水力發電機組透平油在線監測技術研究與應用

朱俊杰，陳澤陽，胡 軍，劉連偉，陳曉華

（1.三峽電廠，湖北 宜昌 443000； 2. 北京華科同安監控技術有限公司，北京 100041）

0 前言

近年來，隨著智慧電廠的建設，水電廠中的很多系統都發展了緊隨大數據思維和智慧建設思維的新應用、新平臺。在安全生產、設備監視、故障預警等諸多方面發揮巨大的優勢。透平油是機械設備的“血液”，在水電機組運行設備中廣泛使用，有著潤滑、冷卻、密封、防腐等多種作用。而透平油的污染物眾多，主要包括：微磨顆粒、腐蝕產物、水分等。對于油液在線監測系統目前水電廠主要用于變壓器油的監測，但透平油的監測主要還是離線依靠人工監測的方式來進行，一般進行在線監測的只有水分指標，且監測手段較為簡單，僅在軸承油盆內部安裝油混水報警器，提供報警[1]。目前透平油檢測的方式主要存在以下問題：

（1）油混水報警裝置僅能提供簡單的開關量信號報警，無法輸出模擬量信號，無法形成連續的數據供技術人員分析；

（2）油混水報警裝置檢測精度低，漏報、誤報的情況時有發生，影響電廠安全運行的分析判斷；

（3）油混水報警裝置對透平油的監測維度單一，僅能夠檢測透平油中水的含量，無法提供其他重要油質參數的數據；

（4）油質分析主要依靠取樣送檢的方式，運行機組取樣困難且風險較高，不適應機組長周期運行的管理趨勢；

（5）對于推力軸承，無法提供其他油質參數進行分析，例如非金屬顆粒度和金屬顆粒度等；

（6）離線取樣送檢的過程中容易對油液造成污染，不能夠真實的反應油液的運行狀態。

以變壓器油色譜在線監測的思路來建設透平油的監測管理系統，能夠使透平油質量進行線上管理，另外通過豐富的集成式傳感器可以將大部分定檢工作的技術參數納入在線監測。突破傳統電廠對透平油單一的監測管理形式。能夠在機組運行過程中實時監測油液的各項指標，測量最接近于機組運行狀態的油液參數，并能夠長期積累數據，進行水電站油液指標的研究。

1 透平油在線監測系統結構及原理概述

透平油在線監測系與其他在線監測系統不同，需要涉及到油液的旁路采集與流通。根據現場實際情況主要由：前端采集單元、網絡通信裝置、供回油管路、數據服務器、數據可視化軟件等部件組成[2-8]。其中前端監測裝置集成了各類油液傳感器和能夠為油循環提供動力的微型油泵，主要負責油液數據采集，網絡通信裝置負責數據傳輸，數據服務器提供數據處理。能夠實現以下參數的實時測量。

表1 前端監測裝置測量表

基本涵蓋了GB/T 14541-2017《電廠用運行礦物渦輪機油維護管理導則》中對于水電機組影響較大的油質指標。測量頻率和數據密度根據現場需要和服務器性能可以實現1~90 min/次的調節。

以機組推力軸承油盆為例，為保證透平油在線監測系統不消耗軸承透平油油量，故選擇外循環的形式進行油質監測。為不影響機組正常運行，油液采集裝置（前端檢測設備）安裝在下機架內部，油路外循環動力由油液采集裝置內的油泵提供?？紤]到油液中水分、雜質等一般沉積在油盆下部，故監測裝置的取油口設計在油盆下部，將原驗油閥管路改造為三通形式，保留原來的取油樣功能的同時滿足透平油在線監測系統取油功能?；赜涂谶x在推力油盆油位計上部蓋板處預留的傳感器安裝管（已封堵），需開3/8的圓孔，并焊接回路。油管回油管路從風洞下部結合目前已有的蓋板空洞穿至下機架。

圖1 水輪機組油液在線監測實施架構示意圖

2 透平油在線監測系統應用

2.1 現場安裝應用情況

安裝設備信息如表2所示。

表2 設備信息

2022年8月完成現場安裝、調試及培訓工作，系統進入正式運行階段，現場安裝圖如圖2所示。

圖2 現場安裝圖

傳統大中型水電站監控系統中對油質參數能夠進行在線監測的數據僅有油溫，一般來說僅從油溫的數據中進行分析，能夠獲得的信息非常有限。相關的報警設置主要就是油溫和瓦溫報警，通過報警發現設備異常。這樣的實時報警方式一般都是設備運行狀態已經劣化到一定程度，造成了瓦溫和油溫偏高，留給運維人員的分析處置時間幾乎沒有，只能夠進行停機處理。由此帶來較為重大的經濟損失。部署了透平油在線監測系統后，不僅可以對油質的各項參數進行實時報警，且得益于數據處理軟件能夠較長時間的儲存數據，可以進行多維度趨勢報警分析，對設備的劣化原因及處理方式都能夠給出更加精確的判斷，并且能夠留給運維人員更長的分析和處置時間，盡量避免停機處理的情況發生。

以機組推力軸承為例，目前大中型水電廠的推力軸瓦多為彈性金屬塑料瓦，瓦面與推力頭的摩擦部位主要為非金屬材料，在機組運行過程中會產生部分非金屬磨損微粒，故在推力油盆內的透平油中，非金屬微粒呈一條緩慢上升的曲線，如圖3所示。

圖3 機組正常工況運行時非金屬微粒含量曲線

但是當摩擦副出現異常時，非金屬微粒上升曲線的斜率會徒然增大，如圖4所示。

圖4 推力軸承摩擦異常非金屬微粒含量曲線

當透平油在線監測系統監測到非金屬微粒上升斜率的突變，且突變值超過系統定值時將發出推力軸承摩擦異常報警。當推力油盆中監測到金屬微粒的上升幅度突然增大時，說明有可能彈性塑料軸瓦的非金屬瓦面磨損殆盡，發生了由軸瓦金屬支撐面與推力頭的摩擦，此時系統將報推力軸瓦摩擦失效報警。這些報警能夠為運維人員提供更準確的報警信息，將故障分析工作流程大大簡化，為故障處理工作節約寶貴的時間。

2.2 透平油在線監測系統的大數據分析應用

數據是大數據分析應用的基礎，多維數據分析能夠大大提高數據分析的準確性，保證數據分析的質量。透平油在線監測系統接入工業互聯網平臺后，可結合多種數據進行分析，更加全面準確的從整體來判斷軸承的運行狀態，從而實現自動故障診斷。

以機組運行中的推力軸承油盆進水故障為例，一般情況下，軸承油位的突然上升可能的原因主要有：軸承冷卻水滲漏混入油中造成油位升高；油位傳感器故障導致測量失準等。機組運行狀態時，監測參數僅有監控系統的油位，由于油盆內的透平油與旋轉的主軸摩擦，這時的油位曲線是一條無規律且在一定范圍內波動的曲線，如圖5所示。

圖5 機組運行時推力軸承油位圖

僅以油位參數作為故障判據可靠性不高。這時如果加入透平油在線監測中的水分含量作為判斷，則可以大大提高故障判斷的可靠性。具體做法是先將油位數據引入線性回歸算法進行計算，得出一條較為平緩的油位曲線，通過計算這條曲線的斜率作為變化幅度α的參考量。引入透平油在線監測水分參數曲線的斜率作為水分變化幅度的參考量β。當α>1.1且β>1.3時，系統自動判定推力油盆進水故障并向運維人員發出報警。此報警可在設備故障初期提供報警，為運維人員爭取寶貴的處置時間。

3 水輪機組在線監測數據分析

3.1 油液水分數據分析

圖6是3號水輪機組推導軸承在8~10月份運行期間水活性及含水量監測數據分布圖。根據圖6（a）所示的水分監測數據，3號水輪機組推力軸承在用油含水量較小，含水量均值為35 ppm，由圖6（b）的統計圖可以看出，傳感器的數據輸出跳動較小，其性能穩定。

圖6 3號水輪機組推導軸承在線監測含水量數據分布及統計圖

3.2 油液黏度數據分析

圖7是3號水輪機組推導軸承同期黏度監測圖。該3號水輪機組推導軸承使用的油品為長城46號汽輪機油，由于在用油黏度與溫度密切相關，從圖7（a）油溫和黏度的時間序列發現，黏度、油溫總體趨勢穩定，黏度數據輸出偶爾有波動，這與現場實際用油的黏度有關。圖7（b）統計可以看出在用油的均值為47.13 mm2/s，根據油溫的數據圖分析可知，此時油溫的均值為41.1℃。當油溫升高時，黏度降低，這一特性符合油的黏溫性能變化情況。

圖7 3號水輪機組推導軸承在用油黏度監測數據圖

3.3 油液污染度數據分析

圖8是3號水輪機組推導軸承同期在用油的污染度監測數據分布與統計圖，數據表明，油品污染度ISO等級均值在21/18/15,污染度NAS等級均值在10~11之間跳動，而針對汽輪機油污染度NAS等級報警值為8級，根據歷史數據看出3號汽輪機組推導軸承潤滑油污染度超標，需要注意。

圖8 3號水輪機組推導軸承在用油污染度數據圖

3.4 磨損數據分析

圖9是1號水輪機組推導軸承同期在用油的磨損監測數據分布與統計圖，數據表明，各范圍內鐵磁性和非鐵磁性磨損鐵磁顆粒數為0，機組磨損情況總體良好。

圖9 3號水輪機組推導軸承在用油磨損監測數據圖

3.5 數據分析

表3是根據監測數據分析，獲取的均值數據與離線報告對比情況，發現在線數據與離線數據一致，均顯示3號水輪機組推導軸承污染度等級超標。

表3 在線監測參數的均值與離線報告對比

分析結論可知：

（1）在用油水分含量正常，水含量在33~38 ppm之間波動，這與現場潤滑系統本身在用油水分含量密切相關；其監測值與離線檢測基本一致。

（2）黏度變化正常，黏度與油溫變化特征符合油品的黏溫特性，即油溫高，黏度低；油溫低，黏度高。由于現場使用油品型號、黏度不同，儀器取樣點的不同，監測值也存在差異。

（3）磨損情況總體良好，現場在用油磨損顆粒沒有大幅度激增，這與在用油良好的潤滑系統及過濾冷卻系統分不開。

（4）污染度等級偏高，油中有少量油泥顆粒污染，影響系統工作可靠性和有關部件的使用壽命，建議加強過濾凈化處理，及時關注在線監測系統油品污染度等級是否繼續增加。

4 結論

數據是智能化水電發展的磚和瓦，以往的透平油質量監督管理手段單一，透平油的質量檢測被鎖定在實驗室中，數據采樣周期長，無法積累形成有效的經驗數據，也難以利用數據參與大數據分析。透平油在線監測則可以將油質檢測實驗室搬到生產現場，實時監測透平油運行質量，為機組安全穩定運行保駕護航。為后續大數據的應用提供數據基礎，接入大數據系統后可與其他設備參數進行交互分析，提供更準確的故障預測、事故報警。同時，能夠以現場實際生產工作為樣本，收集透平油各項指標在實際運行中的特征數據與經驗數據，為用油設設備劣化模型、故障模型提供數據技術支持。