基于数字孪生的空气预热器预测性维护模式研究

doi:10.12096/j.2096-4528.pgt.23054

发电技术 ›› 2024, Vol. 45 ›› Issue (4): 622-632.DOI: 10.12096/j.2096-4528.pgt.23054

基于数字孪生的空气预热器预测性维护模式研究

刘旺¹, 陈连¹, 龚高阳², 李智华¹, 薛文华¹, 石金刚¹, 谢军¹, 李雷雷¹, 姚荣财¹, 王召鹏¹, 杨延西³, 邓毅³, 张晨辉³

^1.国能寿光发电有限责任公司, 山东省寿光市 262714
^2.东方电气集团东方锅炉股份有限公司, 四川省成都市 611731
^3.西安理工大学自动化与信息工程学院, 陕西省西安市 710048

收稿日期:2023-04-28 修回日期:2023-08-29 出版日期:2024-08-31 发布日期:2024-08-27
通讯作者: 杨延西
作者简介:刘旺(1995)，男，助理工程师，主要研究方向为机器视觉、智能控制，1246379141@qq.com；
陈连(1974)，男，助理工程师，主要研究方向为机务故障诊断，16085005@ceic.com；
杨延西(1975)，男，博士，教授，主要研究方向为复杂系统控制、机器视觉和智能机器人，本文通信作者，yangyanxi@xaut.edu.cn；
张晨辉(1999)，男，硕士研究生，主要研究方向为图像处理及三维重建，1951698491@qq.com。
基金资助:
国家自然科学基金项目(62273274)

Research on Predictive Maintenance Mode of Air Preheater Based on Digital Twin

Wang LIU¹, Lian CHEN¹, Gaoyang GONG², Zhihua LI¹, Wenhua XUE¹, Jingang SHI¹, Jun XIE¹, Leilei LI¹, Rongcai YAO¹, Zhaopeng WANG¹, Yanxi YANG³, Yi DENG³, Chenhui ZHANG³

^1.Guoneng Shouguang Power Generation Co. , Ltd. , Shouguang 262714, Shandong Province, China
^2.DongFang Electric Corporation DongFang Boiler Group Co. , Ltd. , Chengdu 611731, Sichuan Province, China
^3.School of Automation and Information Engineering, Xi’an University of Technology, Xi’an 710048, Shaanxi Province, China

Received:2023-04-28 Revised:2023-08-29 Published:2024-08-31 Online:2024-08-27
Contact: Yanxi YANG
Supported by:
National Natural Science Foundation of China(62273274)

摘要/Abstract

摘要：

目的为解决大型火电机组空气预热器传统预防性维护手段的弊端，提出了一种基于数字孪生预测性维护的一般模式，并基于数字孪生技术，构建空气预热器数字孪生系统。方法所提系统包括回转式空气预热器物理实体、实时数据采集与分析模块、数字孪生模型构建模块、热力参数状态监测、转子热场视频与热变形可视化及积灰预测模块；实时采集温度参数状态和视频数据，通过温度场、视频图像、漏风计算等模块，实现热力参数的计算并进行积灰的预测。同时，以3D组态画面实时显示数据，利用软件算法不断优化热力参数计算及积灰预测的准确度，实现吹灰策略自动优化。结果所提方案实现了空气预热器热力计算过程的状态监测与动态控制，解决现有电站中回转式空气预热器积灰因素影响火电机组安全可靠运行的问题。结论通过实际机组的工程测试，所提方案有效提高了火电机组空气预热器运行维护的效率，验证了所提方法的可行性，为后期智慧电厂系统的开发提供技术支撑。

关键词: 火电机组, 预防性维护, 预测性维护, 数字孪生, 空气预热器

Abstract:

Objectives In order to solve the shortcomings of the traditional preventive maintenance method of air preheater in large thermal power unit, a general mode of predictive maintenance based on digital twin was proposed, and the digital twin system of air preheater was constructed based on digital twin technology. Methods The proposed system included physical entity of rotary air preheater, real-time data acquisition and analysis module, digital twin model construction module, thermal parameter state monitoring, rotor thermal field video and thermal deformation visualization and ash accumulation prediction module. By the real-time acquisition of temperature parameter state and video data, and through the temperature field, video image, air leakage calculation and other modules, the calculation of thermal parameters and the prediction of ash accumulation were realized. At the same time, the 3D configuration screen was used to display data in real time, continuously optimize the accuracy of thermal parameter calculation and ash accumulation prediction, and realize the automatic optimization of soot-blowing strategy. Results The proposed scheme realizes the state monitoring and dynamic control of the thermal calculation process of the air preheater, and solves the problem that the ash accumulation factor of the rotary air preheater in the existing power station affects the safe and reliable operation of the thermal power unit. Conclusions Through engineering testing of actual units, the proposed scheme effectively improves the operation and maintenance efficiency of the air preheater of thermal power units, verifies the feasibility of the proposed method, and provides technical support for the development of smart power plant systems in future.

Key words: thermal power unit, preventive maintenance, predictive maintenance, digital twin, air preheater

中图分类号:

TK 39

刘旺, 陈连, 龚高阳, 李智华, 薛文华, 石金刚, 谢军, 李雷雷, 姚荣财, 王召鹏, 杨延西, 邓毅, 张晨辉. 基于数字孪生的空气预热器预测性维护模式研究[J]. 发电技术, 2024, 45(4): 622-632.

Wang LIU, Lian CHEN, Gaoyang GONG, Zhihua LI, Wenhua XUE, Jingang SHI, Jun XIE, Leilei LI, Rongcai YAO, Zhaopeng WANG, Yanxi YANG, Yi DENG, Chenhui ZHANG. Research on Predictive Maintenance Mode of Air Preheater Based on Digital Twin[J]. Power Generation Technology, 2024, 45(4): 622-632.

图/表 12

图1 设备预测性维护传统模式

Fig. 1 Traditional model of equipment predictive maintenance

图2 数字孪生五维模型

Fig. 2 Five-dimensional model of the digital twin

图3 数字孪生技术体系

Fig. 3 Digital twin technology system

图4 空气预热器数字孪生系统总体实施方案

Fig. 4 General embodiment of the digital twin system for air preheater

图5 集成开发环境架构

Fig. 5 Integrated development environment architecture

图6 空预器数字孪生预测性维护系统

Fig.6 The predictive maintenance system of the empty preset digital twins

图7 基于数字孪生的空气预热器运行维护平台界面

Fig. 7 Interface of air preheater operation and maintenance platform based on digital twin

图8 空预器3D模型

Fig. 8 3D model of the empty preconditioner

图9 冷热端积灰程度棒图

Fig. 9 Rod diagram of the degree of ash accumulation at the cold and hot ends

图10 转子温度场

Fig. 10 Rotor temperature field

图11 冷热端温度分布

Fig. 11 Temperature distribution at the cold and hot ends

图12 空预器内部状态变化实时曲线

Fig. 12 Real-time curve of internal state change of empty preheater

参考文献 31

1	由希江．我国火力发电企业的控碳策略分析[J]．集成电路应用，2023，40(1)：124-125．
	YOU X J ．Analysis on carbon control strategy of thermal power enterprises in China[J]．Application of IC，2023，40(1)：124-125．
2	黎立丰，刘春晓，朱浩骏，等．考虑网络安全约束的可再生能源消纳能力评估方法[J]．电力科学与技术学报，2023，38(4)：162-168．
	LI L F， LIU C X， ZHU H J，et al ．Absorptive capability evaluation method of renewable energy considering security constraints of power grid[J]．Journal of Electric Power Science and Technology，2023，38(4)：162-168．
3	邢振中，冷杰，张永兴，等．火力发电机组深度调峰研究[J]．东北电力技术，2014，35(4)：18-23．
	XING Z Z， LENG J， ZHANG Y X，et al ．Research on depth peak load cycling of thermal power generator units[J]．Northeast Electric Power Technology，2014，35(4)：18-23．
4	和萍，宫智杰，靳浩然，等．高比例可再生能源电力系统调峰问题综述[J]．电力建设，2022，43(11)：108-121． doi:10.12204/j.issn.1000-7229.2022.11.011
	HE P， GONG Z J， JIN H R，et al ．Review of peak-shaving problem of electric power system with high proportion of renewable energy[J]．Electric Power Construction，2022，43(11)：108-121． doi:10.12204/j.issn.1000-7229.2022.11.011
5	金小峰．基于有限差分的四分仓回转式空气预热器传热性能数值计算[D]．上海：上海交通大学，2007．
	JIN X F ．Numerical calculation of heat transfer performance of four-compartment rotary air preheater based on finite difference[D]．Shanghai：Shanghai Jiao Tong University，2007．
6	苏靖程，王志强，屈江江，等．基于BP神经网络和支持向量回归的燃煤电厂空气预热器压差预测[J]．发电技术，2023，44(4)：550-556． doi:10.12096/j.2096-4528.pgt.22160
	SU J C， WANG Z Q， QU J J，et al ．Pressure difference prediction of air preheater in coal-fired power plant based on BP neural network and support vector regression[J]．Power Generation Technology，2023，44(4)：550-556． doi:10.12096/j.2096-4528.pgt.22160
7	周俊虎，杨卫娟，靳彦涛，等．三分仓空气预热器热力计算的研究[J]．动力工程，2003，23(6)：2810-2813．
	ZHOU J H， YANG W J， JIN Y T，et al ．Research on the heat balance calculation of the tri-sectional regenerative air preheater[J]．Journal of Chinese Society of Power Engineering，2003，23(6)：2810-2813．
8	陶飞，刘蔚然，张萌，等．数字孪生五维模型及十大领域应用[J]．计算机集成制造系统，2019，25(1)：5-22．
	TAO F， LIU W R， ZHANG M，et al ．Five-dimension digital twin model and its ten applications[J]．Computer Integrated Manufacturing Systems，2019，25(1)：5-22．
9	郭亮，张煜．数字孪生在制造中的应用进展综述[J]．机械科学与技术，2020，39(4)：590-598．
	GUO L， ZHANG Y ．Review on application progress of digital twin in manufacturing[J]．Mechanical Science and Technology for Aerospace Engineering，2020，39(4)：590-598．
10	章耀耀，侯勇，叶海，等．继电保护数字孪生技术应用展望[J]．电力系统保护与控制，2023，51(12)：178-187．
	ZHANG Y Y， HOU Y， YE H，et al ．Application prospect for relay protection digital twin technology[J]．Power System Protection and Control，2023，51(12)：178-187．
11	罗昊，王长江，王建国．面向数字孪生的电-气综合能源系统可用输电能力计算[J]．电力建设，2023，44(11)：113-127．
	LUO H， WANG C J， WANG J G ．Calculation of available transmission capacity of electricity-gas integrated energy system for digital twin[J]．Electric Power Construction，2023，44(11)：113-127．
12	和敬涵，韦智腾，李猛，等．基于数字孪生的柔性直流线路保护中不良数据自纠错方法[J]．电力工程技术，2023，42(6)：141-152．
	HE J H， WEI Z T， LI M，et al ．A self-correcting method for bad data in flexible DC line protection based on digital twinning[J]．Electric Power Engineering Technology，2023，42(6)：141-152．
13	El SADDIK A ．Digital twins：The convergence of multimedia technologies[J]．IEEE Multimedia，2018，25(2)：87-92． doi:10.1109/mmul.2018.023121167
14	TAO F， QI Q ．Make more digital twins[J]．Nature，2019，573(7775)：490-491． doi:10.1038/d41586-019-02849-1
15	陆煜锌，赵云，肖勇，等．面向数字孪生低压配电网的基于Gabor-YOLO算法的架空线高效识别方法研究[J]．电测与仪表，2023，60(3)：40-46．
	LU Y X， ZHAO Y， XIAO Y，et al ．Research on efficient identification method of overhead lines based on Gabor-YOLO algorithm for digital twin low-voltage distribution network[J]．Electrical Measurement & Instrumentation，2023，60(3)：40-46．
16	宋华振．预测性维护技术[J]．自动化博览，2013(12)：56-57．
	SONG H Z ．Predictive maintenance technology[J]．Automation Panorama 1，2013(12)：56-57．
17	彭宇，刘大同．数据驱动故障预测和健康管理综述[J]．仪器仪表学报，2014，35(3)：481-495．
	PENG Y， LIU D T ．Data-driven prognostics and health management：a review of recent advances[J]．Chinese Journal of Scientific Instrument，2014，35(3)：481-495．
18	祝旭．故障诊断及预测性维护在智能制造中的应用[J]．自动化仪表，2019，40(7)：66-69．
	ZHU X ．Application of fault diagnosis and predictive maintenance in intelligent manufacturing[J]．Process Automation Instrumentation，2019，40(7)：66-69．
19	张蕾．基于数字孪生的设备预测性维护模式研究[J]．电子工业专用设备，2021，50(3)：12-15．
	ZHANG L ．Research on predictive maintenance mode of equipment based on digital twin[J]．Equipment for Electronic Products Manufacturing，2021，50(3)：12-15．
20	GRIEVES M ．Digital twin：manufacturing excellence through virtual factory replication[EB/OL].(2015-11-05)[2023-03-26]．． doi:10.20944/preprints202305.1758.v1
21	吴雁，王晓军，何勇，等．数字孪生在制造业中的关键技术及应用研究综述[J]．现代制造工程，2021(9)：137-145．
	WU Y， WANG X J， HE Y，et al ．Review on the technology and application of digital twin in manufacturing industry[J]．Modern Manufacturing Engineering，2021(9)：137-145．
22	刘大同，郭凯，王本宽，等．数字孪生技术综述与展望[J]．仪器仪表学报，2018，39(11)：1-10．
	LIU D T， GUO K， WANG B K，et al ．Summary and perspective survey on digital twin technology[J]．Chinese Journal of Scientific Instrument，2018，39(11)：1-10．
23	王臻，刘东，徐重酉等．新型电力系统多源异构数据融合技术研究现状及展望[J/OL]．中国电力：1-13[2023-03-19]．．
	cnki ．net/kcms/detail/11．3265．TM．20230307．1639．002．html．
	WANG Z， LIU D， XU Z Y，et al ．Research status and prospects of multi-source heterogeneous data fusion technology in new power system[J/OL]．Electric Power，：1-13[2023-03-19]．．cnki．net/kcms/detail/11．3265．TM．20230307．1639．002．html．
24	黄文德，张晓飞，庞湘萍，等．基于北斗与数字孪生技术的智能电网运维平台研究[J]．电子测量技术，2021，44(21)：31-35．
	HUANG W D， ZHANG X F， PANG X P，et al ．Smart grid operation and maintenance platform based on Beidou and digital twin technology[J]．Electronic Measurement Technology，2021，44(21)：31-35．
25	周成，孙恺庭，李江，等．基于数字孪生的车间三维可视化监控系统[J]．计算机集成制造系统，2022，28(3)：758-768．
	ZHOU C， SUN K T， LI J，et al ．Workshop 3D visual monitoring system based on digital twin[J]．Computer Integrated Manufacturing Systems，2022，28(3)：758-768．
26	顾岩，程奂翀，王震，等．基于OPC UA的3D实时监控系统设计与实现[J]．系统仿真学报，2017，29(11)：2767-2773．
	GU Y， CHENG H C， WANG Z，et al ．Design and implementation of 3D monitoring system based on OPC UA[J]．Journal of System Simulation，2017，29(11)：2767-2773．
27	赵浩然，刘检华，熊辉，等．面向数字孪生车间的三维可视化实时监控方法[J]．计算机集成制造系统，2019，25(6)：1432-1443．
	ZHAO H R， LIU J H， XIONG H，et al ．3D visualization real-time monitoring method for digital twin workshop[J]．Computer Integrated Manufacturing Systems，2019，25(6)：1432-1443．
28	刘魁，王潘，刘婷．数字孪生在航空发动机运行维护中的应用[J]．航空动力，2019(4)：70-74．
	LIU K， WANG P， LIU T ．The application of digital twin in aero engine operation and maintenance[J]．Aerospace Power，2019(4)：70-74．
29	阙子俊，金晓航，孙毅．基于UKF的轴承剩余寿命预测方法研究[J]．仪器仪表学报，2016，37(9)：2036-2043．
	QUE Z J， JIN X H， SUN Y ．Remaining useful life prediction forbearings with the unscented Kalman filter-based approach[J]．Chinese Journal of Scientific Instrument，2016，37(9)：2036-2043．
30	王安邦，孙文彬，段国林．基于数字孪生与深度学习技术的制造加工设备智能化方法研究[J]．工程设计学报，2019，26(6)：666-674． doi:10.3785/j.issn.1006-754X.2019.00.009
	WANG A B， SUN W B， DUAN G L ．Research on intelligent method of manufacturing and processing equipment based on digital twin and deep learning technology[J]．Chinese Journal of Engineering Design，2019，26(6)：666-674． doi:10.3785/j.issn.1006-754X.2019.00.009
31	胡斌，袁景淇，徐亮，等．一种带自校正功能的回转式空预器温度场在线估计方法：CN103914615B[P]．2017-01-04．
	HU B， YUAN J Q， XU L，et al ．An online estimation method for temperature field of rotary air preheater with self-correction function：CN103914615B[P]．2017-01-04．

[1]	陈晓峰, 左川, 赵宁, 黄凯, 王惠杰. 集成蓄热装置的火电机组调峰特性分析[J]. 发电技术, 2024, 45(3): 392-400.
[2]	杨正, 孙亦鹏, 温志强, 程亮, 李战国. 深度调峰工况下超临界机组的干湿态转换策略研究[J]. 发电技术, 2024, 45(2): 233-239.
[3]	李展, 杨振勇, 刘磊, 陈振山, 季卫鸣, 洪烽. 火电机组深度调峰工况下炉侧蓄热系数对一次调频能力的影响分析[J]. 发电技术, 2024, 45(2): 226-232.
[4]	贾志军, 范伟, 任少君, 魏唐斌. 600 MW亚临界机组长时间深度调峰燃烧稳定性研究[J]. 发电技术, 2024, 45(2): 216-225.
[5]	郑淇薇, 王华霆, 陈衡, 潘佩媛, 徐钢. 深度调峰背景下火电机组热电解耦技术路径对比分析[J]. 发电技术, 2024, 45(2): 207-215.
[6]	张思海, 李超然, 万广亮, 刘印学, 徐海楠, 黄中, 杨海瑞. 330 MW 循环流化床锅炉深度调峰技术[J]. 发电技术, 2024, 45(2): 199-206.
[7]	王放放, 杨鹏威, 赵光金, 李琦, 刘晓娜, 马双忱. 新型电力系统下火电机组灵活性运行技术发展及挑战[J]. 发电技术, 2024, 45(2): 189-198.
[8]	王翔宇, 陈武晖, 郭小龙, 常喜强. 发电系统数字化研究综述[J]. 发电技术, 2024, 45(1): 120-141.
[9]	安吉振, 郑福豪, 刘一帆, 陈衡, 徐钢. 基于大数据分析的火电机组引风机故障预警研究[J]. 发电技术, 2023, 44(4): 557-564.
[10]	苏靖程, 王志强, 屈江江, 张凯. 基于BP神经网络和支持向量回归的燃煤电厂空气预热器压差预测[J]. 发电技术, 2023, 44(4): 550-556.
[11]	黄超, 卜思齐, 陈麒宇, 李晓虹. 元电力：新一代智能电网[J]. 发电技术, 2022, 43(2): 287-304.
[12]	周博文, 奚超, 李广地, 杨波. 元宇宙在电力系统中的应用[J]. 发电技术, 2022, 43(1): 1-9.
[13]	房方,张效宁,梁栋炀,王庆华. 面向智能发电的数字孪生技术及其应用模式[J]. 发电技术, 2020, 41(5): 462-470.
[14]	王秀红,盛伟,刘全山. 电站锅炉烟气余热利用技术方案研究[J]. 发电技术, 2019, 40(3): 276-280.

基于数字孪生的空气预热器预测性维护模式研究

Research on Predictive Maintenance Mode of Air Preheater Based on Digital Twin

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

图/表 12

参考文献 31

相关文章 14

编辑推荐

Metrics