Новости

Apr 03, 2024

Прогнозирование неисправностей клапана поршневого компрессора с помощью цифровых технологий

Незапланированные простои сегодня являются одной из самых серьезных проблем для промышленных производителей, обходясь им примерно в 50 миллиардов долларов в год. Издержки простоя еще более ощутимы для нефтяных и

Незапланированные простои сегодня являются одной из самых серьезных проблем для промышленных производителей, обходясь им примерно в 50 миллиардов долларов в год. Затраты из-за простоя еще более ощутимы для нефтегазовой отрасли, где доходы напрямую связаны с безотказной работой критически важного оборудования. Например, переработка природного газа в средней и верхней части потока требует непрерывной работы поршневых компрессоров с высоким коэффициентом давления для достижения давления в трубопроводе. Поскольку поток газа непрерывен, в случае остановки обработки непереработанный газ обычно сжигается на факелах, что приводит к потере продукта. Часто у этих компрессоров мало или вообще нет запасных частей. Поэтому, когда они отключаются для технического обслуживания, у операторов часто нет другого выбора, кроме как уменьшить мощность или остановить процесс, сжигая излишки.

Внедрение цифровых технологий, таких как промышленный Интернет вещей (IIoT), обещает смягчить эти угрозы за счет заблаговременного прогнозирования сбоев оборудования и выявления неисправностей до того, как они приведут к незапланированным отключениям. Однако на практике возникает ряд проблем, когда обслуживающий персонал и руководители операций работают над внедрением решения IIoT, направленного на устранение незапланированных простоев.

Клапаны компрессора являются основной причиной простоев поршневого компрессора. Хотя мониторинг состояния клапанов поршневых компрессоров существует уже давно, подходящая технология для прогнозирования неисправностей клапанов развивается медленно. Лучшие доступные решения обычно обеспечивают только раннее предупреждение. Прогнозировать отказы клапанов компрессора сложно, прежде всего, по двум причинам:

Решая эти проблемы, можно прогнозировать отказы клапанов.

В пятом издании стандарта 670 Американского института нефти (API) особые требования к производителям оригинального оборудования (OEM) по включению положений о точках мониторинга позволили и стимулировали расширение онлайн-мониторинга состояния поршневых компрессоров. С помощью приборов в соответствии со стандартами API можно обнаружить и диагностировать несколько распространенных видов неисправностей, включая износ направляющей ленты, износ крейцкопфа, неисправности подшипников и многое другое. В частности, датчики угла коленчатого вала и мониторинг давления в цилиндрах в сочетании с анализом давления и объема позволяют обнаруживать и диагностировать неисправности клапанов, утечки поршневых колец и уплотнений, а также проблемы на уровне системы, такие как изменения технологического давления и производительности на входе. неисправности контрольно-измерительного оборудования.

Хотя большинство эксплуатируемых компрессоров имеют встроенные места для установки приборов контроля состояния в соответствии со стандартами API, многие из них в настоящее время не оборудованы приборами, особенно старое оборудование.

Модернизация оборудования, находящегося в эксплуатации, сталкивается с рядом проблем:

Столкнувшись с этими препятствиями, широкое внедрение технического обслуживания по состоянию (CBM) и профилактического обслуживания (PdM) для поршневых компрессоров было медленным по сравнению с другими типами оборудования. Однако с применением новых и появляющихся цифровых технологий CBM и PdM могут быть реализованы за счет снижения затрат, связанных с установкой систем мониторинга на уже находящееся в эксплуатации оборудование. Используя гибридный подход, основанный на физических моделях и алгоритмах машинного обучения, может потребоваться меньше точек мониторинга для достижения того же значения для программы CBM или PdM. Используя более новое высокочастотное оборудование для измерения и сбора данных, можно извлечь больше информации из контролируемых сигналов, обеспечивая более глубокое понимание состояния оборудования.

Наконец, с применением методов прогнозирования можно точно оценить время до отказа и местонахождение неисправности, что позволяет операторам лучше понять, когда и где проводить техническое обслуживание, что повышает ценность их программы PdM.

Алгоритм прогнозирования был реализован на оборудованных компрессорах для прогнозирования оставшегося срока службы (RUL) клапанов компрессора. Алгоритм прогнозирования обеспечивает гораздо более раннее предупреждение о будущих неисправностях клапана по сравнению с подходами CBM, а также точную оценку RUL контролируемого оборудования. В целом, прогнозирование отказов клапанов поршневых компрессоров является сложной задачей, поскольку деградация очень нелинейна и происходит в различных временных масштабах. Для решения этой проблемы был использован подход интеллектуального прогнозирования, который адаптирует уровень нелинейности и временные рамки деградации к историческим данным, доступным для каждого отказа. Чтобы проиллюстрировать поведение прогностического подхода, был рассмотрен пример неисправности, которая прогрессировала в течение нескольких недель на перерабатывающем заводе. Как видно на изображении 1, RUL начал снижаться в ответ на тенденцию к снижению данных, задолго до того, как уровень повреждения значительно отклонился от здорового состояния.