电厂发电机组维护检修标准化管理探讨

时间：2024-04-25

王振兴

辽宁清河发电有限责任公司辽宁铁岭 112003

电厂发电机故障预测是电厂发电机组检修研究的主要方向，也是电厂发电设备状态维修策略实施的主要依据。而故障预测是电厂发电机组状态监测的主要任务，其主要是在精确掌握设备状态的基础上，预测设备故障发生、发展趋势。并从技术经济视角，进行检修决策的一种设备维修方式。因此，为保证电厂发电机组稳定运行，探究基于状态检测的电厂发电机组故障预测方式具有非常重要的意义。

1 发电机组维护检修标准化管理的现状

1.1 电气故障问题

（1）线圈管受高温环境影响。对于发电机组来说，过高的电压、过高的电流，都会导致发电机组整个运行环境的温度升高，高温环境势必会诱发设备零部件性质的改变，所以除了定子线圈之外，线圈管在高温环境下，也容易出现故障。即便线圈管的抗高温能力较强，但是发电机底部的漏磁会与线圈管中的电流形成“正相关”影响，漏磁增加，电流功率就会增大，形成的磁场会阻碍电流按正常方向运转，进而导致线圈管功能受到影响和破坏。（2）大轴的磁化和退磁现象。发电机组的电流周围都存在磁场，所以几乎所有设备和零件都需要在“磁场环境”下运行，大轴一端接地、一端与轴承底座绝缘，虽然运行状态比较独立，但依然要接受“磁化”。被磁化的大轴会干扰轴瓦的运行性能，一方面大轴周边的磁场和轴瓦周边的磁场形成对比关系，对抗电流的摩擦力，会成为轴瓦正常运行的阻碍；另一方面，大轴周边磁场形成的摩擦力，也会让大轴的功能受到影响，如：结构变形、外形破损、金属特性下降；还有在发电机运行过程中，在大轴上会产生感应电动势，形成回路会产生轴电流，轴电流过大会击穿油膜造成烧瓦事故的发生等。

1.2 部分员工素质较低

对电厂发电机组进行维护检修和标准化管理，需要工作人员具备雄厚的理论基础和娴熟的操作能力，从而使人才优势得以充分发挥。但从目前情况看，部分员工素质较低，能力有限，因而不能与岗位发展需求相匹配。在对发电机组进行维护检修过程中，难以在第一时间找到故障产生的原因，或在计划制定过程中与实际发展情况相违背，从而使工作效率和质量难以得到保证，为电厂稳定运行带来诸多负面影响[1]。

2 电厂发电机组维护检修标准化管理要点

2.1 电气故障的预防措施

（1）弱化高温环境的不利影响。发电机的任何设备都存在“高温糯变”的问题，所以，需要从高温处理上对发电机的运行环境进行处理，尤其是线圈管。一方面，合理调配供电量和供电设备的适应关系，另一方面，对设备或发电机组周边设置散热装置或冷却装置，以消耗高温诱发的漏磁现象，促进线圈管发挥最佳功能，不被电流所阻碍。

（2）解决漏磁、涡流问题。用导电屏蔽漏磁或磁化现象，如：在电机组上安装铁芯端板，如果磁场过强，则铁芯端板会发出警告，或采用降低供电量、降温处理等方式，均衡处理漏磁或磁化现象对发电机组大轴产生的不利影响，让轴瓦能够按照既定的运行方式工作。同时，可以选用高科技材料，改变大轴材料的属性，从金属改变成为对磁化、磁场影响性小的材料，可以降低磁化现象的影响，使大轴的运行状态相对独立。

（3）更换故障接触片。连接转子的运行状态有一大部分是由接触片来决定的，所以在故障预防时要关注接触片的使用功能，如：清洁接触片，并校准接触片和连接转子的位置关系，同时，围绕接触片的导电效果，对发电机组其他零部件也进行运行监督或检查[2]。

2.2 线圈故障问题预防

（1）质量管理与维修保养。定子线圈的使用寿命是在一定范围内的，所以在固定使用时限内，线圈需要更换，并且在维修保养期间，对线圈的绝缘层、绝缘膜进行安全检查，即线圈的磨损情况、钉子线圈绝缘层的绝缘水平等。如果发现有击穿、破损的可能或危险，则要及时更换质量好的线圈，避免故障问题导致整个电机组工作陷入停滞。同时，对于线圈的保养，必须要有说明和手册，如：几月几日对线圈进行检查、绝缘层或绝缘膜的材质、性能情况，线圈磨损程度等都要详细记录。

（2）加强线圈清洁和高温处理。定子线圈的绝缘层或绝缘膜在条件允许的情况下需要用干抹布擦拭，避免灰尘、粉尘或污垢残留在上面，侵蚀绝缘层或绝缘膜。同时，可以在线圈周围增加“降温”设备，避免设备因高温作业会出现“糯变”。以上预防措施是对线圈使用环境及客观条件的处理，在实践中比较实用且效果显著。

2.3 基于状态监测数据的故障预测实现

以某容量为60千万的电厂发电机组为例，可将构成较复杂的电厂发电机组拆分为发电机、电厂机、主变压器三个模块，相关模块为串联组合形式。随后选择设备故障状态特征值作为各设备威布尔比例风险模型协变量，模型取值范围为0-100。发电机设备在某时刻t协变量取值为Mi，i表示协变量不同等级（1，2，3，4，5）。正常状态为M1、轻微故障征兆状态为M2、中等故障征兆状态为M3、较重故障征兆状态为M4、故障状态为M5。上述故障发生概率总和为1。此时，随着时间推移，上述故障概率可构成向量D={a1，a2，a3，a4，a5}。以三十天作为状态概率向量时间尺度，且假定各设备协变量状态转移过程均独立，则经设备历史监测记录评估可获得协变量。将发电机组运行数据代入威布尔状态分析模型中，可得出该水力发电机组在运行期间正常状态、轻微故障征兆状态、中等故障征兆状态、较重故障征兆状态、故障状态发生概率[3]。