CN107390646A - 用于工厂平衡的智能管理系统 - Google Patents
用于工厂平衡的智能管理系统 Download PDFInfo
- Publication number
- CN107390646A CN107390646A CN201710350243.1A CN201710350243A CN107390646A CN 107390646 A CN107390646 A CN 107390646A CN 201710350243 A CN201710350243 A CN 201710350243A CN 107390646 A CN107390646 A CN 107390646A
- Authority
- CN
- China
- Prior art keywords
- steam
- drum
- water
- feed pump
- level
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 claims abstract description 52
- 230000009471 action Effects 0.000 claims abstract description 46
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 142
- 239000000567 combustion gas Substances 0.000 claims description 12
- 239000007789 gas Substances 0.000 claims description 9
- 238000010025 steaming Methods 0.000 claims description 3
- 238000003809 water extraction Methods 0.000 claims description 2
- 238000004891 communication Methods 0.000 abstract description 7
- 230000007704 transition Effects 0.000 description 21
- 238000010586 diagram Methods 0.000 description 19
- 238000007726 management method Methods 0.000 description 13
- 230000008859 change Effects 0.000 description 12
- 230000008569 process Effects 0.000 description 12
- 238000012545 processing Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 9
- 239000000203 mixture Substances 0.000 description 9
- 238000004590 computer program Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 230000001052 transient effect Effects 0.000 description 6
- 230000007850 degeneration Effects 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 230000009467 reduction Effects 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 239000003795 chemical substances by application Substances 0.000 description 3
- 230000004087 circulation Effects 0.000 description 3
- 238000010219 correlation analysis Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008646 thermal stress Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 238000005094 computer simulation Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 230000009291 secondary effect Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000740 bleeding effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000003623 enhancer Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 230000035882 stress Effects 0.000 description 1
- 239000008400 supply water Substances 0.000 description 1
- 230000008961 swelling Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- 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
- G05B19/00—Programme-control systems
- G05B19/43—Programme-control systems fluidic
-
- 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
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
-
- 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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- 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
- G05B23/0262—Confirmation of fault detection, e.g. extra checks to confirm that a failure has indeed occurred
-
- 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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
-
- 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
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
-
- 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
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
- G05B23/0229—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions knowledge based, e.g. expert systems; genetic algorithms
-
- 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
- G05B23/0267—Fault communication, e.g. human machine interface [HMI]
- G05B23/027—Alarm generation, e.g. communication protocol; Forms of alarm
-
- 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
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D7/00—Control of flow
- G05D7/06—Control of flow characterised by the use of electric means
- G05D7/0617—Control of flow characterised by the use of electric means specially adapted for fluid materials
- G05D7/0629—Control of flow characterised by the use of electric means specially adapted for fluid materials characterised by the type of regulator means
- G05D7/0676—Control of flow characterised by the use of electric means specially adapted for fluid materials characterised by the type of regulator means by action on flow sources
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24091—Display indication out of order, alarm indication
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32252—Scheduling production, machining, job shop
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/37—Measurements
- G05B2219/37591—Plant characteristics
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manufacturing & Machinery (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Human Computer Interaction (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Engine Equipment That Uses Special Cycles (AREA)
- Control Of Turbines (AREA)
Abstract
本发明提供了用于提供工厂平衡的智能管理的系统和方法。根据本发明的一个实施例,用于确定给水泵的故障的系统包括一个或多个处理器和通信耦连至所述一个或多个处理器的数据库。所述一个或多个处理器可以被配置成接收工厂参数。所述一个或多个处理器还可以被配置成将所述工厂参数与历史运行值相关联。至少部分基于所述相关联,所述一个或多个处理器可以是可操作的以识别给水泵中的故障。至少部分基于所述识别,所述一个或多个处理器可以是可操作的以提供关于所述给水泵的操作的建议行动。
Description
技术领域
本发明一般涉及电厂,并且,更具体地涉及用于提供工厂平衡的智能管理(intelligent management for balance of plant)的系统和方法。
背景技术
电厂可以包括许多个互连的部件,并涉及许多操作过程。电厂运行的不高效可能由各种条件触发的工厂跳闸引起。例如,当热回收蒸汽发生器(HRSG)的蒸汽汽包(steamdrum)中的水位比预选的汽包水位更低或更高时,可能出现汽包水位跳闸。汽包水位跳闸可能由汽包控件以及相邻系统(诸如旁通阀、给水泵等等)引起。用于防止汽包水位跳闸的传统技术可能涉及改进阀操作,但并不提供集成的方法。
发明内容
本发明涉及用于提供工厂平衡的智能管理的系统和方法。本发明的某些实施例提供用于确定给水泵的故障的系统和方法。根据本发明的一个实施例,提供了用于确定给水泵的故障的系统。所述系统可以包括一个或多个处理器以及通信耦连至所述一个或多个处理器的数据库。所述一个或多个处理器可以被配置成接收工厂参数。所述一个或多个处理器还可以被配置成将所述工厂参数与历史运行值相关联。至少部分基于所述相关联,所述一个或多个处理器可以是可操作的以识别给水泵中的故障。至少部分基于所述识别,所述一个或多个处理器可以是可操作的以提供关于所述给水泵的操作的建议动作/行动。所述数据库可以被配置成存储至少所述工厂参数和所述历史运行值。
所述方法还包括:至少部分基于所述工厂参数,由一个或多个计算机处理器预测与蒸汽汽包关联的至少汽包压力和蒸汽流量;至少部分基于所述汽包压力和所述蒸汽流量,由一个或多个计算机处理器预测所述蒸汽汽包中的汽包水位;至少部分基于所述汽包水位,由一个或多个计算机处理器确定所述蒸汽汽包的汽包水位设定点;至少部分基于所述汽包水位,由一个或多个计算机处理器确定给水控制阀的设定点;以及调节所述汽包水位设定点,其中,所述调节包括控制一个或多个相邻部件,所述相邻部件包括以下的至少一个:旁通阀或给水泵。其中,调节所述汽包水位设定点是在以下的至少一个期间执行的:初始蒸汽汽包流动,所述蒸汽汽包中的压力瞬变,工厂的负载操纵,或风道燃烧器的操作。
所述的法还包括至少部分基于所述工厂参数,由一个或多个计算机处理器预测所述蒸汽汽包中的瞬变,其中,所述汽包水位设定点的确定还基于所述瞬变的预测。
所述方法还包括基于所述给水泵中故障的识别,由一个或多个计算机处理器发布警报;由一个或多个计算机处理器将所述警报经由应用编程接口提供至工厂操作员。
所述方法还包括至少部分基于所述相关联,由一个或多个计算机处理器预测所述给水泵的阻塞。其中,所述建议行动包括以下的至少一个:改变工厂设备的平衡的参数,改变所述给水泵的输入流量,改变所述给水泵的输出流量,提供冗余给水泵,或改变旁通阀的位置。
在本发明的另一实施例中,提供了一种用于确定给水泵的故障的方法。所述方法可以包括接收工厂参数。所述方法还可以包括将所述工厂参数与历史运行值相关联。至少部分基于所述相关联,可以识别给水泵中的故障。至少部分基于所述识别,可以提供关于所述给水泵的操作的建议动作/行动。
在本发明的另一实施例中,提供了一种用于确定给水泵的故障的系统。所述系统可以包括锅炉汽包(boiler drum)和控制器。所述锅炉汽包可以包括至少一个蒸汽汽包、蒸发器、立管(riser)和给水泵(feedwater pump)。所述蒸发器可以被配置成从所述蒸汽汽包接收水,从燃气涡轮机接收加热气体。所述立管可以位于所述蒸发器和所述蒸汽汽包之间以将蒸汽从所述蒸发器引导至所述蒸汽汽包。所述给水泵可以被配置成将水提供至所述蒸汽汽包。所述控制器可以包括一个或多个处理器和通信耦连至所述一个或多个处理器的数据库。所述一个或多个处理器可以被配置成接收工厂参数。所述一个或多个处理器还可以被配置成将所述工厂参数与历史运行值相关联。至少部分基于所述相关联,所述一个或多个处理器可以是可操作的以识别给水泵中的故障。至少部分基于识别的故障,所述一个或多个处理器可以是可操作的以提供关于所述给水泵的操作的建议动作/行动。所述数据库可以被配置成存储至少所述工厂参数和所述历史运行值。
其中,所述一个或多个计算机处理器还能够操作以:至少部分基于所述工厂参数,预测与蒸汽汽包关联的至少汽包压力和蒸汽流量;以及至少部分基于所述汽包压力和所述蒸汽流量,预测所述蒸汽汽包中的汽包水位。
其中,所述一个或多个计算机处理器还能够操作以至少部分基于所述汽包水位确定汽包水位设定点以调节所述汽包水位,从而实现所述蒸汽汽包的预定动力学。所述一个或多个计算机处理器还能够操作以控制至少一个相邻单元,其中,所述至少一个相邻单元包括以下的至少一个:旁通阀或所述给水泵。所述一个或多个计算机处理器能够操作以在以下的一个或多个期间调节所述汽包水位设定点:初始蒸汽汽包流动,所述蒸汽汽包中的压力瞬变,工厂的负载操纵,和风道燃烧器的操作。
其中,所述工厂参数包括至少排气温度、燃气涡轮机排气流量、给水温度、给水压力、给水流量、汽包过热器温度、旁通阀位置、给水泵条件、燃气涡轮机速度、来自蒸汽汽包的蒸汽流量、以及所述蒸汽汽包中的汽包压力。
其中,所述一个或多个计算机处理器还能够操作以:至少部分基于所述给水泵中故障的识别,发布警报;以及经由应用编程接口将所述警报和所述建议动作提供至工厂操作员。述建议行动是针对位于蒸汽汽包的下游的设备提供的。其中,所述建议行动包括以下的至少一个:改变工厂设备的平衡的参数,改变所述给水泵的输入流量,改变所述给水泵的输出流量,提供冗余给水泵,或改变旁通阀的位置。
通过结合附图进行的以下描述,其它实施例和方面将变得显然。
附图说明
图1是图解说明根据本发明的一个或多个示例性实施例用于实现确定给水泵故障的系统和方法的示例性系统环境的框图。
图2是图解说明根据本发明的一个或多个示例性实施例用于确定给水泵故障的系统的各个示例性模块的框图。
图3是图解说明根据本发明的一个或多个示例性实施例由确定给水泵故障的系统执行的电厂的智能管理的示例性框图。
图4是图解说明根据本发明的实施例确定给水泵的故障的示例性方法的过程流程图。
图5是图解说明根据本发明的实施例作为蒸汽流量和蒸汽压力的函数的汽包水位设定点的示例性曲线。
图6是图解说明根据本发明的实施例控制汽包水位的示例性框图。
图7是图解说明根据本发明的实施例预测汽包水位设定点的示例性曲线。
图8是图解说明根据本发明的实施例使用数据驱动模型基于汽包压力和汽包水位预测的设定点的示例性曲线。
图9-11是根据本发明的实施例用于选择汽包水位设定点的示例性查询表。
图12是图解说明根据本发明的实施例用于工厂平衡的智能管理系统的示例性控制器的框图。
具体实施方式
以下详细描述包括针对附图的描述,附图形成详细描述的一部分。附图描绘根据示例性实施例的例证。这些示例性实施例在本说明书中也称作“示例”,其被足够详细地描述以使得本领域技术人员能够实践本发明的主题。在不偏离声称的主题的范围下,可以组合这些示例性实施例,可以使用其它实施例,或者可以进行结构、逻辑和电气变化。因此,以下详细描述不是在限制意义上进行的,范围由所附权利要求和其等同物限定。
本说明书中描述的本发明的某些实施例涉及用于提供工厂平衡的智能管理的系统和方法。某些实施例涉及用于确定例如在工厂中给水泵的故障的系统和方法。可以把示例性方法用作预测给水泵的故障和阻塞(choking)、以及使用运行平衡设备(BOP,balanceof operation)的参数提供关于管理给水泵的退化的建议的单独(stand-alone)工具。BOP设备可以包括在工厂的运行中使用的子系统,诸如阀门、泵、压缩机等等。
发电厂可以包括燃气涡轮机、HRSG和蒸汽涡轮机。依次地,HRSG可以包括节热器(economizer)、蒸发器、蒸汽汽包和过热器。燃气涡轮机可以产生机械能和排气能(exhaustenergy)。排气能可以由HRSG捕获,并用来将水转换成蒸汽。水能够进入HRSG,在HRSG的节热器中被加热。来自节热器的被加热的水可以发送至蒸发器,该蒸发器生成饱和的水混合物,然后在蒸汽汽包中被分离。来自蒸汽汽包的蒸汽可以在蒸汽涡轮机中膨胀产生附加的机械能。
蒸汽汽包中水的水位也称作汽包水位(drum level),其可能与从蒸汽汽包提供预定的蒸汽流量并用于蒸汽汽包的操作/运行有关。由于汽包水位的降低,蒸汽汽包内部的管子可能未被覆盖,变得过热而被损坏。此外,汽包水位的增加可能阻止将湿气与蒸汽汽包中的蒸汽分离,造成湿气在蒸汽涡轮机中的积累。
本发明的示例性实施例可以涉及收集实时工厂参数并创建蒸汽汽包和BOP设备的人工智能模型。使用该人工智能模型,工厂参数可以与和电厂关联的历史运行值相关联,以识别给蒸汽汽包供给水的给水泵中的故障,预测蒸汽汽包中的瞬变(transient),或者预测汽包水位设定点(drum level setpoint)。而且,可以推荐某些动作/行动以帮助优化BOP设备的运行,并最小化电厂中给水泵的故障或退化。
本发明的某些实施例的技术效果可以包括执行HRSG运行的预测建模,以便预测给水泵故障和阻塞。预测建模可以利用实时工厂参数来帮助操作员在出现任何瞬变或故障时采取主动决策。本发明的某些实施例的另外的技术效果可以包括通过BOP设备参数提供关于管理给水泵的退化的建议动作/行动的能力。另外,本发明的某些实施例的技术效果可以包括允许通过蒸汽汽包的瞬变和水位动力学(transients and level dynamics of thesteam drum)管理给水控制阀的设定点和BOP设备的运行优化。而且,在瞬变期间的跳闸(trip)处理能力可能带来HRSG热应力和电厂偏离(excursion)的降低/减少。
本发明的方法和系统可以应用于各个种类的联合循环电厂,包括高压(HP)、中压(IP)和低压(LP)汽包。所述方法和系统可以提供对分布式控制系统(DCS,distributedcontrol system)逻辑的修改,以校正和/或提高蒸汽汽包控制,预测给水泵故障,并基于蒸汽流量和蒸汽压力提供对汽包水位设定点的修改。
下面提供对涉及用于确定给水泵的故障的系统和方法的本发明的各个示例性实施例的详细描述。由于发电过程的复杂性,对联合循环电厂的建模操作可能是困难的,参照联合循环电厂提供本发明。不过,用于确定给水泵的故障的系统和方法也能够应用于电厂的其它配置。
现在参照图1,图1是图解说明根据一个或多个示例性实施例适于实现确定给水泵故障的系统和方法的示例性系统环境100的框图。示例性系统环境100图解说明HRSG,其包括汽包锅炉110和控制器130。汽包锅炉110包括蒸汽汽包111和蒸发器112,蒸发器112从蒸汽汽包111接收水并从显示为热输入122的燃气涡轮机接收被加热的气体。
HRSG能够从燃气涡轮机接收显示为热输入122的排气能量。水可以进入HRSG以在节热器中被加热。来自节热器的被加热的水可以被送至蒸发器112,生成饱和水的混合物。饱和水的混合物可以在蒸汽汽包111中被分开。干燥蒸汽可以用管子送至过热器以去除湿气的任何残留并进一步提高温度。显示为蒸汽流124的过热的蒸汽被送至蒸汽涡轮机以产生电力,电力被供应至电网。
水可以由给水泵140经由给水管113和给水控制阀114提供至蒸汽汽包111。给水控制阀114控制水通过管子的流动,以控制在汽包111中液态水的水位或水/蒸汽混合物121的水位。在本发明中,液态水/蒸汽混合物121主要由液态水组成,与填满蒸汽汽包111的不被液态水/蒸汽混合物121占据的部分127的蒸汽区分开。如本说明书中使用的,液态水/蒸汽混合物121还可以称作水121。汽包水位128是蒸汽汽包111中水121的水位。蒸发器112被加热的气体即被热输入122加热,将来自管子115的水转换成蒸汽。蒸汽经由位于蒸发器112和蒸汽汽包111之间的立管116提供至蒸汽汽包111,并被配置成将来自蒸发器112的蒸汽引导至蒸汽汽包111。
蒸汽从蒸汽汽包111经由第一管子区段117和第二管子区段118输出至蒸汽涡轮机,第二管子区段118具有选择性将第一管子区段117连接至第二管子区段118的旁通阀119。旁通阀119的一个出口连接至管子120,其绕过蒸汽涡轮机并将蒸汽流126传送至备选目的地,诸如冷凝器,以在HRSG中循环。
可以通过控制器130管理HRSG的运行。控制器130可以与系统200交互以用于确定给水泵的故障。具体地,控制器130可以控制或调节蒸汽汽包111中的水位和蒸汽压力。更具体地,控制器130可以提供改变给水控制阀114的位置的命令,以调节进入蒸汽汽包111中的给水流量。控制器130还可以提供改变旁通阀119的位置的命令,以调节进入第二管子区段118和管子120之一或两者的蒸汽的流量。此外,控制器130可以命令针对蒸发器112的热输入,诸如通过调节被供应至燃烧器、风扇、叶轮或叶片的燃料,以控制或调整对于蒸发器112的热输入122的温度或流量。
控制器130可以基于传感器信号133控制对于蒸发器112的给水流、蒸汽流和热输入。可以由测量流体流量(fluid flow)、蒸汽流量(steamflow)、汽包压力、汽包温度、旁通位置和其它参数的传感器生成传感器信号133。控制器130还可以基于燃气涡轮机负载控制对于蒸发器112的热输入、给水流和蒸汽流。
控制器130可以包括数据驱动模型(data-driven model)131,其在本说明书中也称作人工智能模型或神经网络模型。可以使用数据驱动模型131预测给水泵140的故障、或控制蒸汽汽包111中汽包水位128的设定点(setpoint)。数据驱动模型131可以使用在HRSG运行时使用传感器信号133接收的实时工厂参数,传感器信号133可以由测量给水流量、给水压力、给水泵电流、蒸汽流量、汽包压力、汽包温度、燃气涡轮机速度、燃气涡轮机排气流量和旁通位置的传感器生成。数据驱动模型131还可以使用与蒸汽汽包111或其它工厂设备关联的历史运行值。历史运行值可以与实时工厂参数不同,并且包括已经在过去测量的在环境100中或者在其它系统中并且不在HRSG的目前运行期间的数据。在一些示例性实施例中,历史运行值还可以包括与阀门(包括旁通阀、天空排气阀、隔离阀等等)的操作关联的值。具体地,历史运行值可以包括存储在存储器中的数据,而不是从目前感测HRSG的条件的传感器接收的数据。历史运行值可以包括历史蒸汽流量、汽包压力、旁通阀位置、燃气涡轮机负载和与影响蒸汽汽包111中的水或水/蒸汽混合物的水位的HRSG的特性对应的任何其它历史运行值。
可以使用数据驱动模型131生成控制蒸汽汽包111中汽包水位128的设定点的控制信号。数据驱动模型131可以使用汽包锅炉110的传感器数据生成控制信号。
控制器130可以包括至少一个处理器和存储器,数据驱动模型131可以包括存储在存储器中并在处理器上执行的计算机程序。在一个实施例中,控制器130从汽包锅炉110接收测量的数据,并用数据驱动模型131分析测量的数据,以预测蒸汽汽包111和给水泵140中的异常。在一个实施例中,控制器130还访问关于汽包锅炉110的一个或多个参数和特性的预存储的数据和关于蒸汽流量、汽包压力、旁通位置和燃气涡轮机负载的历史运行值,以生成设定点控制信号。
控制器130可以包括单元件(1E)控制器、三元件(3E,three element)控制器、或用于控制汽包锅炉110的运行(包括蒸汽汽包111中的水/蒸汽混合物121水位)的任何其它类型的控制器。1E控制器可以接收来自汽包水位传感器的信号。此信号可以与设定点相比,以确定偏差值。基于该偏差值,控制器可以生成给水阀的校正动作,以调节进入蒸汽汽包中的给水流的水位。3E控制器可以从汽包水位传感器、蒸汽流量传感器和给水流量传感器接收信号。基于这些信号,3E控制器可以生成针对给水阀或旁通阀的校正动作。
通过与控制器130交互,用于确定给水泵的故障的系统200可以提高控制响应,降低工厂跳闸的可能性,诸如高压(HP)、中压(IP)和低压(LP)汽包中汽包水位跳闸。汽包水位跳闸可能由汽包控件以及电厂中相邻的系统(诸如旁通阀、给水泵等等)引起。汽包水位跳闸可能由蒸汽汽包中的水的高和低水位产生。在高汽包水位下,关注携带进入HRSG和蒸汽涡轮机中的水。在低汽包水位下,关注在干燥条件下使蒸汽汽包和HRSG运转。系统200可以负责确保控制器130适当地工作,并且可以预测给水泵的故障或退化/老化,基于蒸汽流量和蒸汽压力提供汽包水位设定点的修改。
图2是图解说明根据本发明的某些实施例用于确定给水泵的故障的系统200的各个示例性模块的框图。系统200可以包括一个或多个处理器210和数据库220。一个或多个处理器210可以是中央处理单元或另一外部装置的一部分。一个或多个处理器210可以包括可编程处理器,诸如微控制器、中央处理单元等等。在其它实施例中,一个或多个计算机处理器210可以包括设计成实现由系统200执行的功能的专用集成电路或可编程逻辑阵列,诸如现场可编程门阵列。数据库220可以是可操作的以接收并存储工厂性能参数和/或历史运行值。在图3更加详细地描述由系统200执行的操作。
图3是图解说明根据本发明的实施例由用于确定图2所示的给水泵的故障的系统执行的电厂的智能管理的示例性框图300。如图3所示,在块310,用于确定给水泵的故障的系统的处理器可以提取实时工厂参数。实时工厂参数可以包括工厂运行数据,包括燃气涡轮机参数和与二级部件(secondary components)关联的参数,诸如旁通阀的位置,给水泵的条件等等。此外,可以使用与汽包几何形状关联的参数。处理器还可以访问数据库以获得与电厂关联的历史运行值。在块315,处理器可以通过将实时工厂参数和历史运行值相关联执行相关性分析。基于相关性分析,处理器可以构建蒸汽汽包的运行的多变量数据驱动模型。换言之,可以使用多变量数据驱动模型对与电厂和电厂过程关联的设备参数化,并利用影响汽包水位和给水泵的流量的参数预测蒸汽汽包和给水泵中的异常。
在块320,基于多变量数据驱动模型,处理器可以执行预测建模和/或运行优化。更具体地,每次在当前的工厂参数与基于相关性分析获得的数据有偏离或偏差时,在块325,处理器能够识别或预测可能出现在给水泵中的故障或阻塞。而且,在块330,可以使用多变量数据驱动模型确定为防止蒸汽汽包和汽包水位动力学中的瞬变(例如收缩和膨胀)需要的汽包水位设定点和给水控制阀设定点。蒸汽汽包的瞬变(transient)是蒸汽汽包中汽包水位或汽包压力之一或两者的变化。
此外,可以使用多变量数据驱动模型确定进入给水泵中的输入流量和给水泵的输出流量,以及确定给水泵是否失效,是否需要使用另一冗余给水泵来代替该给水泵以防止蒸汽汽包中的故障,旁通阀是否需要打开到打开位置,使得可以使水出来以避免蒸汽汽包的膨胀等等。
基于给水泵中出现的故障的确定,处理器可以主动地提供用于电厂的电厂设备的总体平衡的优化技术。具体地,基于预测建模和预先确定的测试情形335,在块340,处理器可以选择采取主动动作/行动以避免蒸汽汽包和给水泵中的异常和/或故障,实现工厂运行中的提高的灵活性。主动的动作/行动可以包括在块345为工厂操作员提供关于通过BOP设备参数管理给水泵的故障和/或退化的建议动作/行动。建议动作/行动可以包括给工厂操作员提供与BOP设备的控制逻辑关联的优化工厂设置。在示例性实施例中,BOP设备可以位于蒸汽汽包的下游。具体地,处理器可以基于蒸汽汽包的预测的瞬变和水位动力学,确定BOP设备的参数设置,以优化BOP设备的运行性能,并防止BOP设备的动力学。在块355,当前的给水泵性能和参数设置可以经由应用编程接口(API,application programminginterface)输出至工厂操作员以执行资产性能管理。块345还可以包括生成针对工厂操作员的警报,以通知预测的故障。
块345还包括提供控制当前的工厂参数的智能逻辑。在块350,智能逻辑可以提供至控制器。控制器可以利用智能逻辑和与电厂的运行关联的测试情形335通过控制BOP设备的运行控制当前的工厂参数。
图4描绘了图解说明根据本发明的实施例用于确定给水泵的故障的示例性方法400的过程流程图。可以由处理逻辑执行方法400,处理逻辑可以包括硬件(例如专用逻辑、可编程逻辑和微代码)、软件(诸如在通用计算机系统或专用机器上运行的软件)或两者的结合。在一个示例性实施例中,处理逻辑驻存在图12显示的控制器1200处,控制器1200可以驻存在用户装置或服务器中。控制器1200可以包括处理逻辑。本领域技术人员会认识到被描述成由控制器1200执行的指令实际上可以被一个或多个处理器检索和执行。控制器1200还可以包括存储卡、服务器和/或计算机硬盘。尽管控制器1200可以被配置成执行本说明书中描述的一个或多个步骤,但可以使用其它控制单元,这仍落入各个实施例的范围内。
如图4中所示,方法400可以以操作405开始,接收工厂参数。在本发明的示例性实施例中,工厂参数可以与电厂关联,诸如燃气发电厂、蒸汽发电厂、联合循环发电厂等等。电厂的部件可以包括燃气涡轮机、蒸汽涡轮机、发电机、冷凝器、过热器、蒸发器、蒸汽汽包、节热器、再热器、阀门、控制器、管子、给水泵、预加热器、燃料加热器、分流器、流动混合器、恒温器、风道燃烧器、选择性催化还原单元、蒸汽冷凝器、冷凝器热井等等。可以从与电厂关联的传感器接收工厂参数。而且,可以从控制器或者从其它源接收历史运行值,控制器采集或存储与运行值关联的数据。
在操作410,可以将工厂参数与历史运行值相关联。在操作415,基于工厂参数和历史运行值的相关性,识别给水泵中的故障。此外,可以基于相关性预测给水泵的阻塞。
另外,基于工厂参数,可以预测与蒸汽汽包关联的汽包压力和蒸汽流量。基于汽包压力和蒸气流量,可以预测蒸汽汽包中的汽包水位。一旦预测汽包水位,可以基于汽包水位确定蒸汽汽包的汽包水位设定点。可以通过控制一个或多个相邻部件,诸如旁通阀、给水泵和BOP设备的其它部件,来调节汽包水位设定点。可以在电厂的以下运行周期之一期间执行汽包水位设定点的调节:初始蒸汽汽包蒸汽流动(例如在电厂的启动期间)、蒸汽汽包中的瞬变(例如收缩和膨胀),燃气涡轮机的负载操纵(例如快速爬升)、风道燃烧器的操作等等。
在示例性实施例中,方法400还可以包括基于工厂参数预测蒸汽汽包中的瞬变。还可以基于预测的瞬变确定汽包水位设定点。此外,可以基于预测的瞬变和汽包水位动力学,确定和管理汽包水位的给水控制阀的设定点。
方法400可以继续,以在操作420,提供关于给水泵的操作的建议动作/行动。可以基于给水泵中故障的识别提供建议动作/行动。在示例性实施例中,建议动作/行动可以包括以下的至少一个:改变BOP设备的参数,改变给水泵的输入流量,改变给水泵的输出流量,提供冗余给水泵,改变旁通阀的位置等等。可以提供针对其它相邻系统的操作的建议动作/行动。例如,对于供给单个蒸汽涡轮机的多单元燃气涡轮机(GT)/HRSG系列,可以跟踪入口压力控制设定点以降低在存在同类GT/HRSG系列跳闸时GT/HRSG系列中出现的蒸汽压力瞬变。此外,可以针对多单元GT/HRSG系列提供自动混合(autoblend),其中,当将GT/HRSG系列混合至已经连接的GT/HRSG系列时,会降低蒸汽流量和压力瞬变。在示例性实施例中,可以在蒸汽涡轮机拒绝负载或GT/HRSG跳闸情况下提供旁通阀的预定位。在另外的示例性实施例中,可以将给水泵从主泵转移至备用泵,并且可以提供给水压力控制。
可以使用建议动作/行动提高对瞬变的工厂鲁棒性(plantrobustness),降低汽包水位跳闸的可能性。在一些实施例中,可以将汽包水位跳闸降低至少大约10-50%。而且,旨在最小化汽包动力学并防止蒸汽汽包中的瞬变的建议动作/行动还可以带来汽包水位摆动的降低,提高电厂的可操作性,提高联合循环效率,提高可靠性,降低电厂的成本,降低HRSG的热应力,降低工厂偏离,提高在瞬变中的跳闸处理等等。
另外,基于给水泵的故障的识别,可以发布警报以通知工厂操作员该故障。警报可以经由API提供至工厂操作员。另外,可以经由API给操作员显示当前的工厂参数和建议动作/行动。
在示例性实施例中,一旦接收建议动作/行动,工厂操作员可以查看工厂运行数据、汽包控制逻辑和比例积分微分(PID)控制器控制,并生成以下的一个或多个:用于DCS的逻辑调整,针对汽包压力和蒸汽流量的参数化,被计划的调整的客户检查,调试文件(commissioning documents),通过监视和诊断系统记录的数据的数据列表等等。
图5是根据本发明的实施例作为蒸汽流量和蒸汽压力的函数的汽包水位的示例性示意图500。如图5所示的,水平轴指蒸汽压力535,垂直轴指蒸汽汽包中的汽包水位505。控制器可以提供允许或禁止选择汽包水位设定点的修改的函数的三种状态,即“允许和活动(Enabled and Active)”状态,“允许和不活动(Enabled and not Active)”状态(在低质量的蒸汽流量或蒸汽压力测量值的情况下)和“禁止(Disabled)”状态。
由蒸汽流量和蒸汽压力导出汽包水位设定点的目的是管理初始蒸汽流量和关联的膨胀、以及稍后可能出现的次生效应瞬变(secondary effect transients)。如图5所示的,低蒸汽流量530是汽包水位设定点525的下边界,在电厂中用来处理初始膨胀。高蒸汽流量515是汽包水位设定点525的上边界,由后膨胀安置点(post swelling settling point)设置,并且是确保有足够体积的蒸汽来处理主给水泵损失并转移至备用给水泵所需要的。可以确定电厂的高水位跳闸510、正常水位520和低水位540跳闸以及蒸汽汽包的膨胀。此外,可以确定以预期的蒸汽流量的体积损失。通常,可以给电厂分配大约90秒以从主给水泵转移至备用给水泵。
基于多变量数据驱动模型,可以分析蒸汽汽包的控制。例如,可以在稳定状态下分析蒸汽流量和给水流量以用于传感器校准比较。而且,可以提供传统的控制系统不能正确执行的汽包水位补偿。具体地,可以将基于多变量数据驱动模型计算的汽包水位补偿与由分布式控制系统(DCS)提供的汽包水位补偿比较。而且,可以将预期的膨胀与观察到的膨胀相关联,以确定作为热输入、汽包压力、初始水位、节热器温度和汽包金属温度的函数的膨胀。预测的汽包水位动力学通过提高瞬变期间的跳闸处理能力,还可能有助于降低HRSG的热应力和工厂偏离。
图6示出根据本发明的实施例用于由1E/3E控制器控制汽包水位的示例性示意图600。可以评估并根据需要校正由DCS提供的蒸汽汽包的现有的控制逻辑。1E/3E控制器可以包括1E/3E PID控制器,在本说明书中也称作PID控制器。PID控制器可以连续地计算作为期望设定点和测量的过程变量之间的差(difference)的误差值(error value)。PID控制器通过调节控制变量,诸如通过调节给水泵、旁通阀和其它BOP设备的参数,最小化随时间变化的误差值。如图6所示,输入块610接收显示于块615处的预设设定点(SP)和过程变量(PV),诸如汽包压力设定点和蒸汽流量设定点。1E PID控制器625接收设定点(SP)和过程变量(PV),并确定汽包水位。3E外循环PID控制器620接收设定点(SP)和过程变量(PV)并确定汽包水位,以及接收前馈(FF,feed forward)值并确定蒸汽流量。3E外循环PID控制器620将控制输出(CO)提供至3E内循环PID控制器630。3E内循环PID控制器630基于设定点(SP)和过程变量(PV)确定给水流量。由1E PID控制器625、3E外循环PID控制器620和3E内循环PID控制器630确定的数据被连续跟踪,并用在选择块635中,以执行给水控制阀的水位需求的选择,从而调节当前的汽包水位。选择块635可以从块640接收数据,设定蒸汽流量在预定时间高于最小蒸汽流量。
本发明的系统和方法可以用作1E/3E PID控制器的性能增强器。具体地,通过在1EPID控制器和3E PID控制器之间传输数据来跟踪1E PID控制器和3E PID控制器之间的配置可以在3E PID控制器之内和之外是无扰动的(bumpless)。针对3E PID控制器的流量传递点(flow transfer point)可以是存在充足的流量以用于控制(基于流量发射器范围)的一点,可以避开工厂瞬变可能引起3E PID控制器之内/之外的传递的运行点。而且,为限制给水流量,可以提供附加的PID控制器,跟踪可以包括跟踪该附加的PID控制器。可以把范围阀表征(Range valve characterization)分开,因为阀门可能不能用流量适当表征,在从小阀到大阀以及从大阀到小阀的过渡期间,蒸汽流量中的瞬变可能出现。可能需要调节由PID控制器提供的增益,可以检查增益规划以避免工厂不稳定。
图7示出根据本发明的实施例用于汽包水位设定点的预测的示例性图700。图710和720代表当接收实时工厂值时在训练步骤期间获得的值。图730和740示出基于数据驱动模型验证的值。图8是图解说明根据本发明的实施例使用数据驱动模型基于当前汽包水位设定点810和汽包水位815预测的汽包水位设定点805的示例性图800。图9-11分别图解说明根据本发明的某些实施例的示例性查询表900、1000和1100。可以使用查询表900、1000和1100基于汽包压力910和蒸汽流量915选择汽包水位905的设定点。
图12描绘了根据本发明的实施例图解说明用于电厂的运行的仿真和优化的示例性控制器1200的框图。更具体地,可以使用控制器1200的元件模拟/仿真并优化电厂的运行。控制器1200可以包括存储器1210,其存储编程逻辑1220(例如软件)并且可以存储数据1230,诸如电厂的几何数据和运行数据、动态模型、性能度量等等。存储器1210还可以包括操作系统1240。
处理器1250可以利用操作系统1240执行编程逻辑1220,这样,还可以使用数据1230。数据总线1260可以提供存储器1210和处理器1250之间的通信。用户可以经由至少一个用户接口装置1270与控制器1200相接,用户接口装置诸如键盘、鼠标、控制板或能够与控制器1200来回传送数据的任何其它装置。控制器1200可以在运行时与电厂在线通信以及在不操作时经由输入/输出(I/O)接口1280与电厂离线通信。更具体地,一个或多个控制器1200可以实现基于模型的控制系统的执行,诸如但不限于接收与电厂的部件关联的几何数据和运行数据,基于几何数据和运行数据创建电厂部件的动态模型,基于动态模型生成特定的性能度量的代理模型,将代理模型合并到优化过程中,并在优化目的下实施优化程序以优化电厂的运行达到特定的性能度量。另外,应当认识到其它外部装置或多个其它电厂可以经由I/O接口1280与控制器1200通信。在图示的实施例中,控制器1200可以相对于电厂位于远距离处;不过,也可以与电厂同处一处甚至与电厂集成在一起。而且,控制器1200和由其实现的编程逻辑1220可以包括软件、硬件、固件或其任何组合。还应当认识到可以使用多个控制器1200,由此可以在一个或多个不同的控制器1200上执行本说明书中描述的不同特征。
因此,本说明书中描述的某些实施例能够允许电厂的受约束的多目标仿真/模拟和运行优化。可以通过使用代理模型完成多目标优化,以便满足函数调用需求。不过,还可以以时间高效的方式即在几分钟量级上执行电厂的动态仿真,以便生成要回归的数据。由于电厂运行的动态仿真,可以实现电厂的优化运行。另外,在各种运行条件下,可以预测电厂内的性能度量的时间历史。
根据示例性实施例针对系统、方法、设备和计算机程序产品的框图进行了描述。要理解,可以至少部分由计算机程序指令实现框图的至少一些块以及框图中块的结合。这些计算机程序指令可以被加载到通用计算机、专用计算机、专用的基于硬件的计算机或其它可编程数据处理设备上以产生机器,使得在计算机或其它可编程数据处理设备上执行的指令创建用于实现讨论的框图中的至少一些块或框图中块的结合的功能的方式。
这些计算机程序指令还可以存储在非瞬态的计算机可读存储器中,其能够引导计算机或其它可编程数据处理设备以具体方式工作,使得存储在计算机可读存储器中的指令产生包括实现一个块或多个块中指定的功能的指令方式的制造品。计算机程序指令还可以被加载到计算机或其它可编程数据处理设备上,以使得在计算机或其它可编程设备上执行一系列操作步骤,从而产生计算机实现的过程,使得在计算机或其它可编程设备上执行的指令提供用于实现一个块或多个块中指定的功能的操作。
可以通过在计算机的操作系统上运行的应用程序实现本说明书中描述的系统的一个或多个部件和方法的一个或多个元素。还可以用其它计算机系统配置实践系统的一个或多个部件和方法的一个或多个元素,这些配置包括手持装置、微处理器系统、基于微处理器的或可编程的消费者电子装置、迷你计算机、大型计算机等等。
为本说明书中描述的系统和方法的部件的应用程序可以包括实现某些抽象数据类型并执行某些任务或动作的例程、程序、部件、数据结构等等。在分布式计算环境中,应用程序(整体地或者部分)可以位于本地存储器或其它存储装置中。此外或者替代性地,应用程序(整体地或者部分)可以位于远程存储器或存储装置中,以允许有由通过通信网络链接的远程处理装置执行任务的情况。
已经受益于前述描述和关联的附图中呈现的教导后,对本说明书中陈述的与这些描述有关的示例性描述的许多修改和其它实施例会浮现在脑海中。因此,要认识到可以以许多形式体现本发明,不应当将本发明限制于上文描述的示例性实施例。因此,要理解本发明不局限于公开的特定实施例,各修改和其它实施例旨在包括于所附权利要求的范围内。尽管本说明书中使用了特定术语,但这些术语只是在通用和描述性意义上而不出于限制目的使用的。
Claims (10)
1.一种用于确定给水泵的故障的方法,所述方法包括:
由一个或多个计算机处理器接收工厂参数;
由一个或多个计算机处理器将所述工厂参数与历史运行值相关联;
至少部分基于所述相关联,由一个或多个计算机处理器识别给水泵中的故障;以及
至少部分基于所述识别,由一个或多个计算机处理器提供关于所述给水泵的操作的建议行动。
2.根据权利要求1所述的方法,还包括:
至少部分基于所述工厂参数,由一个或多个计算机处理器预测与蒸汽汽包关联的至少汽包压力和蒸汽流量;以及
至少部分基于所述汽包压力和所述蒸汽流量,由一个或多个计算机处理器预测所述蒸汽汽包中的汽包水位。
3.一种用于确定给水泵的故障的系统,所述系统包括:
一个或多个计算机处理器,其能够操作以:
接收工厂参数;
将所述工厂参数与历史运行值相关联;
至少部分基于所述相关联,识别给水泵中的故障;以及
至少部分基于所述识别,提供关于所述给水泵的操作的建议行动;以及
数据库,所述数据库能够操作以存储至少所述工厂参数和所述历史运行值。
4.根据权利要求3所述的系统,其中,所述一个或多个计算机处理器还能够操作以:
至少部分基于所述工厂参数,预测与蒸汽汽包关联的至少汽包压力和蒸汽流量;以及
至少部分基于所述汽包压力和所述蒸汽流量,预测所述蒸汽汽包中的汽包水位。
5.根据权利要求3所述的系统,其中,所述一个或多个计算机处理器还能够操作以至少部分基于所述汽包水位,确定汽包水位设定点,以调节所述汽包水位,从而实现所述蒸汽汽包的预定动力学。
6.一种用于确定给水泵的故障的系统,所述系统包括:
一个或多个计算机处理器,其能够操作以:
接收工厂参数;
将所述工厂参数与历史运行值相关联;
至少部分基于所述相关联,识别给水泵中的故障;
至少部分基于所述识别,提供关于所述给水泵的操作的建议行动;
至少部分基于所述工厂参数,预测与蒸汽汽包关联的至少汽包压力和蒸汽流量;
至少部分基于所述汽包压力和所述蒸汽流量,预测所述蒸汽汽包中的汽包水位;
至少部分基于所述汽包水位,确定汽包水位设定点以调节所述汽包水位,从而实现所述蒸汽汽包的预定动力学;
至少部分基于所述给水泵故障的识别,发布警报;以及
经由应用编程接口将所述警报和所述建议动作提供至工厂操作员;以及
数据库,所述数据库能够操作以存储至少所述工厂参数和所述历史运行值。
7.一种用于确定给水泵的故障的系统,所述系统包括:
汽包锅炉,所述汽包锅炉包括蒸汽汽包;从所述蒸汽汽包接收水以及从燃气涡轮机接收被加热的气体的蒸发器;立管,所述立管设置在所述蒸发器和所述蒸汽汽包之间以将蒸汽从所述蒸发器引导至所述蒸汽汽包,以及将水提供至所述蒸汽汽包的给水泵;以及
控制器,所述控制器包括一个或多个处理器和数据库,其中,所述一个或多个处理器能够操作以:
接收工厂参数;
将所述工厂参数与历史运行值相关联;
至少部分基于所述相关联,识别给水泵中的故障;以及
至少部分基于识别的故障,提供关于所述给水泵的操作的建议行动;以及
其中,所述数据库能够操作以存储至少所述电厂参数和所述历史运行值。
8.根据权利要求7所述的系统,其中,所述一个或多个计算机处理器还能够操作以:
至少部分基于所述工厂参数,预测与蒸汽汽包关联的至少汽包压力和蒸汽流量;以及
至少部分基于所述汽包压力和所述蒸汽流量,预测所述蒸汽汽包中的汽包水位。
9.根据权利要求8所述的系统,其中,所述一个或多个计算机处理器还能够操作以至少部分基于所述汽包水位确定汽包水位设定点以调节所述汽包水位,从而实现所述蒸汽汽包的预定动力学。
10.根据权利要求9所述的系统,其中,所述一个或多个计算机处理器还能够操作以控制至少一个相邻单元,其中,所述至少一个相邻单元包括以下的至少一个:旁通阀或所述给水泵。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/156,684 US10338576B2 (en) | 2016-05-17 | 2016-05-17 | Intelligent management system for balance of plant |
US15/156684 | 2016-05-17 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107390646A true CN107390646A (zh) | 2017-11-24 |
Family
ID=58800608
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710350243.1A Pending CN107390646A (zh) | 2016-05-17 | 2017-05-17 | 用于工厂平衡的智能管理系统 |
Country Status (5)
Country | Link |
---|---|
US (1) | US10338576B2 (zh) |
EP (1) | EP3246769A1 (zh) |
KR (1) | KR20170129626A (zh) |
CN (1) | CN107390646A (zh) |
AU (1) | AU2017202965B2 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109327330A (zh) * | 2018-09-11 | 2019-02-12 | 南京科思倍信息科技有限公司 | 基于数据驱动的化工生产异常切片管理方法 |
CN112567182A (zh) * | 2018-06-11 | 2021-03-26 | 布罗恩-努托恩有限责任公司 | 具有从神经网络导出的自动流量平衡的通风系统及其使用方法 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10824137B2 (en) * | 2017-06-19 | 2020-11-03 | Panasonic Intellectual Property Management Co., Ltd. | Mounting board manufacturing system |
US11573561B2 (en) * | 2018-12-11 | 2023-02-07 | General Electric Company | Methods and systems for automated condition-based maintenance of mechanical systems |
US10739755B1 (en) * | 2019-01-31 | 2020-08-11 | Baker Hughes Oilfield Operations Llc | Industrial machine optimization |
EP3882722A1 (en) | 2020-03-19 | 2021-09-22 | Siemens Aktiengesellschaft | Manufacturing or controlling a technical system using an optimized parameter set |
EP3992528B1 (en) * | 2020-11-02 | 2023-06-07 | Alfa Laval Corporate AB | A method of controlling a supply of feed water into a boiler |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5615996A (en) * | 1993-09-10 | 1997-04-01 | Nikkiso Co. Ltd. | Method for prediction of the performance of a centrifugal pump with a thrust balance mechanism |
CN101176063A (zh) * | 2005-03-22 | 2008-05-07 | 普莱克斯技术有限公司 | 设施监视方法 |
CN101619850A (zh) * | 2009-08-06 | 2010-01-06 | 杭州盘古自动化系统有限公司 | 基于热电系统负荷在线预测的调度方法与系统 |
US20100100248A1 (en) * | 2005-09-06 | 2010-04-22 | General Electric Company | Methods and Systems for Neural Network Modeling of Turbine Components |
CN101776258A (zh) * | 2008-12-08 | 2010-07-14 | 通用电气公司 | 用于控制容器中的液位的系统和方法 |
CN102661759A (zh) * | 2012-05-11 | 2012-09-12 | 西安科技大学 | 循环流化床锅炉非线性多变量关键参数的辨识及预测方法 |
CN103150683A (zh) * | 2011-12-07 | 2013-06-12 | 通用电气公司 | 用于评估未来发电厂能力的系统和方法 |
US20130311139A1 (en) * | 2012-05-18 | 2013-11-21 | General Electric Company | System and method for controlling and diagnosing a combined cycle power plant |
CN103486607A (zh) * | 2013-09-30 | 2014-01-01 | 攀钢集团攀枝花钢钒有限公司 | 混烧锅炉的燃料自动调整系统及方法 |
US20140142766A1 (en) * | 2012-11-20 | 2014-05-22 | General Electric Company | Methods and systems to improve power plant performance by corrective set points |
CN104685426A (zh) * | 2012-06-29 | 2015-06-03 | Abb技术有限公司 | 用于热电厂中的控制和故障分析的优化的方法 |
CN104766139A (zh) * | 2015-03-27 | 2015-07-08 | 大唐淮南洛河发电厂 | 基于工业互联网的火电厂设备故障诊断与检修优化方法及系统 |
CN104848885A (zh) * | 2015-06-04 | 2015-08-19 | 北京金控自动化技术有限公司 | 一种对设备未来故障时间点进行预测的方法 |
CN104915728A (zh) * | 2015-05-22 | 2015-09-16 | 中冶南方工程技术有限公司 | 一种确定钢铁企业蒸汽系统优化调度可行解的方法 |
CN105258099A (zh) * | 2015-09-17 | 2016-01-20 | 山东钢铁股份有限公司 | 一种加热炉汽包液位控制系统及控制方法 |
Family Cites Families (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
USRE29485E (en) | 1972-04-17 | 1977-11-29 | Method of effecting fast turbine valving for improvement of power system stability | |
US4007595A (en) | 1975-09-30 | 1977-02-15 | Westinghouse Electric Corporation | Dual turbine power plant and a reheat steam bypass flow control system for use therein |
US4123909A (en) | 1976-12-20 | 1978-11-07 | Combustion Engineering, Inc. | Turbine trip system |
USRE30589E (en) | 1978-12-18 | 1981-04-28 | Fast Load Control Inc. | Method of effecting fast turbine valving for improvement of power system stability |
JPH0686922B2 (ja) * | 1984-08-17 | 1994-11-02 | 株式会社日立製作所 | ボイラドラムレベル制御装置 |
US4854121A (en) * | 1986-10-09 | 1989-08-08 | Kabushiki Kaisha Toshiba | Combined cycle power plant capable of controlling water level in boiler drum of power plant |
US5042246A (en) * | 1989-11-06 | 1991-08-27 | General Electric Company | Control system for single shaft combined cycle gas and steam turbine unit |
US5301499A (en) * | 1990-06-28 | 1994-04-12 | General Electric Company | Overspeed anticipation and control system for single shaft combined cycle gas and steam turbine unit |
US5419285A (en) * | 1994-04-25 | 1995-05-30 | Henry Vogt Machine Co. | Boiler economizer and control system |
US6651035B1 (en) | 1998-03-24 | 2003-11-18 | Exergetic Systems Llc | Method for detecting heat exchanger tube failures and their location when using input/loss performance monitoring of a power plant |
US7356383B2 (en) | 2005-02-10 | 2008-04-08 | General Electric Company | Methods and apparatus for optimizing combined cycle/combined process facilities |
US7243618B2 (en) * | 2005-10-13 | 2007-07-17 | Gurevich Arkadiy M | Steam generator with hybrid circulation |
JP4616847B2 (ja) | 2007-02-16 | 2011-01-19 | 三菱重工業株式会社 | 蒸気システムとその制御システム及び制御方法 |
US7931041B2 (en) * | 2007-12-19 | 2011-04-26 | General Electric Company | System and method for controlling liquid level in a vessel |
US7793501B2 (en) | 2008-10-03 | 2010-09-14 | General Electric Company | Apparatus for steam attemperation using fuel gas heater water discharge to reduce feedwater pump size |
JP5191361B2 (ja) * | 2008-11-21 | 2013-05-08 | 株式会社日立製作所 | 液位制御システム。 |
US20120239315A1 (en) | 2011-03-18 | 2012-09-20 | General Electric Company | Valve fault test system |
US8813471B2 (en) * | 2011-06-29 | 2014-08-26 | General Electric Company | System for fuel gas moisturization and heating |
JP6038448B2 (ja) * | 2011-12-16 | 2016-12-07 | 三菱日立パワーシステムズ株式会社 | 太陽熱複合発電システム及び太陽熱複合発電方法 |
US10132492B2 (en) * | 2013-10-02 | 2018-11-20 | General Electric Company | System and method for drum level control in a drum of a heat recovery steam generator |
US9971317B2 (en) * | 2014-03-26 | 2018-05-15 | Rockwell Automation Technologies, Inc. | Cloud-level industrial controller loop gain tuning based on industrial application type |
US9886012B2 (en) * | 2014-03-26 | 2018-02-06 | Rockwell Automation Technologies, Inc. | Component factory for human-machine interface migration to a cloud platform |
-
2016
- 2016-05-17 US US15/156,684 patent/US10338576B2/en not_active Expired - Fee Related
-
2017
- 2017-05-04 AU AU2017202965A patent/AU2017202965B2/en not_active Ceased
- 2017-05-05 EP EP17169684.2A patent/EP3246769A1/en not_active Ceased
- 2017-05-16 KR KR1020170060495A patent/KR20170129626A/ko active IP Right Grant
- 2017-05-17 CN CN201710350243.1A patent/CN107390646A/zh active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5615996A (en) * | 1993-09-10 | 1997-04-01 | Nikkiso Co. Ltd. | Method for prediction of the performance of a centrifugal pump with a thrust balance mechanism |
CN101176063A (zh) * | 2005-03-22 | 2008-05-07 | 普莱克斯技术有限公司 | 设施监视方法 |
US20100100248A1 (en) * | 2005-09-06 | 2010-04-22 | General Electric Company | Methods and Systems for Neural Network Modeling of Turbine Components |
CN101776258A (zh) * | 2008-12-08 | 2010-07-14 | 通用电气公司 | 用于控制容器中的液位的系统和方法 |
CN101619850A (zh) * | 2009-08-06 | 2010-01-06 | 杭州盘古自动化系统有限公司 | 基于热电系统负荷在线预测的调度方法与系统 |
CN103150683A (zh) * | 2011-12-07 | 2013-06-12 | 通用电气公司 | 用于评估未来发电厂能力的系统和方法 |
CN102661759A (zh) * | 2012-05-11 | 2012-09-12 | 西安科技大学 | 循环流化床锅炉非线性多变量关键参数的辨识及预测方法 |
US20130311139A1 (en) * | 2012-05-18 | 2013-11-21 | General Electric Company | System and method for controlling and diagnosing a combined cycle power plant |
CN104685426A (zh) * | 2012-06-29 | 2015-06-03 | Abb技术有限公司 | 用于热电厂中的控制和故障分析的优化的方法 |
US20140142766A1 (en) * | 2012-11-20 | 2014-05-22 | General Electric Company | Methods and systems to improve power plant performance by corrective set points |
CN103486607A (zh) * | 2013-09-30 | 2014-01-01 | 攀钢集团攀枝花钢钒有限公司 | 混烧锅炉的燃料自动调整系统及方法 |
CN104766139A (zh) * | 2015-03-27 | 2015-07-08 | 大唐淮南洛河发电厂 | 基于工业互联网的火电厂设备故障诊断与检修优化方法及系统 |
CN104915728A (zh) * | 2015-05-22 | 2015-09-16 | 中冶南方工程技术有限公司 | 一种确定钢铁企业蒸汽系统优化调度可行解的方法 |
CN104848885A (zh) * | 2015-06-04 | 2015-08-19 | 北京金控自动化技术有限公司 | 一种对设备未来故障时间点进行预测的方法 |
CN105258099A (zh) * | 2015-09-17 | 2016-01-20 | 山东钢铁股份有限公司 | 一种加热炉汽包液位控制系统及控制方法 |
Non-Patent Citations (1)
Title |
---|
周伟鹏: ""火电厂汽包水位预警、报警和故障检测系统设计"", 《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅱ辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112567182A (zh) * | 2018-06-11 | 2021-03-26 | 布罗恩-努托恩有限责任公司 | 具有从神经网络导出的自动流量平衡的通风系统及其使用方法 |
US11703247B2 (en) | 2018-06-11 | 2023-07-18 | Broan-Nutone Llc | Ventilation system with automatic flow balancing derived from a neural network and methods of use |
CN109327330A (zh) * | 2018-09-11 | 2019-02-12 | 南京科思倍信息科技有限公司 | 基于数据驱动的化工生产异常切片管理方法 |
CN109327330B (zh) * | 2018-09-11 | 2022-02-22 | 南京科思倍信息科技有限公司 | 基于数据驱动的化工生产异常切片管理方法 |
Also Published As
Publication number | Publication date |
---|---|
AU2017202965B2 (en) | 2021-08-12 |
US20170336784A1 (en) | 2017-11-23 |
EP3246769A1 (en) | 2017-11-22 |
AU2017202965A1 (en) | 2017-12-07 |
US10338576B2 (en) | 2019-07-02 |
KR20170129626A (ko) | 2017-11-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107390646A (zh) | 用于工厂平衡的智能管理系统 | |
US11789417B2 (en) | Method for determining and tuning process characteristic parameters using a simulation system | |
CN106325066B (zh) | 控制参数最佳化系统及具备该系统的运行控制最佳化装置 | |
CN103791485B (zh) | 一种火电机组给水系统优化控制方法 | |
KR100982774B1 (ko) | 원자력발전소 제어계통 성능검증 장치 및 방법 | |
EP3180514A1 (en) | Control of a wind turbine with a fault condition | |
US9476584B2 (en) | Controlling boiler drum level | |
CN110062918A (zh) | 在云端网关中进行软件更新的方法、执行该方法的计算机程序和实施该方法的处理单元 | |
CN105527113B (zh) | 一种核电站热能效率监测与诊断系统和方法 | |
US10323547B2 (en) | Steam drum level control system, computer program product and related methods | |
Majanne | Model predictive pressure control of steam networks | |
JP2013037436A (ja) | プラントの制御装置 | |
JP5017019B2 (ja) | プラント最適運転制御システム | |
Balbis et al. | Model predictive control design for industrial applications | |
Huning et al. | Risk-Informed Decision-Making and Reconfiguration using OPRA | |
Vasudeva | Power plant operation and maintenance cost reduction through control system improvements | |
Sangsuwan et al. | Petri net modeling for performance analysis of FF-based process control in terms of safety and availability enhancement | |
Nevzgodin et al. | Algorithmic fundamentals of constructing systems for automatically starting large combined-cycle plants | |
Upadhyaya et al. | Advanced control design, optimal sensor placement, and technology demonstration for small and medium nuclear power reactors | |
Muhlheim et al. | A Risk-Informed Assessment of Operational Options for Successfully Avoiding a Trip Setpoint | |
Majanne | Model predictive pressure control in steam networks | |
CN118043756A (zh) | 具有运行参数优化功能的供暖系统 | |
Muhlheim et al. | Integrated Risk-Informed Decision-Making for an ALMR PRISM | |
Nesterov et al. | Development of technological algorithms for automated process control systems of power units | |
KR20100118474A (ko) | 플랜트의 분산제어시스템에 적용되는 자동복구 시스템 및 이를 위한 자동복구 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20171124 |