CN104727949A - 涡轮运行灵活性 - Google Patents
涡轮运行灵活性 Download PDFInfo
- Publication number
- CN104727949A CN104727949A CN201410791157.0A CN201410791157A CN104727949A CN 104727949 A CN104727949 A CN 104727949A CN 201410791157 A CN201410791157 A CN 201410791157A CN 104727949 A CN104727949 A CN 104727949A
- Authority
- CN
- China
- Prior art keywords
- machine
- described machine
- relevant
- generate
- characteristic
- 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
- 238000012423 maintenance Methods 0.000 claims abstract description 16
- 230000008646 thermal stress Effects 0.000 claims abstract description 8
- 230000007850 degeneration Effects 0.000 claims description 20
- 210000002569 neuron Anatomy 0.000 claims description 12
- 230000009471 action Effects 0.000 claims description 7
- 238000010248 power generation Methods 0.000 claims description 4
- 230000006399 behavior Effects 0.000 abstract description 22
- 230000015556 catabolic process Effects 0.000 abstract description 20
- 238000006731 degradation reaction Methods 0.000 abstract description 20
- 239000007789 gas Substances 0.000 description 40
- 239000000567 combustion gas Substances 0.000 description 25
- 238000004458 analytical method Methods 0.000 description 18
- 238000000034 method Methods 0.000 description 17
- 239000000446 fuel Substances 0.000 description 15
- 238000003860 storage Methods 0.000 description 15
- 230000005540 biological transmission Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 230000001276 controlling effect Effects 0.000 description 9
- 230000003542 behavioural effect Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000009825 accumulation Methods 0.000 description 6
- 230000006866 deterioration Effects 0.000 description 5
- 239000002184 metal Substances 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 230000000875 corresponding effect Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 238000006116 polymerization reaction Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 102100027094 Echinoderm microtubule-associated protein-like 1 Human genes 0.000 description 1
- 101001057941 Homo sapiens Echinoderm microtubule-associated protein-like 1 Proteins 0.000 description 1
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 101000653787 Mus musculus Protein S100-A11 Proteins 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000007728 cost analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000002737 fuel gas Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 230000035882 stress Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000032258 transport Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
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
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0205—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system
- G05B13/024—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0286—Modifications to the monitored process, e.g. stopping operation or adapting control
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Combustion & Propulsion (AREA)
- Chemical & Material Sciences (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Control Of Turbines (AREA)
- Control Of Positive-Displacement Air Blowers (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Engine Equipment That Uses Special Cycles (AREA)
Abstract
本发明涉及涡轮运行灵活性。一种装置接收与机器的运行有关的感测到的运行参数。装置在第一分析器中使用感测到的运行参数，该第一分析器生成与机器的退化有关的第一特性，并且装置在第二分析器中使用感测到的运行参数，该第二分析器构造成生成与机器的热特性有关的第二特性，其中，热特性包括存在于机器中的热应力。装置还使用第一特性和第二特性，以及与关于机器的当前运行的操作者行为有关的第三特性，以生成机器的构件的剩余使用寿命特性，并且生成运行设定点，用于部分地基于剩余使用寿命特性、基于操作者行为的期望机器性能特性以及机器的维护特性来控制机器。
Description
技术领域
本文公开的主题涉及燃气涡轮发动机，并且更特别地，涉及用于使用无模型的适应性框架来灵活地运行涡轮发动机的系统和方法。
背景技术
在燃气涡轮发动机运行时，各种因素影响磨损，并且从而影响发动机构件的总寿命。例如，开始循环、功率设定、燃料和/或蒸汽或水的喷射水平直接影响关键的燃气涡轮部件的寿命，并且因而可为确定维护时间间隔的重要因素。另外，燃气涡轮磨损以不同的方式取决于例如它们的服务条件，并且因此，将具有不同的磨损速率，这取决于服务的性质。例如，进入高峰或循环工作中的机器可暴露于更大的热机械疲劳，而置于连续工作或基线运行中的机器可典型地经历更大的断裂、蠕变挠曲、氧化和/或腐蚀。因此，燃气涡轮发动机的操作者(面临各种运行条件和场面)必须经常做出区分涡轮发动机的寿命或性能的优先次序的决定。
目前，操作者决定典型地基于离线执行(例如与待监测的机器的运行分开)的维护因素的计算，并且可说明诸如燃烧时数和/或启动时数的因素。但是，这些计算经常忽略了考虑特定缓变速率的累积时数，或部分负载所花的时间，以及涡轮运行的其它复杂性。此外，奉命计算寿命的操作者可使用热模型来计算金属温度，该金属温度会聚可需要几小时，因此减小了此类模型对实时应用的效用。现有的运行决定和控制技术的额外缺点包括缺乏考虑设备动力学和使用多个非集成模型。因此需要改进的运行控制技术，其考虑到涡轮运行的复杂性、设备动力学，并且集成多个热模型来实时地估计寿命对性能。因此，目前的方法和系统使用历史数据、实时数据、当前热模型以及无模型的适应性技术来提供更灵活地控制燃气涡轮运行的系统和方法。产生的技术可允许降低和/或最小化成本，以及增加和/或最大化来自运行涡轮发动机的收入。
发明内容
在下面概括在范围上与最初要求权利的本发明相称的某些实施例。这些实施例不意图限制要求权利的本发明的范围，而是相反地，这些实施例仅意图提供本发明的可能形式的简要概括。实际上，本发明可包含可与在下面提出的实施例相似或不同的各种形式。
第一实施例包括一种装置，其构造成：接收与机器的运行有关的感测到的运行参数；在第一分析器中使用感测到的运行参数，该第一分析器构造成生成与机器的退化有关的第一特性：在第二分析器中使用感测到的运行参数，该第二分析器构造成生成与机器的热特性有关的第二特性，其中，热特性包括存在于机器中的热应力；使用与机器的退化有关的第一特性、与机器的热特性有关的第二特性，以及与关于机器的当前运行的操作者行为有关的第三特性，来生成机器的构件的剩余使用寿命特性；以及生成运行设定点，用于部分地基于剩余使用寿命特性、基于操作者行为的期望机器性能特性以及机器的维护特性来控制机器。
在第二实施例中，一种制品包括有形的非暂时性机器可读介质，其上编码有处理器可执行指令，该处理器可执行指令包括：用以接收与机器的运行有关的感测到的运行参数的指令；用以在第一分析器中应用感测到的运行参数的指令，该第一分析器构造成生成与机器的退化有关的第一特性；用以在第二分析器中应用感测到的运行参数的指令，该第二分析器构造成生成与机器的热特性有关的第二特性，其中，热特性包括存在于机器中的热应力；指令，其用以应用下者：与机器的退化有关的特性、与机器的热特性有关的第二特性，以及与关于机器的当前运行的操作者行为有关的第三特性，以生成机器的构件的剩余使用寿命特性；以及指令，其用以生成运行设定点，用于部分地基于剩余使用寿命特性、基于操作者行为的期望机器性能特性以及机器的维护特性来控制机器。
在第三实施例中，一种有形的非暂时性机器可读介质包括代码，该代码构造成：至少基于机器中的热应力来确定机器的构件的总剩余使用寿命；确定与机器的当前运行有关的操作者行为引起的机器的第一退化因素；确定与机器活动的持续时间有关的第二退化因素；确定与关于机器的运行的行为有关的机器的运行成本；基于机器的运行来确定瞬时和稳态运行时的系统损失；以及使用总剩余使用寿命、第一退化因素、第二退化因素、运行成本以及系统损失来生成用于控制机器的运行设定点。
技术方案1. 一种装置，其构造成：
接收与机器的运行有关的感测到的运行参数；
在第一分析器中使用所述感测到的运行参数，所述第一分析器构造成生成与所述机器的退化有关的第一特性；
在第二分析器中使用所述感测到的运行参数，所述第二分析器构造成生成与所述机器的热特性有关的第二特性，其中，所述热特性包括存在于所述机器中的热应力；
使用与所述机器的退化有关的所述第一特性，与所述机器的热特性有关的所述第二特性，以及关于与所述机器的当前运行有关的操作者行为的第三特性，以生成所述机器的构件的剩余使用寿命特性；以及
生成运行设定点，用于部分地基于所述剩余使用寿命特性、基于所述操作者行为的期望机器性能特性以及所述机器的维护特性，来控制所述机器。
技术方案2. 根据技术方案1所述的装置，其特征在于，所述装置构造成使用神经网络来生成所述机器的构件的剩余使用寿命特性。
技术方案3. 根据技术方案1所述的装置，其特征在于，所述装置构造成实时地接收所述感测到的运行参数。
技术方案4. 根据技术方案1所述的装置，其特征在于，所述装置构造成基于指示所述操作者行为的用户设定来分析所述机器的运行行为，以及生成所述机器的运行行为的指示。
技术方案5. 根据技术方案4所述的装置，其特征在于，所述装置构造成分析所述机器的运行成本，以及生成所述机器的运行成本的指示。
技术方案6. 根据技术方案5所述的装置，其特征在于，所述装置构造成生成所述运行设定点，用于部分地基于所述机器的运行成本的指示来控制所述机器。
技术方案7. 根据技术方案6所述的装置，其特征在于，所述装置构造成生成所述运行设定点，用于部分地基于与所述机器的容量和能力有关的设计边界来控制所述机器。
技术方案8. 根据技术方案1所述的装置，其特征在于，所述装置构造成使用神经网络来生成用于控制所述机器的所述运行设定点。
技术方案9. 根据技术方案1所述的装置，其特征在于，所述装置构造成将用于控制所述机器的所述运行设定点传输到所述机器的促动器。
技术方案10. 根据技术方案1所述的装置，其特征在于，所述机器包括功率生成单元。
技术方案11. 一种制品，其包括：
有形的非暂时性机器可读介质，其上编码有处理器可执行的指令，所述处理器可执行的指令包括：
用以接收与机器的运行有关的感测到的运行参数的指令；
用以在第一分析器中应用所述感测到的运行参数的指令，所述第一分析器构造成生成与所述机器的退化有关的第一特性；
用以在第二分析器中应用所述感测到的运行参数的指令，所述第二分析器构造成生成与所述机器的热特性有关的第二特性，其中，所述热特性包括存在于所述机器中的热应力；
指令，其用以应用下者：与所述机器的退化有关的所述特性、与所述机器的热特性有关的所述第二特性，以及关于与所述机器的当前运行有关的操作者行为的第三特性，以生成所述机器的构件的剩余使用寿命特性；以及
指令，其用以生成运行设定点，用于部分地基于所述剩余使用寿命特性、基于所述操作者行为的期望机器性能特性，以及所述机器的维护特性，来控制所述机器。
技术方案12. 根据技术方案11所述的制品，其特征在于，所述制品包括用以进行下者的指令：基于用户设定来分析所述机器的运行行为，以及生成所述机器的运行行为的指示。
技术方案13. 根据技术方案12所述的制品，其特征在于，所述制品包括用以进行下者的指令：分析所述机器的运行成本，以及生成所述机器的运行成本的指示。
技术方案14. 根据技术方案13所述的制品，其特征在于，所述制品包括用以进行下者的指令：生成所述运行设定点，用于部分地基于所述机器的运行成本的指示来控制所述机器。
技术方案15. 根据技术方案14所述的制品，其特征在于，所述制品包括用以进行下者的指令：生成所述运行设定点，用于部分地基于与所述机器的容量和能力有关的设计边界来控制所述机器。
技术方案16. 根据技术方案11所述的制品，其特征在于，所述制品包括用以进行下者的指令：传输所述运行设定点的指示，用于控制所述机器。
技术方案17. 一种有形的非暂时性机器可读介质，其包括构造成进行下者的代码：
至少基于所述机器中的热应力来确定机器的构件的总剩余使用寿命；
确定与所述机器的当前运行有关的操作者行为引起的所述机器的第一退化因素；
确定与所述机器活动的持续时间有关的第二退化因素；
确定所述机器的与关于所述机器的运行的行为有关的运行成本；
基于所述机器的运行来确定瞬时和稳态运行时的系统损失；以及
使用所述总剩余使用寿命、所述第一退化因素、所述第二退化因素、所述运行成本和所述系统损失，来生成用于控制所述机器的运行设定点。
技术方案18. 根据技术方案17所述的有形的非暂时性机器可读介质，其特征在于，所述有形的非暂时性机器可读介质包括用以生成所述机器的构件的总剩余使用寿命的神经网络。
技术方案19. 根据技术方案17所述的有形的非暂时性机器可读介质，其特征在于，所述有形的非暂时性机器可读介质包括用以生成用于控制所述机器的所述运行设定点的神经网络。
技术方案20. 根据技术方案17所述的有形的非暂时性机器可读介质，其特征在于，所述代码构造成传输用于控制所述机器的所述运行设定点的指示。
附图说明
当参考附图阅读下列详细描述时，将更好地理解本发明的这些和其它的特征、方面和优点，其中，同样的标记在所有附图中表示同样的部件，其中：
图1是描绘系统的实施例的框图，该系统包括根据实施例的燃气涡轮发动机和运行灵活的控制系统；
图2是描绘图1的燃气涡轮发动机和控制系统的框图，其示出根据实施例的运行灵活的控制系统的细节；
图3是描绘根据实施例的图1的控制系统并入了退化模式的框图；
图4是描绘根据实施例的图1的控制系统并入了操作者行为模式的框图；
图5是描绘根据实施例的图1的控制系统并入了热模型的框图；
图6是描绘图1的燃气涡轮和运行灵活的控制系统的实施例的框图，其示出根据实施例的无模型的适应性框架的细节；以及
图7是描绘根据实施例的用于对图1的燃气涡轮发动机提供运行灵活性的过程的流程图，图1的控制系统可执行该过程。
具体实施方式
将在下面描述本发明的一个或更多个特定实施例。为了提供这些实施例的简明描述，可不在说明书中描述实际实施的所有特征。应当认识到，在任何这种实际实施的开发中，如在任何工程或设计项目中，必须作出许多特定实施决定以实现开发者的特定目的，诸如符合系统相关且商业相关的约束，这可从一个实施变化到另一个实施。此外，应当认识到，这种开发努力可为复杂且耗时的，但是对于受益于本公开的技术人员而言，仍将是设计、制作和制造的日常工作。
当介绍本发明的各种实施例的元件时，冠词“一”、“一个”、“该”和“所述”意图表示存在元件中的一个或更多个。用语“包括”、“包含”和“具有”意图是包含的，并且表示可存在除了列出的元件之外的附加元件。
目前的实施例涉及用于监测和控制一个或更多个工业系统中的构件或机器，以对机器提供运行灵活性的系统和方法。在一个实施例中，机器可包括功率生成单元(诸如燃气涡轮、蒸汽涡轮、风力涡轮，以及生成电能的类似装置)，以及用于指示功率生成单元将如何工作的控制系统。该过程可并入接收自机器的传感器的传感器数据以及外部数据。例如，外部数据可包括历史和实时成本数据、维护数据和历史操作者行为数据。通过使用各种分析器，传感器和外部数据可用来计算例如退化、热、操作者行为、成本，以及负载分析。无模型的适应性框架可使用分析产生的数据，包括退化速率、剩余使用寿命数据、操作者惩罚因素、总成本、累积负载和维护因素。
无模型的适应性框架可并入燃气涡轮模型和模糊逻辑系统(例如神经网络)两者，并且使用这些模型和模糊逻辑系统来找到累积剩余使用寿命和最佳(效率提高)运行点。接着，可使用这些运行点来控制燃气涡轮系统的促动器，以控制例如燃气涡轮系统的燃气涡轮发动机的运行。以该方式，可在集成环境中标绘燃气涡轮系统的维护、性能和寿命。此外，该过程解决特定的变化(例如，燃气涡轮发动机的部分负载、缓变寿命(ramp life)等)，允许对例如燃气涡轮系统的部分的金属温度和寿命进行在线(on the fly)计算，以及允许应用燃气涡轮系统的累积特性。另外，可生成实时维护因素估计和运行点，它们包括对于给定的燃料价格/生成的能量售价，分析部件寿命vs性能。
现在转到附图，图1示出显示可对其应用本公开中阐述的运行灵活的控制技术的系统的实施例的框图。如示出的，燃气涡轮发动机或涡轮系统10可使用液体或气体燃料(诸如天然气和/或富含氢合成气体)来运行涡轮系统10。例如，燃料喷嘴可吸入燃料供应，使燃料与空气混合，并且将空气燃料混合物分配到燃烧器12中。空气燃料混合物的燃烧可在燃烧器12内产生热加压气体，该热加压气体可引导通过涡轮区段14，并且引导向排气出口20，涡轮区段14包括高压(HP)涡轮16和低压(LP)涡轮18。在示出的实施例中，HP涡轮16可为HP转子的部分，并且LP涡轮18可为LP转子的部分。随着排气传送通过HP涡轮16和LP涡轮18，气体可迫使涡轮叶片使传动轴22旋转，传动轴22沿着涡轮系统10的旋转轴线延伸。如示出的，传动轴22连接于涡轮系统10的各种构件，包括HP压缩机26和LP压缩机28。
涡轮系统10的传动轴22可包括一个或更多个轴，其例如可同心地对齐。传动轴22可包括轴，其将HP涡轮16连接于涡轮系统10的压缩机区段24的高压压缩机26以形成HP转子。例如，HP压缩机26可包括联接于传动轴22的压缩机叶片。因而，涡轮叶片在HP涡轮16中旋转可使将HP涡轮16连接于HP压缩机26的轴使压缩机叶片在HP压缩机26内旋转，这压缩HP压缩机26中的空气。类似地，传动轴22可包括轴，其将LP涡轮18连接于压缩机区段24的低压压缩机28以形成LP转子。因而，在示出的实施例中，传动轴22可包括HP和LP转子两者，用于分别驱动HP压缩机/涡轮构件和LP压缩机/涡轮构件。LP压缩机28可包括联接于传动轴22的压缩机叶片。因而，涡轮叶片在LP涡轮18中旋转使将LP涡轮18连接于LP压缩机28的轴使压缩机叶片在LP压缩机28内旋转。
压缩机叶片在HP压缩机26和LP压缩机28中旋转可作用来压缩经由空气进口32接收的空气。如图1中显示的，压缩空气馈送到燃烧器12，并且与燃料混合，以允许较高效率燃烧。因而，涡轮系统10可包括双重同心轴布置，其中，LP涡轮18通过传动轴22中的第一轴驱动地连接于LP压缩机28，HP涡轮16类似地通过传动轴22中的第二轴来驱动地连接于HP压缩机26，该第二轴可设置在第一轴的内部，并且相对于第一轴处于同心布置。在示出的实施例中，轴22还可连接于负载34，负载34可包括由涡轮系统10的旋转输出提供功率的任何适当的装置。例如，负载34可包括车辆或固定负载，诸如动力设备中的发电机或飞行器上的推进器。在一些实施例中，燃气涡轮系统10可为在航海推进、工业功率生成和/或航海功率生成应用中使用的航改式燃气涡轮。此外，应当注意，虽然图1中描绘的涡轮系统表示冷端系统(例如，负载34相对于空气流方向设置在进口的上游)，但其它实施例还可包括热端系统(例如，其中负载34相对于空气流方向设置在排气口20的下游)。
为了对构造成执行实现下面更详细论述的运行灵活性的技术的涡轮控制系统提供涡轮性能信息，燃气涡轮系统10可包括一组多个传感器40，其中，传感器40构造成监测与涡轮系统10的运行和性能有关的各种涡轮发动机参数。传感器40可包括例如一个或更多个入口传感器和出口传感器，它们定位在例如HP涡轮16、LP涡轮18、HP压缩机26、LP压缩机28和/或燃烧器12的入口和出口部分、以及进口32、排气区段20和/或负载34的附近。此外，传感器40可包括实测传感器和/或虚拟传感器。如可认识到的，实测传感器可表示构造成获取(多个)特定参数的度量的物理传感器(例如硬件)，而虚拟传感器可用来获得对感兴趣的参数的估计，并且可使用软件来实施。在一些实施例中，虚拟传感器可构造成提供难以使用物理传感器来直接测量的参数的估计值。
经由实例，这些各种入口和出口传感器40(可包括实测传感器和虚拟传感器)可感测与环境条件有关的参数，诸如周围温度和压力和有关湿度，以及与涡轮系统10的运行和性能有关的各种发动机参数，诸如压缩机速度比、入口压差、排气口压差、入口导叶位置、燃料温度、发电机功率因素、喷水速率、压缩机放气流率、排气温度和压力、压缩机排气温度和压力、发电机输出、转子速度、涡轮发动机温度和压力、燃料流率、核心速度。传感器40还可构造成监测与涡轮系统10的各种运行阶段有关的发动机参数。如将在下面进一步论述的，可将由传感器网络40获得的涡轮系统参数的度量42提供给涡轮控制系统44，其构造成执行实现运行灵活性的技术。
如由操作者引导或者以自动模式运行的控制系统44可调节燃气涡轮系统10内的促动器46，以通过改变诸如燃料流率、导叶角和喷嘴面积的参数来调整燃气涡轮系统10的功能。例如，促动器46可包括机械促动器、液压促动器、气动促动器或电磁促动器，它们管理控制燃气涡轮系统10的空气和燃料流径内的空气和燃料流的阀的移动。将在下面相对于图2来详细说明控制系统44的具体细节。
图2示出描绘图1的控制系统44的细节的框图。控制系统44包括处理器52(例如，一般的中央处理单元(CPU)、嵌入式CPU、芯片上系统(SOC)、特定用途的处理器、特定用途集成电路(ASIC)、现场可编程的门阵列(FPGA)和它们的组合)，以对历史和实时涡轮参数执行分析，其中，实时可为给定的时间段，诸如例如，大约一分钟、大约三十秒、大约十五秒、大约五秒、大约一秒，或者大约不到一秒。控制系统44还可包括工作站54。工作站54可允许操作者与控制系统44交互，并且相应地控制燃气涡轮10的运行。
在一些实施例中，处理器52和/或其它数据处理电路可以可操作地联接于存储器56，以执行用于执行目前公开的技术的指令。这些指令可编码在程序中，该程序可由处理器52执行，以执行用于执行目前公开的技术的指令。这些指令可编码在可由处理器52执行的程序中。另外，指令可存储在任何适当的制品中，该任何适当的制品包括至少共同存储这些指令或例程的至少一个有形的非暂时性计算机可读介质，诸如存储装置56。存储装置56可包括例如随机访问存储器、只读存储器、可重写的存储器、闪速存储器和/或其它物理存储装置，诸如硬盘驱动器和/或光盘。
因此，存储装置56例如可存储由处理器52执行来执行目前分析技术的指令。因此，在一些实施例中，存储装置56可包含分析构件，该分析构件包括退化分析器58、操作者行为分析器60、热分析器62和成本分析器64。存储装置56另外可包含无模型的适应性框架66，处理器52可使用无模型的适应性框架66，以通过使用接收自多个分析器58、60、62和/或64的输出，对燃气涡轮10的操作者提供指导信息。应当注意，在其它实施例中，代替存在于存储装置56中，分析器58、60、62和/或64中的各个以及无模型的适应性网络66还可包括它们本身的相应的本地处理器，并且将指令存储在本地存储器(非暂时性有形的机器可读介质)上，以被相应的本地处理器执行，其中单独的结果在执行目前分析技术时在彼此之间传输，并且传输到处理器52。
在一些实施例中，工作站54可为人机界面，人机界面可包括例如可显示图形用户接口(GUI)的显示器36。如应当认识到的，工作站54还可包括多种其它构件，诸如键盘、鼠标、跟踪板和/或触摸屏接口等。另外，工作站54还可包括允许物理构件从外部联接于工作站54的输入/输出(I/O)端口，以及用以经由私人局域网(PAN)(例如蓝牙)、局域网(LAN)(例如Wi-Fi)、广域网(WAN)(例如3G或LTE)、以太网等来提供通信的网络接口。
另外，工作站54可诸如通过局域网、无线网络(例如，802.11标准)或移动网络(例如，EDGE、3G、4G、LTE、WiMAX)来与处理器52通信连接。也就是说，工作站54可位于处理器52远处。备选地，工作站54可在控制系统44的其它元件附近(例如，与控制系统在同一个壳体中，或者在物理上联接于容纳处理器52和存储装置56的壳体)。在其中工作站56相对于控制系统44的其它元件(例如处理器52和存储装置56)位于远处的实施例中，操作者可经由工作站54来远程地访问处理器52，以接收控制系统44的输出。
在又一个实施例中，控制系统44还可定位成大体紧接燃气涡轮系统10(在同一建筑中)，或者可位于燃气涡轮系统10的远处。例如，在一个实施例中，涡轮系统10的制造商可出售或供应涡轮系统10，以及提供性能监测服务来监测涡轮系统的状况和性能退化。这些性能监测服务可在现场完成(例如，由涡轮系统10的用户/操作者执行)，或者可在涡轮系统10的物理位置的远处完成(例如，由涡轮系统10的用户/操作者、涡轮系统10制造商或第三方完成)。因此，在此类实施例中，控制系统44可位于涡轮系统10的远处，并且由处理器52指示的通知和/或经修订的设定点可传输到由客户运行的工作站54，例如通过电子邮件、文本消息，或者作为在专有应用中显示的通知。在其它实施例中，控制系统44和/或工作站54可指定为涡轮系统10的集成构件，并且两者可位于涡轮系统10附近(例如，与涡轮系统10在同一房间或建筑中)。
图3是描绘图1的控制系统44的一部分的框图，其包括性能退化分析器58的细节。性能退化分析器58包括燃气涡轮退化模型59。该燃气涡轮退化模型59可使用接收到的传感器输出42，包括燃气涡轮10的热耗率。基于接收到的传感器输出42，可在线地(实时或近实时)选定(例如，从查找表或其它位置)或生成退化特性。退化特性可来自退化模型59，可发送到性能退化速率计算器61。
另外，性能退化计算器61可接收来自操作者行为分析器60的指示。操作者行为分析器60可生成用户如何运行涡轮系统10的燃气涡轮(例如燃气涡轮的运行趋势，诸如温和、激进、保守等)发动机的指示，并且例如可被在线地(实时或近实时)选定(例如，从查找表或其它位置)或生成。使用涡轮系统10的燃气涡轮发动机的指示可传输到性能退化计算器61。
因而，如上面提到的，性能退化速率计算器61接收模型59和60的输出。这些接收到的输出可由性能退化计算器61用来确定涡轮系统10的燃气涡轮发动机根据各种运行模式所经历的性能退化速率63。在一种情况下，主要运行模式或条件可包括瞬时(例如，开始和停止)和稳态(例如，运行)条件。这些性能退化速率63可在无模型适应性框架66中使用，如将关于图6更详细地论述的。
图4描绘与上面论述的操作者行为分析器60有关的控制系统44的一部分。运行行为分析器60接收历史数据68以及与实时操作者命令70有关的数据。接着，分析器62产生操作者行为分类72，其包括基于历史数据68以及与实时操作者命令70有关的数据的不同范围。例如，在一些实施例中，操作者行为分类72可包括激进、温和和防守种类。分类和分段结果呈交给模糊逻辑系统(例如神经网络)74，其计算对被分析的操作者专有的操作者行为惩罚因素76。该惩罚因素76考虑到操作者的行为如何影响燃气涡轮系统10的寿命消耗和退化速率，并且基于模型的控制可转变成性能计算中的信用或负债。如显示的，在本实施例中，惩罚因素176输出到无模型的适应性网络66。
控制系统44可采取额外的分析。图4是框图，其示出将输入提供给无模型的适应性框架66的热分析器62。热分析器62可包括经验降阶热模型78和剩余使用寿命计算器78。经验降阶热模型78可使用来自燃气涡轮系统10的传感器输出42的信息，由此信息可包括各种燃气涡轮构件(例如，转子、壳、轮叶、喷嘴和过渡件)的燃气涡轮金属温度。在一些实施例中，模型78可包括信息，诸如各种涡轮构件的应力/应变曲线等。同样，模型78可使用上面论述的信息来计算各种位置处的金属温度，诸如关键位置(例如，对燃气涡轮系统10的运行而言重要性高的位置，或者在燃气涡轮系统10的运行期间很可能失效的位置)。
经验降阶热模型的输出可由剩余使用寿命计算器78使用。在一些实施例中，剩余使用寿命计算器80还可接收传感器输出42的指示。剩余使用寿命计算器80可基于传感器输出42，以及接收自经验降阶热模型78的信息，来计算涡轮系统10的各种构件的剩余使用寿命106，其接着可作为结果72输入到无模型的适应性框架66中。
图6是示出图1的燃气涡轮和控制系统的实施例的框图，其显示无模型的适应性框架66的细节。框架66接收多组输入。如上面论述的，退化分析器58接收热耗率和来自传感器网络42的其它传感器输出，以及操作者行为分析器60的输出，并且计算对于各种运行条件的退化速率63。框架66还接收来自热分析器62的、用于燃气涡轮系统10的各种构件的剩余使用寿命72计算结果。操作者行为分析器60计算出的操作者惩罚因素82和基于此的总成本数据84(例如，由成本分析器64得出的燃气涡轮系统10的运行成本)还可作为输入提供给框架66。
在一些实施例中，成本分析器64通过使用与燃料成本、摊销成本和维护成本有关的数据的分析和聚合来计算总成本数据84。这些成本可为存储在控制系统44的存储装置56上的历史数据以及接收自外部源(诸如访问市场数据和/或企业专有数据的网络)的实时数据的组合。
维护因素86以及累积负载数据88可为至无模型的适应性框架66的额外输入。维护因素可包括应该维护燃气涡轮系统10的频率、对燃气涡轮发动机11的各部分执行维护的时长，或者与维持燃气涡轮系统10有关的其它因素。累积负载数据88可为包括描述随着时间的过去的负载以及燃气涡轮系统10的缓变速率的历史数据的数据的聚合，并且可由累积负载计算器90提供。
在无模型的适应性框架内，接收自退化分析器58的各种构件的剩余使用寿命63输入到模糊逻辑系统92(例如神经网络)中，以计算例如燃气涡轮系统10的聚合剩余使用寿命93。同样，无模型的适应性框架66内的燃气涡轮模型94(例如，Gate Cycle、ARES、EMAP)例如可模仿燃气涡轮发动机11，并且/或者生成燃气涡轮发动机11在稳态运行时的效率图。这些值可输出到适合的参数聚合器96，可包括燃气涡轮剩余使用寿命、退化速率、设计极限、总成本、维护因素、期望性能、操作者惩罚和优先级决定(其可与以下中的一个或更多个有关：燃气涡轮发动机11的寿命、燃气涡轮发动机11的性能，或者基于外部需求)。
适合的参数聚合器96可将上面论述的聚合信息输出到模糊逻辑和优化系统98，其可包括例如神经网络，该神经网络对燃气涡轮系统产生最好的(最佳效率或提高的效率)运行点100。这些最佳运行点100接着可为作为用于燃气涡轮操作者可获得的控制旋钮的设定点102的输出。在一个实施例中，控制旋钮可为工作站54显示器上的操作者可获得的虚拟控制，其对燃气涡轮系统10的促动器46实现物理改变。
图7示出用于对燃气涡轮发动机提供运行灵活性的过程104的实施例，过程104可由图1的控制系统44执行。在步骤106中，控制系统44接收来自燃气涡轮系统10的传感器网络40的传感器数据42。在步骤108中，控制系统44接收可在燃气涡轮系统10的外部并且可存储在控制系统的存储装置56上的数据。该外部数据可包括历史和实时成本数据、维护数据，以及历史操作者行为数据。在步骤110中，控制系统44将接收到的数据输入到各种分析器中，以完成退化、热、操作者行为、成本和负载分析。分析所产生的数据(包括退化速率、剩余使用寿命数据、操作者惩罚因素、总成本、累积负载和维护因素)输入到无模型的适应性框架中，如步骤112中显示的。
在步骤114中，无模型的适应性框架使用燃气涡轮模型和模糊逻辑系统(例如神经网络)来找到累积剩余使用寿命和最佳运行点。接着控制系统44在步骤116中更新控制旋钮设定点。如显示的，过程可在步骤106处再次开始，由此控制系统44接收更新的传感器数据42。该过程104可自动地启动，例如设定成以预先设定的计划基础运行，或者可由操作者手动地启动。
该书面的描述使用实例以公开本发明(包括最佳模式)，并且还使本领域技术人员能够实践本发明(包括制造和使用任何装置或系统并且执行任何并入的方法)。本发明的可专利范围由权利要求限定，并且可包括本领域技术人员想到的其它实例。如果这些其它实例具有不与权利要求的字面语言不同的结构元件，或者如果这些其它实例包括与权利要求的字面语言无显著差别的等同结构元件，则这些其它实例意图在权利要求的范围内。
Claims (10)
1. 一种装置，其构造成：
接收与机器的运行有关的感测到的运行参数；
在第一分析器中使用所述感测到的运行参数，所述第一分析器构造成生成与所述机器的退化有关的第一特性；
在第二分析器中使用所述感测到的运行参数，所述第二分析器构造成生成与所述机器的热特性有关的第二特性，其中，所述热特性包括存在于所述机器中的热应力；
使用与所述机器的退化有关的所述第一特性，与所述机器的热特性有关的所述第二特性，以及关于与所述机器的当前运行有关的操作者行为的第三特性，以生成所述机器的构件的剩余使用寿命特性；以及
生成运行设定点，用于部分地基于所述剩余使用寿命特性、基于所述操作者行为的期望机器性能特性以及所述机器的维护特性，来控制所述机器。
2. 根据权利要求1所述的装置，其特征在于，所述装置构造成使用神经网络来生成所述机器的构件的剩余使用寿命特性。
3. 根据权利要求1所述的装置，其特征在于，所述装置构造成实时地接收所述感测到的运行参数。
4. 根据权利要求1所述的装置，其特征在于，所述装置构造成基于指示所述操作者行为的用户设定来分析所述机器的运行行为，以及生成所述机器的运行行为的指示。
5. 根据权利要求4所述的装置，其特征在于，所述装置构造成分析所述机器的运行成本，以及生成所述机器的运行成本的指示。
6. 根据权利要求5所述的装置，其特征在于，所述装置构造成生成所述运行设定点，用于部分地基于所述机器的运行成本的指示来控制所述机器。
7. 根据权利要求6所述的装置，其特征在于，所述装置构造成生成所述运行设定点，用于部分地基于与所述机器的容量和能力有关的设计边界来控制所述机器。
8. 根据权利要求1所述的装置，其特征在于，所述装置构造成使用神经网络来生成用于控制所述机器的所述运行设定点。
9. 根据权利要求1所述的装置，其特征在于，所述装置构造成将用于控制所述机器的所述运行设定点传输到所述机器的促动器。
10. 根据权利要求1所述的装置，其特征在于，所述机器包括功率生成单元。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US14/136,835 US9581086B2 (en) | 2013-12-20 | 2013-12-20 | Turbine operational flexibility |
| US14/136835 | 2013-12-20 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104727949A true CN104727949A (zh) | 2015-06-24 |
| CN104727949B CN104727949B (zh) | 2019-08-06 |
Family
ID=52101169
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410791157.0A Active CN104727949B (zh) | 2013-12-20 | 2014-12-19 | 用于控制机器运行的装置及非暂时性计算机可读存储介质 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US9581086B2 (zh) |
| EP (1) | EP2887168B1 (zh) |
| CN (1) | CN104727949B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110663008A (zh) * | 2017-05-23 | 2020-01-07 | 林德股份公司 | 用于求取流体流过的过程工程装置的剩余使用寿命的方法和系统 |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9853581B2 (en) * | 2013-03-15 | 2017-12-26 | Rolls-Royce Corporation | Lifing and performance optimization limit management for turbine engine |
| US20180073386A1 (en) * | 2016-09-12 | 2018-03-15 | General Electric Company | System and method for condition-based monitoring of turbine filters |
| US20180284748A1 (en) * | 2017-04-03 | 2018-10-04 | General Electric Company | Control systems and methods for controlling power systems based on operational reliabilities and operational anomalies |
| US11293353B2 (en) | 2017-05-31 | 2022-04-05 | Raytheon Technologies Corporation | Transient control to extend part life in gas turbine engine |
| US10830091B2 (en) * | 2018-01-08 | 2020-11-10 | Raytheon Technologies Corporation | Distress detection in dynamically and thermally coupled systems |
| EP3623737A1 (de) * | 2018-09-13 | 2020-03-18 | Linde Aktiengesellschaft | Verfahren zur festigkeitsberechnung eines fluiddurchströmten verfahrenstechnischen apparats |
| BE1026166B1 (nl) * | 2018-09-28 | 2019-10-22 | Step-Up Consulting BVBA | Prestatieverhoging van systemen |
| CN109992875B (zh) * | 2019-03-28 | 2020-11-17 | 中国人民解放军火箭军工程大学 | 一种切换设备剩余寿命的确定方法及系统 |
| US11536205B2 (en) * | 2020-03-31 | 2022-12-27 | Rolls-Royce Plc | Gas turbine engine operating schedules for optimizing ceramic matrix composite component life |
| JP2023025354A (ja) * | 2021-08-10 | 2023-02-22 | 東芝エネルギーシステムズ株式会社 | ブレード損傷評価装置、方法及びプログラム |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5311562A (en) * | 1992-12-01 | 1994-05-10 | Westinghouse Electric Corp. | Plant maintenance with predictive diagnostics |
| WO2002018879A1 (en) * | 2000-08-25 | 2002-03-07 | Battelle Memorial Institute | Method and apparatus to predict the remaining service life of an operating system |
| EP1420153B1 (en) * | 2002-11-13 | 2010-08-04 | General Electric Company | Adaptive model-based control systems for controlling a gas turbine |
| CN102608120A (zh) * | 2010-12-30 | 2012-07-25 | 通用电气公司 | 用于检测发动机的燃烧器中材料缺陷的方法、系统和设备 |
| CN102955980A (zh) * | 2011-08-22 | 2013-03-06 | 通用电气公司 | 用于发电系统的排放预测系统 |
| CN103207234A (zh) * | 2012-01-16 | 2013-07-17 | 通用电气公司 | 涡轮机叶片监测系统 |
Family Cites Families (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4249238A (en) | 1978-05-24 | 1981-02-03 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | Apparatus for sensor failure detection and correction in a gas turbine engine control system |
| US4908775A (en) * | 1987-02-24 | 1990-03-13 | Westinghouse Electric Corp. | Cycle monitoring method and apparatus |
| US5258923A (en) | 1987-07-22 | 1993-11-02 | General Electric Company | System and method for detecting the occurrence, location and depth of cracks in turbine-generator rotors |
| US5625153A (en) | 1994-12-19 | 1997-04-29 | Hitachi, Ltd. | Method of non-destructively estimating life of ceramic member |
| US5852793A (en) | 1997-02-18 | 1998-12-22 | Dme Corporation | Method and apparatus for predictive diagnosis of moving machine parts |
| US7308322B1 (en) * | 1998-09-29 | 2007-12-11 | Rockwell Automation Technologies, Inc. | Motorized system integrated control and diagnostics using vibration, pressure, temperature, speed, and/or current analysis |
| US6490506B1 (en) | 1999-05-21 | 2002-12-03 | Hydro Resource Solutions Llc | Method and apparatus for monitoring hydroelectric facility maintenance and environmental costs |
| JP3652943B2 (ja) | 1999-11-29 | 2005-05-25 | 三菱重工業株式会社 | 金属材料の損傷評価方法及び装置 |
| US7065471B2 (en) | 2001-06-18 | 2006-06-20 | Hitachi, Ltd. | Method and system for diagnosing state of gas turbine |
| US7243042B2 (en) | 2004-11-30 | 2007-07-10 | Siemens Power Generation, Inc. | Engine component life monitoring system and method for determining remaining useful component life |
| US7328128B2 (en) * | 2006-02-22 | 2008-02-05 | General Electric Company | Method, system, and computer program product for performing prognosis and asset management services |
| DE102007001024B4 (de) * | 2007-01-02 | 2008-10-02 | Siemens Ag | Verfahren zur rechnergestützten Regelung und/oder Steuerung eines technischen Systems insbesondere einer Gasturbine |
| US8849586B1 (en) * | 2007-11-30 | 2014-09-30 | Intellectual Assets Llc | Path classification and estimation method and system for prognosticating asset life |
| US8510060B2 (en) * | 2010-06-07 | 2013-08-13 | General Electric Company | Life management system and method for gas turbine thermal barrier coatings |
| US8135568B2 (en) | 2010-06-25 | 2012-03-13 | General Electric Company | Turbomachine airfoil life management system and method |
| US9279346B2 (en) | 2010-10-19 | 2016-03-08 | General Electric Company | Systems, methods, and apparatus for determining online stress and life consumption of a heat recovery steam generator |
| DE102010049909A1 (de) * | 2010-10-28 | 2012-05-03 | Eads Deutschland Gmbh | Instandhaltungsinformationsvorrichtung, Zustandssensor zur Verwendung darin sowie damit durchführbares Verfahren zur Entscheidungsfindung für oder gegen eine Instandhaltung |
| US8712739B2 (en) * | 2010-11-19 | 2014-04-29 | General Electric Company | System and method for hybrid risk modeling of turbomachinery |
| US20120266123A1 (en) | 2011-04-12 | 2012-10-18 | Texas Instruments Incorporated | Coherent analysis of asymmetric aging and statistical process variation in electronic circuits |
-
2013
- 2013-12-20 US US14/136,835 patent/US9581086B2/en active Active
-
2014
- 2014-12-15 EP EP14198003.7A patent/EP2887168B1/en active Active
- 2014-12-19 CN CN201410791157.0A patent/CN104727949B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5311562A (en) * | 1992-12-01 | 1994-05-10 | Westinghouse Electric Corp. | Plant maintenance with predictive diagnostics |
| WO2002018879A1 (en) * | 2000-08-25 | 2002-03-07 | Battelle Memorial Institute | Method and apparatus to predict the remaining service life of an operating system |
| EP1420153B1 (en) * | 2002-11-13 | 2010-08-04 | General Electric Company | Adaptive model-based control systems for controlling a gas turbine |
| CN102608120A (zh) * | 2010-12-30 | 2012-07-25 | 通用电气公司 | 用于检测发动机的燃烧器中材料缺陷的方法、系统和设备 |
| CN102955980A (zh) * | 2011-08-22 | 2013-03-06 | 通用电气公司 | 用于发电系统的排放预测系统 |
| CN103207234A (zh) * | 2012-01-16 | 2013-07-17 | 通用电气公司 | 涡轮机叶片监测系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110663008A (zh) * | 2017-05-23 | 2020-01-07 | 林德股份公司 | 用于求取流体流过的过程工程装置的剩余使用寿命的方法和系统 |
| EP3631592B1 (de) | 2017-05-23 | 2022-07-27 | Linde GmbH | Verfahren und system zur ermittlung einer verbleibenden lebensdauer eines fluiddurchströmten verfahrenstechnischen apparats |
Also Published As
| Publication number | Publication date |
|---|---|
| US20150176498A1 (en) | 2015-06-25 |
| US9581086B2 (en) | 2017-02-28 |
| CN104727949B (zh) | 2019-08-06 |
| EP2887168A3 (en) | 2016-01-06 |
| EP2887168A2 (en) | 2015-06-24 |
| EP2887168B1 (en) | 2019-08-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104727949A (zh) | 涡轮运行灵活性 | |
| US9593591B2 (en) | Engine health monitoring and power allocation control for a turbine engine using electric generators | |
| US10949813B2 (en) | Methods and apparatus to generate an asset workscope operation | |
| EP3483798A1 (en) | Methods and apparatus to generate an optimized workscope | |
| CN101922474B (zh) | 用于向涡轮构件提供喘振保护的系统和方法 | |
| EP2434127A2 (en) | Methods and systems for modeling turbine operation | |
| US10458342B2 (en) | System and method for controlling operation of a gas turbine based power plant | |
| JP6878108B2 (ja) | エンジンの動力出力をモデル化するためのシステムおよび方法 | |
| CN101881222A (zh) | 关于燃气涡轮控制和运行的方法 | |
| JP2015017606A (ja) | ガスタービンを制御するためのシステム及び方法 | |
| CA2852299C (en) | Engine operations support systems and methods for reducing fuel flow | |
| WO2012174348A2 (en) | Systems and methods to assess and optimize energy usage for a facility | |
| RU2675965C2 (ru) | Способ определения режима выбросов | |
| CN105900146A (zh) | 用于预测发动机寿命周期的方法和系统 | |
| US8914134B2 (en) | Systems and methods for predicting transient operational characteristics of a power plant | |
| US20180313224A1 (en) | Method and system for improved design and implementation of turbomachinery | |
| CN107315403A (zh) | 用校准的性能模型控制机械 | |
| EP3373233A1 (en) | Scheduling maintenance to reduce degradation of a power generation system | |
| CN105604703B (zh) | 用于调谐燃气涡轮机的计算装置、系统及其方法 | |
| Martin | Chapter 5: mathematical optimization for evaluating gas network capacities | |
| US10033316B2 (en) | System and method for model based turbine shaft power predictor | |
| US20200150610A1 (en) | Control switching device, plant, control switching method and program | |
| Khan et al. | Risk analysis of gas turbines for natural gas liquefaction | |
| Zhang et al. | A digital twin approach for gas turbine performance based on deep multi-model fusion | |
| EP4223982A1 (en) | Systems and methods for predicting and optimizing performance of gas turbines |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240108 Address after: Swiss Baden Patentee after: GENERAL ELECTRIC CO. LTD. Address before: New York, United States Patentee before: General Electric Co. |