★ 廣東珠海金灣發電有限公司 謝俊宏

關鍵詞：數字孿生；火電廠；設備；健康；狀態；在線；監測

隨著火電廠運行時間的增加，設備元件和部件會逐漸老化，導致其性能下降甚至出現故障。同時，火電廠的運行環境，如溫度、濕度、灰塵等因素，也可能對設備健康狀態造成損傷，使其性能退化，甚至引發安全事故。因此，對火電廠設備健康狀態進行實時監測顯得尤為重要。目前，傳統的監測方法在實際應用中仍存在不足。文獻 [ 1]提出的方法依賴人工經驗判斷設備健康狀態，主觀性強且監測不連續；文獻 [2]利用物聯網技術采集和傳輸數據進行分析，但數據處理復雜，導致監測結果準確性較低。

數字孿生技術可通過多維度、多時空尺度對物理實體進行數字化建模，模擬與描述實體的屬性、行為和規律，并實時、動態地展現設備信息[3]。將實際傳感器數據與數字孿生模型進行信息融合，能更高效地對火電廠設備的健康狀態進行綜合監測。基于此，本文進行了基于數字孿生的火電廠設備健康狀態在線監測方法的研究。

1   基于數字孿生的火電廠設備健康狀態在線監測方法設計

1.1   火電廠設備運行狀態參數感知

本研究在火電廠設備的關鍵部位構建了多元化的終端傳感器網絡。這些傳感器涵蓋電壓互感器、電流互感器以及溫濕度傳感器等，它們協同作用，搭建起一個全面且多層次的感知架構，能夠全方位、實時地捕捉火電廠設備的運行狀態參數。

對于火電廠設備運行環境參數的監測，本研究在設備內部以及周邊環境的關鍵點位，布置了DHT系列的溫濕度傳感器。該傳感器可借助內部的熱敏電阻，感知火電廠設備及周邊環境的溫度和濕度變化，并將感知到的數據以數字信號的形式輸出。而對于火電廠設備運行電壓、運行電流等電力參數的監測，本研究采用安裝電壓互感器和電流互感器的方式來實現對電壓和電流信號的測量。

電壓互感器被安裝在設備發電機出口、變壓器進線等關鍵的電氣節點位置。它們依據電磁感應原理，把高電壓按照一定比例轉換成低電壓信號。其輸出電壓與輸入電壓之間的關系可用式（1）表達式呈現：

其中， U2為電壓互感器的輸出電壓；U為輸入電壓；N為原邊匝數；N2為副邊匝數。

電流互感器則被串聯在發電機、變壓器以及輸電線路之中，同樣基于電磁感應原理，將大電流轉換為小電流信號進行輸出。其輸出電流與輸入電流的關系表達式為式（2）：

其中， I為電流互感器的輸入電流； I2為輸出電流。

本研究通過在終端合理布置各類傳感器，成功實現對火電廠設備運行過程中電壓、電流、溫度和濕度等狀態參數的感知，為后續開展設備健康狀態的在線監測奠定了堅實的數據基礎。

1.2   基于數字孿生的設備健康狀態在線監測

在基于數字孿生的火電廠設備健康狀態在線監測體系中，本研究通過多尺度建模與動態數據驅動技術，構建了物理實體與虛擬模型的數字孿生框架。首先，利用BIM技術建立火電廠設備的三維幾何模型，結合設備材料參數與運行工況，定義模型的物理屬性，其本構關系可表示為式（3）：

其中， 為應力張量；  為應變張量。然后，通過有限元分析軟件ANSYS，模擬設備在高溫高壓環境下的應力分布， 采用熱-力耦合方程， 如式（4） 、式（5）所示：

其中，p為密度；Cp為比熱容；k為熱導率；Q為內部熱源項； F為體力項； u為位移場。該模型可實時預測火電廠設備關鍵部位的應力集中與疲勞損傷累積。

為實現數字孿生模型的動態更新，本研究將傳感器采集的實時數據作為輸入，驅動模型狀態參數修正。以設備差流計算為例，其公式為式（6）：

其中， I,為主回路電流； I為二次側電流。進 一步，通過云計算中的主因素決定型模型，對差流參數進行多源信息融合處理。通過引入有界和運算，對合成參數進行目標狀態指標映射，如式（7）所示：

其中，f為設備目標狀態參數； k為第k個監測指標的歸一化系數；為指標總數。該過程通過模糊邏輯與區間分析，將離散監測數據轉化為連續健康度評估值。最終，基于數字孿生模型與云計算的協同機制，構建火電廠設備健康狀態在線監測框架：將傳感器數據與BIM模型關聯， 驅動應力場、溫度場等物理場動態更新；通過差流分析與合成處理，量化設備電氣性能劣化程度；結合健康度閾值，輸出火電廠設備健康狀態在線監測結果。

2   實驗測試

2.1   測試準備

在對本文所設計的火電廠設備健康狀態在線監測方法的實際應用性能展開分析時，我們以某實際運行的火電廠環境為依托，開展了對比測試。考慮到火電廠設備數量龐大、種類繁多，本次實驗選取火電廠的繼電保護裝置作為數據來源。該繼電保護裝置的規格參數詳見表1。

表1 設備規格參數

由表1可知，該繼電保護裝置具備較為標準的電氣特性，滿足火電廠的運行需求，為后續基于其開展的設備健康狀態在線監測方法對比測試提供了可靠的硬件基礎。

2.2   在線監測結果

在具體測試環節，我們分別運用本文提出的基于數字孿生的火電廠設備健康狀態在線監測方法、文獻 [ 1]中以人工經驗為依托的傳統監測方法， 以及文獻 [2] 中以物聯網技術為支撐的設備監測方法，展開對比測試，旨在剖析不同方法的監測效果與性能表現。

選取繼電保護裝置的電源電平輸出狀況作為監測指標（額定值為1.5kV），三種方法的監測結果分別如圖1、圖2、圖3所示。

圖1 本文方法監測結果

圖2 文獻[1]方法監測結果

圖3 文獻[2]方法監測結果

依據上圖所示的測試結果能夠看出，在三種不同方法的測試結果里，文獻 [ 1]提出的方法， 其監測結果的波動范圍在大部分時間段內穩定在3.0kV區間，不過部分時段波動達到5.0kV，穩定性有待進一步提高；文獻 [2]提出的基于物聯網技術的設備監測方法，對繼電保護裝置電源電平輸出情況的監測，雖能在一定程度上實現收斂，但仍存在一定波動范圍，大致在5.0kV上下；與之相比，采用本文設計的在線監測方法，對繼電保護裝置電源電平輸出情況的監測結果，波動范圍穩定在1.5kV以內。以上結果說明，與另外兩組對照方法相比，本文方法能更精準地反映繼電保護裝置電源電平輸出的實際狀況。由此可見，本文所設計的方法具備良好的實際應用價值。

3   結束語

火電廠作為電力供應的核心樞紐，其設備運行的穩定性直接關乎能源生產的安全性與可靠性。然而，當前設備健康狀態監測技術面臨顯著挑戰，傳統方法難以精準捕捉設備健康狀態，導致潛在故障無法及時預警。在此背景下，本研究提出了一種基于數字孿生的設備健康狀態在線監測方法，通過構建物理實體與虛擬模型的動態映射機制，實現了設備運行參數的實時感知、多物理場耦合仿真及健康狀態智能評估。該方法可突破傳統監測技術的局限，有效識別早期故障征兆并觸發預防性維護策略，從而顯著提升電力生產系統的安全性與韌性。

作者簡介：

謝俊宏（1991-），男，廣東高州人，工程師，學士，現就職于廣東珠海金灣發電有限公司，研究方向為電廠集控運行。

參考文獻：

[1] 梅鴻程. 火電廠設備運行參數監測預警研究與應用[J]. 鍋爐制造, 2023, (6) : 55 - 57.

[2] 王沛. 基于物聯網的火力發電廠設備監測與維護[J]. 2022, (10) : 241 - 243.

[3] 邢健. 基于云計算的火電廠電氣二次設備狀態監測方法[J]. 電氣技術與經濟, 2024, (6) : 147 - 149.

[4] 葉今墨, 聶海龍, 張凡, 等. 基于數字孿生的火電機組汽輪機故障預警研究[J]. 工業控制計算機, 2024, 37(06) : 144 - 146.

[5] 柴政, 朱凌君, 姚勝平, 等. 基于數字孿生技術的火電智能應用平臺研究[J]. 科技與創新, 2023, (09) : 36 - 39.

[6] 王佳聰. 火電機組汽輪機系統數字孿生模型研究[D]. 北京: 華北電力大學, 2023.

摘自《自動化博覽》2026年3月刊