您好, 访客   登录/注册

换流站阀水冷系统主泵轴承故障诊断方法探析

来源:用户上传      作者:

  摘 要:换流站阀水冷系统是维持高压直流输电系统正常运行的重要组成部分,而主泵轴承是换流站阀水冷系统中不可或缺组成部件。本文通过对换流站阀水冷系统介绍,进而对换流站阀水冷系统主泵轴承故障诊断方法进行分析比较,希望能提升我国高压直流输电的安全性。
  关键词:换流站;阀水冷系统;主泵轴承
   换流站是满足电力系统的稳定性,提升电流转换的安全性能建立的站点,而换流站的阀水冷系统是通过对电力运输造成的系统内高温的降低的处理系统,提升对主泵轴承的故障了解程度并进行良好的处理是实现安全电流转换的重要措施。
  1 换流站阀水冷系统介绍
  1.1 换流站阀水冷系统
  换流站阀水冷系统由内外冷水循环系统组成,其中内冷水循环系统是换流站阀水冷系统的主要作用发挥系统。它的冷水主要构成是去离子水,去离子水经由主泵轴承在系统内进行冷水循环达到降温的目的。去离子水吸收系统内部高温,导致其本身温度的上升,继而高温的去离子水由主泵轴承带动到外冷水循环系统中,由外冷水循环系统对去离子水进行降温后,再将低温的去离子水泵回内冷水循环系统。内外冷水循环系统的互相配合造就了换流站的阀水冷处理系统。[1]
  1.2 换流站阀水冷系统主泵轴承介绍
  一般情况下,为保证换流站的正常运行,换流站阀水冷处理系统中会准备两台主泵,在一台主泵出现故障时及时更换备用主泵,满足换流站内的阀水冷系统持续运行条件。主泵中的轴承是主泵中的重要原件,它一端经由联轴器与电动机相连,另一端与叶轮相连降低了运动中产生的摩擦系数。因此主泵轴承承担着整个主泵的运行,一旦发生严重故障将导致主泵系统的崩溃。
  2 换流站阀水冷系统主泵轴承故障诊断流程和方法
  2.1 换流站阀水冷系统主泵轴承故障诊断流程
  换流站阀水冷处理系统中的主泵轴承故障的诊断首先是通过对主泵轴承发出信号的收集进行的,对轴承信号的收集后能对主泵轴承运行情况的大概了解,才能进行下一步处理。主泵轴承故障的诊断流程为:轴承信号收集→信号分析→故障诊断→技术修复。以下将对该流程进行具体介绍,第一,轴承信号收集。该流程是采用信息技术手段对轴承的信息进行数字化处理,形成具有标识作用的数字信号,是日常监测主泵轴承的主要方法,也是进行主泵轴承故障分析的第一步;第二,信号分析,对收集到的信息进行处理,分析故障信息,为故障诊断打好基础;第三,故障诊断。故障诊断是通过分析得到的故障信息与正常工作的轴承信息相比較完成的;第四,技术修复。使用有效方式对故障出现部位进行干预和处理。
  2.2 主泵轴承故障的时域指标分析法
  在换流站阀水冷系统的主泵轴承故障分析流程中的信号分析诊断流程,是对主泵轴承故障进行明确的重要流程。以下主要对时域指标分析法进行介绍,这种信号分析方法主要是对比故障前后主泵轴承的震动信号和波动信息,结合统计学方法,利用有量纲参数(平均值、方差、极值等)和无量纲参数(峰值因子、波形因子、峭度系数)的时域特征参数进行信号分析的。时域指标分析法在判断主泵轴承的故障信息时,由于计算简单,操作容易被大范围采用。但是针对主泵轴承的故障,仅仅用时域指标分析法是无法做到对所有的轴承故障做出具体诊断的,例如以时域指标分析法作为诊断轴承故障出现的主要方法,对在实验台上对几组正常主泵轴承进行人为破坏并采集数据,与正常轴承数据相比,经计算后发现,故障轴承的均值和极值指标小于主泵轴承的正常指标,难以体现故障出现的部位。[2]
  2.3 主泵轴承故障的频域分析法
  上文中提到的时域指标分析法难以对所有的轴承故障信息进行准确分析,因此需要引进其他的主泵轴承信号分析方法,频域分析法就是其中的一种。频域分析法是以所收集信息的频率、幅值和相位为主要指标体现主泵轴承的故障所在的一种分析方式。频域分析法将收集的信息代入到函数中进行分析,函数的横坐标一般为频率,纵坐标分为幅值和功率两种。以下对这两种频域分析法进行介绍,第一,幅值频域分析法。在实验台对故障主泵轴承的数据进行收集后,绘制幅值频率分析法函数图表,与正常主泵轴承信息的函数图表进行对比,结果发现图表中的函数图像无法为主泵轴承故障诊断给出具体的信息。第二,功率频域分析法。这种分析方法较之幅值频域分析法虽然体现出的故障特征更加明显,但是仍旧无法精确定位到主泵轴承对应的故障频率。
  2.4 小波包分解取样本熵值法
  小波包分解取样本熵值的方法是将采集的时域信号通过小波包进行分解,将信号投影于小波包基函数空间中,对信号进行细化的分析。在信号频率的体现上与频域分析法相比其体现的主泵轴承故障信息更加明确。在主泵轴承的故障实验台上采集故障数据进行小波包分解后取样本熵值,与正常运转的主泵轴承进行对比,并与时域指标分析法和频域分析法形成对照组,结果发现使用基于小波包分解取样本熵值的方法分析主泵轴承故障的准确率可以达到97.65%,而时域指标分析法对主泵轴承故障分析的准确率为79.63%,频域分析法对主泵轴承故障分析的准确率为81.23%。由此可见基于小波包分解取样品熵值的主泵轴承故障分析方法的准确度在三者中最高,因此基于小波包分解取样品熵值的方法更适合对主泵轴承故障进行分类。
  3 结论
  综上所述,主泵轴承在换流站的运行中是不可或缺的机械构件之一,运用科学的分析方法找到主泵轴承的故障发生位置,增加主泵运行的稳定性,不仅能满足换流站不间断工作的需要,还能提升换流站工作的安全性,让主泵轴承得到良好利用。
  参考文献:
  [1]刘德庆,何潇,郭新良,张胜寒,何宽.换流阀水冷系统故障统计及原因分析[J].山东化工,2019,48(06):139-141+144.
  [2]黄山,方宇,傅坚,周孝法,胡定玉.换流站阀水冷系统主泵轴承故障诊断方法研究[J].测控技术,2016,35(05):37-40.
  作者简介:陶敏(1988-),男,本科,工程师,主要从事直流输电工程换流阀及控制系统运维工作。
转载注明来源:https://www.xzbu.com/1/view-15002702.htm