关键机泵在线监测智能预警系统在煤化工安全生产中的应用
曹镇海，马明娟
（鄂尔多斯市昊华国泰化工有限公司，内蒙古 鄂尔多斯 017418）
关键词：关键机泵；在线监测；预警系统；煤化工
根据前瞻产业研究院相关 告，2019 中国的甲醇需表观消费量约为 5800 万吨，2019-2025 年我国甲醇行业表观消费量复合增速约为 3%。中国市场潜力巨大，且随着经济增长的需求，甲醇的需求量还会进一步提升。从甲醇的下游端来看，市场对烯烃的需求量也很大，中国对全球的需求占比在 45%以上。面对潜力巨大的甲醇及其下游市场，内蒙古某煤化工公司确保全厂各个装置“安、稳、长、满、优”的运行至关重要。传统工厂里主要采用事后控制的方式来解决维护问题，即在故障出现后及时来解决，但是，这意味着维修人员成了救火队员，而且故障已经发生损失已经造成，宕机以及产量损失都是非常巨大的，因此，“平台+服务+应用”预测性维修的设备管理模式势在必行。
1 在线监测智能预警系统介绍
网络、互联设备以及采集、监视和分析得到的数据（感知层）是预测性维护流程的基础。这些数据基础设施以及数据驱动的智能信息，也就是智能工厂的核心基础——物联网。工厂管理人员和运行人员可以根据物联网所提供的数据和信息，进行以工业大数据为基础的预测性维修模式。利用有线和无线的振动传感器采集机泵振动（温度）信号上传至无线网关，通过厂内 4G 网络平台及时上传数据至智能监测软件系统，同时操作系统实时数据库引入温度，电流、压力、介质温度等主要工艺量参数，在监测软件中一同显示，同时具备与公司信息化平台融合能力。各装置监控人员通过控制室公共电脑查看关键机泵的状态监测 警信息。信息包括机泵运行 警信息以及故障类型信息，实现手机微信小程序的方式接收 警、故障类型信息 送，实现机泵运行趋势分析、智能化诊断、智能预警预判及声音提示。
2 在线监测智能预警系统介绍
2.1 智能预警
2.1.1 硬阀值预警
硬阈值 警是比较经典的预警方式，由设备管理工程师或诊断专家确定 警阈值。通常是根据设备的类型，确定适用于该设备的 ISO 标准或国标，并根据转速、功率等信息，通过查询相应的 ISO 标准或国标，确定对应设备的 警阈值。有些企业根据多年的现场经验，会制定自己的 警阈值。
2.1.2 自适应阀值预警
按照相关标准设定的硬阈值，并不一定符合实际设备的预警要求，因为设备的振动与运行条件，安装情况有很大关系，如果阈值设置过高，设备可能已经出现了早期故障，但
是还没有到达 警临界点，会造成早期故障的漏诊断，如果阈值设置偏低的话，会造成特征值反复穿越 警线，造成大量虚假 警。在自适应预警中，对于不同的设备，从该设备
的历史特征值数据中，经过数据清洗，得到代表正常运行的特征值数据集，将设备正常运行的特征值数据集导入自适应阈值计算模型中，得到自适应的阈值。自适应 警适用于各
种特征值 警，包括振动特征值，温度，压力等，并且自适应阈值不需要事先获取设备的各种参数，只需要设备运行的历史特征值数据集，就可以从中挖掘出设备正常运行的特征值临界点。和传统的人工设定阈值相比，自适应阈值克服了阈值设置偏高或偏低导致的漏诊断和虚假 警，能够及时发现设备出现的早期故障。
2.1.3 趋势预警
由于工业环境复杂，同类设备在不同工况下对故障的反映程度也大不相同，传统的硬阈值 警针对同一类的设备使用统一的阈值，对于不同工况下的设备不一定完全适用；传统的硬阈值 警只规定了大部分通用设备的阈值，很多设备并未包含在内，对于这类设备初始设定的阈值不一定合理。以上情况可能会出现设备已经发生了故障但特征值未超过阈值造成漏 警，趋势预警则可以很好地解决这个问题。无论设备对故障的反映程度如何，设备一旦发生故障相应的特征值都会相较于正常状态下有一定的增长，增长的程度取决于故障的严重程度。趋势预警技术将采集到的特征值进行回归拟合，计算一定时间段内特征值的增长率（计算时间段可根据不同设备自定义），当特征值增长率超过相应阈值则触
趋势 警通过特征值增长率的变化反映设备故障情况，相较于传统的阈值预警方法，可以发现由于工况影响或阈值设置不合理造成的漏 警，避免了由于漏 警而造成的严重损失；另外，即使不存在工况影响和阈值设置不合理的情况，趋势预警也可以在更早发现故障，将故障造成的损失降到最低。
2.1.4 多参数建模预警
针对工业场景中不断变化的工况，使用传统的硬阈值 警方法会导致频繁误 警。同时由于状态参数受到工况的直接影响，仅利用单个参量难以及时发现设备初期异常状态，使用多变量建模的技术可以很好地解决这些问题。多变量建模技术利用设备直接相关的工况参数（工艺参量、变化的工况参量）以及设备的状态参数（温度、压力、振动等）组成的历史数据，从中清洗异常数据得到设备正常状态下的数据集。根据设备正常状态下的数据集直接建立以数据驱动的多变量预测模型，通过在已有的正常（或异常）数据集中测试模型的准确性，确认模型对于正常状态的准确预测性以及对异常状态的可检测性。
多变量建模技术适用于多种工业场合需求。工业现场设之间并非相互独立不相关，同时单个设备上的多个测点参数也并不独立无关。通过获取主要的变化工况参数并结合多个状态参数可以很好地将整个设备的状态建立模型。当有实
测数据到来时，模型会自动输出实测数据所对应的正常预测值，通过对比实测值和预测值的残差可以快速地定位设备的异常状态。相较于传统方法，这种技术有能力在异常发生的初期即触发 警，有助于避免更严重的损失。
2.2 智能诊断功能
通过设备预警，可以实现设备异常的早期发现，并有效跟踪设备的运行趋势，但是对其原因、部位进行识别和评价，需要提取更深层次的信息。这部分工作通常是由诊断工程师完成，诊断工程师需要具备设备基础知识，工艺知识，信号分析及诊断知识，存在培养周期难度大，现有人力资源少，无法实现无人值守等问题。基于诊断知识库的智能诊断系统，可以实现从人工诊断向自动诊断的初始化建立设备模型，通过现有的诊断知识体
系，针对每个设备类型，建立设备模型库，在设备模型中，包括设备的数字模型，算法库和知识库。数据源进入设备模型，通过匹配数字模型，形成设备的实时信息库，基于算法库和知识库的处理，将各种数据信息处理成可被计算机理解的特征信息。推理引擎类似人的大脑思考过程，通过设备模型提取出的信息经过推理引擎得到诊断结论，诊断结论对设备异常进行了故障定位。诊断结论经过现场验证后可以被标记为诊断案例，通过诊断案例可以更新系统模型，实现模型的不断迭代更新。以多级泵为例，初始设备模型可诊断的故障举例如下，随着后续诊断案例的不断增加，设备模型不断更新升级，可智能诊断的故障逐渐增加。
3 在线监测智能预警系统应用
机器健康大数据平台的监测系统采用 Browser/Server构架，用户端采用浏览器，无须安装其他软件和插件，直接浏览数据信息，登陆和维护简单。用户界面友好、美观大方，具备所监测设备的振动及温度的原始趋势、多数据独立浏览等功能；可按自选时间节点搜索设备历史数据，并对其进行比较分析。具备完善的自检功能，能对硬件系统的网络通信
状态、传感器通讯质量及电池等内部硬件应用情况进行监测，支持电池电压趋势浏览。
3.1 大数据平台功能应用
基于大数据技术的机器健康大数据平台可实现自关键设备的自动诊断，可实现对机泵不平衡、不对中、轴弯曲、机组共振、轴承故障、齿轮故障、润滑不良以及气蚀等故障的早期预判及诊断。同时结合接入的相关工艺参量，可对工艺原因导致的振动、温度变化进行有效判断，进而优化流程操作及工艺。
3.2 设备集群状态监测系统应用
设备集群状态监测系统是整个系统对设备监测的状态展示系统，包含设备的运行状态、 警信息、统计信息等及设备运行趋势分析的常用图谱，同时提供相关数据的检索、数据 表的功能，界面简单好用，及时准确地显示设备的状态信息。
3.3 告警显示推送功能应用设备及系统硬件发生故障时有告警提醒，可推送到工作站或 PC 端设备集群状态监测系统，并可以通过手机微信小程序方式查看、接收告警信息。
3.5 无线网络配置工具应用系统配备网络配置工具，可以用查看、优化无线网络布置，能够自动分析通讯的冗余状态，并能实时显示实际运行的网络状态。
3.6 综合运维支撑系统应用
综合运维支撑系统还包括诸如设备形貌图、诊断工具、资源管理、图片管理、日志管理、角色管理、用户管理等功能，其中当无线或有线监测设备发生故障时提供 警提醒功能，及时通知到维护人员。
3.7 机泵效能分析应用
机泵运行的经济性是节电增效的重要指标，对机泵的能效进行监测，可以有效反映单台机组的实时效率，并通过大数据分析，有效挖掘机组的性能分布及整体新能变化情况。
3.8 可扩展性应用
对于企业级应用解决方案的构建，可扩展性及可集成性是必不可少的考虑因素，因为伴随着企业业务发展，IT 系统的服务能力需要同步提升，对整个 IT 系统的重塑及整合工作必不可少，那么不同系统间的集成及单系统的功能扩展是企业 IT 系统在构建之初就需要重点考虑的。
4 结束语
实践表明，机泵设备在线监测可以及时准确地采集到机泵设备的振动和温度数据，并且根据的异常状况给出 警提示和检修建议，达到了依据状态运行检修的效果，不仅帮助企业降低 了故障率，减少了故障停机时间，获得了满意的监控效果。系统采用“平台+服务+应用” 的物联网设计方案，不仅能够实现机泵的在线监测与诊断，而且为未来的进一步拓展预留了接口，将来可以将危险源监测、人员定位与安全管理、泄漏监测等通过物联网的方式逐步纳入系统中，帮助企业逐步实现数字化工厂以及安全生产打下良好的基础。
