测技术提供了借鉴经验。系统平台融入了大数据分析和诊断技术，实现单参数分析及多个参数的联合分析，建立了设备故障特征数据模型以及设备缺陷诊断的数理模型，实现了设备故障特征数据的系统级实时关联采集、参数趋势自动分析、设备缺陷原因推断和模拟验证、多元状态评估、报告自动生成、异常判断，同时在后续不断积累数据的基础上，为后续实现设备运行期间的性能预测（预测性维修）、故障智能诊断和提前预警奠定基础。

目前5M1RCV002/003PO泵组及6M2DVC003/004ZV风机运行平稳。通过对5M1RCV002/003PO泵组及6M2DVC003/004ZV风机运行参数的长期监测，实时采集设备振动、温度、油液相关的多项参数并建立数据规则库，为后续设备的故障特征对比、故障诊断提供了数据基础，为机组设备群堆管理提高设备可靠性奠定基础。采用时序预测方法对振动速度有效值等设备重要数据进行短期时间内预测，积累长期运行数据评估未来设备变化趋势，为提升群堆设备管理能力提供了新的途径。

基于大数据分析的设备故障管理创新点如下：

创新点1：多源异构数据的同步融合和无线传输

充分利用PI系统数据以及新增的振动、油液、声发射等有效的监测手段进行建模和分析，实现设备的状态监测所需的不同来源数据的解析、同步与融合。基于无线传输网络实现设备健康监测数据传输技术。

创新点2：基于多维变量的设备健康状态监测技术

构建并开发全新的“总-分-总”式的设备状态监测架构和技术，包括数据前处理功能模块、算法监测报警功能模块和报警事件整合功能模块，有效弥补传统监测方式的不足，优化设备状态监测的高效性和准确性，极大提高监测的灵敏度，对核电关键设备典型故障实现提前预警功能。

创新点3：多参数故障征兆自动提取的故障诊断技术

基于温度、振动、油液、声发射等多维在线监测数据，应用先进数据分析手段的自动故障征兆提取技术、机理/数据/经验混合驱动的故障推理技术，构建数据、机理、经验深度融合的核电设备故障诊断技术体系。

(四)数据触手可得，助力高效决策

传统田湾核电站设备管理数据指标和报告需要通过人工查询数据定期出报告，工作效率低，数据准确性差，人力资源投入过大。

通过“性能预测”功能，实现设备名称选择栏、测点位置栏，展示设备部位关键参数的预测数据，包括：实测数据、滑动平均数据、预测数据。展示预测设备、预测时间、预测时长、诊断结论等信息在内的多参数故障推理信息。

通过“历史数据”功能，实现测点历史数据的查询和展示，具有设备编号、测点名称和数据类型下拉框、时间选择框。数据曲线展示默认为多画布图，在每张画布中，用户可设置增加曲线，增加曲线后数据以多纵坐标形式呈现。

(五)积极总结评估，成果价值突显

定期针对平台建设现状进行自我评估，通过对存在问题的分析，找出关键发现，并提出改进建议，提高设备故障诊断与智能分析的建设方案和管理能力，展现智能化应用价值，推动公司业务工作开展，促进公司管理提升。在与同行对标、专家交流活动中，同行电站给予设备无线监测及智能诊断系统开发应用工作一致肯定与好评，可以在其他核电厂的旋转机械设备中推广应用，具有广阔的推广价值与应用前景。

四、核电企业基于大数据分析的设备故障管理实施效果

通过数字化技术与管理业务的融合，能够解决档案管理业务上的实际问题，有效提升管理水平，变革业务管理模式，促进信息技术与核电业务的融合发展，未来可以取得越来越广的应用。

(一)管理水平有效提升

通过本系统平台的建立，将传统的单维度固定阈值监测提升至多维度动态阈值监测，可提前发现设备的异常状态，降低非预期设备停运概率；基于无线传输网络设备的健康监测数据的传输技术，可减少人工巡检的工作量，提高设备状态监测的及时性；自动报告生成可减少大量人工工作量，降低人工成本；融合诊断功能可大大降低工程师处理设备报警的工作量和处理报警的频率；自动故障诊断功能和数据分析功能可有效缩短工程师故障排查时间，提高处理设备异常的时效。同时，开发的设备状态无线监测及智能诊断系统平台为建设数字化核电厂奠定了坚实的基础。

(二)实现可观经济效益

预维成本优化方面，通过实施设备状态无线监测及智能诊断技术，能够减少定期维修带来的预维成本费用。以将5M1RCV002/003PO泵组和6M2DVC003/004ZV风机的维修方式由定期维修转变为状态维修为例。通过归一化算法，每年可节约定期维修项目数量6项，节约维修人工时1112小时。以商务维修工时人均价格计算，每年可节约维修费用62550元。

同时设备状态无线监测及智能诊断技术实施与应用也助力田湾核电站机组保持安全稳定可靠运行。通过实施设备状态无线监测及智能诊断技术应用等一系列管理提升活动，田湾核电站安全稳定可靠运行及发电能力得到进一步提升。

(三)产生良好社会效益

随着传感技术与计算机技术的发现，设备状态监测技术开始朝着自动化、智能化的方向发展，如何将这些新兴技术融入设备状态监测，从而提高状态监测技术的经济型和有效性是状态监测技术提供者和使用者共同关心的话题。基于大数据分析的设备故障诊断技术在田湾核电站5、6号机组的应用，是江苏核电有限公司首次实现远程无线监测设备实时参数，具有广泛的应用前景。

参考文献：

[1] 《工业机械电气设备 保护接地电路连续试验规范》GBT24342-2009

[2] 王辉.电力设备运行状态在线监测系统的设计和实现[J].集成电路用,2022,39(04):176-177.DOI:10.19339/j.issn.1674-2583.2022.04.07.

[3] 胡意茹,徐正海,万光芬.基于大数据分析的海上油气田电气设备状态检修智能运维研究[J].电工技术,2022(06):68-73+76.DOI:10.19768/j.cnki.dgjs.2022.06.023.

作者简介：胡巍（1982年－），性别：女，学历：本科，中核苏能核电有限公司，从事仪控设备管理工作。地址：江苏省连云港市海州区花果山大道108号广电大厦，邮编：222000。