1.暖风器疏水系统简介
目前国内外流行的两种不同的暖风器疏水系统的设计方案，系统简繁程度是相差很大的。一种方案是目前国内大多数机组采用的老式传统方案，可以概括为“暖风器→疏水箱→疏水泵→除氧器”的方式（以下简称为“去除氧器”方式）；另一种方案是近年来采用较多的暖风器系统，可以概括为“暖风器→疏水器→凝汽器”的方式（以下简称为“去凝汽器”方式），两种方案比较图如图一所示。
.png)
图一：两种疏水系统方式
2.两种疏水方式比较
2.1“去除氧器”疏水方式
优点：理论上经济性较好。
缺点一：系统较复杂
“去除氧器”疏水方式的系统复杂、庞大，疏水箱和疏水泵都要占据很大面积，为了减少疏水泵入口汽蚀问题,疏水箱还要求有一定的高度形成压头。疏水箱属于压力容器还要有一定的容积进行汽水分离，其中的液位需经过液位计检测并根据设定的高低限去控制疏水泵的启停。疏水泵的频繁启停和进口区域汽蚀都决定了电机与泵体的高故障率，因此必须考虑设置备用泵。如果疏水箱水位计故障多，又要考虑在泵的出口处设计最小流量保护装置。同时疏水泵和除氧器的标高相差较大，必须考虑泵足够的扬程。转贴于5
缺点二：故障环节多
主要的故障环节是疏水箱的立管式水位计故障及疏水泵的经常性汽蚀问题。水位计的故障一方面可能会造成疏水箱的满水甚至向暖风器的倒灌，造成暖风器水击和振动的问题；另一方面可能会造成疏水箱无水，导致疏水泵空转危害泵的安全。
缺点三：造价昂贵、维修量大、疏水泵耗电量大
暖风器疏水泵因保持疏水箱水位而频繁启停，造成每年至少需要检修维护一次，且疏水泵机封容易漏水。由于疏水系统庞大和复杂，直接带来造价的增加，疏水箱及疏水箱的水位检测，疏水泵（包括备用）及再循环阀保护，疏水箱和疏水泵的闭环控制系统，包括信号缆及动力缆敷设等等。加之每年的检修维护费用及厂用电的消耗等二次投入，长期投运并维护该系统会产生一笔不小的开资。
2.2“去凝汽器”疏水方式
优点：系统简单
从图一中可以看到：“去凝汽器疏水”系统将“去除氧器疏水”系统简约到仅剩下自动疏水器这一个环节了，即疏水器可靠性就是疏水系统可靠性。
缺点：对疏水器有依赖性
3节能改造方案
针对我厂现暖风器疏水系统“去除氧器”疏水方式进行节能改造。“疏水泵→除氧器”方式（简称为去除氧器方式），这种方式需要设置低位水箱、水位计，疏水泵、控制单元以及再循环阀等设备，由于系统复杂、设备工作环境恶劣，经常发生如水位控制失灵、疏水泵汽蚀等频发故障，普遍存在着故障率高、检修量大的问题，很难适应电厂当前“减员增效”和“节能降耗”的要求。
现将“去除氧器”疏水方式改造成“去凝汽器”疏水方式，去掉了运行中故障频发的设备环节，如疏水罐、水位计、疏水泵和控制单元等等），大大简化了暖风器疏水系统。改造方案中的关键环节是一台高性能、大排量、具有先导阀的TLV自由浮球式疏水器，疏水器的性能决定了改造后整个系统的性能。
自动疏水器是一种自力式的特殊阀门，在蒸汽设备上起到自动“阻汽、排水”的作用。它能自动识别水或蒸汽，并自动执行相应的动作，在工作过程中无需任何外力驱动及人为干预。因此疏水器必须具有极高的可靠性以及最低限度的泄漏，以使改造后的疏水系统有尽可能低的维护工作量和最大的节能增效目的。
任何疏水器工作都要靠进出口正差压工作，所以暖风器使用疏水器时需寻找压力低于暖风器冷凝水压力的容器。目前多数选择凝汽器热井，变“疏水泵→除氧器”方式为“疏水器→凝汽器”方式，根据我厂热电机组特性，也可考虑其他容器接收暖风器疏水。
.png)
图二：结合现场改造简图
4改造后对现系统影响
与该改造方案直接相关的系统设备为暖风器与凝汽器两个方面。
①对暖风器的影响
暖风器是一个蒸汽热交换设备，在经常发生冷凝水积存的状况下，易出现内部水击造成振动大甚至管束泄漏等现象。加装疏水器后只要集进行自动归类。本文分析了经典聚类算法—K-means算法，并且分析了原有算法在应用于海量监测数据时的不足，针对监测数据各维特征值差异较大的特点，优化了初始质心的选择，目的是使K-means聚类算法在监测数据挖掘中取得更好的效果。
2.4.1K均值聚类概念及基本原理
K-means算法以k为输入参数，把n个对象的集合分为K个簇，使得结果簇内的相似度高，而簇之间的相似度低。簇的相似度是关于簇中对象的均值度量，可以看作簇的质心或重心。
2.4.2改进的K-means算法
对于K均值聚类算法来讲，初始质心的选择会对聚类运算结果产生很大的影响，如果选择不恰当，不仅会增加算法的时间和空间复杂度，还会使得最后的聚类效果不理想。为了使得初始化选择能够更加合理，同时尽量减少因此而增加的时间复杂度和空间复杂度，本文针对原来随即选取K个质心的质心选择算法作了一定的优化，设计了一个新的质心选择算法，以此得到一个改进的K-means算法。
优化的质心选择算法首先计算标准化处理后的数据集中各个特征的平方和，然后使用快速排序算法按大小顺序排序，形成序列1，找到最大值MAX和最小值MIN，求出它们的差，然后除以k−1，得到平均的增加值ADD，由此形成了一个新的序列2，即(MIN,MIN+ADD, MIN+2*ADD,•••,MIN+(k−2)*ADD,MAX)。分别求出序列1中与序列2中元素距离最小的数值，然后找到原数据集中对应的数据元素，将它们作为初始质心。
3结语
随着状态监测系统在发电企业中的普遍应用，常规的人员监视进行人工故障诊断已经不能满足水力发电厂的需求，企业迫切需要通过先进的技术手段提高机组运营管理水平，为电力稳定生产提供决策支持。本文提出ｋ－ｍｅａｎｓ聚类分析和关联规则的故障诊断方法来帮助电厂分析数据，为状态检修提供检修依据。
参考文献
[1]高起栋.基于数据挖掘技术的火电厂设备状态监测系统[J].工业技术创新,2017,4(6).
[2]丁洁.一种基于云平台的频繁项集数据挖掘改进算法[J].自动化技术与应用,2019(7).
[3]徐浙君.云计算下的一种数据挖掘算法的研究[J].科技通报,2018 (11).
[4]胡涛.基于关联规则的数据挖掘算法[J].电子技术与软件工程,2018(2):186-186.
[5]朱燕斌.水电厂主设备状态检修中数据挖掘技术的应用[J].环球市场信息导报,2018(43).
论文作者:张小晖,关兆祥,李灏
论文发表刊物:《电力设备》2019年第20期
论文发表时间:2020/3/16
标签：疏水论文; 疏水器论文; 暖风论文; 算法论文; 质心论文; 系统论文; 凝汽器论文; 《电力设备》2019年第20期论文;