磨煤机磨损分析应用

磨煤机磨损分析应用

张宏元刘维伟

（北京京能电力股份有限公司100025）

摘要：京能电力大数据分析平台磨煤机磨损应用建模项目中，将小波变换的理论及方法，应用到磨辊磨损程度检测中，提出了基于单耗趋势分量提取的小波变换方法。极大提高磨煤机设备的使用率，对安全、经济生产具有重要意义。此外，磨辊磨损程度预测模型为磨煤机科学维修安排实现提供了基础。

关键词：磨煤机磨损；大数据分析；建模

项目背景

在京能电力大数据分析平台项目中，根据前期在集团及电厂的调研，深入电厂与检修专工及发电部专工共同探讨在工作中遇到的问题，确定此次项目磨煤机磨损问题作为其中一分析应用。

为保障本项目的顺利完成，采用IBMPMQ（PredictiveMaintenance&Qualit）解决方案，利用大数据连接各种数据，数据分析平台中集成的分析方法及模型，帮助企业优化设备资产管理。

设备的预测性维护和质量管理，采用状态监测技术在线监控设备健康状况，依据分析结果发现潜在问题，重点关注此类设备影响因素。预测性维护和质量管理在设备大修进行前可对设备状态进行监测，可为维修计划中提供数据信息，从而大幅度减少和缩短无计划性停机检修时间，并进一步提高设备高可靠性和企业盈利能力。

1.背景及目标

中速磨煤机制粉系统作为燃烧电站的主要系统，其运行状况直接关系到锅炉带负荷能力及炉内燃烧稳定性，其中磨辊是主要易磨损件。由于我国火力发电厂燃烧煤质较差，铁块、石块、木块等杂质较多导致磨辊磨损严重，一般运行寿命仅有8000-10000h的寿命，更满足不了火电厂锅炉机组30000-40000h大修周期的需要。多年来，碾磨件的磨损，造成了很大的人力和物力损失，而由此引发的锅炉停运、机组少发、不发造成的间接经济损失更大。

近几十年来，很多研究者都致力于减缓磨辊等电厂易磨件磨损的研究，研究主要围绕磨辊磨损机理及磨损表面微观分析等。但磨损研究方法大多集中于实验研究，即要求针对某种标准试样，以某种选定的试验条件在专门的试验机上进行大量模拟试验，以进行经验性探索。这种实验研究方法耗费大量时间、人力、物力和财力，而由于实际摩擦学系统的复杂性和不同工况，某些模拟试验结果不能很好地用于实际工作中。

京能电力大数据云平台项目实施中以内蒙古京能岱海电厂为试点，通过工业大数据分析手段结合磨损机理建立磨煤机磨损模型。以磨煤机磨损模型实现以下目标：

1）借助磨煤机生产运行数据及磨损机理实现磨损预测

2）通过预测磨损已指导补焊及大修，减少检修次数，避免无必要维护

2.分析方法及过程

磨辊磨损程度的判断主要困难在于其难以直接测量，且受到众多因素的干扰。对其研究主要集中在机理建模上，并不适合现场使用。本项目采用小波变换+SVD结合灰度预测方法，利用岱海电厂4台机组24台磨煤机3年历史数据（2014年-2017年），将多尺度分析与机理分析、数据分析相结合，从磨煤机单耗的高尺度信息中提取出趋势分量反映磨辊磨损程度，为磨煤机预知维修的实现提供了依据。

磨煤机磨损建模总体流程如下：

1）进入岱海电厂现场进行磨煤机历史运行数据采集，作为原始数据集合

2）对原始数据集合进行数据预处理，包括数据清洗、属性规约、数据变换

3）利用步骤2）形成的建模数据，采用灰度模型，调整模型参数，建立磨损预测模型

4）结合磨煤机运行情况，对模型进行对比分析，且将模型结果部署到平台应用中

3.项目难度与创新点

1）磨辊磨损程度特征信号提取

随着磨煤机磨辊的磨损，在不改变煤质、风量、分离器挡板开度的前提下，相同加载力施加于较厚的煤层上使磨煤机研磨效果变差、最大出力降低、煤粉细度升高、磨煤机耗电量增加因此，磨煤机单耗、转速、最大出力、分离器挡板开度、磨制的煤粉细度、风量等都反映出磨辊的磨损状况。但受到机组实际运行方式的影响，磨煤机转速、分离器挡板开度由于运行中不进行调整;煤粉细度测量困难;最大出力需要进行试验;加载力需要进入磨煤机观测口人工测量。上述参数都不能及时准确反映出磨辊的磨损状况。因此，只有采用磨煤机单耗作为磨辊磨损程度评估信号。

2）磨辊磨损程度评估信号趋势分量提取

单耗受到众多因素的影响，为提取其单耗随时间变化的趋势分量，首先将逐步回归模型中除时间外的参数标定至额定工况下，然后仅改变时间，得到单耗的时间趋势分量。

小波变换具有多分辨率特性，可以在几乎不损失能量的前提下将信号分解成携带不同频带信息的简单分支。利用小波变换对单耗进行多尺度分析，通过滤除上述影响因素的高频干扰，理论上可以获得磨辊磨损对单耗趋势的影响。数据筛选及建模流程见图1。

其中三个预测有误差的，实际阀位值分别为11，12，11，接近于阀位分类0；

此次建模思路是将原本的连续型的冷风阀位数值变量转化为名义型类型变量（0-9，10个开度程度）。将数据样本进行主成分分析降维后进行类神经网络建模，模型精度在87%；后利用几个生产样本数据进行验证准确度在33/36=92%。总体上模型解释精度较高，可以尝试用这建模技术方法进行阀位分类建模。

通过此建模工作，可以看出冷热风阀位的控制，是集成在DCS系统当中，所以对于阀位预测控制来说，可预测出一个建议值，供当班操作员参考。

4.项目价值收益

此项目将小波变换的理论及方法，应用到磨辊磨损程度检测中，提出了基于单耗趋势分量提取的小波变换方法。实际应用表面基于灰度模型磨损预测可以有效反映磨煤机磨辊的磨损程度，与常规统计模型相比更加客观可靠。长期以来，磨煤机检修方式以计划检修为主，缺乏针对性和经济性，造成人力、物力的极大浪费，增加了发电成本。因此，用预知维修代替计划检修，可以极大提高设备的使用率，对安全、经济生产具有重要意义。此外，磨辊磨损程度预测模型为磨煤机科学维修安排实现提供了基础。

参考文献：

[1]磨煤机钢球磨损的一般数学模型研究[J].綦守荣,焦嵩明,韩璞,孙明.华北电力大学学报(自然科学版).2008(02)

[2]辊磨机磨辊强度有限元仿真分析[J].刘义,陈国定,李济顺,薛玉君.矿山机械.2007(12)

[3]机械零件磨损仿真与概率寿命估算[J].江亲瑜,何荣国.润滑与密封.2007(11)

[4]小波多尺度分析方法在磨辊磨损检测中的应用[J].曾德良,刘继伟,刘吉臻,柳玉,谢谢.中国电机工程学报.2012(23)

[5]基于小波变换的磨煤机磨辊磨损趋势分量提取[J].刘继伟,曾德良,蒋欣军,杨向东,柳倩.华北电力大学学报(自然科学版).2011(02)