引  言

隨著工業智能儀表的推廣和技術不斷發展，儀表已經具備通訊功能，可以實現對儀表數據的實時采集以及遠程分析等，為儀表故障遠程判斷提供了技術支持。但是，在現有工業用戶的智能儀表故障判斷中，依然采用傳統的人工到達現場對儀表檢測校驗進行判斷的方式，這種方式更多依賴維護人員的技術水平，并且需要耗費企業大量的人力資源，而且無法及時發現儀表的故障，對于故障期間的能源用量難以統計，造成用戶以及企業的不便。因此，在線故障診斷技術的應用和系統的建立就顯得極為必要。

 

1 在線診斷

1.1 在線診斷系統

物聯網使遠程監測和在線診斷儀表故障成為可能［1］。一方面，軟件系統通過物聯網能夠收集工況數據，調節工藝參數，控制生產過程；另一方面，軟件系統可以充分利用物聯網數據遠程診斷儀器儀表，并借助大數據平臺分析故障原因。在線診斷系統一般由物聯網接入子系統、在線診斷業務子系統、在線診斷大數據分析子系統和人機交互子系統組成。其中，在線診斷業務子系統和大數據分析子系統是故障診斷的核心。一個通用的在線診斷系統架構示意圖如圖 1 所示。

本文提出的工業流量計故障診斷方法是在新疆油田油氣生產物聯網和監控平臺上實現并應用的。

 

1.2 在線診斷流程

在線故障診斷過程一般包括 3 個主要步驟：①檢測和篩選表征系統狀態的各種特征信號；②對所檢測的特征信號提取征兆，即信號處理和特征變換；③由征兆和其他診斷知識來識別系統的異常狀態，對故障進行分類判斷和定位。故障診斷的過程可以看作一系列過程數據集的轉化，即測量—特征—決策—故障分類和定位。

 

對工業流量計而言，本文提出的故障診斷方法主要利用瞬時流量（模擬量信號）、累積流量（模擬量信號）、流量系數（模擬量信號）等特征信號，利用專家系統判斷其是否處于異常狀

態，再通過多個診斷周期的疊加判斷，確認儀表處理故障狀態。

 

1.3 故障診斷方法選擇

就工業過程的故障診斷領域而言，當前研究方法可分為 3大類：基于機理模型的方法、基于定性知識的方法和基于過程數據的方法?；跈C理模型的方法發展時間較長，相對比較成熟。屬于這類的典型方法包括參數估計方法、觀測器方法、對偶關系方法等?；谥R的方法主要是利用人工智能的方法（包括專家系統、模糊邏輯、因果分析等［2］）自動完成整個檢測和診斷過程?；谶^程數據的方法以采集的過程數據為基礎，通過各種數據處理與分析方法（如多元統計方法、聚類分析、頻譜分析、小波分析等［3］）挖掘出數據中隱含的信息，從而指導操作工進行生產。上述方法可以綜合使用，提高故障診斷的成功概率。

 

2 工業流量計

一般工業企業內部的主要能源介質為水、氣體、蒸汽，其流量計的類型一般有以下幾種：①水：常選擇電磁流量計或超聲波流量計進行流量測量［4］；②氣體：常選擇測量元件為差壓式，配合差壓變送器一同使用進行流量測量。③蒸汽：常選擇渦街流量計進行流量測量。流量計一般可以采集瞬時流量、累計流量和流量系數等數據，供故障診斷使用。

 

3 故障診斷方法

3.1 概述

方法關鍵點在于根據輸入的瞬時流量、累積流量、流量系數實時值變化情況及持續的時間完成水儀表故障診斷判斷。多個診斷周期的疊加，能夠提高故障判斷成功率。具體流程如圖2 所示。

3.2 水和蒸汽介質測量儀表故障模型

3.2.1 流量計供電故障

正常：Qs ＞ 0 （1）

故障：Qs=0 且 Ql=0，T1-T2 ＞ T0 （2）

式（1）（2）中：Qs 為瞬時流量；Ql 為累計流量；T0 為時間限值，可配置；T1 為當前時間；T2 為流量計供電狀態故障計時開始時間。

 

3.2.2 流量計通信故障

正常：Qs［0］≠ Qs［1］ （3）

故障：Qs［0］=Qs［1］且 Ql［0］=Ql［1］，T1-T3 ＞ T0 （4）

式（3）（4）中：Qs［l］和 Ql［l］數組分別用于記錄兩個臨近周期為瞬時流量和累計流量；Qs［0］為當前瞬時流量；Qs［1］為前值瞬時流量；Q［0］表示當前累計流量； l Q［1］ l

表示前值累計流量；T0 為時間限值，可配置；T1 為當前時間；T3為流量計通信狀態故障計時開始時間。

 

3.2.3 瞬時流量和累計流量不同步

正常：Qs［0］≠ Qs［1］且 Ql［0］≠ Ql［1］ （5）

故障：Qs［0］=Qs［1］且 Ql［0］=Ql［1］，T1-T4 ＞ T0 （6）

式（5）（6）中：Qs［0］為當前瞬時流量；Qs［1］為前值瞬時流量；Ql［0］表示當前累計流量；Ql［1］表示前值累計流量；T0 為時間限值，可配置；T1 為當前時間；T4 為流量計瞬時流量和累積流量不同步計時開始時間。

 

3.3 氣體介質測量儀表故障模型

 

3.3.1 記錄儀供電故障

正常：Qs ＞0或 Ql ＞0或 Kq ＞ 0 （7）

故障：Qs=0 且 Ql=0 且 Kq=0，T1-T5 ＞ T0 （8）

式（7）（8）中：Qs 為瞬時流量；Ql 為累積流量；kq 為流量系數；T0 為時間限值，可配置；T1 為當前時間；T5 為記錄儀供電狀體故障計時開始時間。

 

3.3.2 記錄儀通信故障

正常：Qs［0］≠ Qs［1］ （9）

故障：Qs［0］=Qs［1］且 Ql［0］=Ql［1］，T1-T6 ＞ T0 （10）

式（9）（10）中：Qs［0］為當前瞬時流量；Qs［1］為前值瞬時流量；Ql［0］表示當前累計流量；Ql［1］表示前值累計流量；T0 為時間限值，可配置；T1 為當前時間；T6 為記錄儀通信狀體故障計時開始時間。

 

3.3.3 差壓變送器未接入

正常：Qs ＞0或 Ql ＞0或 Kq ＞ 0 （11）

故障：Qs=0 且 Ql

=0 且 Kq=0，T1-T7 ＞ T0 （12）

式（11）（12）中：Qs 為瞬時流量；Ql 為累積流量；kq 為流量系數；T0 為時間限值，可配置；T1 為當前時間；T7 為差壓變送器未接入故障計時開始時間。

 

3.3.4 累計流量和瞬時流量不同步

正常：Qs［0］≠ Qs［1］且 Ql［0］≠ Ql［1］ （13）

故障：Qs［0］=Qs［1］且 Ql［0］=Ql［1］，T1-T8 ＞ T0 （14）

式（13）（14）中：Qs［0］為當前瞬時流量；Qs［1］為前值

瞬時流量；Ql［0］表示當前累計流量；Ql［1］表示前值累計流量；T0 為時間限值，可配置；T1 為當前時間；T8 為瞬時流量與累計流量不同步故障計時開始時間。

 

4 測試與評估

新疆油田實際測試情況如下。

配置：水介質流量計 380 個，氣體流量計 224 個。采用本文提出的在線診斷系統和故障判別模型，設采樣周期 3 分鐘，時間限值為 30 分鐘，觀測周期 1 個月。

結果：系統判別儀表故障 29 次，涉及儀表 8 個，故障檢測率 1.3%。通過現場診斷反饋，準確率 100%。

結果說明：水介質中存在氣泡、流動狀況不符合安裝要求等也是影響流量計故障的原因［5］，但不在本故障檢測方法之內。

 

5 結  語

通過理論分析和新疆油田測試評估證明，本文提出的在線故障診斷系統和方法是有效的，并在工業流量計的故障診斷上得到很好的實踐，有效降低了人工診斷和維護成本?；谖锫摼W的工業設備在線診斷和維護是一種大的趨勢。