Как сэкономить сотни миллионов рублей на штрафах и аварийных ремонтах оборудования

Команда Clover рассказывает о своем кейсе раннего обнаружения аварийного отказа турбогенератора с помощью предиктивной аналитики.

Турбогенератор — критически важное оборудование электростанции, которое преобразует механическую энергию в электричество. Основные конструктивные части агрегата: статор и ротор. Ротор — вращающийся элемент турбогенератора. На него воздействуют механические, электромагнитные, термические и электрические нагрузки. Статор — статичный компонент, но также испытывает динамические нагрузки: вибрационные, электромагнитные и термические.

Продолжительность службы агрегата зависит от условий эксплуатации. Чаще всего на срок работы машины оказывает влияние нагрев основных узлов — ротора, обмоток и сердечника статора, а также охлаждающая среда. В среднем, турбогенераторы эксплуатируют не меньше 30 лет. Чтобы поддерживать машину в рабочем состоянии и не допускать простоев, технические группы проводят тестирование и диагностику по установленным нормативам. Непредвиденные отказы и аварийные остановы турбогенератора приводят к серьезным экономическим последствиям, в отдельных случаях ущерб может достигать сотни миллионов рублей на штрафы за недопоставку электроэнергии и аварийный ремонт.

С вопросом, можно ли предсказать один из непредвиденных отказов турбогенератора — замыкание обмотки статора, к нашей команде обратился энергетический холдинг, эксплуатирующий теплоэлектростанции. В 2014 году у них произошел подобный инцидент, который повлек за собой аварийный останов оборудования и ущерб предприятию.

Мы в Clover Group разрабатываем программное обеспечение для прогнозного обслуживания оборудования в промышленности. В основе наших решений лежат подходы машинного обучения и моделирования физических процессов с применением предиктивного анализа технического состояния оборудования.

В случае с турбогенератором мы проанализировали исторические данные работы агрегата и определили релевантные параметры, которые позволили охарактеризовать его состояние. Это помогло выявить ранние признаки деградации конструктивных элементов с последующей интерпретацией возможных причин отказа турбогенератора.

На периоде бездефектной работы турбогенератора мы обучили математическую модель выстраивать зависимость температуры обмотки статора от полной мощности агрегата. Далее проанализировали разницу между фактическими значениями температуры в пазах статора с расчетными значениями, полученными с помощью модели.

Для фиксации факта отказа были проанализированы значения тока статора за декабрь. Результаты показали превышение температуры обмотки и сердечника статора в пазах №22 и №24, которые расположены рядом с местом пробоя в пазу №23.

В ходе анализа телеметрии эксперты выявили систематические превышения фактической температуры обмотки статора в пазах №22 и №24 в среднем на 8-10 градусов в течение 18 месяцев, с июля 2013 года и до момента отказа в декабре 2014 года. Кроме того, за год до инцидента в этих пазах выявлены температурные пики на 17, 12 и 22 градусов.

В результате можем предположить, что причиной отказа турбогенератора стал пробой изоляции обмотки статора. О чем явно свидетельствовало кратковременное повышение температуры в обмотках статора относительно расчетных значений.

В конкретном случае аномальное поведение турбогенератора проявилось за 1,5 года до аварийного останова. Абсолютная температура в пазах не превышала допустимые нормативные значения, но несмотря на это дефект развивался и мог быть обнаружен разработанной моделью.

Пример с турбогенератором еще раз демонстрирует, почему важно собирать хранить и анализировать данные с оборудования. Анализ такой телеметрии расширяет возможности промышленных предприятий: помогает находить скрытые закономерности, предотвращать аварии, достигать новых бизнес-целей и оставаться конкурентоспособными.