CN115618592A - 一种电厂燃气轮机气路故障诊断方法、系统、设备及终端 - Google Patents

一种电厂燃气轮机气路故障诊断方法、系统、设备及终端 Download PDF

Info

Publication number
CN115618592A
CN115618592A CN202211232278.2A CN202211232278A CN115618592A CN 115618592 A CN115618592 A CN 115618592A CN 202211232278 A CN202211232278 A CN 202211232278A CN 115618592 A CN115618592 A CN 115618592A
Authority
CN
China
Prior art keywords
gas
compressor
turbine
gas turbine
rel
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
Application number
CN202211232278.2A
Other languages
English (en)
Inventor
梁芒
刘忠杰
钟磊
王鹏
徐耀利
赵素强
郭佳晖
徐搏超
吴仲
陈开峰
邵飞
王守成
李�杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Datang International Shaoxing Jiangbin Thermoelectricity Co ltd
Datang Boiler Pressure Vessel Examination Center Co Ltd
East China Electric Power Test Institute of China Datang Corp Science and Technology Research Institute Co Ltd
Original Assignee
Zhejiang Datang International Shaoxing Jiangbin Thermoelectricity Co ltd
Datang Boiler Pressure Vessel Examination Center Co Ltd
East China Electric Power Test Institute of China Datang Corp Science and Technology Research Institute Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Datang International Shaoxing Jiangbin Thermoelectricity Co ltd, Datang Boiler Pressure Vessel Examination Center Co Ltd, East China Electric Power Test Institute of China Datang Corp Science and Technology Research Institute Co Ltd filed Critical Zhejiang Datang International Shaoxing Jiangbin Thermoelectricity Co ltd
Priority to CN202211232278.2A priority Critical patent/CN115618592A/zh
Publication of CN115618592A publication Critical patent/CN115618592A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/11Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G06F17/12Simultaneous equations, e.g. systems of linear equations
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/16Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08Thermal analysis or thermal optimisation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14Force analysis or force optimisation, e.g. static or dynamic forces

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Operations Research (AREA)
  • Engine Equipment That Uses Special Cycles (AREA)

Abstract

本发明属于动力机械故障诊断技术领域,公开了一种电厂燃气轮机气路故障诊断方法、系统、设备及终端,推导压气机IGV开度变化对压气机流量特性线和效率特性线的影响数学关系式,建立用于燃气轮机性能分析与气路诊断的燃气轮机热力模型;基于所建立的燃气轮机热力模型,提出适用于瞬态变工况且包含可调静叶压气机的电厂燃气轮机气路故障诊断策略;采集实际电厂燃气轮机机组的运行数据,通过仿真实验测试与现场实际机组运行测试,实时诊断各部件的健康参数。本发明所提出的方法将原有的燃气轮机气路故障诊断方法的适用范围扩展至除启动、停机外的所有稳态与动态变工况,能对燃气轮机各个主要气路部件实现量化的诊断,得到相应的部件健康参数。

Description

一种电厂燃气轮机气路故障诊断方法、系统、设备及终端
技术领域
本发明属于动力机械故障诊断技术领域,尤其涉及一种电厂燃气轮机气路故障诊断方法、系统、设备及终端。
背景技术
目前,燃气轮机是以连续流动的气体为工质带动叶轮高速旋转,将燃料的能量转变为有用功的内燃式动力机械,是一种旋转叶轮式热力发动机。根据燃气轮机的用途,可分为航空发动机、舰船燃气轮机、重型燃气轮机、小型燃气轮机和微型燃气轮机等。20世纪下半叶,随着燃气轮机在航空工业中的广泛应用,因其具备快速启停、调载能力强、热效率高及环保等优异性能,而越来越多地受到舰船工业领域、石油和天然气管道运输领域以及工业电站领域的关注。燃气轮机作为航空工业、舰船工业、工业电站等领域的动力心脏,确保其安全稳定的运行是关键。其中,重型燃气轮机是我国能源装备制造业的高端产品,已被国家列为优先发展的重大装备。重型燃气轮机主要采用天然气为燃料,广泛用于燃气-蒸汽联合循环电厂。据统计截止至2015年,重型燃气轮机发电量约占全球发电总量的22%,且还在稳步增加,是继煤电和核电之后当今世界第三大发电方式。重型燃气轮机将是21世纪乃至更长时期内能源高效转换与洁净利用系统的核心动力设备。电站燃气轮机的巨大需求带动了重型燃气轮机的快速发展,据估计从2015年起未来10年内发电用重型燃气轮机机组将新增12591台,制造成本超过1529亿美元。在燃气轮机运行过程中,在极端条件(机组内部的高温、高压、高转速、高热流、高强度燃烧及高机械应力和热应力的恶劣工况条件以及周围污染的环境条件)下,其主要部件(如压气机、燃烧室和透平),会随着运行时间的增加产生各种各样的性能衰退或损伤,如污垢、泄漏、腐蚀、热畸变、内/外物损伤等,并易引发各种严重的故障发生。
在燃气轮机快速发展的同时,其维修成本也在不断增加。据报道,2009年全球工业燃气轮机运维成本超过180亿美元,且在快速增长。在F级燃气轮机电站全寿命周期的成本中,运维费用占15%~20%,其中维修费用占总成本的10%~15%,且随着技术的进步,基建和燃料成本所占的比例逐渐下降,维修费用所占比例逐渐上升。在电站燃气轮机设备中,燃气轮机透平、压气机、燃烧室三大通流部件的故障率高,是重型燃气轮机更易发生故障的部件。目前,世界主要的燃气轮机制造厂商都在研发下一代燃气轮机(H级、G级),其压比和燃气初温更高,单机功率更大。同时,重型燃气轮机工作环境复杂、运行工况多变,高参数、复杂环境和频繁变工况增加了其失效的风险,为此,随着重型燃气轮机的发展,其对可靠性的要求越来越高。
当前国内外燃气轮机用户的日常维修策略通常采用预防性维修保养,即通常根据制造商指示的当量运行小时数(EOH)来决定是否需要小修、中修、大修。对于机组的停机检修,无论是计划内的还是计划外的,以及普遍存在的失修(有的部件可能在定期维修前就失效,带来设备非正常停机的风险)和过修(定期维修时有的部件仍有一定的剩余寿命,造成浪费)情况,总是意味着高昂的运行和维修成本。我国作为燃气轮机用户大国,为提高设备的可靠性和可用性,同时最大限度地延长使用寿命,降低运行维护成本,用户需要通过监测、诊断和预测手段根据机组实际性能健康状况来采取相应的维修策略,即采用视情维修。
燃气轮机是一种输入—状态—输出三者强非线性耦合热力系统,环境条件(如大气温度、压力、相对湿度)和操作条件(如启动、停机、动态加减载等变工况模式运行)的变化都会致使热力系统内部状态(如各部件性能参数)发生显著变化,这给如何通过有效方法来诊断与预测这种强非线性热力系统的部件性能衰退、老化、损伤及故障情况带来了极大的挑战。
燃气轮机的故障通常分为大两类:一大类是与机械性质有关,而与空气动力学及热力学无耦合关系,如轴不对中,转子动不平衡,轴承缺陷,油膜失稳等机械故障。对于这些机械故障,许多技术手段,如振动分析,油屑分析,声分析,热成像,负载分析,金属温度分析,应力分析等方法,可用于对其诊断。2019年,Rabcan等人提出了一种基于模糊决策树的航空发动机动叶无损诊断方法,该方法根据无损激振产生的振动信号来诊断识别航空发动机动叶是否有缺陷或故障。2020年,Silva等人提出了一种基于连续小波变换的燃气轮机单点碰摩早期故障检测方法,该方法通过机壳上的振动加速度信号来实现转子与壳体碰摩的诊断。另一大类是与空气动力学/热力学相关,如压气机与透平积垢,压气机与透平腐蚀/磨损,热畸变,外/内物损伤等气路故障情况。对于这类气路故障,气路分析方法(gas pathanalysis,GPA)是一种对正在演变或即将发生的恶化情况发布早期预警信息的技术手段。
目前,气路分析方法根据诊断机理,可以分为基于热力模型决策的气路诊断方法和基于人工智能的气路诊断方法。燃气轮机性能健康状态通常可由各主要部件的健康参数,如压气机和透平的流量特性指数(表征部件通流能力)和效率特性指数(表征部件运行效率)及燃烧室的效率特性指数来表示。然而,这些至关重要的健康状态信息不能直接测得,因此不易监测诊断。利用专家系统和机器学习等基于数据驱动的人工智能技术,如采用神经网络、贝叶斯网络、模糊逻辑、支持向量基和粗糙集理论等方法,往往需要建立在已有设备故障数据样本集上,对于样本集中未涉及的故障类型,这些方法通常难以给出准确的诊断结果。对于一种新型或刚投运的燃气轮机,由于缺乏标定的部件故障数据样本集,难以在短时间内建立能够覆盖所有故障类型的完备故障样本集,且通过历史运行经验和现场监测数据来积累故障模式与故障征兆之间的关系规则库是项艰难而费时费力的工作,且不易对故障严重程度作量化评估,制约了专家系统和机器学习等基于数据驱动的传统人工智能诊断技术的应用。
在燃气轮机运行操作过程中,当某些部件发生性能衰退或损伤时,其部件内在性能参数(如压比、质量流量、等熵效率等)会发生改变,并导致外在气路可测参数(如温度、压力、转速等)发生变化,故基于热力模型决策的气路诊断是一个由气路可测参数通过热力学耦合关系式求解得到部件性能参数,进而求得部件健康参数,用于评估机组性能健康状态的逆求解的数学过程。基于热力模型决策的气路诊断方法的特点在于无需积累部件故障数据样本集,该方法按使用的热力模型可以分为小偏差线性化方法与非线性方法。由于小偏差线性化诊断方法的诊断准确性受边界条件(环境条件和操作条件)扰动及传感器测量噪声影响较大,因此,非线性方法是研究主流。非线性气路诊断方法主要基于牛顿-拉普森算法、卡尔曼滤波器算法、粒子滤波器算法等局部优化算法或遗传算法、粒子群优化算法等全局优化算法驱动迭代求解,对解决热力系统线性化所导致的诊断可靠性低的内在难题以及诊断准确性受传感器测量噪声与偏差、测量参数选择、操作条件及环境条件影响敏感的问题有了长足的改善。
经过多年的发展,基于热力模型决策的气路诊断方法已经取得了许多基于燃机稳态/准稳态工况的诊断算法理论成果。然而目前燃机电厂多为调峰电厂,燃气轮机检修也是严格按照燃气轮机制造商提供的技术文件和有关规范中要求的时间周期来进行检修的,检修成本极大。找到一种适合燃机电厂的检修模式,延长燃气轮机各零部件的使用寿命,降低检修成本,提高燃机运行的经济性,是每个燃机电厂目前迫切需要解决的问题。现今燃气轮机越来越需在电网支持模式下更灵活地运行(包括频繁变工况及瞬态加减载),在这种瞬态运行模式下,燃气轮机的使用寿命会比基本负荷稳态/准稳态运行时消耗更快。且可变几何压气机的广泛应用在诊断过程中引入了新的不确定因素,使得上述的基于热力模型决策的气路诊断方法适用边界越来越窄。此外,机组抽气冷却技术的进步以及日益复杂的控制系统增加了热力建模的复杂度。因此,迫切需要考虑瞬态变工况下气路故障诊断与预测的新理论新方法。
通过上述分析,现有技术存在的问题及缺陷为:
(1)目前燃机电厂多为调峰电厂,燃气轮机是严格按照燃气轮机制造商提供的技术文件和有关规范中要求的时间周期来进行检修的,检修成本极大。
(2)机组抽气冷却技术的进步以及日益复杂的控制系统使得燃气轮机系统复杂度增加,热力建模的复杂度随之增加,基于模型的故障诊断方法的精度下降,故障诊断计算更加耗时。
(3)现今燃气轮机越来越需在电网支持模式下更灵活地运行,在这种瞬态运行模式下,燃气轮机的使用寿命会比基本负荷稳态/准稳态运行时消耗更快。
(4)由于可变几何压气机的广泛应用在诊断过程中引入了新的不确定因素,使得现有的基于热力模型决策的气路诊断方法适用边界越来越窄。
(5)现有基于数据驱动的故障诊断算法面临的准确性问题、燃气轮机强非线性导致基于模型的故障诊断方法面临估计精度问题以及气路与传感器耦合故障诊断问题都亟待进一步研究。
发明内容
针对现有技术存在的问题,本发明提供了一种电厂燃气轮机气路故障诊断方法、系统、设备及终端,尤其涉及一种适用于瞬态变工况且包含可调静叶压气机的电厂燃气轮机气路故障诊断方法、系统、介质、设备及终端。
本发明是这样实现的,在基于当前燃气轮机故障诊断方面的问题及缺陷,为了适应调峰电厂燃气轮机在瞬态变工况运行条件下,发明一种电厂燃气轮机气路故障诊断方法,所述电厂燃气轮机气路故障诊断方法包括:
确定压气机IGV开度变化对压气机流量特性线和效率特性线的影响数学关系式,构建燃气轮机热力模型,实现电厂燃气轮机气路的故障诊断。
进一步,所述电厂燃气轮机气路故障诊断方法包括以下步骤:
步骤一,推导压气机IGV开度变化对压气机流量特性线和效率特性线的影响数学关系式,建立用于燃气轮机性能分析与气路诊断的燃气轮机热力模型,以到达更加精确地对燃气轮机进行诊断分析的目的;
步骤二,基于所建立的燃气轮机热力模型,提出适用于瞬态变工况且包含可调静叶压气机的电厂燃气轮机气路故障诊断策略,从而拓宽诊断方法对于当前调峰电厂燃气轮机诊断的适用边界;
步骤三,采集实际电厂燃气轮机机组的运行数据,通过仿真实验测试与现场实际机组运行测试,实时诊断各部件的健康参数,以达到热力模型分析与电厂运行的高度结合,并满足在瞬态变工况运行状态下通过健康参数对燃气轮机各部件的即时监测和有效诊断。
进一步,所述步骤一中的燃气轮机热力模型的构建包括:
对于电厂燃气轮机,压气机有5个抽气点,其中3股为从外缸流出的外部流路,2股为从内部轮盘打孔抽出的内部流路;还包括2个流路,从压气机出口引出为第一级透平叶片提供冷却空气,用于透平热通流端的冷却;其中,Ea1、Ea2、Ea3为压气机第5、9、13级抽气,为透平第2、3、4级静叶提供冷却空气;Ea4、KE为压气机出口流路,为燃烧室及透平第1级动静叶提供冷却空气;Ei1、Ei2为压气机第10、12级抽气,为透平第2、3、4级动叶提供冷却空气。
基于ISO2314准则,采用等效冷却流量的处理方式进行热力建模;遵循①压气机进出口1、2截面处压力、温度、质量流量、工质组分与机组真实情况相同;②压气机耗功与机组真实情况相同的原则进行等效冷却流量的简化。压气机的热力模型从1维热力模型简化为0维热力模型;压气机热力模型为集总参数模型,压气机级间抽气情况并不破坏压气机部件特性线的整体性,则压气机热力模型由以下公式表示:
Figure BDA0003881830440000031
GC,cor,rel=f1(nC,cor,relC,rel,IGV);
ηC,rel=f2(nC,cor,relC,rel,IGV);
式中,Gequ为等效等效冷却流量;NC为压气机耗功;IGV为压气机进口可调导叶的位置;
Figure BDA0003881830440000032
为压气机相对折合转速;
Figure BDA0003881830440000033
为压气机相对折合质量流量;πC,rel为压气机相对压比;ηC,rel为压气机相对等熵效率;f1(·)表示压气机的流量特性函数;f2(·)表示压气机的效率特性函数。
进一步,所述燃气轮机热力模型的构建还包括:
对于设计优良的轴流式压气机,在不同运行工况下,通过压气机第1级或前几级可调导叶调控会使气流进入各级动叶的冲角近似相等,此时各级流量系数φ与静叶出口绝对气流角α1理论上满足:
Figure BDA0003881830440000034
Figure BDA0003881830440000035
由此可知,IGV开度位置影响进入压气机的空气体积流量,则压气机的流量特性公式简化为:
Figure BDA00038818304400000410
式中,
Figure BDA0003881830440000041
为IGV开度调节下的质量流量修正系数;GC,cor,rel,IGV=100%为IGV全开时的压气机相对折合质量流量。
压气机级的动叶出口相对气流角β2和级效率η近似仅是气流进入动叶的冲角的函数,则流量系数φ与压力系数ψ满足以下关系式:
Figure BDA0003881830440000042
式中,
Figure BDA0003881830440000043
为级的压力系数;
Figure BDA0003881830440000044
为级的等熵效率;
Figure BDA0003881830440000045
为级的温升系数。
由于IGV开度位置对压气机的等熵效率影响很小,则压气机的效率特性公式简化为:
ηC,rel=f2(nC,cor,relC,rel,IGV)≈f4(nC,cor,relC,rel)。
进一步,所述燃气轮机热力模型的构建还遵循以下原则简化等效冷却流量:③透平进口4截面处的工质组分与透平出口5截面处排气相同;④透平出力与机组真实情况相同;由于等效冷却流量在透平入口前已汇入,故透平入口的质量流量与出口的质量流量相等,且透平真实入口温度TIT要高于TITiso;透平出口5截面处压力、温度、质量流量、工质组分与机组真实情况相同。
透平的热力模型从1维热力模型简化为0D热力模型。透平热力模型为集总参数模型,透平级间冷却情况并不破坏透平部件特性线的整体性,则透平热力模型由以下公式表示:
GT,cor,rel=f5(nT,cor,relT,rel);
ηT,rel=f6(nT,cor,relT,rel);
式中,
Figure BDA0003881830440000046
为透平相对折合转速;
Figure BDA0003881830440000047
为透平相对膨胀比;
Figure BDA0003881830440000048
为透平相对折合流量;f5(·)表示透平的流量特性函数;f6(·)表示透平的效率特性函数。
按等效冷却流量处理原则,得到焓熵图;其中1~2为压气机圧缩耗功过程,2~4为燃烧室燃烧过程,4~5为透平膨胀做功过程;燃气轮机热力模型中0、1、2、5、6截面处的压力、温度、质量流量、工质组分与机组真实情况相同。
进一步,所述步骤二中的适用于瞬态变工况且包含可调静叶的电厂燃气轮机气路故障诊断策略的构建包括:
设SH为天然气的显热,单位kJ/kg;LHV为天然气的低位热值,单位kJ/kg;NC为压气机的耗功,单位kW;NTis为透平的输出功率,单位kW;Rgair为空气的气体常数,单位kJ/kg K;Rggas为燃气的气体常数,单位kJ/kg K;N2/O2/Ar/CO2/H2O分别为空气中各组分的质量分数;C/H/O/N/S分别为燃料化学式中各元素的比例。电厂燃气轮机热力模型所需的天然气组分通过电厂天然气化验报告获取,其中
Figure BDA0003881830440000049
采用牛顿-拉普森算法作为诊断驱动算法,诊断驱动求解过程如下:
对于已知的残差方程组
Figure BDA0003881830440000051
当各个部件的健康参数向量--方程组的自变量向量
Figure BDA0003881830440000052
变化一个微小量
Figure BDA0003881830440000053
时,对应的残差向量
Figure BDA0003881830440000054
改变微小量
Figure BDA0003881830440000055
Figure BDA0003881830440000056
足够小,则
Figure BDA0003881830440000057
Figure BDA0003881830440000058
的数学关系用下式表示:
Figure BDA0003881830440000059
其中
Figure BDA00038818304400000510
式中,SFFC=GC,cor,rel,deg/GC,cor,rel为压气机的流量特性指数;GC,cor,rel,deg为压气机性能衰退或故障时的相对折合质量流量;SFEC=ηC,rel,degC,rel为压气机的效率特性指数;ηC,rel,deg为压气机性能衰退或故障时的相对等熵效率;SFEB=ηB,degB为燃烧室的燃烧效率指数;ηB,deg为燃烧室性能衰退或故障时的燃烧效率;SFFT=GT,cor,rel,deg/GT,cor,rel为透平的流量特性指数;GT,cor,rel,deg为透平性能衰退或故障时的相对折合质量流量;SFET=ηT,rel,degT,rel为透平的效率特性指数;ηT,rel,deg为透平性能衰退或故障时的相对等熵效率。
Figure BDA00038818304400000511
式中,
Figure BDA00038818304400000512
为雅可比矩阵,如下所示:
Figure BDA00038818304400000513
当初始的表征燃气轮机健康的部件健康参数
Figure BDA00038818304400000514
选定后,通过残差方程组得到残差向量
Figure BDA00038818304400000515
当得到下一个迭代计算点
Figure BDA00038818304400000516
时,对应的残差向量
Figure BDA00038818304400000517
接近于0,则得到如下式:
Figure BDA00038818304400000518
将式
Figure BDA0003881830440000061
进行推广,则牛顿-拉普森算法的表达式为:
Figure BDA0003881830440000062
随着迭代计算,当残差准则
Figure BDA0003881830440000063
满足时,得到最终解
Figure BDA0003881830440000064
其中ε为特定的迭代收敛阈值。
本发明的另一目的在于提供一种应用所述电厂燃气轮机气路故障诊断方法的电厂燃气轮机气路故障诊断系统,所述电厂燃气轮机气路故障诊断系统包括:
影响数学关系式推导模块,用于推导压气机IGV开度变化对压气机流量特性线和效率特性线的影响数学关系式;
燃气轮机热力模型构建模块,用于建立以燃气轮机性能分析与气路诊断为目的的燃气轮机热力模型;
故障诊断策略提出模块,用于基于所建立的燃气轮机热力模型,提出适用于瞬态变工况且包含可调静叶压气机的电厂燃气轮机气路故障诊断策略;
故障诊断模块,用于采集实际电厂燃气轮机机组的运行数据,通过仿真实验测试与现场实际机组运行测试,实时诊断各部件的健康参数。
本发明的另一目的在于提供一种计算机设备,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行所述电厂燃气轮机气路故障诊断方法的步骤。
本发明的另一目的在于提供一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行所述电厂燃气轮机气路故障诊断方法的步骤。
本发明的另一目的在于提供一种信息数据处理终端,所述信息数据处理终端用于实现所述电厂燃气轮机气路故障诊断系统。
结合上述的技术方案和解决的技术问题,请从以下几方面分析本发明所要保护的技术方案所具备的优点及积极效果为:
第一,针对上述现有技术存在的技术问题以及解决该问题的难度,紧密结合本发明的所要保护的技术方案以及研发过程中结果和数据等,详细、深刻地分析本发明技术方案如何解决的技术问题,解决问题之后带来的一些具备创造性的技术效果。具体描述如下:
针对现有电厂燃气轮机故障诊断时存在的难点和痛点,本发明提出了一种适用于瞬态变工况且包含可调静叶压气机的电厂燃气轮机气路故障诊断方法。首先,推导了压气机IGV开度变化对压气机流量特性线和效率特性线的影响数学关系式,建立了以燃气轮机性能分析与气路诊断为目的的高精度燃气轮机热力模型;其次,提出了适用于瞬态变工况且包含可调静叶压气机的电厂燃气轮机气路故障诊断策略;最终,通过现场实际机组运行测试,验证了本发明所提出方法的有效性与可靠性。本发明所提出的方法将原有的燃气轮机气路故障诊断方法的适用范围扩展至除启动、停机外的所有稳态与动态变工况,能对燃气轮机各个主要气路部件实现量化的诊断,得到相应的部件健康参数。
第二,把技术方案看做一个整体或者从产品的角度,本发明所要保护的技术方案具备的技术效果和优点,具体描述如下:
本发明提供的适用于瞬态变工况且包含可调静叶压气机的电厂燃气轮机气路故障诊断方法,能够解决现有电厂燃气轮机瞬态变工况下气路故障诊断时存在的难点和痛点。本发明基于ISO2314准则(燃气轮机验收测试国际标准),采用等效冷却流量的处理方式进行热力建模,不但可以起到简化模型的目的,保证计算实时性,而且压气机级间抽气和透平级间冷却情况并不会破坏压气机和透平部件特性线的整体性,为后续气路诊断带来便利。
第三,作为本发明的权利要求的创造性辅助证据,还体现在以下几个重要方面:
(1)本发明的技术方案转化后的预期收益和商业价值为:
在一个小修周期内(3300h),按照天然气发电上网电价0.5元/千瓦时,5%的气路统计发生概率计,各类气路故障对发电效率的综合影响为18%,故单台燃气轮机一年的潜在经济损失费用846.2万元。本项目在发电企业投用后,实现了对工业燃气轮机通流部件的在线性能监测,多次精确诊断发现气路故障先兆和异常传感器,运行人员可据此提前操作干预,避免了由于气路故障恶化导致的机组非计划停机,保证了机组的安全稳定运行;诊断得到的部件健康特征参数,为厂里及时进行水洗、故障排查、安排检修计划提供依据,节约了由于过修和失修导致的高昂运维成本。所研发的故障预测诊断系统通用性强,不受机型限制,可向全国所有燃机电厂进行推广,为能源电力行业带来极大的经济效益与社会效益。
(2)本发明的技术方案填补了国内外业内技术空白:
推导了压气机IGV开度变化对压气机流量特性线和效率特性线的影响数学关系式,建立了以燃气轮机性能分析与气路诊断为目的的高精度燃气轮机热力模型并提出了适用于瞬态变工况且包含可调静叶压气机的电厂燃气轮机气路故障诊断策略。
(3)本发明的技术方案解决了人们一直渴望解决、但始终未能获得成功的技术难题:
设计了气路可测参数关联性量化指标,揭示了可测参数之间的同步变化规律,提出了结合参数关联性的可测参数同步清洗方法,解决了传感器错误数据对诊断系统的干扰问题,实现了异常检测。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图做简单的介绍,显而易见地,下面所描述的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的基于详细通流设计的一维热力建模方法示意图;
图2是本发明实施例提供的基于ISO2314准则的等效冷却流量的处理方式示意图;
图3是本发明实施例提供的压气机热力模型从1维热力模型简化为0D热力模型示意图;
图4是本发明实施例提供的压气机级的速度三角形示意图;
图5是本发明实施例提供的透平热力模型从1维热力模型简化为0D热力模型示意图;
图6是本发明实施例提供的基于ISO2314准则的等效冷却流量处理方式的燃气轮机热力过程线示意图;
图7是本发明实施例提供的适用于瞬态变工况且包含可调静叶的电厂燃气轮机气路故障诊断策略原理图;
图8是本发明实施例提供的电厂燃气轮机机组的气路可测参数情况示意图;
图9是本发明实施例提供的压气机特性曲线的偏移程度示意图;
图10是本发明实施例提供的基于牛顿-拉普森算法的部件健康参数迭代求解过程示意图;
图11是本发明实施例提供的压气机性能衰退时的诊断结果示意图;
图12是本发明实施例提供的燃烧室性能衰退时的诊断结果示意图;
图13是本发明实施例提供的透平性能衰退时的诊断结果示意图;
图14是本发明实施例提供的从2019/2/59:30至2019/12/823:30时段的历史运行数据中得到的
Figure BDA0003881830440000071
与IGV*ρ1的数据关系示意图;
图15是本发明实施例提供的大气温度随燃机运行的变化情况示意图;
图16是本发明实施例提供的大气压力随燃机运行的变化情况示意图;
图17是本发明实施例提供的大气相对湿度随燃机运行的变化情况示意图;
图18是本发明实施例提供的压气机IGV开度位置随随燃机运行的变化情况示意图;
图19是本发明实施例提供的发电机电负荷随燃机运行的变化情况示意图;
图20是本发明实施例提供的诊断得到的压气机健康参数随燃机运行的变化情况示意图;图(a)为诊断得到的压气机流量特性指数SFFC随机组运行的变化情况,图(b)为诊断得到的压气机流量特性指数SFEC随机组运行的变化情况示意图;
图21是本发明实施例提供的诊断得到的压气机健康参数随燃机运行的变化情况示意图;图(a)为诊断得到的压气机流量特性指数SFFC随机组运行的变化情况,图(b)为诊断得到的压气机流量特性指数SFEC随机组运行的变化情况示意图;
图22是本发明实施例提供的电厂燃气轮机气路故障诊断方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
针对现有技术存在的问题,本发明提供了一种电厂燃气轮机气路故障诊断方法、系统、设备及终端,下面结合附图对本发明作详细的描述。
一、解释说明实施例。为了使本领域技术人员充分了解本发明如何具体实现,该部分是对权利要求技术方案进行展开说明的解释说明实施例。
如图22所示,本发明实施例提供的电厂燃气轮机气路故障诊断方法包括以下步骤:
S101,推导压气机IGV开度变化对压气机流量特性线和效率特性线的影响数学关系式,建立以燃气轮机性能分析与气路诊断为目的的燃气轮机热力模型;
S102,基于所建立的燃气轮机热力模型,提出适用于瞬态变工况且包含可调静叶压气机的电厂燃气轮机气路故障诊断策略;
S103,采集实际电厂燃气轮机机组的运行数据,通过仿真实验测试与现场实际机组运行测试,实时诊断各部件的健康参数。
作为本发明实施例提供的适用于瞬态变工况且包含可调静叶压气机的电厂燃气轮机气路故障诊断方法的优选方案,本发明实施例提供的构建以燃气轮机性能分析和气路诊断为目的的高精度燃气轮机热力模型的方法具体包括:
对于电厂燃气轮机,如AE94.3A重型燃气轮机(意大利Ansaldo公司生产的燃气轮机F级机型),压气机有5个抽气点(其中3股为从外缸流出的外部流路,2股为从内部轮盘打孔抽出的内部流路),此外还有2个流路(从压气机出口引出为第一级透平叶片提供冷却空气),用于透平热通流端的冷却。考虑到机组实际抽气冷却情况且兼顾热力模型的复杂度,基于详细通流设计的一维热力建模方法(见图1)无法满足计算实时性的要求。
其中,Ea1、Ea2、Ea3为压气机第5、9、13级抽气,为透平第2、3、4级静叶提供冷却空气。Ea4、KE为压气机出口流路,为燃烧室及透平第1级动静叶提供冷却空气。Ei1、Ei2为压气机第10、12级抽气,为透平第2、3、4级动叶提供冷却空气。
本发明实施例基于ISO2314准则(燃气轮机验收测试国际标准),采用等效冷却流量的处理方式进行热力建模,如图2所示,不但可以起到简化模型的目的,保证计算实时性,而且压气机级间抽气和透平级间冷却情况并不会破坏压气机和透平部件特性线的整体性,为后续气路诊断带来便利。
然而等效冷却流量的处理方式会导致热力模型中某些部件的进出口气路参数具有“等效”的意义,不再与机组实际气路传感器测点布置位置处的实测参数相对应,这为后续利用目标机组的实测气路参数来自适应修正热力模型以及实现部件气路诊断带来困难。以图2所示的等效冷却流量处理方式为例,为使热力模型中各个部件的进出口气路参数及部件本身特征与机组实测气路参数及真实部件特征尽可能一一对应,等效冷却流量的简化过程可以遵循以下原则:①压气机进出口1、2截面处压力、温度、质量流量、工质组分与机组真实情况相同;②压气机耗功与机组真实情况相同。此时,压气机的热力模型可以从1维热力模型简化为0维热力模型,如图3所示。
此时,压气机热力模型为集总参数模型,压气机级间抽气情况并不破坏压气机部件特性线的整体性,则压气机热力模型可由公式(1)(2)(3)表示。
Figure BDA0003881830440000081
GC,cor,rel=f1(nC,cor,relC,rel,IGV) (2)
ηC,rel=f2(nC,cor,relC,rel,IGV) (3)
式中Gequ为等效冷却流量;NC为压气机耗功;IGV为压气机进口可调导叶的位置;
Figure BDA0003881830440000091
为压气机相对折合转速;
Figure BDA0003881830440000092
为压气机相对折合质量流量;πC,rel为压气机相对压比;ηC,rel为压气机相对等熵效率;f1(·)表示压气机的流量特性函数;f2(·)表示压气机的效率特性函数。
由于燃气轮机通常受调控而以部分负荷以及瞬态加减载模式运行,压气机的第一级或前几级可调导叶通常会随着运行工况关小或开大,如AE94.2的压气机的第1级进口导叶为可调,AE94.3A压气机的前2级进口导叶为可调。对于一台设计优良的轴流式压气机,在不同运行工况下,通过压气机第1级或前几级可调导叶调控会使气流进入各级动叶的冲角近似相等,此时各级流量系数φ与静叶出口绝对气流角α1理论上满足:
Figure BDA0003881830440000093
Figure BDA0003881830440000094
由此可知,IGV开度位置主要影响进入压气机的空气体积流量,则压气机的流量特性公式(2)可以进一步简化为:
Figure BDA0003881830440000095
其中
Figure BDA0003881830440000096
为IGV开度调节下的质量流量修正系数;GC,cor,rel,IGV=100%为IGV全开时的压气机相对折合质量流量。
通常压气机级的动叶出口相对气流角β2和级效率η近似仅是气流进入动叶的冲角的函数,此时流量系数φ与压力系数ψ满足以下关系式:
Figure BDA0003881830440000097
式中
Figure BDA0003881830440000098
为级的压力系数;
Figure BDA0003881830440000099
为级的等熵效率;
Figure BDA00038818304400000910
为级的温升系数。
由式(6)可知,IGV开度位置主要对压气机的等熵效率影响很小,则压气机的效率特性公式(3)可以进一步简化为:
ηC,rel=f2(nC,cor,relC,rel,IGV)≈f4(nC,cor,relC,rel) (7)
以上两式(4)和(6)可以如图4所示的级速度三角形推导得到。
③透平进口4截面处的工质组分与透平出口5截面处排气相同。
④透平出力与机组真实情况相同。由于等效冷却流量在透平入口之前已经汇入,因此透平入口的质量流量与出口的质量流量相等,且透平真实入口温度TIT要高于TITiso
⑤透平出口5截面处压力、温度、质量流量、工质组分与机组真实情况相同;
此时,透平的热力模型可以从1维热力模型简化为0D热力模型,如图5所示。
此时,透平热力模型为集总参数模型,透平级间冷却情况并不破坏透平部件特性线的整体性,则透平热力模型可由公式(4)、(5)表示。
GT,cor,rel=f5(nT,cor,relT,rel) (8)
ηT,rel=f6(nT,cor,relT,rel) (9)
式中
Figure BDA00038818304400000911
为透平相对折合转速;
Figure BDA00038818304400000912
为透平相对膨胀比;
Figure BDA0003881830440000101
为透平相对折合流量;f5(·)表示透平的流量特性函数;f6(·)表示透平的效率特性函数。
按上述等效冷却流量处理原则,可以得到如图6所示的焓熵图(其中1~2为压气机圧缩耗功过程,2~4为燃烧室燃烧过程,4~5为透平膨胀做功过程),此时,燃气轮机热力模型中0、1、2、5、6截面处的压力、温度、质量流量、工质组分与机组真实情况相同。
作为本发明实施例提供的适用于瞬态变工况且包含可调静叶压气机的电厂燃气轮机气路故障诊断方法的一种优选方案,其中:基于上述所建的燃气轮机模型,构建的适用于瞬态变工况且包含可调静叶的电厂燃气轮机气路故障诊断策略,如图7所示,具体包括:
注:SH为天然气的显热(kJ/kg);LHV为天然气的低位热值(kJ/kg);NC为压气机的耗功(kW);NTis为透平的输出功率(kW);Rgair为空气的气体常数(kJ/kgK);Rggas为燃气的气体常数(kJ/kgK);N2/O2/Ar/CO2/H2O分别为空气中各组分的质量分数;C/H/O/N/S分别为燃料化学式中各元素的比例。绿色字体的参数表示各个部件模型的输入参数;蓝色字体的参数表示各个部件模型的输出参数。
对于电厂燃气轮机,以AE94.3A重型燃气轮机(为意大利Ansaldo公司燃气轮机F级机型)为例,机组的气路可测参数情况如图8所示。其中燃气轮机热力模型所需的天然气组分可以通过电厂天然气化验报告获取。
此时,
Figure BDA00038818304400001012
本发明所涉及的气路诊断,是基于部件特性线自适应修正的,一方面要求诊断算法确保在部件性能衰退或损伤程度较大范围内的可靠性和准确性。利用机组实测气路参数
Figure BDA00038818304400001013
通过合适的优化算法自适应修正各个部件的健康参数
Figure BDA00038818304400001014
(即各个部件特性线的偏移程度,如图9所示),使热力模型更进与实际目标机组的部件特性相匹配,诊断输出目标机组各主要部件的健康参数情况;另一方面要求诊断驱动算法能够随着机组频繁变工况以及动态加减载模式运行而实时动态跟随,诊断输出部件健康参数。这就要求部件健康参数的优化辨识需要选择合理的局部优化算法来确保诊断实时性。
本发明实施例采用牛顿-拉普森算法作为诊断驱动算法,牛顿-拉普森算法的数学本质是一种局部优化算法。详细的诊断驱动求解过程如下:
对于一个已知的残差方程组
Figure BDA0003881830440000102
当各个部件的健康参数向量(即方程组的自变量向量)
Figure BDA0003881830440000103
变化一个微小量
Figure BDA0003881830440000104
时,对应的残差向量
Figure BDA0003881830440000105
也会改变一个微小量
Figure BDA0003881830440000106
Figure BDA0003881830440000107
足够小,则
Figure BDA0003881830440000108
Figure BDA0003881830440000109
的数学关系可以足够精确的用下式表示。
Figure BDA00038818304400001010
其中
Figure BDA00038818304400001011
其中SFFC=GC,cor,rel,deg/GC,cor,rel为压气机的流量特性指数;GC,cor,rel,deg为压气机性能衰退或故障时的相对折合质量流量;SFEC=ηC,rel,degC,rel为压气机的效率特性指数;ηC,rel,deg为压气机性能衰退或故障时的相对等熵效率;SFEB=ηB,degB为燃烧室的燃烧效率指数;ηB,deg为燃烧室性能衰退或故障时的燃烧效率;SFFT=GT,cor,rel,deg/GT,cor,rel为透平的流量特性指数;GT,cor,rel,deg为透平性能衰退或故障时的相对折合质量流量;SFET=ηT,rel,degT,rel为透平的效率特性指数;ηT,rel,deg为透平性能衰退或故障时的相对等熵效率。
由此,
Figure BDA0003881830440000111
式中
Figure BDA0003881830440000112
为雅可比矩阵,如下所示:
Figure BDA0003881830440000113
当初始的部件健康参数
Figure BDA0003881830440000114
(表征燃气轮机健康)选定后,通过残差方程组可以得到一个残差向量
Figure BDA0003881830440000115
本发明希望当得到下一个迭代计算点
Figure BDA0003881830440000116
时,对应的残差向量
Figure BDA0003881830440000117
接近于0,则可以得到如下式:
Figure BDA0003881830440000118
将上式(13)进行推广,则牛顿-拉普森算法的可以表达为如下式:
Figure BDA0003881830440000119
随着迭代计算,当残差准则
Figure BDA00038818304400001110
(ε为特定的迭代收敛阈值)满足时,就可以得到最终解
Figure BDA00038818304400001111
如图10所示。
本发明实施例提供的电厂燃气轮机气路故障诊断系统包括:
影响数学关系式推导模块,用于推导压气机IGV开度变化对压气机流量特性线和效率特性线的影响数学关系式;
燃气轮机热力模型构建模块,用于建立以燃气轮机性能分析与气路诊断为目的的燃气轮机热力模型;
故障诊断策略提出模块,用于基于所建立的燃气轮机热力模型,提出适用于瞬态变工况且包含可调静叶压气机的电厂燃气轮机气路故障诊断策略;
故障诊断模块,用于采集实际电厂燃气轮机机组的运行数据,通过仿真实验测试与现场实际机组运行测试,实时诊断各部件的健康参数。
二、应用实施例。为了证明本发明的技术方案的创造性和技术价值,该部分是对权利要求技术方案进行具体产品上或相关技术上的应用实施例。
应用实施例1
应用于中国大唐集团科学技术研究总院有限公司华东电力试验研究院的江滨电厂和肇庆电厂,多次精确诊断发现气路故障先兆和异常传感器,并为该厂及时进行水洗、故障排查、安排检修计划提供依据。该系统的推广应用为该厂机组安全运行提供重要帮助,为每台燃气轮机每年节约大量潜在经济损失费用。
应用实施例2
应用于上海山恩智能科技有限公司并实现了下列经营指标:①资源利用:提高设备可靠性与可用性,减少非计划停机,缩短生产周期,提高劳动生产率。②按期交货,提高客户服务质量:一般按期交货履约率可达99%以上,接近100%。③降低成本:提高设备可靠性与可用性,防止过修和失修,确保安全稳定、绿色高效运行,大大降低了运维成本。④人力资源效率分析:减少维护等管理人员60%以上。⑤经营财务指标分析:同样的资源,产能得到25%的提高。
应用实施例3
应用于竣云智能科技有限公司和上海齐呐机电设备有限公司,所开发的系统能够有效地提高对不同的轴承故障类型及故障严重程度识别的准确率,对轴承的故障状态识别成功率能够达到100%,而对不同故障类型及故障严重程度的总体识别成功率也能达到99%以上,相比于其他人工智能方法,诊断准确性显著提高。经营财务指标分析:同样的资源,产能得分别到20%和22%的提高。
三、实施例相关效果的证据。本发明实施例在研发或者使用过程中取得了一些积极效果,和现有技术相比的确具备很大的优势,下面内容结合试验过程的数据、图表等进行描述。
实施例1
目前,对于电厂燃气轮机故障诊断存在如下难点,一、燃气轮机是一种输入—状态—输出三者强非线性耦合热力系统,环境条件(如大气温度、压力、相对湿度)和操作条件(如启动、停机、动态加减载等变工况模式运行)的变化都会致使热力系统内部状态(如各部件性能参数)发生显著变化,这给如何通过有效方法来诊断与预测这种强非线性热力系统的部件性能衰退、老化、损伤及故障情况带来了极大的挑战;二、现今燃机电厂多为调峰电厂,燃气轮机越来越需在电网支持模式下更灵活地运行(包括频繁变工况及瞬态加减载),在这种瞬态运行模式下,燃气轮机的使用寿命会比基本负荷稳态/准稳态运行时消耗更快;三、且可变几何压气机的广泛应用在实际诊断过程中引入了新的不确定因素,使得原有的气路诊断方法适用边界越来越窄;四、机组抽气冷却技术的进步以及日益复杂的控制系统增加了热力建模的复杂度。
故而本发明针对上述电厂燃气轮机故障诊断存在的难点和痛点,提出一种适用于瞬态变工况且包含可调静叶压气机的燃气轮机气路故障诊断方法,可以有效解决上述四个难点,实现燃气轮机气路故障预测诊断方法的真正落地应用。
参照图1~图13,为本发明的第一个实施例,提供了一种适用于瞬态变工况且包含可调静叶压气机的燃气轮机气路故障诊断方法,包括:
S1:以燃气轮机性能分析和气路诊断为目的的高精度热力模型建立。参照图1至图6,其中需要说明的是,构建燃气轮机热力模型包括:
对于电厂燃气轮机,如AE94.3A重型燃气轮机(意大利Ansaldo公司生产的燃气轮机F级机型),压气机有5个抽气点(其中3股为从外缸流出的外部流路,2股为从内部轮盘打孔抽出的内部流路),此外还有2个流路(从压气机出口引出为第一级透平叶片提供冷却空气),用于透平热通流端的冷却。考虑到机组实际抽气冷却情况且兼顾热力模型的复杂度,基于详细通流设计的一维热力建模方法(见图1)无法满足计算实时性的要求。
其中,Ea1、Ea2、Ea3为压气机第5、9、13级抽气,为透平第2、3、4级静叶提供冷却空气。Ea4、KE为压气机出口流路,为燃烧室及透平第1级动静叶提供冷却空气。Ei1、Ei2为压气机第10、12级抽气,为透平第2、3、4级动叶提供冷却空气。
本发明基于ISO2314准则(燃气轮机验收测试国际标准),采用等效冷却流量的处理方式进行热力建模,如图2所示,不但可以起到简化模型的目的,保证计算实时性,而且压气机级间抽气和透平级间冷却情况并不会破坏压气机和透平部件特性线的整体性,为后续气路诊断带来便利。
然而等效冷却流量的处理方式会导致热力模型中某些部件的进出口气路参数具有“等效”的意义,不再与机组实际气路传感器测点布置位置处的实测参数相对应,这为后续利用目标机组的实测气路参数来自适应修正热力模型以及实现部件气路诊断带来困难。以图2所示的等效冷却流量处理方式为例,为使热力模型中各个部件的进出口气路参数及部件本身特征与机组实测气路参数及真实部件特征尽可能一一对应,等效冷却流量的简化过程可以遵循以下原则:①压气机进出口1、2截面处压力、温度、质量流量、工质组分与机组真实情况相同;②压气机耗功与机组真实情况相同。此时,压气机的热力模型可以从1维热力模型简化为0维热力模型,如图3所示。
此时,压气机热力模型为集总参数模型,压气机级间抽气情况并不破坏压气机部件特性线的整体性,则压气机热力模型可由公式(1)(2)(3)表示。
Figure BDA0003881830440000131
GC,cor,rel=f1(nC,cor,relC,rel,IGV) (2)
ηC,rel=f2(nC,cor,relC,rel,IGV) (3)
式中Gequ为等效等效冷却流量;NC为压气机耗功;IGV为压气机进口可调导叶的位置;
Figure BDA0003881830440000132
为压气机相对折合转速;
Figure BDA0003881830440000133
为压气机相对折合质量流量;πC,rel为压气机相对压比;ηC,rel为压气机相对等熵效率;f1(·)表示压气机的流量特性函数;f2(·)表示压气机的效率特性函数。
由于燃气轮机通常受调控而以部分负荷以及瞬态加减载模式运行,压气机的第一级或前几级可调导叶通常会随着运行工况关小或开大,如AE94.2的压气机的第1级进口导叶为可调,AE94.3A压气机的前2级进口导叶为可调。对于一台设计优良的轴流式压气机,在不同运行工况下,通过压气机第1级或前几级可调导叶调控会使气流进入各级动叶的冲角近似相等,此时各级流量系数φ与静叶出口绝对气流角α1理论上满足:
Figure BDA0003881830440000134
Figure BDA0003881830440000135
由此可知,IGV开度位置主要影响进入压气机的空气体积流量,则压气机的流量特性公式(2)可以进一步简化为:
Figure BDA0003881830440000136
其中
Figure BDA0003881830440000137
为IGV开度调节下的质量流量修正系数;GC,cor,rel,IGV=100%为IGV全开时的压气机相对折合质量流量。
通常压气机级的动叶出口相对气流角β2和级效率η近似仅是气流进入动叶的冲角的函数,此时流量系数φ与压力系数ψ满足以下关系式:
Figure BDA0003881830440000138
式中
Figure BDA0003881830440000139
为级的压力系数;
Figure BDA00038818304400001310
为级的等熵效率;
Figure BDA00038818304400001311
为级的温升系数。
由式(6)可知,IGV开度位置主要对压气机的等熵效率影响很小,则压气机的效率特性公式(3)可以进一步简化为:
ηC,rel=f2(nC,cor,relC,rel,IGV)≈f4(nC,cor,relC,rel) (7)
以上两式(4)和(6)可以如图4所示的级速度三角形推导得到。
③透平进口4截面处的工质组分与透平出口5截面处排气相同。
④透平出力与机组真实情况相同。由于等效冷却流量在透平入口之前已经汇入,因此透平入口的质量流量与出口的质量流量相等,且透平真实入口温度TIT要高于TITiso
⑤透平出口5截面处压力、温度、质量流量、工质组分与机组真实情况相同;
此时,透平的热力模型可以从1维热力模型简化为0D热力模型,如图5所示。
此时,透平热力模型为集总参数模型,透平级间冷却情况并不破坏透平部件特性线的整体性,则透平热力模型可由公式(4)、(5)表示。
GT,cor,rel=f5(nT,cor,relT,rel) (8)
ηT,rel=f6(nT,cor,relT,rel) (9)
式中
Figure BDA0003881830440000141
为透平相对折合转速;
Figure BDA0003881830440000142
为透平相对膨胀比;
Figure BDA0003881830440000143
为透平相对折合流量;f5(·)表示透平的流量特性函数;f6(·)表示透平的效率特性函数。
按上述等效冷却流量处理原则,可以得到如图6所示的焓熵图(其中1~2为压气机圧缩耗功过程,2~4为燃烧室燃烧过程,4~5为透平膨胀做功过程),此时,燃气轮机热力模型中0、1、2、5、6截面处的压力、温度、质量流量、工质组分与机组真实情况相同。
S2:基于上述所建的燃气轮机模型,构建的适用于瞬态变工况且包含可调静叶的电厂燃气轮机气路故障诊断策略。参照图7,本步骤需要说明的是,包括:
对于电厂燃气轮机,以AE94.3A重型燃气轮机(为意大利Ansaldo公司燃气轮机F级机型)为例,机组的气路可测参数情况如表1所示。其中燃气轮机热力模型所需的天然气组分可以通过电厂天然气化验报告获取。
表1电厂燃气轮机气路可测参数
Figure BDA0003881830440000144
Figure BDA0003881830440000151
此时,
Figure BDA0003881830440000152
本发明所涉及的气路诊断,是基于部件特性线自适应修正的,一方面要求诊断算法确保在部件性能衰退或损伤程度较大范围内的可靠性和准确性。利用机组实测气路参数
Figure BDA0003881830440000153
通过合适的优化算法自适应修正各个部件的健康参数
Figure BDA0003881830440000154
(即各个部件特性线的偏移程度,如图9所示),使热力模型更进与实际目标机组的部件特性相匹配,诊断输出目标机组各主要部件的健康参数情况;另一方面要求诊断驱动算法能够随着机组频繁变工况以及动态加减载模式运行而实时动态跟随,诊断输出部件健康参数。这就要求部件健康参数的优化辨识需要选择合理的局部优化算法来确保诊断实时性。本发明采用牛顿-拉普森算法作为诊断驱动算法,牛顿-拉普森算法的数学本质是一种局部优化算法。详细的诊断驱动求解过程如下:
对于一个已知的残差方程组
Figure BDA0003881830440000155
当各个部件的健康参数向量(即方程组的自变量向量)
Figure BDA0003881830440000156
变化一个微小量
Figure BDA0003881830440000157
时,对应的残差向量
Figure BDA0003881830440000158
也会改变一个微小量
Figure BDA0003881830440000159
Figure BDA00038818304400001510
足够小,则
Figure BDA00038818304400001511
Figure BDA00038818304400001512
的数学关系可以足够精确的用下式表示。
Figure BDA00038818304400001513
其中
Figure BDA00038818304400001514
其中SFFC=GC,cor,rel,deg/GC,cor,rel为压气机的流量特性指数;GC,cor,rel,deg为压气机性能衰退或故障时的相对折合质量流量;SFEC=ηC,rel,degC,rel为压气机的效率特性指数;ηC,rel,deg为压气机性能衰退或故障时的相对等熵效率;SFEB=ηB,degB为燃烧室的燃烧效率指数;ηB,deg为燃烧室性能衰退或故障时的燃烧效率;SFFT=GT,cor,rel,deg/GT,cor,rel为透平的流量特性指数;GT,cor,rel,deg为透平性能衰退或故障时的相对折合质量流量;SFET=ηT,rel,degT,rel为透平的效率特性指数;ηT,rel,deg为透平性能衰退或故障时的相对等熵效率。
由此,
Figure BDA00038818304400001515
式中
Figure BDA00038818304400001516
为雅可比矩阵,如下所示:
Figure BDA0003881830440000161
当初始的部件健康参数
Figure BDA0003881830440000162
(表征燃气轮机健康)选定后,通过残差方程组可以得到一个残差向量
Figure BDA0003881830440000163
本发明希望当得到下一个迭代计算点
Figure BDA0003881830440000164
时,对应的残差向量
Figure BDA0003881830440000165
接近于0,则可以得到如下式:
Figure BDA0003881830440000166
将上式(13)进行推广,则牛顿-拉普森算法的可以表达为如下式:
Figure BDA0003881830440000167
随着迭代计算,当残差准则
Figure BDA0003881830440000168
(ε为特定的迭代收敛阈值)满足时,就可以得到最终解
Figure BDA0003881830440000169
如图10所示。
S3:利用仿真实验测试,得到AE94.3A重型燃气轮机的诊断结果如图11至图13所示,验证了本发明所提出方法的有效性与可靠性。
优选的,本发明针对上述电厂燃气轮机故障诊断存在的难点和痛点,提出了一种适用于瞬态变工况且包含可调静叶压气机的电厂燃气轮机气路故障诊断方法。首先,推导了压气机IGV开度变化对压气机流量特性线和效率特性线的影响数学关系式,建立了以燃气轮机性能分析与气路诊断为目的的高精度燃气轮机热力模型;其次,提出了适用于瞬态变工况且包含可调静叶压气机的电厂燃气轮机气路故障诊断策略;最终,通过现场实际机组运行测试,验证了本发明所提出方法的有效性与可靠性。本发明所提出的方法将原有的燃气轮机气路故障诊断方法的适用范围扩展至除启动、停机外的所有稳态与动态变工况,能对燃气轮机各个主要气路部件实现量化的诊断,得到相应的部件健康参数。
实施例2
参照图5~图7,为本发明的第二个实施例,该实施例不同于第一个实施例的是,提供了一种适用于瞬态变工况且包含可调静叶压气机的电厂燃气轮机气路故障诊断方法的现场实际机组运行测试。
为了更好地对本发明方法中采用的技术效果加以验证说明,本发明实施例选择浙江大唐国际绍兴江滨热电厂的实测运行数据来进行测试,以科学论证的手段对比试验结果,以验证本发明方法所具有的真实效果。
本发明采集浙江大唐国际绍兴江滨热电厂的实测运行数据来进行测试,该电厂机组为三菱M701F4型燃气-蒸汽联合循环供热机组,全厂配置两套机组;每套机组的配置由一台燃气轮机、一台余热锅炉、一台蒸汽轮机和一台发电机组成。空气经由燃气轮机的进气装置(内部设有过滤器和消声器)引入压气机压缩后,进入环绕在燃机主轴上的分管式燃烧室。天然气经过调压站分离、过滤和调压,再经过天然气前置模块的计量、加热、再过滤后,与进入燃烧室的压缩空气进行混合,通过燃料喷嘴喷入燃烧室燃烧后成为高温烟气进入透平膨胀做功,带动转子转动,拖动发电机发电。做功后的烟气温度依然很高,高温烟气进入余热锅炉烟道。烟气中的热量被余热锅炉各模块充分吸收和利用,最后经余热锅炉的烟囱排入大气。
本发明采集从2019/2/5 9:30至2019/12/8 23:30时段的2号燃机的正常历史运行数据作为燃气轮机热力模型中压气机和透平部件特性线自适应修正的基准数据。首先,本发明选取2021/9/11 22:11时刻的运行数据(此时机组IGV全开,且以基本负荷运行)用于燃气轮机设计点工况参数自适应修正。其次,本发明选取机组IGV全开时的其余的运行数据用于压气机IGV全开时的流量特性线GC,cor,rel,IGV=100%=f7(nC,cor,relC,rel)与效率特性线ηC,rel=f4(nC,cor,relC,rel)自适应修正;本发明选取其余全部的运行数据用于透平的流量特性线GT,cor,rel=f5(nT,cor,relT,rel)与效率特性线ηT,rel=f6(nT,cor,relT,rel)自适应修正。此外,还要考虑压气机IGV开度位置变化的影响,因此还需要将上述自适应修正后的IGV全开时的压气机部件特性线进一步自适应修正扩展到在任意IGV开度位置下都与实际机组的压气机部件特性线相匹配,所以还需得到IGV开度调节下的质量流量修正系数
Figure BDA0003881830440000171
这里本发明通过把从2019/2/5 9:30至2019/12/823:30的2号燃机的历史运行数据中的
Figure BDA0003881830440000172
与IGV*ρ1的数据关系进行线性回归,如图14所示,即得到IGV开度调节下的质量流量修正系数。
根据上述正常历史运行数据对燃气轮机热力模型进行自适应修正后,可以进一步用于燃气轮机气路故障诊断。本发明采集了从2021/5/4 5:02至2021/5/18 0:47时段的2号燃机实际运行数据(总计19906个运行数据点)作为待诊断数据,采样间隔为1分钟,这段时间的大气温度、大气相对湿度、大气压力、IGV开度位置以及电负荷变化情况如图15至图19所示。
通过对采集的从2021/5/4 5:02至2021/5/18 0:47时段的2号燃机实际运行数据(总计19906个运行数据点)进行诊断,得到压气机的健康参数如图20所示。
从图20可知,压气机的SFFC从1.002逐渐降低到了0.9658,而SFEC从0.9989逐渐降低到了0.9924,即ΔSFFC:ΔSFEC从约1.003:1逐渐增大到了5.509:1,符合ΔSFFC:ΔSFEC≈3~8:1的数值范围,表明压气机发生了典型的严重积垢现象。
之后,该电厂选择了在2021/5/22 18:23时刻和2021/7/3 16:00时刻开展了两次2号压气机的离线水洗,本发明在这两次离线水洗后,采集2021/7/8 8:00至2021/7/14 14:01的2号燃机实际运行数据进行诊断,得到压气机的健康参数如图21所示。
由图21可知,经过两次2号压气机离线水洗,压气机的通流能力已经重新恢复到健康基准线,证明了之前压气机流量特性指数SFFC的降低确实是由压气机积垢所引起,也证明了本发明所提出方法的有效性和可靠性。
应当注意,本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现;软件部分可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用由各种类型的处理器执行的软件实现,也可以由上述硬件电路和软件的结合例如固件来实现。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种电厂燃气轮机气路故障诊断方法,其特征在于,所述电厂燃气轮机气路故障诊断方法包括:
确定压气机IGV开度变化对压气机流量特性线和效率特性线的影响数学关系式,构建燃气轮机热力模型,实现电厂燃气轮机气路的故障诊断。
2.如权利要求1所述电厂燃气轮机气路故障诊断方法,其特征在于,所述电厂燃气轮机气路故障诊断方法包括以下步骤:
步骤一,推导压气机IGV开度变化对压气机流量特性线和效率特性线的影响数学关系式,建立用于燃气轮机性能分析与气路诊断的燃气轮机热力模型;
步骤二,基于所建立的燃气轮机热力模型,提出适用于瞬态变工况且包含可调静叶压气机的电厂燃气轮机气路故障诊断策略;
步骤三,采集实际电厂燃气轮机机组的运行数据,通过仿真实验测试与现场实际机组运行测试,实时诊断各部件的健康参数。
3.如权利要求2所述电厂燃气轮机气路故障诊断方法,其特征在于,所述步骤一中的燃气轮机热力模型的构建包括:
对于电厂燃气轮机,压气机有5个抽气点,其中3股为从外缸流出的外部流路,2股为从内部轮盘打孔抽出的内部流路;还包括2个流路,从压气机出口引出为第一级透平叶片提供冷却空气,用于透平热通流端的冷却;其中,Ea1、Ea2、Ea3为压气机第5、9、13级抽气,为透平第2、3、4级静叶提供冷却空气;Ea4、KE为压气机出口流路,为燃烧室及透平第1级动静叶提供冷却空气;Ei1、Ei2为压气机第10、12级抽气,为透平第2、3、4级动叶提供冷却空气;
基于ISO2314准则,采用等效冷却流量的处理方式进行热力建模;遵循①压气机进出口1、2截面处压力、温度、质量流量、工质组分与机组真实情况相同;②压气机耗功与机组真实情况相同的原则进行等效冷却流量的简化;压气机的热力模型从1维热力模型简化为0维热力模型;压气机热力模型为集总参数模型,压气机级间抽气情况并不破坏压气机部件特性线的整体性,则压气机热力模型由以下公式表示:
Figure FDA0003881830430000021
GC,cor,rel=f1(nC,cor,relC,rel,IGV);
ηC,rel=f2(nC,cor,relC,rel,IGV);
式中,Gequ为等效等效冷却流量;NC为压气机耗功;IGV为压气机进口可调导叶的位置;
Figure FDA0003881830430000022
为压气机相对折合转速;
Figure FDA0003881830430000023
为压气机相对折合质量流量;πC,rel为压气机相对压比;ηC,rel为压气机相对等熵效率;f1(·)表示压气机的流量特性函数;f2(·)表示压气机的效率特性函数。
4.如权利要求2所述电厂燃气轮机气路故障诊断方法,其特征在于,所述燃气轮机热力模型的构建还包括:
对于设计优良的轴流式压气机,在不同运行工况下,通过压气机第1级或前几级可调导叶调控会使气流进入各级动叶的冲角近似相等,此时各级流量系数φ与静叶出口绝对气流角α1理论上满足:
Figure FDA0003881830430000024
Figure FDA0003881830430000025
由此可知,IGV开度位置影响进入压气机的空气体积流量,则压气机的流量特性公式简化为:
Figure FDA0003881830430000026
式中,
Figure FDA0003881830430000027
为IGV开度调节下的质量流量修正系数;GC,cor,rel,IGV=100%为IGV全开时的压气机相对折合质量流量;
压气机级的动叶出口相对气流角β2和级效率η近似仅是气流进入动叶的冲角的函数,则流量系数φ与压力系数ψ满足以下关系式:
Figure FDA0003881830430000028
式中,
Figure FDA0003881830430000031
为级的压力系数;
Figure FDA0003881830430000032
为级的等熵效率;
Figure FDA0003881830430000033
为级的温升系数;
由于IGV开度位置对压气机的等熵效率影响很小,则压气机的效率特性公式简化为:
ηC,rel=f2(nC,cor,relC,rel,IGV)≈f4(nC,cor,relC,rel)。
5.如权利要求2所述电厂燃气轮机气路故障诊断方法,其特征在于,所述燃气轮机热力模型的构建还遵循以下原则简化等效冷却流量:③透平进口4截面处的工质组分与透平出口5截面处排气相同;④透平出力与机组真实情况相同;由于等效冷却流量在透平入口前已汇入,故透平入口的质量流量与出口的质量流量相等,且透平真实入口温度TIT要高于TITiso;透平出口5截面处压力、温度、质量流量、工质组分与机组真实情况相同;
透平的热力模型从1维热力模型简化为0D热力模型;透平热力模型为集总参数模型,透平级间冷却情况并不破坏透平部件特性线的整体性,则透平热力模型由以下公式表示:
GT,cor,rel=f5(nT,cor,relT,rel);
ηT,rel=f6(nT,cor,relT,rel);
式中,
Figure FDA0003881830430000034
为透平相对折合转速;
Figure FDA0003881830430000035
为透平相对膨胀比;
Figure FDA0003881830430000036
为透平相对折合流量;f5(·)表示透平的流量特性函数;f6(·)表示透平的效率特性函数;
按等效冷却流量处理原则,得到焓熵图;其中1~2为压气机圧缩耗功过程,2~4为燃烧室燃烧过程,4~5为透平膨胀做功过程;燃气轮机热力模型中0、1、2、5、6截面处的压力、温度、质量流量、工质组分与机组真实情况相同。
6.如权利要求2所述电厂燃气轮机气路故障诊断方法,其特征在于,所述步骤二中的适用于瞬态变工况且包含可调静叶的电厂燃气轮机气路故障诊断策略的构建包括:
设SH为天然气的显热,单位kJ/kg;LHV为天然气的低位热值,单位kJ/kg;NC为压气机的耗功,单位kW;NTis为透平的输出功率,单位kW;Rgair为空气的气体常数,单位kJ/kg K;Rggas为燃气的气体常数,单位kJ/kg K;N2/O2/Ar/CO2/H2O分别为空气中各组分的质量分数;C/H/O/N/S分别为燃料化学式中各元素的比例;电厂燃气轮机热力模型所需的天然气组分通过电厂天然气化验报告获取,其中
Figure FDA0003881830430000041
采用牛顿-拉普森算法作为诊断驱动算法,诊断驱动求解过程如下:
对于已知的残差方程组
Figure FDA0003881830430000042
当各个部件的健康参数向量--方程组的自变量向量
Figure FDA0003881830430000043
变化一个微小量
Figure FDA0003881830430000044
时,对应的残差向量
Figure FDA0003881830430000045
改变微小量
Figure FDA0003881830430000046
Figure FDA0003881830430000047
足够小,则
Figure FDA0003881830430000048
Figure FDA0003881830430000049
的数学关系用下式表示:
Figure FDA00038818304300000410
其中
Figure FDA00038818304300000411
式中,SFFC=GC,cor,rel,deg/GC,cor,rel为压气机的流量特性指数;GC,cor,rel,deg为压气机性能衰退或故障时的相对折合质量流量;SFEC=ηC,rel,degC,rel为压气机的效率特性指数;ηC,rel,deg为压气机性能衰退或故障时的相对等熵效率;SFEB=ηB,degB为燃烧室的燃烧效率指数;ηB,deg为燃烧室性能衰退或故障时的燃烧效率;SFFT=GT,cor,rel,deg/GT,cor,rel为透平的流量特性指数;GT,cor,rel,deg为透平性能衰退或故障时的相对折合质量流量;SFET=ηT,rel,degT,rel为透平的效率特性指数;ηT,rel,deg为透平性能衰退或故障时的相对等熵效率;
Figure FDA00038818304300000412
式中,
Figure FDA0003881830430000051
为雅可比矩阵,如下所示:
Figure FDA0003881830430000052
当初始的表征燃气轮机健康的部件健康参数
Figure FDA0003881830430000053
选定后,通过残差方程组得到残差向量
Figure FDA0003881830430000054
当得到下一个迭代计算点
Figure FDA0003881830430000055
时,对应的残差向量
Figure FDA0003881830430000056
接近于0,则得到如下式:
Figure FDA0003881830430000057
将式
Figure FDA0003881830430000058
进行推广,则牛顿-拉普森算法的表达式为:
Figure FDA0003881830430000059
随着迭代计算,当残差准则
Figure FDA00038818304300000510
满足时,得到最终解
Figure FDA00038818304300000511
其中ε为特定的迭代收敛阈值。
7.一种应用如权利要求1~6任意一项所述电厂燃气轮机气路故障诊断方法的电厂燃气轮机气路故障诊断系统,其特征在于,所述电厂燃气轮机气路故障诊断系统包括:
影响数学关系式推导模块,用于推导压气机IGV开度变化对压气机流量特性线和效率特性线的影响数学关系式;
燃气轮机热力模型构建模块,用于建立以燃气轮机性能分析与气路诊断为目的的燃气轮机热力模型;
故障诊断策略提出模块,用于基于所建立的燃气轮机热力模型,提出适用于瞬态变工况且包含可调静叶压气机的电厂燃气轮机气路故障诊断策略;
故障诊断模块,用于采集实际电厂燃气轮机机组的运行数据,通过仿真实验测试与现场实际机组运行测试,实时诊断各部件的健康参数。
8.一种计算机设备,其特征在于,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1~6任意一项所述电厂燃气轮机气路故障诊断方法的步骤。
9.一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如权利要求1~6任意一项所述电厂燃气轮机气路故障诊断方法的步骤。
10.一种信息数据处理终端,其特征在于,所述信息数据处理终端用于实现如权利要求7所述电厂燃气轮机气路故障诊断系统。
CN202211232278.2A 2022-10-10 2022-10-10 一种电厂燃气轮机气路故障诊断方法、系统、设备及终端 Pending CN115618592A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211232278.2A CN115618592A (zh) 2022-10-10 2022-10-10 一种电厂燃气轮机气路故障诊断方法、系统、设备及终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211232278.2A CN115618592A (zh) 2022-10-10 2022-10-10 一种电厂燃气轮机气路故障诊断方法、系统、设备及终端

Publications (1)

Publication Number Publication Date
CN115618592A true CN115618592A (zh) 2023-01-17

Family

ID=84860901

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211232278.2A Pending CN115618592A (zh) 2022-10-10 2022-10-10 一种电厂燃气轮机气路故障诊断方法、系统、设备及终端

Country Status (1)

Country Link
CN (1) CN115618592A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116662761A (zh) * 2023-06-28 2023-08-29 广州发展南沙电力有限公司 一种基于数据分析的燃机电站重要参数预警方法及系统
CN117992875A (zh) * 2024-04-07 2024-05-07 杭州汽轮动力集团股份有限公司 一种燃气轮机故障诊断方法和装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116662761A (zh) * 2023-06-28 2023-08-29 广州发展南沙电力有限公司 一种基于数据分析的燃机电站重要参数预警方法及系统
CN116662761B (zh) * 2023-06-28 2024-05-14 广州发展南沙电力有限公司 一种基于数据分析的燃机电站重要参数预警方法及系统
CN117992875A (zh) * 2024-04-07 2024-05-07 杭州汽轮动力集团股份有限公司 一种燃气轮机故障诊断方法和装置

Similar Documents

Publication Publication Date Title
CN106404403B (zh) 用于涡轮机的分析的方法和系统
Kim Model-based performance diagnostics of heavy-duty gas turbines using compressor map adaptation
JP6250942B2 (ja) 信頼性が改善されたオペレーションのためのシステム及び方法
EP2400118B1 (en) Turbomachine airfoil life management system and method
CN115618592A (zh) 一种电厂燃气轮机气路故障诊断方法、系统、设备及终端
Li et al. Gas turbine gas path diagnosis under transient operating conditions: A steady state performance model based local optimization approach
Roumeliotis et al. Industrial gas turbine health and performance assessment with field data
Kim et al. Diagnostics using a physics-based engine model in aero gas turbine engine verification tests
Li et al. Study on gas turbine gas-path fault diagnosis method based on quadratic entropy feature extraction
Asgari Modelling, Simulation and control of gas turbines using artificial neural networks
Liniger et al. Reliability based design of fluid power pitch systems for wind turbines
Kiaee et al. Vector-based deterioration index for gas turbine gas-path prognostics modeling framework
Ying et al. An improved performance diagnostic method for industrial gas turbines with consideration of intake and exhaust system
CN115640741A (zh) 一种基于模型与数据驱动的仿真模型对故障的诊断方法
US11143056B2 (en) System and method for gas turbine compressor cleaning
Musa et al. Development of big data lean optimisation using different control mode for Gas Turbine engine health monitoring
Djeddi et al. Gas turbine reliability estimation to reduce the risk of failure occurrence with a comparative study between the two-parameter Weibull distribution and a new modified Weibull distribution
JORDAL et al. Variations in gas-turbine blade life and cost due to compressor fouling–a thermoeconomic approach
Chen et al. Gas-path component fault diagnosis for gas turbine engine: a review
Cruz-Manzo et al. A thermodynamic transient model for performance analysis of a twin shaft Industrial Gas Turbine
Benvenuti Innovative Gas Turbine Performance Diagnostics And Hot Parts Life Assessment Techniques.
Razak et al. An advanced model based health monitoring system to reduce gas turbine ownership cost
Ramadhan et al. Application of Adaptive GPA to an Industrial Gas Turbine Using Field Data
Zhultriza et al. Gas Turbine Anomaly Prediction using Hybrid Convolutional Neural Network with LSTM in Power Plant
Raghavan et al. Artificial Neural Networks Based Parametric Curve Generation for Health Assessment of Industrial Gas Turbine Systems

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