CN102539129A - 涡轮性能诊断系统和方法 - Google Patents
涡轮性能诊断系统和方法 Download PDFInfo
- Publication number
- CN102539129A CN102539129A CN2011104030375A CN201110403037A CN102539129A CN 102539129 A CN102539129 A CN 102539129A CN 2011104030375 A CN2011104030375 A CN 2011104030375A CN 201110403037 A CN201110403037 A CN 201110403037A CN 102539129 A CN102539129 A CN 102539129A
- Authority
- CN
- China
- Prior art keywords
- turbine
- alarm
- bbn
- check
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims description 17
- 230000008859 change Effects 0.000 claims abstract description 26
- 238000001514 detection method Methods 0.000 claims abstract description 25
- 238000004458 analytical method Methods 0.000 claims description 19
- 239000011159 matrix material Substances 0.000 claims description 19
- 238000012423 maintenance Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 8
- 238000003657 Likelihood-ratio test Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 16
- 238000005406 washing Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 8
- 230000015556 catabolic process Effects 0.000 description 6
- 238000006731 degradation reaction Methods 0.000 description 6
- 238000001914 filtration Methods 0.000 description 6
- 238000007689 inspection Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 5
- 238000003860 storage Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000007850 degeneration Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000013011 mating Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000005295 random walk Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02C—GAS-TURBINE PLANTS; AIR INTAKES FOR JET-PROPULSION PLANTS; CONTROLLING FUEL SUPPLY IN AIR-BREATHING JET-PROPULSION PLANTS
- F02C9/00—Controlling gas-turbine plants; Controlling fuel supply in air- breathing jet-propulsion plants
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
- F05D2260/00—Function
- F05D2260/80—Diagnostics
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
- F05D2270/00—Control
- F05D2270/40—Type of control system
- F05D2270/44—Type of control system active, predictive, or anticipative
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
- F05D2270/00—Control
- F05D2270/70—Type of control algorithm
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
- F05D2270/00—Control
- F05D2270/70—Type of control algorithm
- F05D2270/71—Type of control algorithm synthesized, i.e. parameter computed by a mathematical model
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Combustion & Propulsion (AREA)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- Computational Mathematics (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Mechanical Engineering (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Control Of Turbines (AREA)
Abstract
本发明涉及涡轮性能诊断系统和方法。一种涡轮性能诊断系统(50),其为一个或多个涡轮(60)产生性能报告,并且包括评估模块,该评估模块接收来自至少一个涡轮的运行数据,并且根据该运行数据来产生性能报告(70)。评估模块包括:变化检测模块(308),其构造成确定至少一个参数何时改变得超出相关联的阈值,并且产生警报;以及联接到变化检测模块上的根本原因分析器(312),其利用贝叶斯置信网络(BBN)来预测警报的根本原因。性能报告包括所预测的根本原因的表示。
Description
技术领域
本文公开的主题涉及涡轮,并且具体而言,涉及监测涡轮的性能以及预测涡轮的运行中的变化的根本原因。
背景技术
电功率的产生典型地包括利用一个或多个涡轮。这些涡轮,像任何其它机械装置一样,可能需要不时地进行检查,以确保恰当的运行。一种方法是进行定期检查。但是,在一些情况下,可确定,特定涡轮(或其一部分)可能不需要像其它的那样经常进行检查,即使它们是同类型的。因此,检查可能对于一个涡轮不是必要的,而对于另一个可能是必要的。
功率产生系统的高可用性和可靠性多年来向来是电力工业的主要的必要要求。不可靠性和被迫停机的高成本是众所周知的。维护不当或检测到运行异常可导致涡轮被迫停机。及早检测到这样的异常对于防止和减少长时间的涡轮被迫停机是重要的。
典型的检查可能需要涡轮在检查期间停机。在这种情况下,可能会妨碍功率产生装置的生产能力的至少一部分。降低产生功率的能力可具有与其相关联的实际的经济成本。另外,检查本身也花费金钱。出于至少这两个原因,仅在需要的时候和在需要处执行检查或维护可为有益的。
发明内容
根据本发明的一方面,公开了一种为一个或多个涡轮产生性能报告的涡轮性能诊断系统。这方面的系统包括评估模块,该评估模块接收来自至少一个涡轮的运行数据,并且根据该运行数据来产生性能报告。这方面的评估模块包括:变化检测模块,其构造成确定至少一个参数何时改变得超出相关联的阈值,以及产生警报;以及联接到变化检测模块上的根本原因分析器,其利用贝叶斯(Bayesian)置信网络(BBN)来预测警报的根本原因。在这方面,性能报告包括所预测的根本原因的表示。
根据本发明的另一方面,公开了一种为至少一个涡轮确定涡轮警报的根本原因的方法。这方面的方法包括:在计算装置处确定存在涡轮警报;当存在警报状况时,在计算装置处确定,存在哪些其它警报状况,如果有的话,以产生事件部分;以及通过比较事件部分与贝叶斯置信网络(BBN)而根据该事件部分来预测事件的根本原因。
根据本发明的另一方面,公开了一种用于为一个或多个涡轮产生记分卡的系统。在这方面,该系统包括评估模块,该评估模块接收来自至少一个涡轮的运行数据,并且根据该运行数据来产生记分卡。在这方面,评估模块包括:变化检测模块,其构造成确定至少一个参数何时改变得超出相关联的阈值,以及产生警报;以及产生记分卡的记分卡生成器,该记分卡包括状态表示,该状态表示以产生警报的参数的特性为基础。
根据结合附图得到的以下描述,这些和其它优点与特征将变得更加显而易见。
附图说明
在说明书的结论处的权利要求书中特别指出且明确要求保护被视为本发明的主题。根据结合附图得到的以下详细描述,本发明的前述和其它特征与优点是显而易见的,其中:
图1是根据本发明的一个实施例的系统的数据流程图;
图2示出了本发明的实施例可在其上实现的计算系统;
图3是示出了根据一个实施例的系统的数据流程图;
图4显示了根据一个实施例的证据矩阵的一部分的一个实例;
图5显示了由本发明的实施例使用的且根据本发明的实施例的证据矩阵的一个实例;
图6示出了根据一个实施例的贝叶斯置信网络(BBN)的一个实例;
图7是示出了根据另一个实施例的系统的数据流程图;以及
图8是示出了发热量退化对时间(的关系)的曲线图。
详细描述以参照附图的实例的方式阐述了本发明的实施例,以及优点和特征。
部件列表:
50系统
52压缩机
54燃烧器
56涡轮区段
60涡轮
62控制器
63通讯通路
64评估器
66额外信息
70报告
100处理系统
101处理器
101a中央处理单元
101b中央处理单元
101c中央处理单元
102只读存储器(ROM)
103硬盘
104大容量存储器
105磁带存储器驱动器
106网络适配器
107输入/输出(I/O)适配器
108用户接口适配器
109键盘
110鼠标
111喇叭
112显示适配器
113系统总线
114系统存储器
115屏幕
116外部网络
120软件
300系统
301评估器
302涡轮数据
304信号处理模块
306处理数据
308变化检测模块
310检测到的变化数据
312根本原因分析器
314数据库
316学习工具
318维护分析器
320维护建议
400实例部分
402列
404列
406额外参数
408额外参数
410额外参数
412额外参数
414额外参数
416额外参数
418额外参数
420额外参数
500证据矩阵
502列
504列
600结构
602根本原因泡
604不同的参数
606不同的参数
608不同的参数
610不同的参数
612不同的参数
614不同的参数
616不同的参数
618不同的参数
620不同的参数
622边缘
700系统
701评估器
702涡轮数据
704队宽记分卡
706单元记分卡
708信号处理模块
710经处理的数据
712变化检测模块
714检测到的变化数据
716记分卡生成器
800
801第一时段
802发热量
803线
804第二时段
805第二次水洗
具体实施方式
本文公开的实施例涉及用监测涡轮性能的系统和方法。在公开的系统和方法中,跟踪涡轮的关键性能参数,并且根据此跟踪,可检测这些参数的变化。在一些实施例中,变化导致对用户/操作员产生警报或警告。
在一个实施例中,当产生警报时,记录性能参数中的一些或全部的状态。可在队(fleet)上组合这个记录的信息,以产生队级性能退化跟踪记分卡。根据又一个实施例,基于在产生警报时记录的信息,可执行概率性根本原因分析。在一个实施例中,根本原因分析以贝叶斯置信网络的结果为基础。
图1显示了根据一个实施例的系统50的数据流程图。系统50可包括一个或多个涡轮60。为了简单起见,在图1中仅示出了一个涡轮60。涡轮60可为任何类型的涡轮。事实上,涡轮60可为燃气轮机、蒸汽轮机或将燃料转换成电力的其它装置。
在涡轮60为燃气轮机的情况下,涡轮60可包括用以吸入空气和压缩空气的压缩机52;用以添加燃料以加热压缩空气的燃烧器54(或燃烧装置);以及用以从热空气流中抽取动力的涡轮区段56。
系统50还可包括联接到涡轮60上的控制器62。控制器62接收来自涡轮60的信息,并且基于那个信息,可改变涡轮60的运行。因此,控制器62和涡轮60之间的通讯可为双向的,如通讯通路63所表示的那样。
在一个实施例中,控制器62联接到评估器64上。在这种实施例中,评估器64接收来自控制器62的信息,并且可选地,接收来自额外信息源(未显示)的额外信息66,以产生一个或多个报告70。
额外信息66可包括(但不限于)现场监测信息。在一个实施例中,现场监测信息与压缩机52有关。这个现场监测信息可包括(但不限于)运行小时数、入口调节、喷雾器信息、部分负载运行、水洗信息、入口空气质量和其它传感器信息。当然,其它类型的信息可包括在额外信息66中。
可在硬件、软件或它们的一些组合(固件)中实现评估器64。报告70可包括一个或多个不同的类型的信息。在一个实施例中,报告70包括队级性能记分卡、单元级性能记分卡和根本原因报告中的至少一个。
参看图2,显示了用于实现本文的教导的处理系统100的一个实施例。处理系统100可包括评估器64(图1)。在这个实施例中,系统100具有一个或多个中央处理单元(CPU)(处理器)101a、101b、101c等(共同地或一般地称为处理器(一个或多个)101)。在一个实施例中,各个处理器101可包括简精指令集计算机(RISC)微处理器。处理器101通过系统总线113而联接到系统存储器114和各种其它构件上。只读存储器(ROM)102联接到系统总线113上,并且可包括基本输入/输出系统(BIOS),BIOS控制系统100的某些基本功能。
图2进一步描绘了联接到系统总线113上的输入/输出(I/O)适配器107和网络适配器106。I/O适配器107可为与硬盘103和/或磁带存储器驱动器105或任何其它类似的构件通讯的小型计算机系统接口(SCSI)适配器。I/O适配器107、硬盘103和磁带存储装置105在本文中共同称为大容量存储器104。网络适配器106使总线113与外部网络116互连,使得数据处理系统100能够与其它这样的系统通讯。屏幕(例如显示监视器)115可通过显示适配器112来连接到系统总线113上,显示适配器112可包括用以改进图形密集应用和视频控制器的性能的图形适配器。在一个实施例中,适配器107、106和112可连接到一个或多个I/O总线上,该一个或多个I/O总线通过中间总线桥(未显示)来连接到系统总线113上。用于连接诸如硬盘控制器、网络适配器和图形适配器的外围装置的适当的I/O总线典型地包括通用协议,例如外围构件接口(PCI)。显示了额外的输入/输出装置通过用户接口适配器108和显示适配器112来连接到系统总线113上。键盘109、鼠标110和喇叭111通过用户接口适配器108而全部互连到总线113上,用户接口适配器108可包括例如将多个装置适配器集成到单个集成电路中的I/O芯片。
将理解,系统100可为任何适当的计算机或计算平台,并且可包括终端、无线装置、信息仪表、装置、工作站、小型计算机、大型计算机、个人数字助理(PDA)或其它计算装置。应当理解,系统100可包括通过通讯网络而链接在一起的多个计算装置。例如,在两个系统之间可存在客户-服务器关系,并且处理可在两个系统之间分开。
系统100可使用任何计算机操作系统。如所示出的那样,系统100还包括用于在网络116上进行通讯的网络接口106。网络116可为局域网(LAN)、城域网(MAN)或广域网(WAN),例如互联网或万维网。
系统100的用户可通过任何适当的网络接口来连接到网络116上,例如标准电话线路、数字用户线路、LAN或WAN链路(例如T1、T3)、宽带连接(帧中继、ATM)和无线连接(例如802.11(a)、802.11(b)、802.11(g))。
如本文公开的那样,系统100可包括存储在机器可读介质(例如硬盘104)上的机器可读指令,以执行本文公开的一个或多个方法。如本文所论述的那样,指令可称为“软件”120。可使用本领域中已知的软件开发工具来产生软件120。软件120可包括用于提供本领域已知的用户交互能力的各种工具和特征。
图3是根据一个实施例的系统300的数据流程图。在这个实施例中,涡轮60产生涡轮数据302。当然,可在控制器(未显示)或接收来自涡轮或其它机器的信息的其它计算装置处编译涡轮数据302。应当理解,虽然图3的描述涉及涡轮,但是系统300可用可从中收集数据的任何类型的机器来代替涡轮。
涡轮数据302可包括下者中的一个或多个:发热量(HR)、实测功率输出(DWATT)、涡轮速度(高压轴)(TNH)、总的经修正功率、大气压力(AFPAP)、实测涡轮排气压力损耗(AFPEP)、压缩机效率和压缩机流率。另外,涡轮数据302可包括例如对压缩机执行水洗的时间。
将涡轮数据302提供给评估器301。评估器301可与图1中显示的评估器64相同,或者可为其一部分。在一个实施例中,评估器301包括信号处理模块304。在一个实施例中,信号处理模块304对涡轮数据302进行滤波和分类。在一个实施例中,可省略信号处理模块304。
在存在信号处理模块304的情况下,它可执行下者中的一个或多个:运行模式滤波;信号平滑(使用或者中值或者Savitzky-Golay(SG))滤波;以及数据规范化。当然,信号处理模块304可对涡轮数据302执行其它类型的处理。不管处理的滤波类型如何,信号处理模块304都产生经处理的数据306。
在一个实施例中将经处理的数据306提供给变化检测模块308。如上面所描述的那样,可省略信号处理模块304。在这种情况下,可将涡轮数据302直接提供给变化检测模块308。
变化检测模块308大体构造成随着时间的过去来检验数据,以及检测涡轮数据302中的基于时间的变化。具体而言,变化检测模块306对数据进行检验,并且确定值或值的变化是否超过相关联的阈值。
存在可由变化检测模块306实现的若干种类型的检测方案(检验)。这些方案包括(但不限于)霍特林(Hotelling)T2变换检验、似然比检验、霍特林T2变换检验和似然比检验的组合、z分数计算、二样本t检验、熵基检验、离线水检测检验、均值或基值偏移检验和高斜率检测检验。在一个实施例中,对接收自涡轮60的HR值和DWATT值中的一个或两者执行这些检验中的一个或多个。当然,可执行其它类型的检验,并且本领域技术人员可实现所列出的那些。在一个实施例中,涡轮数据302中的任何参数的不合需要的变化的检测可导致警报的产生。
变化检测模块308产生检测到的变化数据310。这个检测到的变化数据310代表基于在变化检测模块308中执行的检验而产生的特定警报(或缺少该警报)。在一个实施例中,检测到的变化数据310可包括全部监测到的涡轮参数的状态的列表,因为它们在警报产生时是存在的。在一个实施例中,检测到的变化数据310可组合起来而形成证据矩阵,如在下面描述的那样。
图4显示了根据一个实施例的证据矩阵的实例部分400。部分400示出了证据矩阵中的条目,其中为特定单元(例如为特定涡轮)产生了HR警报(列402)和DWATT警报(列404)两者。当然,其它类型的警报可包括在部分400中。部分400还包括其它额外参数406-420的状态的表示。额外参数406-420的状态表示,在产生HR或DWATT警报时,那些参数是否在正常运行状况内,或者最近是否已被执行(在例如水洗的情况下)。
可随着时间的过去而为单独的单元以及在单元队上产生多个部分400。部分400可全部组合起来而形成证据矩阵500,如图5中显示的那样。在一个实施例中,证据矩阵500标识单元(列502)和警报的时间(列504)。应当理解,在一个实施例中,部分400和证据矩阵500可仅包括涡轮或其一部分(例如压缩机)失效时的条目。当然,失效的定义是可变的,并且取决于背景。根据一个实施例,证据矩阵中的各个条目500还可包括实际失效原因的表示。
再次参看图3,证据矩阵500可由包含在检测到的变化数据310中且存储在数据库314中的单独的部分400形成。根据本发明的一个实施例,证据矩阵500可用作根本原因分析(RCA)的一部分。在一个实施例中,RCA包括利用BBN模型。事实上,应当理解,在一个实施例中,可根据证据矩阵产生BBN模型。
将检测到的变化数据310提供给根本原因分析器312。在一个实施例中,根本原因分析器312针对当前警报状况而分析检测到的变化310,并且产生对警报的根本原因的预测。例如,假设在压缩机接收水洗的同时遇到HR警报。在这种情况下,则可预测HR警报是由于发生水洗的事实而引起的。应当理解,以上实例是简单化的,并且是以实例而非限制的方式提供的。
图6示出了在一个实施例中在根本原因分析器314中使用的结构600。可基于例如对证据矩阵500(图5)的检查而形成该结构。在一个实施例中,可根据系统知识和证据矩阵来产生为所有可能的实测值提供概率性框架的较完整的结构,以及然后根据已知原理来对该结构进行修整,以移除无贡献的或不可检测的信息。图6中示出的结构600是这种经修整的版本。
如上面所论述的那样,证据矩阵中的各个条目可包括警报状态的实际原因的表示。这种实际原因在本文中也称为“根本原因”,并且在图6中显示为根本原因泡602。应当理解,在一个实施例中,这些原因可选自压缩机问题、涡轮故障、入口状况变化、燃烧温度变化、水洗、传感器校准问题、放气阀打开和滤波器改变,仅举出了一些。
可针对各个根本原因来开发单独的结构600。该结构600可包括其它不同的参数604-620。在一个实施例中,参数之间的特定布置和连接以实际观察到的数据为基础。
结构600形成BBN的基础,并且以人类专家的置信为基础。更详细而言,BBN是所关注的域的变量的图形表示,并且代表结构600中的变量之间的关系,如图6中示出的那样。在一个实施例中,结构600是直接非循环图(DAG)。在BBN中,变量(604-620)具有一组有限的状态,并且由边缘(例如边缘622)连接而形成DAG。各个变量A均具有母体B1…,Bn。例如,在图6中,泡614、618和620是泡616的母体。在发生A的情况下发生B的概率由等式1中示出的贝叶斯法则来限定。
再次参看图3,根本原因分析器312可比较当前检测到的变化数据310与图6中显示的根本原因中的一个或多个的BBN。这种比较将基于所有可测参数的状态(警报或无警报)来得出对根本原因的预测。在这种实施例中,报告70包括最密切地匹配当前状况的根本原因的表示。当然,报告70可包括在系统中定义的所有根本原因的列表以及它们中的各个均是当前警报的根本原因的概率。
在一个实施例中,实际上基于根本原因来作出修理或修正动作。警报的实际原因可能结果与根本原因分析器312所预测的不同。在一个实施例中,图3中示出的系统包括促使BBN中的一个或多个基于这个新信息而改变的学习工具316。另外,可随着时间的过去来更新BBN,因为收集了更多数据。
根据另一个实施例,本文公开的系统和方法可用来提供维护建议。为此,该系统还可包括维护分析器318。维护分析器318构造成分析报告70,以及产生维护建议320。假设例如报告70表示特定涡轮有80%的可能有低的压缩机效率(即有80%的可能压缩机是当前警报的原因)。基于准则,维护分析器318可产生陈述应当在下一个维护时间间隔期间检查与压缩机有关的构件的维护建议320。当然,维护分析器318所使用的特定准则可基于背景来确定,并且有所变化。
图7是示出了根据本发明的另一个实施例的系统700的数据流程图。应当理解,图7中示出的系统700可结合到图3中显示的系统300中。在这个实施例中,涡轮60产生涡轮数据702。当然,可在控制器(未显示)或接收来自涡轮或其它机器的信息的其它计算装置处编译该涡轮数据702。应当理解,虽然图7的描述涉及涡轮,但是系统700可用可从其中收集数据的任何类型的机器来代替涡轮。此外,应当理解,系统700可包括形成队的多个涡轮60。
大体上,系统700根据涡轮数据702来产生记分卡。该记分卡可为或者队宽记分卡704或者特定单元的单元记分卡706。在一个实施例中,队宽记分卡704包括组合在一起的若干个单元记分卡706。
更详细而言,将涡轮数据702提供给评估器701,评估器701根据涡轮数据702产生记分卡704、706中的一个或两者。涡轮数据702可包括下者中的一个或多个:发热量(HR)、实测功率输出(DWATT)、涡轮速度(高压轴)(TNH)、总的经修正功率、大气压力(AFPAP)、实测涡轮排气压力损耗(AFPEP)、压缩机效率(COMP_EFF)和压缩机流率(COMP FLOW)。另外,涡轮数据702可包括例如对压缩机执行水洗的时间。
将涡轮数据702提供给评估器701。评估器701可与图1中显示的评估器64相同,或者可为其一部分。在一个实施例中,评估器701包括信号处理模块708。在一个实施例中,信号处理模块708对涡轮数据702进行滤波和分类。在一个实施例中,可省略信号处理模块708。信号处理模块708可执行与图3中显示的信号处理模块304相同的功能中的一些或全部。
根据一个实施例,信号处理模块708产生经处理的数据710。在一个实施例中,经处理的数据710包括一系列的发热量数据对,各个对表示连续的水洗之后的发热量。当然,可包括与水有关的其它数据对。另外,其它涡轮数据702中的任一个均可包括在经处理的数据710中(无论是否经过处理)。
评估器701还包括变化检测模块712,该变化检测模块712确定这些对或其它信息的变化是否超过阈值,并且输出检测到的变化数据714。
这个实施例的评估器701还可包括构造成根据检测到的变化来产生队宽记分卡704和单元记分卡706中的一个或两者的记分卡生成器712。在一个实施例中,单元记分卡706包括下者的表示:单元的性能是否在退化,以及如果是在退化,退化了多少。可用于这种确定的一个度量(metric)是均值偏移变化。
图8显示了性能退化对时间(的关系)的曲线图。在第一时段801中,在第一次水洗(由线803示出)之后,发热量(轨迹802)处于第一水平L1处。在第二时段804中,在第二次水洗805之后,发热量802是第二水平。第一水平L1和第二水平L2之间的差异表示可随着时间的过去而跟踪到的性能退化的量。在一个实施例中,变化检测模块712可确定L1和L2(图7)之间的差异。在一个实施例中,单元记分卡706可包括以性能退化水平为基础的不同的值。
例如,并且再次参看图7,单元记分卡706可表示性能不在退化,每次水洗退化不到百分之一或每次水洗退化超过百分之一。当然,这种信息也可用来随着时间的过去而预测单元的未来退化。
在队宽记分卡704的情况下,可基于各个性能度量的单元记分卡706来整体地对该队的性能退化进行建模。
在一个实施例中,性能退化预测可包括在队宽记分卡704、单元记分卡或两者中。在一个实施例中,这样的预测以卡尔曼(Kalman)滤波过程所产生的模型为基础。在这种过程中,首先通过等式2来对发热量进行建模:
HR(k)=a(k)×时间(k)+c(k)(2)
其中,a(k)是退化曲线的斜率,而c(k)是截距。在一个实施例中,将该过程等式建模成随机游动,并且将该过程等式应用于当前数据,直到获得合适的模型为止。然后可使用这个模型来预测发热量在未来的变化速率。
鉴于以上,在一个实施例中,图7中显示的系统可利用当前参数和涡轮的运行轮廓来预测其发热量值在现在或在未来时间里的变化速率。这样的未来预测还可由维护分析器318(图3)用来确定何时可执行特定维护。
虽然结合仅有限数量的实施例来详细地描述本发明,但是应当容易地理解,本发明不限于这样的公开的实施例。相反,可修改本发明,以结合此前未描述的但与本发明的精神和范围相当的任何数量的变型、更改、替代或等效布置。另外,虽然描述了本发明的多种实施例,但是将理解,本发明的各方面可包括所描述的实施例中的仅一些。因此,本发明不应视为由前面的描述限制,而是仅由所附权利要求的范围限制。
Claims (10)
1.一种为一个或多个涡轮产生性能报告的涡轮性能诊断系统(50),所述系统(50)包括:
评估模块,其接收来自至少一个涡轮(60)的运行数据,并且根据所述运行数据来产生性能报告(70),所述评估模块包括:
变化检测模块(308),其构造成确定至少一个参数何时改变得超出相关联的阈值,并且产生警报;以及
联接到所述变化检测模块(308)上的根本原因分析器(312),其利用贝叶斯置信网络(BBN)来预测所述警报的根本原因;
其中,所述性能报告(70)包括所预测的根本原因的表示。
2.根据权利要求1所述的系统(50),其特征在于,所述变化检测模块(308)执行下者中的至少一个来产生所述警报:霍特林T2变换检验、似然比检验、所述霍特林T2变换检验和似然比检验的组合、z分数计算、二样本t检验、熵基检验、离线水检测检验、均值或基值偏移检验和高斜率检测检验。
3.根据权利要求1所述的系统(50),其特征在于,基于与所述至少一个涡轮(60)有关的在先运行数据而形成所述BBN。
4.根据权利要求1所述的系统(50),其特征在于,基于证据矩阵(500)而形成所述BBN。
5.根据权利要求4所述的系统(50),其特征在于,所述证据矩阵(500)包括多个部分,各个部分包括在产生第一警报时所存在的其它警报状况的表示。
6.根据权利要求1所述的系统(50),其特征在于,所述系统(50)进一步包括:
基于所述报告来产生维护建议(320)的维护分析器(318)。
7.一种为至少一个涡轮确定涡轮警报的根本原因的方法,所述方法包括:
在计算装置处确定存在所述涡轮警报;
当存在警报状况时,在所述计算装置处确定,存在哪些其它警报状况,如果有的话,以产生事件部分;以及
通过比较所述事件部分与贝叶斯置信网络(BBN)而根据所述事件部分来预测所述事件的根本原因。
8.根据权利要求7所述的方法,其特征在于,基于与所述至少一个涡轮(60)有关的在先运行数据而形成所述BBN。
9.根据权利要求8所述的方法,其特征在于,基于证据矩阵(500)而形成所述BBN。
10.根据权利要求9所述的方法,其特征在于,所述证据矩阵(500)至少部分地由来自所述至少一个涡轮(60)以外的涡轮的运行数据形成。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US12/956,689 US8751423B2 (en) | 2010-11-30 | 2010-11-30 | Turbine performance diagnostic system and methods |
US12/956689 | 2010-11-30 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102539129A true CN102539129A (zh) | 2012-07-04 |
CN102539129B CN102539129B (zh) | 2016-12-14 |
Family
ID=
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106257019A (zh) * | 2015-06-17 | 2016-12-28 | A.S.En.安萨尔多开发能源有限责任公司 | 燃气轮机的自学习控制系统和用于控制燃气轮机的方法 |
CN110291542A (zh) * | 2017-03-08 | 2019-09-27 | 欧姆龙株式会社 | 主要原因估计装置、主要原因估计系统以及主要原因估计方法 |
CN113614666A (zh) * | 2019-03-25 | 2021-11-05 | 施耐德电子系统美国股份有限公司 | 用于检测和预测工业过程自动化系统中的故障的系统和方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0771206A (ja) * | 1990-01-25 | 1995-03-14 | Westinghouse Electric Corp <We> | 蒸気タービン・システムにおける弁の性能を評価する診断システムおよび方法 |
CN1217056A (zh) * | 1996-02-29 | 1999-05-19 | 监控技术有限公司 | 用于监视涡轮机的多传感器装置和方法 |
US20030191606A1 (en) * | 2002-04-09 | 2003-10-09 | Kabushiki Kaisha Toshiba | Plant maintenanace method and apparatus |
US20030216856A1 (en) * | 2002-05-15 | 2003-11-20 | Jacobson Evan Earl | Diagnostic systems for turbocharged engines |
US20090055130A1 (en) * | 2007-08-23 | 2009-02-26 | General Electric Company | System and method for prediction of gas turbine trips due to gas control valve failures |
CA2723695A1 (en) * | 2008-05-08 | 2009-11-12 | Mtu Aero Engines Gmbh | Device and method to monitor a gas turbine |
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0771206A (ja) * | 1990-01-25 | 1995-03-14 | Westinghouse Electric Corp <We> | 蒸気タービン・システムにおける弁の性能を評価する診断システムおよび方法 |
CN1217056A (zh) * | 1996-02-29 | 1999-05-19 | 监控技术有限公司 | 用于监视涡轮机的多传感器装置和方法 |
US20030191606A1 (en) * | 2002-04-09 | 2003-10-09 | Kabushiki Kaisha Toshiba | Plant maintenanace method and apparatus |
US20030216856A1 (en) * | 2002-05-15 | 2003-11-20 | Jacobson Evan Earl | Diagnostic systems for turbocharged engines |
US20090055130A1 (en) * | 2007-08-23 | 2009-02-26 | General Electric Company | System and method for prediction of gas turbine trips due to gas control valve failures |
CA2723695A1 (en) * | 2008-05-08 | 2009-11-12 | Mtu Aero Engines Gmbh | Device and method to monitor a gas turbine |
Non-Patent Citations (1)
Title |
---|
刘峻华 等: ""汽轮机故障诊断技术的发展与展望"", 《汽轮机技术》, vol. 42, no. 1, 10 February 2000 (2000-02-10), pages 1 - 6 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106257019A (zh) * | 2015-06-17 | 2016-12-28 | A.S.En.安萨尔多开发能源有限责任公司 | 燃气轮机的自学习控制系统和用于控制燃气轮机的方法 |
CN106257019B (zh) * | 2015-06-17 | 2020-08-25 | A.S.En.安萨尔多开发能源有限责任公司 | 燃气轮机的自学习控制系统和用于控制燃气轮机的方法 |
CN110291542A (zh) * | 2017-03-08 | 2019-09-27 | 欧姆龙株式会社 | 主要原因估计装置、主要原因估计系统以及主要原因估计方法 |
CN113614666A (zh) * | 2019-03-25 | 2021-11-05 | 施耐德电子系统美国股份有限公司 | 用于检测和预测工业过程自动化系统中的故障的系统和方法 |
Also Published As
Publication number | Publication date |
---|---|
EP2458178A3 (en) | 2015-12-16 |
US8751423B2 (en) | 2014-06-10 |
JP6088131B2 (ja) | 2017-03-01 |
EP2458178B1 (en) | 2018-04-18 |
JP2012118981A (ja) | 2012-06-21 |
EP2458178B2 (en) | 2022-07-20 |
EP2458178A2 (en) | 2012-05-30 |
US20120136819A1 (en) | 2012-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6088131B2 (ja) | タービン性能診断システム及び方法 | |
US9465387B2 (en) | Anomaly diagnosis system and anomaly diagnosis method | |
Badıa et al. | Optimal inspection and preventive maintenance of units with revealed and unrevealed failures | |
US20200371858A1 (en) | Fault Predicting System and Fault Prediction Method | |
CN102054218A (zh) | 涡轮机运行退化确定系统和方法 | |
CN105992977B (zh) | 成套设备的诊断装置和诊断方法 | |
CN102713777B (zh) | 诊断装置及诊断方法 | |
US8255100B2 (en) | Data-driven anomaly detection to anticipate flight deck effects | |
Wang et al. | Reliability and condition-based maintenance modeling for systems operating under performance-based contracting | |
CN102566421B (zh) | 机器状态监控中异常检测的条件相关性建模的系统和方法 | |
CN107710089B (zh) | 工厂设备诊断装置以及工厂设备诊断方法 | |
CN110658308B (zh) | 考虑共因失效的烟气在线监测系统安全可靠性评价方法 | |
EP1010114A1 (en) | Method of maintaining components subject to fatigue failure | |
WO2007007703A1 (ja) | 故障診断装置、プログラム及び記録媒体 | |
EP2317082A2 (en) | Turbine life assessment and inspection system and methods | |
Mortada et al. | Rogue components: their effect and control using logical analysis of data | |
CN110209996A (zh) | 一种用于评价继电保护装置的健康水平的方法及系统 | |
Colombo et al. | On statistical Multi-Objective optimization of sensor networks and optimal detector derivation for structural health monitoring | |
EP1752898A2 (en) | Exception analysis for multimissions | |
EP1724717A2 (en) | Real-time spatio-temporal coherence estimation for autonomous mode identification and invariance tracking | |
CN114577470A (zh) | 用于风机主轴承的故障诊断方法及系统 | |
CN102539129B (zh) | 涡轮性能诊断系统和方法 | |
US11789436B2 (en) | Diagnosing device, diagnosing method, and program | |
JP2890815B2 (ja) | プラントの異常診断装置 | |
Bonivento et al. | Reliability evaluation for fault diagnosis in complex systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240103 Address after: Swiss Baden Patentee after: GENERAL ELECTRIC CO. LTD. Address before: New York, United States Patentee before: General Electric Co. |
|
TR01 | Transfer of patent right |