CN115680901A - 用于估计涡轮机系统的入口过滤系统的完整性和效率以及用于建议缓解动作的系统和方法 - Google Patents
用于估计涡轮机系统的入口过滤系统的完整性和效率以及用于建议缓解动作的系统和方法 Download PDFInfo
- Publication number
- CN115680901A CN115680901A CN202210720805.8A CN202210720805A CN115680901A CN 115680901 A CN115680901 A CN 115680901A CN 202210720805 A CN202210720805 A CN 202210720805A CN 115680901 A CN115680901 A CN 115680901A
- Authority
- CN
- China
- Prior art keywords
- turbine system
- turbine
- particulates
- fluid flow
- intelligent model
- 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
- 230000000116 mitigating effect Effects 0.000 title claims abstract description 24
- 238000001914 filtration Methods 0.000 title claims description 41
- 238000000034 method Methods 0.000 title claims description 30
- 239000012530 fluid Substances 0.000 claims abstract description 38
- 238000005259 measurement Methods 0.000 claims abstract description 18
- 239000002245 particle Substances 0.000 claims description 83
- 238000004140 cleaning Methods 0.000 claims description 15
- 238000004891 communication Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000007689 inspection Methods 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 abstract description 12
- 230000009471 action Effects 0.000 abstract description 9
- 239000007789 gas Substances 0.000 description 76
- 238000009825 accumulation Methods 0.000 description 12
- 238000009792 diffusion process Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 239000000446 fuel Substances 0.000 description 8
- 230000015556 catabolic process Effects 0.000 description 7
- 238000006731 degradation reaction Methods 0.000 description 7
- 239000000567 combustion gas Substances 0.000 description 6
- 230000008021 deposition Effects 0.000 description 6
- 239000004744 fabric Substances 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000009826 distribution Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000003628 erosive effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000001965 increasing effect Effects 0.000 description 4
- 239000004576 sand Substances 0.000 description 4
- 230000035945 sensitivity Effects 0.000 description 4
- 238000011144 upstream manufacturing Methods 0.000 description 4
- 230000000712 assembly Effects 0.000 description 3
- 238000000429 assembly Methods 0.000 description 3
- 239000000356 contaminant Substances 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 239000003344 environmental pollutant Substances 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000008439 repair process Effects 0.000 description 3
- 230000003746 surface roughness Effects 0.000 description 3
- 238000005406 washing Methods 0.000 description 3
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000001976 improved effect Effects 0.000 description 2
- 230000001939 inductive effect Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 239000002826 coolant Substances 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 238000004090 dissolution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000004750 isotope dilution mass spectroscopy Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000013618 particulate matter Substances 0.000 description 1
- 238000011045 prefiltration Methods 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000001953 recrystallisation Methods 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02C—GAS-TURBINE PLANTS; AIR INTAKES FOR JET-PROPULSION PLANTS; CONTROLLING FUEL SUPPLY IN AIR-BREATHING JET-PROPULSION PLANTS
- F02C9/00—Controlling gas-turbine plants; Controlling fuel supply in air- breathing jet-propulsion plants
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D45/00—Separating dispersed particles from gases or vapours by gravity, inertia, or centrifugal forces
- B01D45/04—Separating dispersed particles from gases or vapours by gravity, inertia, or centrifugal forces by utilising inertia
- B01D45/08—Separating dispersed particles from gases or vapours by gravity, inertia, or centrifugal forces by utilising inertia by impingement against baffle separators
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D46/00—Filters or filtering processes specially modified for separating dispersed particles from gases or vapours
- B01D46/0027—Filters or filtering processes specially modified for separating dispersed particles from gases or vapours with additional separating or treating functions
- B01D46/0032—Filters or filtering processes specially modified for separating dispersed particles from gases or vapours with additional separating or treating functions using electrostatic forces to remove particles, e.g. electret filters
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D46/00—Filters or filtering processes specially modified for separating dispersed particles from gases or vapours
- B01D46/0084—Filters or filtering processes specially modified for separating dispersed particles from gases or vapours provided with safety means
- B01D46/0086—Filter condition indicators
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D46/00—Filters or filtering processes specially modified for separating dispersed particles from gases or vapours
- B01D46/42—Auxiliary equipment or operation thereof
- B01D46/44—Auxiliary equipment or operation thereof controlling filtration
- B01D46/442—Auxiliary equipment or operation thereof controlling filtration by measuring the concentration of particles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D46/00—Filters or filtering processes specially modified for separating dispersed particles from gases or vapours
- B01D46/42—Auxiliary equipment or operation thereof
- B01D46/44—Auxiliary equipment or operation thereof controlling filtration
- B01D46/444—Auxiliary equipment or operation thereof controlling filtration by flow measuring
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D46/00—Filters or filtering processes specially modified for separating dispersed particles from gases or vapours
- B01D46/56—Filters or filtering processes specially modified for separating dispersed particles from gases or vapours with multiple filtering elements, characterised by their mutual disposition
- B01D46/62—Filters or filtering processes specially modified for separating dispersed particles from gases or vapours with multiple filtering elements, characterised by their mutual disposition connected in series
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D50/00—Combinations of methods or devices for separating particles from gases or vapours
- B01D50/20—Combinations of devices covered by groups B01D45/00 and B01D46/00
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
- F01D—NON-POSITIVE DISPLACEMENT MACHINES OR ENGINES, e.g. STEAM TURBINES
- F01D21/00—Shutting-down of machines or engines, e.g. in emergency; Regulating, controlling, or safety means not otherwise provided for
- F01D21/003—Arrangements for testing or measuring
-
- 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
- F02C7/00—Features, components parts, details or accessories, not provided for in, or of interest apart form groups F02C1/00 - F02C6/00; Air intakes for jet-propulsion plants
- F02C7/04—Air intakes for gas-turbine plants or jet-propulsion plants
- F02C7/05—Air intakes for gas-turbine plants or jet-propulsion plants having provisions for obviating the penetration of damaging objects or particles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
- F05D2230/00—Manufacture
- F05D2230/72—Maintenance
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
- F05D2230/00—Manufacture
- F05D2230/80—Repairing, retrofitting or upgrading methods
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
- F05D2260/00—Function
- F05D2260/60—Fluid transfer
- F05D2260/607—Preventing clogging or obstruction of flow paths by dirt, dust, or foreign particles
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
- F05D2260/00—Function
- F05D2260/80—Diagnostics
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
- F05D2270/00—Control
- F05D2270/01—Purpose of the control system
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
- F05D2270/00—Control
- F05D2270/30—Control parameters, e.g. input parameters
- F05D2270/306—Mass flow
- F05D2270/3061—Mass flow of the working fluid
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
- F05D2270/00—Control
- F05D2270/70—Type of control algorithm
- F05D2270/709—Type of control algorithm with neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Business, Economics & Management (AREA)
- Combustion & Propulsion (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Mechanical Engineering (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Filtering Of Dispersed Particles In Gases (AREA)
- Structures Of Non-Positive Displacement Pumps (AREA)
Abstract
公开了一种用于涡轮机系统(10)的控制系统,该控制系统被构造成提供对检测到的颗粒积聚的准确解释、改进涡轮机系统(10)的性能和/或最小化由于停机时间和维护产生的成本。该控制系统可以基于由该涡轮机系统(10)的流体流动路径中的传感器(132)提供的测量数据(170)而构建流体流动的智能模型(160)。该智能模型(160)咨询过滤器效率框架(200)并确定量化该涡轮机系统(10)的操作效率的影响值(210),并且可以识别可能泄漏的位置,估计颗粒(112)的总进入量,识别该涡轮机系统(10)的可能正以降低的能力操作的部件,估计该涡轮机系统(10)的部件的损坏风险和/或建议缓解动作。
Description
背景技术
本公开大体上涉及用于涡轮机系统的系统和方法,并且更特定地,涉及被构造成构建和咨询气体涡轮机系统内的颗粒存在和积聚的智能模型以量化气体涡轮机系统的操作效率的系统和方法,并且可以识别可能泄漏的位置,估计颗粒的总进入量,识别气体涡轮机系统的可能正以降低的能力操作的部件,估计气体涡轮机系统的部件的损坏风险和/或建议缓解动作。
气体涡轮机在世界各地用于多种多样的应用和环境中。这种多样性为空气过滤系统带来了许多挑战,从而需要针对每种类型的环境污染物、气体涡轮机平台技术和/或燃料质量进行不同的颗粒积聚估计和/或对气体涡轮机系统的部件的影响的估计。例如,在炎热和恶劣气候下、在涡轮机暴露于严重的空气质量污染的环境中操作的气体涡轮机,和/或在高操作温度下操作的高效气体涡轮机,尤其其中气体涡轮机系统的入口系统中损坏或破裂时,在引擎性能、可靠性、和/或可维护性方面面临着重大挑战。此类挑战可以包括各种涡轮机部件的侵蚀、腐蚀和/或故障。
具有基本上不同结构的气体涡轮机的不同操作环境无法由涡轮机系统的操作员用单个常见监测系统充分监测。当常规过滤系统失效,并且沙子和其他不期望的颗粒可能进入气体涡轮机时,涡轮机的部件可能损坏和/或不可操作。另外,流过气体涡轮机的部件的不期望的颗粒可能降低气体涡轮机本身的操作效率。
为了防止碎屑和/或颗粒进入涡轮机,过滤系统通常包括过滤部件的多个级,这些过滤部件在工作流体(例如,已过滤空气)进入气体涡轮机的压缩机之前过滤各种大小的碎屑和/或颗粒。然而,包括在常规过滤系统中的这些部件可被相同的碎屑损坏,并且可根据需要不再过滤掉碎屑和颗粒。另外或替代地,包括在常规过滤系统中的部件可能由于不正确的安装、延长的操作寿命或用途和/或其他劣化因素而不能根据需要操作(例如,过滤掉碎屑)。
在常规涡轮机中,不存在使损坏和/或不可操作的此类过滤部件与更换、执行维护和/或建议缓解动作的整体成本相关的警告或指示系统。同样,常规涡轮机通常不提供预测性过滤器维护。因此,只有当气体涡轮机的部件损坏/改变时,以及/或者当气体涡轮机的操作效率显著降低时,涡轮机的操作员才可以确定过滤系统的部件需要修理和/或更换。另外,为了修理过滤系统的损坏过滤部件,必须关闭过滤系统或甚至整个涡轮机以维护损坏过滤部件和/或涡轮机的损坏部件,从而导致产生显著电力损失和/或财力损失。
发明内容
本公开的第一方面提供了一种用于评估涡轮机的入口过滤系统的效率和完整性的系统。该系统包括:一个或多个传感器,该一个或多个传感器生成涡轮机的流体流动路径内的进气颗粒的至少一个测量数据值;和控制器,该控制器与传感器电通信。控制器利用智能模型来处理至少一个测量数据值。智能模型咨询过滤器效率框架,该过滤器效率框架使进气颗粒的至少一个数据值与涡轮机的空气过滤系统的过滤器效率相关。
本公开的第二方面提供了一种量化涡轮机系统的空气过滤组件内的连续流体流动的影响的方法。该方法包括:咨询针对涡轮机系统定制的流体流动的智能模型;基于行进通过涡轮机系统的流体流动路径的进气颗粒的至少一个检测到的数据值而使用流体流动的智能模型来确定影响值;根据影响值计算关键性能指标;以及向涡轮机系统的操作员通知关键性能指标。关键性能指标提供由于涡轮机系统的低效操作引起的财力损失、更换涡轮机系统的元件的成本和/或涡轮机系统在设定时间段内停机的成本中的至少一者的可量化咨询分析。
本公开的第三方面提供了一种用于具有至少一个传感器的涡轮机系统的控制器。该控制器接收涡轮机系统的流体流动路径内的进气颗粒的至少一个测量数据值,并且使用智能模型来处理至少一个数据值以生成影响值,该影响值包括进气的流动效率和颗粒积聚对涡轮机系统的影响。影响值使至少一个测量数据值与涡轮机系统的操作效率相关。
本公开的例示性方面被设计成解决本文描述的问题和/或未讨论的其他问题。
附图说明
从结合描绘本公开的各种实施方案的附图的对本公开的各个方面的以下详细描述,将更容易理解本公开的这些和其他特征,其中:
图1示出了根据本公开的实施方案的涡轮机系统和包括解释智能模型的控制系统的空气过滤组件的示意图。
图2示出了根据本公开的实施方案的包括过滤器效率框架和影响值的图1的智能模型的详细视图;
图3示出了根据本公开的实施方案的智能模型的详细视图;
图4示出了根据本公开的实施方案的过滤器效率框架的详细视图;
图5示出了根据本公开的实施方案的由智能模型咨询的已知数据的表;
图6示出了根据本公开的实施方案的空气过滤组件中的过滤器的预期操作寿命的曲线图;
图7示出了根据本公开的实施方案的由智能模型咨询的已知数据的另一个表;
图8示出了根据本公开的实施方案的由智能模型确定的关键性能指标的示例;
图9A和图9B示出了根据本公开的附加的实施方案的从天气防护罩到涡轮机系统的压缩机入口的沙子颗粒轨迹的计算机生成的图和由智能模型基于过滤器效率框架确定的图形显示视图;
图10示出了根据本公开的实施方案的包括关键性能指标的智能模型的流程图;并且
图11示出了根据本公开的实施方案的智能模型的框图。
应当注意,本公开的附图未按比例绘制。附图旨在仅描绘本公开的典型方面,并且因此不应当被视为限制本公开的范围。在附图中,类似的编号表示附图之间的类似的元件。
具体实施方式
首先,为了清楚地描述当前公开,当引用和描述本公开范围内的相关机器部件时,将有必要选择某些术语。在这样做时,如果可能的话,通用的行业术语将以与其接受含义一致的方式进行使用和采用。除非另有说明,否则应当对此类术语给出与本申请的上下文和所附权利要求书的范围一致的广义解释。本领域的普通技术人员将了解,通常可以使用若干不同或重叠术语来引用特定部件。在本文中可描述为单个零件的物体可以包括多个部件并且在另一上下文中被引用为由多个部件组成。另选地,本文中可描述为包括多个部件的物体可在别处称为单个零件。
此外,本文中可能会定期使用若干描述性术语,并且在本节开始时定义这些术语应当证明是有帮助的。除非另有说明,否则这些术语以及其定义如下。如本文所用,“下游”和“上游”是指示相对于流体流动的方向的术语,诸如通过涡轮引擎的工作流体,或者例如通过燃烧器的空气流或通过涡轮的部件系统之一的冷却剂。术语“下游”对应于流体流动方向,并且术语“上游”是指与流动相反的方向。在没有任何另外的特殊性的情况下,术语“前”和“后”是指方向,其中“前”是指引擎的前端或压缩机端,并且“后”是指引擎的后端或涡轮机端。另外,术语“前面”和“后面”可以分别使用和/或理解为在描述上类似于术语“前”和“后”。通常,需要描述处于不同径向R、轴向A和/或周向C位置(图1)的零件。
如本文所用,“电耦合的”、“电连接的”和“电连通”是指所引用的元件直接地或间接地连接,使得电流可彼此流动。连接可包括直接导电连接(即,不具有居间电容元件、感应元件或有源元件)、感应连接、电容连接、和/或任何其他合适的电连接。可存在居间部件。
如上文所指示,本公开大体上涉及用于涡轮机系统的空气过滤组件,并且更特定地,涉及使用空气过滤组件来构建和咨询气体涡轮机系统内的颗粒存在和积聚的智能模型,以使颗粒的积聚与更换、执行维护和/或建议缓解动作的总成本相关。
本发明的实施方案可以被构造成与多种传感器一起使用。在一些实施方案中,本发明可以与空气过滤组件一起使用,该空气过滤组件包括可以检测带电颗粒的静电传感器,其他实施方案可以被构造成与其他类型的传感器一起使用,包括但不限于红外传感器、声波传感器、光学传感器、激光传感器等。
此外,虽然关于涡轮机系统(例如,气体/燃烧涡轮机)描述了本文公开的实施方案,但是应当理解,本发明的实施方案可以适用于其他领域/系统/工艺,其中装置经受可能不利于装置健康/寿命的环境条件和/或重复应力。某些实施方案可以被构造成与基于航空/船舶、氢气/氨气等的涡轮机应用一起使用。
智能模型利用等式和算法来解释颗粒积聚数据以确定气体涡轮机系统的效率、财力损失和/或与执行维护、更换气体涡轮机系统的部件以及采取其他缓解动作相关的其他成本。在实施方案中,智能模型可以实时更新,从而基于快速连续进行的数据测量而迭代经解释数据。因此,如本文所用的术语“实时”是指用户充分及时感知或者使处理器能够与外部处理同步的处理响应能力的水平。
在某些实施方案中,智能模型可以提供无监督的自学习方法,以告知涡轮机部件与已建立的基线相比何时固有地处于不同的状态。这可以通过机器学习算法来促进,该机器学习算法不需要标记数据和/或人类干预来找到数据集中的结构。
下面将详细参考本发明的示例性实施方案,其示例在附图中示出。只要有可能,在整个附图中使用的相同附图标记指的是相同或相似的部分。
下文参考图1至图11讨论这些和其他实施方案。然而,本领域技术人员将容易理解,本文相对于这些附图给出的详细描述仅用于说明目的并且不应当被解释为限制。
图1示出了被构造成与本发明的实施方案一起使用的说明性涡轮机系统(例如,气体涡轮机系统10)的示意图。气体涡轮机系统10可包括压缩机12和空气过滤组件100,该空气过滤组件定位在压缩机12上游并与之流体连通。压缩机12压缩进入的已过滤空气流18,该进入的已过滤空气流可由空气过滤组件100过滤并从该空气过滤组件流动到压缩机12成为压缩空气20且最终到燃烧器22。燃烧器22将压缩空气流20与加压燃料流24混合并燃烧混合物以产生燃烧气体流26。尽管仅示出了单个燃烧器22,但气体涡轮机系统10可包括任何数量的燃烧器22。燃烧气体流26继而被输送到涡轮机28。燃烧气体流26驱动涡轮机28以产生机械功。涡轮机28中产生的机械功经由延伸穿过涡轮机28的转子30驱动压缩机12,并且可以用于驱动外部负载32(诸如发电机)。
气体涡轮机系统10还可以包括终止于排气口34处的排气流体流动路径。如图1中所示,排气口34可以邻近于气体涡轮机系统10的涡轮机28定位。更具体地,排气口34可以邻近于涡轮机28定位,并且可以基本上定位在涡轮机28和/或从燃烧器22流动到涡轮机28的燃烧气体流26的下游。在燃烧气体26流过并驱动涡轮机28之后,燃烧气体26可以沿流动方向(D)通过排气口34排出、流过和/或排放到大气或到联合循环发电厂的热回收蒸汽发电机中。
如图1所示,气体涡轮机系统10的空气过滤组件100可以包括可以检测颗粒何时处于可以形成已过滤空气18的进气中的多个传感器部件、设备和/或系统。在实施方案中,空气过滤组件100还可以包括可以从进气104过滤大颗粒112的多个叶片过滤器118和定位在叶片过滤器118下游的织物过滤器120的阵列。织物过滤器120的阵列可以形成为任何合适的过滤部件和/或设备,这些过滤部件和/或设备可以被构造成进一步过滤流过其中的进气104中的颗粒112,例如细小/小颗粒。
图1中所示的空气过滤组件100还包括可以检测进气104中的不期望的颗粒112的部件、设备和/或系统,这些不期望的颗粒由于颗粒大小、过滤器故障或缺陷(由于撕裂、孔洞、不正确的安装和/或每溶解和再结晶过程)、过滤器制造缺陷和/或操作磨损而通过或越过过滤器118、120。如将理解的,检测空气入口管道内越过叶片过滤器118和/或织物过滤器120的颗粒112可以指示空气过滤组件100的部件不能正常运行和/或可能需要维护,这继而可以帮助减少/防止由颗粒112在操作期间造成的损坏,和/或可以通过减少/消除包括在已过滤空气18中的不期望的颗粒112的数目来维持/改进气体涡轮机系统10的操作效率。
如图1所示,示例性空气过滤组件100可以包括静电部件124,该静电部件定位在空气入口管道102中,例如,定位在呈空气入口管道102的过滤室或入口管路110的形式的内部腔内,位于织物过滤器120的阵列的下游。静电部件124可以被构造成对通过多个叶片过滤器118和/或织物过滤器120的阵列并且继而通过和/或越过静电部件124的颗粒112进行充电。包括在进气104中的带电颗粒113可以在颗粒113到达气体涡轮机系统10的压缩机12之前允许对颗粒113进行更容易和/或改进的检测。在实施方案中,本文中所讨论的传感器132可以在涡轮机系统10内不存在静电部件124的情况下检测天然带电颗粒113。
在实施方案中,气体涡轮机系统10包括控制器130和涡轮机控制系统36。该控制器和该涡轮机控制系统可以形成为或被构造成单独运行并且彼此通信的单个独立系统或计算设备,如本文所讨论。另外,控制器130可一体地形成在涡轮机控制系统36内,与该涡轮机控制系统通信并且/或者形成为该涡轮机控制系统的一部分。无论如何体现,控制器130和涡轮机控制系统36可由任何合适的设备和/或系统形成,该设备和/或系统可以被构造成获取和处理与气体涡轮机系统10相关的信息,并且控制气体涡轮机系统10和空气过滤组件100的各种部件,并且执行本公开的实施方案。
在实施方案中,控制器130和/或涡轮机控制系统36可以包括至少一个处理器和存储器设备。在某些实施方案中,控制器130/涡轮机控制系统36可以是专用过程逻辑控制器或通用计算机,诸如桌面/膝上型计算机,并且可以包括存储数据的数据库和/或与其进行电子通信。控制器130和/或涡轮机控制系统36可以位于与涡轮机系统10相同的站点/位置,或者在实施方案中,位于不同的站点,并且可以经由通信链路与涡轮机系统10进行电子通信,该通信链路可以是有线的和/或无线的。
再次参考图1,空气过滤系统100还可以包括至少一个传感器132,该至少一个传感器可操作地耦合到控制器130和/或涡轮机控制系统36和/或与该控制器和/或涡轮控制系统可操作(例如,电子)通信。传感器132可以定位在过滤级的下游。另外,传感器132可以定位在压缩机12的上游和/或空气入口管道102的下游。在非限制性示例中,传感器132可与流体耦接空气过滤组件100和压缩机12的导管134流体连通以及/或者定位在该导管内。在某些实施方案中,传感器132可以是静电的,并且被构造成检测进气104的带电颗粒113,这些带电颗粒可以是天然带电的或先前由离子发生器126的矩阵充电并流过传感器132(例如,颗粒物传感器)。在实施方案中,传感器132可以形成为具有高局部分辨率的嵌装式按钮传感器、布置在环中的多个按钮系统传感器、圆周环传感器等。另外或替代地,传感器132可以在流动方向上分级,以通过将不同级的信号与涡轮机控制系统36已知的流速相关来增加由流动拖拽的带电颗粒113的可检测性。应当理解,实施方案中所示的传感器132的位置和数目可以变化,并且空气过滤组件100可以包括比图中所示的那些更多或更少的传感器132。
此外,在实施方案中,系统10可以包括安装在入口管道102上或入口管道102处(或如上所述靠近该入口管道)的传感器132,以及安装在系统10的排气口34上或排气口34处的传感器(例如静电传感器或其他类型的传感器)两者。系统10可以利用来自两个位置处的传感器的涡轮机操作数据。
在气体涡轮机系统10的操作期间,进气104可流过空气过滤组件100以向压缩机12提供工作流体(例如,已过滤空气18)。由于相同部件中的损坏和/或缺陷,包括在进气104中的颗粒112可能不期望地流过过滤部件。
在天然带电颗粒113流出空气过滤组件100并经由导管134递送到压缩机12时,带电颗粒113可由传感器132检测到。传感器132可以检测摄入颗粒113,并且可以向控制器130和/或控制系统36提供与污染颗粒112相关的信息,包括但不限于颗粒113的量/浓度。
使用由传感器132生成的该信息,控制器130可以确定已过滤空气18中包括的正提供给压缩机12的颗粒的量和/或类型是否可能损坏压缩机12并且/或者降低气体涡轮机系统10的操作效率。在例如带电颗粒113的浓度和/或量可能损坏或将损坏压缩机12、燃烧器22和/或涡轮机28的非限制性示例中,控制器130可以向涡轮机控制系统36建议或发送信号通知应关闭气体涡轮机系统10以防止损坏。将空气过滤组件100包括在气体涡轮机系统10中允许早期检测流向压缩机12的不期望的颗粒112,这继而可通过允许立即指示空气过滤组件100的部件的修理、维护和/或更换来防止或减少对压缩机12的损坏。
如图2和图3所示,在一些实施方案中,由控制器130构建的智能模型160可以使用过滤器效率框架200来评估由传感器132提供的测量数据170并确定影响值210。测量数据170可以由检查数据管理系统(“IDMS”)或工程数据管理系统(“EDMS”)提供,并且包括带电颗粒113的速度、平均大小、体积、类型、分布和/或分散模式。如图4详细说明,在非限制性实施方案中,过滤器效率框架200包括一组等式和算法,该组等式和算法允许控制器130分析测量数据170以确定沉积速率、积垢速率、压缩机劣化速率和/或评估整体过滤完整性或效率。在图11中描绘了合并测量数据170和已知数据180以确定上述颗粒沉积速率、颗粒积垢速率和/或压缩机劣化速率等的智能模型160的示例的框图。
在一个实施方案中,智能模型160根据以下等式确定总污染物水平(“TCL”,单位为百万分之一重量,下文为“ppmw”):
TCL=If+[Iair×A/F]+[Iw×W/F]+[Istm×S/F]
其中If是燃料中的污染物水平(ppmw),Iair是空气中的污染物水平(ppmw),Iw是注入水中的污染物水平(ppmw),Istm是注入蒸汽中的污染物水平(ppmw),A/F是气体涡轮机的空气与燃料比,S/F是蒸汽与燃料比,并且W/F是水与燃料比。颗粒行为由斯托克斯数St捕获,其中:
L=s sin(βb-β1)
具有较大斯托克斯数St的较大颗粒将显示出与气体流动路径的较大偏差,并且因此将更频繁地撞击叶片的压力侧。结果,捕获率E根据以下随斯托克斯数St而增加:
E=0.08855·St-0.0055
颗粒在半径R的管件内的层流中的扩散可以通过以下描述:
其中n是初始n0个颗粒中在沿着管件行进距离x之后未被管件壁捕获的颗粒的数目,并且D是扩散系数,其取决于颗粒大小和流速,等等。类似的等式描述了在具有平行壁的通道中流动的扩散。
在实施方案中,通过以下描述管件中的空气流的实验数据190,其指示到管件壁的颗粒通量I(即,每表面积和时间的颗粒流):
对于空气中的恒定量N0个颗粒,增加流速并减少相对颗粒大小都导致沉积速率增加。特别地,这意味着对于给定颗粒大小,叶片尺寸L越大,沉积速率越高。因此,对于给定颗粒大小分布,较大的压缩机具有比较小的压缩机更高的颗粒积聚。在相较于平滑级时,具有增加的表面粗糙度的压缩机级的性能遇到了显著的劣化(其中表面粗糙度等于约:
ks/c=0.714×10-3(ks=40μm)。
劣化主要由抽吸侧的粗糙度确定。对于弦长为100mm的工业气体涡轮机中的典型压缩机叶片,这等于71πm的表面粗糙度。
存在结合引擎压缩机12的几何和空气热特性的积垢关系。它是基于考虑由于惯性沉积引起的气缸的夹带效率修正为由于惯性沉积引起的一排翼型件的夹带效率而得出:
给定引擎对某一大小的颗粒的敏感性是:
与小颗粒相比,较大、较重的颗粒与叶片表面碰撞的可能性更高,并且该模型预测较小的气体涡轮机对积垢的敏感性较高,并受到较高级负载的影响。积垢与轴向压缩机级的几何和流动特性密切相关。颗粒到叶片的粘附(定义为级联收集效率)随着弦长度的减小和稠度的增加而增加。此外,随着流速降低,积垢增加,这与进入的空气速度密切相关。大颗粒增加级联收集效率。大颗粒在前级的沉积使前级积垢占主导地位,但小颗粒通过前级并影响下游压缩机级。颗粒大小分布是影响积垢程度的重要参数。
收集效率受颗粒大小和流速的反比影响,即,颗粒越小并且气流越慢,沉积速率就越高。对于弦长L的翼型件,扩散过程的收集效率为:
其中是自由流流速,D是扩散系数,R是叶片的最大厚度,并且h是叶片到叶片的距离。更宽的叶片间距和更高的流速都降低了收集效率。必须确定哪些因素影响扩散系数的D。如果大部分扩散是湍流扩散(其比层流扩散大几个数量级,并且由湍流驱动),则可假设扩散速率由流中的湍流速率确定。积垢指数FI通过以下表示:
已经研究了各种气体涡轮机以评估其对强加积垢水平的敏感性。结果表明,净功比(NWR/Wt)指示气体涡轮机对积垢的敏感性和其对积垢影响的敏感性两者。低净功比引擎,其中涡轮机总功的较高部分由以下表示:
过滤器效率框架200还包括已知数据的表(图5描绘了已知数据的表的示例,该表使颗粒113的几何平均颗粒大小与可以由智能模型160提供和/或更新的颗粒大小移除效率相关。过滤器的颗粒移除能力的效率表示为:
透过率=100-效率。
当新过滤器失去充电机制时,效率显著下降(例如,参见图6中的虚线)。取决于数量R是与颗粒的质量还是数量相关,效率采用不同的名称。当数量R是质量或重量时确定的计重效率表示为:
虽然小颗粒与大颗粒的比率在一百万比一的范围内,但大颗粒占重量的大部分。因此,仅在计重方面讨论了低效率过滤器(即,预过滤器)。所讨论的过滤器可以在既定压力下保持的容尘量(“DHC”),以g/m2为单位,或每单位面积的测试粉尘的平均重量由下式定义:
DHC=Wtotal-Aavg。
图7提供了在过滤器效率框架200的一些示例性实施方案中咨询的各种大小的受控制颗粒的样品平均最小复合效率值的表(在相关标准中包括:ANSI-美国国家标准协会、ASHRA-美国供暖、制冷与空调学会等)。
控制器130可以调整控制器130、涡轮机控制系统36的操作(例如,控制气体涡轮机10的高级电源管理或APM),和/或可以取决于通过使用过滤器效率框架200的分析提供的所确定数据而警告操作员。智能模型160利用过滤器效率框架来确定总积聚污垢负载,估计随时间推移的污垢负载、过滤效率、预测劣化、积垢速率和/或侵蚀速率。确定的总积聚污垢负载允许智能模型160确立气体涡轮机系统10相对于燃烧小时数和污垢负载的剩余寿命。如果所估计污垢负载过高,则智能模型160可以建议和/或命令在线洗涤,直到条件已通过为止,或增加洗涤的脉冲频率以移除部件中的更多沙子/污垢等。如果确定的过滤效率过低,则智能模型160可以发短信通知控制器130以向操作员发送警报以指示某物错误(例如,过滤器旁通、未对准、爆裂等)和/或可以建议用于改进的可操作性和过滤器选择的替代部件。如果智能模型160确定预测劣化、积垢速率和/或侵蚀速率超过期望阈值,则可能需要不同或更好的洗涤循环、维护和/或更新碎裂预测预报。这些动作最终可以被指定为在稍后的时间在优化的计划关闭期间发生。
如图4所示,智能模型160利用过滤器效率框架200来分析测量数据170以评估与压缩机12相关的数据(例如,压缩机空气流速、压缩机效率等)、入口过滤设计参数、过滤效率、入口过滤压差(“DP”)、操作小时数、碎屑监测和/或碎屑组成(例如,Si、Ca、S、Fe等)。过滤器效率框架200基于测量数据170而利用等式和算法来确定碎屑预计颗粒计数、体积和分布。使用过滤器效率框架200,智能模型180可以将现有的过滤额定性能数值与碎屑颗粒大小和积聚体积进行比较,以在气体涡轮机系统10的持续操作(例如,持续燃料加热器或FFH操作)内识别过滤位置的可能泄漏并且估计可能的进入总量或污垢负载。基于环境侧上的颗粒浓度乘以空气流速乘以操作小时数而确定环境侧上的污垢负载估计。基于清洁侧上的颗粒浓度乘以空气流速乘以操作小时数而确定清洁侧上的污垢负载估计。过滤器效率框架200允许智能模型160将污垢侧或环境侧感测系统颗粒数据和清洁侧感测系统颗粒数据与所安装的过滤组件100的预期效率性能数据进行比较,如图7所描绘的。取决于清洁侧上的污垢负载估计是否超过具体目标值,控制器130可以采取各种动作。
如图9A和图9B所示,在一些示例中,智能模型160使用过滤器效率框架200来精确定位空气过滤组件100内的泄漏位置,或识别其他流体流传输管,并且精确定位气体涡轮机系统10内正以降低的能力操作或受到其他损坏的部件(即,如果气体涡轮机系统10中的部件未在满负荷和/或期望能力下运行)。例如,在图9B中描绘了由智能模型160基于过滤器效率框架进行的确定的图形呈现。过滤器效率框架200允许控制器130分析关于所收集碎屑的入口过滤器压差变化分布,相较于离线计算流体动力学评估(“CFD评估”),识别气体涡轮机系统10的含有过滤泄漏的可能区段,并且估计气体涡轮机系统10的具体部件在设定时间段内进一步损坏的风险。过滤器效率框架200可以提供计算流体动力学曲线、来自机群研究的特征或其他数据的自学习知识库,以允许与在气体涡轮机系统10内检测到的测量数据170进行比较。智能模型160提供许多传感器,这些传感器可以包括诸如颗粒计数、颗粒尺寸、颗粒检测的百分比或体积、总污垢负载和/或自定义预期颗粒数据或分析等数据,该数据可以与过滤器效率框架200的自学习知识库进行比较。该比较可以指示泄漏的可能位置、泄漏的可能类别、泄漏的可能持续时间和/或积聚的可能的污垢负载。
如图2、图5和图8所示,在一些实施方案中,通过使用过滤器效率框架200的分析提供的具体确定是影响值210,该影响值量化空气质量212和颗粒积聚214两者对气体涡轮机系统10的整体操作的影响。基于空气流内颗粒的量、类型和分散模式(如由测量数据170捕获)而确定空气质量212。颗粒积聚214包括积聚在过滤器(例如,叶片过滤器120和织物过滤器122)上的直接影响过滤器的操作效率的颗粒以及积聚在空气过滤组件100内的其他表面上的以其他方式影响流体流动路径以最终阻碍空气过滤组件100的效率的颗粒两者。
如图2和图10所示,在一些实施方案中,智能模型160可以利用影响值210来导出气体涡轮机系统的关键性能指标216。关键性能指标216向气体涡轮机系统10的操作员提供咨询分析,该咨询分析包括但不限于由于气体涡轮机系统10的低效操作引起的财力损失、更换气体涡轮机系统10的以降低的能力运行(例如,过滤器旁通、未对准、爆裂等)的元件的成本和/或关闭气体涡轮机系统10以更换部件或进行其他维护的成本。关键性能指标216可以提出建议,以最小化由于颗粒进入入口过滤和/或异物碎屑进入气体涡轮机系统10而引起的气体涡轮机系统10的强制停机。智能模型160可取决于确定的影响值210而建议缓解动作。如图10所示,在一些实施方案中,关键性能指标216提供经济影响(例如,由于电力和/或性能影响引起的财力损失、由于低效燃料消耗引起的财力损失等)和循环时间影响(例如,维护、关闭和/或检查的调度;过滤器更换的调度;凸缘和管道检查的调度等)。关键性能指标216可以考虑气体涡轮机系统10的呈每度循环数(“CPD”)、盘管测量(“CTM”)、临界功率比(“CPR”)等形式的数据。
通过非限制性示例,缓解动作包括建议检查、更换和/或选择气体涡轮机系统10中的类似元件进行更换(例如,取决于由传感器132记录的测量数据170而建议不同类型和/或效率的过滤器元件,以改进气体涡轮机系统10等的可操作性)。
缓解动作还可以包括建议和/或强制地起始过滤器元件的清洁或在线洗涤(在气体涡轮机系统10的操作期间清洁过滤器元件)、增加洗涤频率和/或为洗涤加脉冲,以移除诸如沙子和污垢等颗粒,直到具体条件已通过为止(即,直到颗粒的测量数据170达到期望水平为止)。在实施方案中,智能模型160建议的缓解动作有助于解决引擎维护、侵蚀、腐蚀和/或部件故障缓减。智能模型160允许操作员对气体涡轮机系统10执行预测性维护,并且以气体涡轮机系统10操作成本最低的方式和/或在该气体涡轮机系统操作成本最低的时间段期间更换气体涡轮机系统10的元件。智能模型160可以并入整体重型气体涡轮机健康咨询系统中。
在实施方案中,智能模型160和确定的影响值210极大地有益于在恶劣操作环境中操作的大型气体涡轮机10(例如,在干旱地区中和/或靠近海岸线操作的发电厂),其中操作员预期气体涡轮机10的更高可用性、可靠性和电力输出。对于这些气体涡轮机系统10,强制停机和更换热气体零件(即,气体涡轮机系统10的热流体流动路径内的部件)的成本特别高。
虽然在本文中讨论为在空气入口管道102中形成,但应当理解,本文相对于图1至图10讨论的空气过滤组件100的部件的至少一部分可定位在气体涡轮机系统10的不同部分和/或部件内并且/或者直接定位在该气体涡轮机系统的不同部分和/或部件的下游。例如,空气过滤组件100的至少一部分可定位在燃烧器22内并且/或者压缩机12的下游以从燃烧器22所利用的流体(例如,空气)中过滤颗粒112,如本文所讨论的。
本公开的技术效果包括提供用于控制器的系统和方法,以构建和咨询气体涡轮机系统内的颗粒存在和积聚的智能模型以进行以下操作:量化气体涡轮机系统的操作效率,识别可能泄漏的位置,估计颗粒的总进入量,识别气体涡轮机系统的可能正以降低的能力操作的部件,估计气体涡轮机系统的部件的损坏风险和/或建议缓解动作。
最后,系统10可以包括必要的电子器件、软件、存储器、存储设备、数据库、固件、逻辑/状态机、微处理器、通信链路、显示器或其他视觉或音频用户界面、打印设备、以及任何其他输入/输出界面,用于执行本文所述功能和/或实现本文所述结果,这些可以实时。例如,系统10可包括至少一个处理器和系统存储器/数据存储结构,该至少一个处理器和系统存储器/数据存储结构可包括随机存取存储器(RAM)和只读存储器(ROM)。系统10的至少一个处理器可包括一个或多个常规微处理器以及一个或多个补充协处理器,诸如数学协处理器等。本文讨论的数据存储器结构可包括磁性、光学和/或半导体存储器的适当组合,并且可包括例如RAM、ROM、闪存驱动器、光学盘诸如致密盘和/或硬盘或驱动器。
另外,可将使控制器适应于执行本文所公开的方法的软件应用程序从计算机可读介质读取到至少一个处理器的主存储器中。如本文所用,术语“计算机可读介质”是指向系统10的至少一个处理器(或本文所述装置的任何其他处理器)提供或参与提供指令以供执行的任何介质。此类介质可采取多种形式,包括但不限于非易失性介质和易失性介质。非易失性介质包括例如光学、磁性或光磁性的盘,诸如存储器。易失性介质包括动态随机存取存储器(DRAM),其通常构成主存储器。计算机可读介质的常见形式包括例如柔性盘、硬盘、磁带、任何其他磁性介质、CD-ROM、DVD、任何其他光学介质、RAM、PROM、EPROM或EEPROM(电可擦可编程的只读存储器)、FLASH-EEPROM、任何其他存储器芯片或匣、或计算机可读取的任何其他介质。
本发明的其他方面由以下条款的主题提供:
1.一种用于评估涡轮机的入口过滤系统的效率和完整性的系统,该系统包括:一个或多个传感器,该一个或多个传感器操作以生成该涡轮机的流体流动路径内的进气颗粒的至少一个测量数据值;控制器,该控制器与一个或多个传感器电子通信并且操作以利用智能模型来处理该至少一个测量数据值,该智能模型咨询过滤器效率框架,并且其中系统使用该过滤器效率框架来使该进气颗粒的该至少一个数据值与该涡轮机的该空气过滤系统的过滤器效率相关。
2.根据条款1所述的系统,其中该系统使用该过滤器效率框架来识别该涡轮机系统中可能泄漏的位置。
3.根据条款2所述的系统,其中该系统使用该过滤器效率框架来使用计算流体动力学导出进气颗粒的预期数据值,并且将该进气颗粒的该至少一个数据值与该进气颗粒的该预期数据值进行比较以识别该空气过滤组件中可能泄漏的该位置。
4.根据条款1所述的系统,其中该系统使用该过滤器效率框架来估计颗粒在设定时间段内的总进入量。
5.根据条款1所述的系统,其中该系统使用该过滤器效率框架来识别该涡轮机系统的正以降低的能力操作的部件。
6.根据条款1所述的系统,其中该系统使用该过滤器效率框架来在该涡轮机系统在设定时间段内继续操作的情况下估计该涡轮机系统的至少一个部件的损坏风险。
7.根据条款1所述的系统,其中该智能模型基于该至少一个测量数据值而确定影响值,该影响值包括进气的流动效率和颗粒积聚的影响,并且其中该影响值量化该涡轮机系统的操作效率。
8.根据条款7所述的系统,其中该影响值包括关键性能指标,该关键性能指标向该涡轮机系统的操作员提供可量化咨询分析,并且其中该咨询分析包括最小化财力损失、最小化更换该涡轮机系统的部件的成本以及最小化该涡轮机系统关闭的成本中的至少一者。
9.根据条款8所述的系统,其中该关键性能指标建议缓解动作,该缓解动作包括建议检查该涡轮机系统的部件、建议更换该涡轮机系统的部件以及建议用替代部件更换该涡轮机系统的部件中的至少一者。
10.根据条款9所述的系统,其中该缓解动作进一步包括建议清洁该涡轮机系统的部件、强制清洁该涡轮机系统的部件以及建立或更新清洁该涡轮机系统的部件的频率中的至少一者。
11.根据条款1所述的系统,其中至少一个传感器放置在该涡轮机系统的排气流体流动路径内,以生成该排气流体流动路径内的排气颗粒的至少一个测量数据值。
12.根据条款11所述的系统,其中该控制器利用该智能模型来验证进气颗粒的至少一个测量数据值与排气颗粒的该至少一个测量数据。
13.根据条款1所述的系统,其中该一个或多个传感器包括检测进气颗粒的至少一个测量数据值的至少一个传感器。
14.根据条款1所述的系统,其中该一个或多个传感器包括红外传感器、声波传感器、光学传感器和激光传感器中的至少一者。
15.根据条款1所述的系统,其中该系统在设定时间段内修改该智能模型。
16.一种量化涡轮机系统的空气过滤组件内连续流体流动的影响的方法,该方法包括咨询针对该涡轮机系统定制的流体流动的智能模型;基于行进通过该涡轮机系统的流体流动路径的进气颗粒的至少一个检测到的数据值而使用流体流动的该智能模型来确定影响值;根据该影响值计算关键性能指标;以及向该涡轮机系统的操作员通知该关键性能指标,并且其中该关键性能指标提供由于该涡轮机系统的低效操作引起的财力损失、更换该涡轮机系统的元件的成本和该涡轮机系统在设定时间段内关闭的成本中的至少一者的可量化咨询分析。
17.根据条款16所述的方法,其中该智能模型向该操作员通知最优关键性能指标,该最优关键性能指标最小化该财力损失、更换该涡轮机系统的部件的该成本和该涡轮机系统关闭的该成本中的至少一者。
18.根据条款16所述的方法,该方法进一步包括在向该涡轮机系统的该操作员通知该关键性能指标的步骤之后向该操作员建议缓解动作,其中该缓解动作包括建议检查该涡轮机系统的部件、建议更换该涡轮机系统的部件以及建议用替代部件更换该涡轮机系统的部件中的至少一者。
19.根据条款18所述的方法,其中该缓解动作进一步包括建议清洁该涡轮机系统的部件、强制清洁该涡轮机系统的部件以及建立或更新清洁该涡轮机系统的部件的频率中的至少一者。
20.一种用于涡轮机系统的控制器,该系统具有至少一个传感器,该控制器操作以接收进气颗粒的至少一个测量数据值;并且经由智能模型处理该至少一个数据值以生成影响值,该影响值包括进气的流动效率和颗粒积聚对该涡轮机系统的影响,并且其中该影响值使该至少一个测量数据值与该涡轮机系统的操作效率相关。
21.根据条款20所述的控制器,其中该影响值导出关键性能指标,该关键性能指标向该涡轮机系统的操作员提供可量化咨询分析。
22.根据条款20所述的控制器,其中该智能模型向该涡轮机系统的该操作员建议缓解动作,该缓解动作包括建议检查该涡轮机系统的部件、建议更换该涡轮机系统的部件以及建议用替代部件更换该涡轮机系统的部件中的至少一者。
23.根据条款22所述的控制器,其中该缓解动作进一步包括建议清洁该涡轮机系统的部件、强制清洁该涡轮机系统的部件以及建立或更新清洁该涡轮机系统的部件的频率中的至少一者。
24.根据条款20所述的控制器,其中该智能模型使用过滤器效率框架来精确定位该涡轮机系统内的泄漏的潜在位置中的至少一个潜在位置或识别该涡轮机系统的正以降低的能力操作的潜在部件。
25.根据条款24所述的控制器,其中该智能模型使用该过滤器效率框架来在该涡轮机系统在设定时间段内继续操作的情况下估计该涡轮机系统的至少一个部件的损坏风险。
虽然在实施方案中,软件应用程序中指令序列的执行使得至少一个处理器执行本文所述的方法/过程,但可使用硬连线电路来代替或结合用于实现本发明方法/过程的软件指令。因此,本发明的实施方案不限于硬件和/或软件的任何特定组合。
本文使用的术语仅用于描述特定实施方案的目的并且不旨在限制本公开。如本文所用,单数形式“一个”、“一种”和“该”旨在也包括复数形式,除非上下文另有明确地说明。将进一步理解,当在说明书中使用时,术语“包括”和/或“包含”指定存在陈述特征、整数、步骤、操作、元件和/或部件,但是不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、部件和/或它们的组。“任选的”或“任选地”意指随后描述的事件或情况可能发生或可能不发生,并且该描述包括事件发生的实例和事件不发生的实例。
如在整个说明书和权利要求书中使用的,近似语言可以用于修改可以允许变化的任何定量表示,而不会导致与其相关的基本功能的变化。因此,由一个或多个术语(诸如“约”、“大约”和“基本上”)修饰的值不限于指定的精确值。在至少一些情况下,近似语言可以对应于用于测量值的仪器的精度。在此和整个说明书和权利要求书中,范围限制可以组合和/或互换,此类范围被识别并且包括其中包含的所有子范围,除非上下文或语言另有指示。应用于范围的特定值的“大约”适用于两个值,除非另外依赖于测量值的仪器的精度,否则可以指示所述值的+/-10%。
以下权利要求书中的所有装置或步骤加功能元件的对应结构、材料、动作和等同物旨在包括用于结合具体要求保护的其他要求保护的元件执行功能的任何结构、材料或动作。已经出于说明和描述的目的给出了对本公开的描述,但其并不旨在穷举或将本公开限制于所公开的形式。在不脱离本公开的范围和实质的情况下,许多修改和变化对于本领域普通技术人员将是显而易见的。选择和描述了实施方案以便最好地解释本公开的原理和实际应用,并且使得本领域的其他技术人员能够理解具有适合于预期的特定用途的各种修改的本公开的各种实施方案。
Claims (10)
1.一种用于评估涡轮机(10)的入口过滤系统(100)的效率和完整性的系统,所述系统包括:
一个或多个传感器(132),所述一个或多个传感器操作以生成所述涡轮机(10)的流体流动路径内的进气颗粒(112)的至少一个测量数据值(170);
控制器(130),所述控制器与一个或多个传感器(132)电子通信并且操作以:
利用智能模型(160)来处理所述至少一个测量数据值(170),所述智能模型(160)咨询过滤器效率框架(200),
其中所述系统使用所述过滤器效率框架(200)来使所述进气颗粒(112)的所述至少一个数据值(170)与所述涡轮机(10)的空气过滤系统(100)的过滤器效率相关。
2.根据权利要求1所述的系统,其中所述系统使用所述过滤器效率框架(200)来识别涡轮机系统(10)中可能泄漏的位置。
3.根据权利要求2所述的系统,其中所述系统使用所述过滤器效率框架(200)来使用计算流体动力学导出进气颗粒(112)的预期数据值,并且将所述进气颗粒(112)的所述至少一个数据值(170)与所述进气颗粒的所述预期数据值进行比较以识别空气过滤组件(100)中可能泄漏的所述位置。
4.根据权利要求1所述的系统,其中所述系统使用所述过滤器效率框架(200)来估计颗粒(112)在设定时间段内的总进入量。
5.根据权利要求1所述的系统,其中所述系统使用所述过滤器效率框架(200)来进行以下中的至少一者:识别所述涡轮机系统(10)的正以降低的能力操作的部件,以及在所述涡轮机系统(10)在设定时间段内继续操作的情况下估计所述涡轮机系统(10)的至少一个部件的损坏风险。
6.根据权利要求1所述的系统,其中至少一个传感器(132)放置在所述涡轮机系统(10)的排气流体流动路径内,以生成所述排气流体流动路径内的排气颗粒(112)的至少一个测量数据值(170)。
7.根据权利要求6所述的系统,其中所述控制器(130)利用所述智能模型(160)来验证进气颗粒(112)的至少一个测量数据值(170)与排气颗粒(112)的所述至少一个测量数据(170)。
8.一种量化涡轮机系统(10)的空气过滤组件(100)内连续流体流动的影响的方法,所述方法包括:
咨询针对所述涡轮机系统(10)定制的流体流动的智能模型(160);
基于行进通过所述涡轮机系统(10)的流体流动路径的进气颗粒(112)的至少一个检测到的数据值(170)而使用流体流动的所述智能模型(160)来确定影响值(210);
根据所述影响值(210)计算关键性能指标(216);以及
向所述涡轮机系统(10)的操作员通知所述关键性能指标(216),
其中所述关键性能指标(216)提供由于所述涡轮机系统(10)的低效操作引起的财力损失、更换所述涡轮机系统(10)的元件的成本和所述涡轮机系统(10)在设定时间段内关闭的成本中的至少一者的可量化咨询分析。
9.根据权利要求8所述的方法,所述方法进一步包括:
在向所述涡轮机系统(10)的所述操作员通知所述关键性能指标(216)的步骤之后向所述操作员建议缓解动作,
其中所述缓解动作包括建议检查所述涡轮机系统(10)的部件、建议更换所述涡轮机系统(10)的部件以及建议用替代部件更换所述涡轮机系统(10)的部件中的至少一者。
10.根据权利要求9所述的方法,其中所述缓解动作进一步包括建议清洁所述涡轮机系统(10)的部件、强制清洁所述涡轮机系统(10)的部件以及建立或更新清洁所述涡轮机系统(10)的部件的频率中的至少一者。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/387,601 US20230033140A1 (en) | 2021-07-28 | 2021-07-28 | Systems and methods for estimating integrity and efficiency of an inlet filtration system for turbine systems and for recommending mitigation actions |
US17/387,601 | 2021-07-28 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115680901A true CN115680901A (zh) | 2023-02-03 |
Family
ID=82558006
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210720805.8A Pending CN115680901A (zh) | 2021-07-28 | 2022-06-23 | 用于估计涡轮机系统的入口过滤系统的完整性和效率以及用于建议缓解动作的系统和方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20230033140A1 (zh) |
EP (1) | EP4124723A1 (zh) |
JP (1) | JP2023020918A (zh) |
CN (1) | CN115680901A (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11779870B2 (en) * | 2020-12-04 | 2023-10-10 | Mahle International Gmbh | Smart filter elements and systems |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180073386A1 (en) * | 2016-09-12 | 2018-03-15 | General Electric Company | System and method for condition-based monitoring of turbine filters |
US10401881B2 (en) * | 2017-02-14 | 2019-09-03 | General Electric Company | Systems and methods for quantification of a gas turbine inlet filter blockage |
US11261800B2 (en) * | 2018-10-24 | 2022-03-01 | Raytheon Technologies Corporation | Adaptive bleed schedule in a gas turbine engine |
CN113176191B (zh) * | 2021-05-06 | 2022-12-20 | 国电环境保护研究院有限公司 | 一种燃机进气系统过滤效率在线测试系统及测试方法 |
-
2021
- 2021-07-28 US US17/387,601 patent/US20230033140A1/en active Pending
-
2022
- 2022-06-23 CN CN202210720805.8A patent/CN115680901A/zh active Pending
- 2022-06-28 JP JP2022103684A patent/JP2023020918A/ja active Pending
- 2022-07-12 EP EP22184512.6A patent/EP4124723A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
US20230033140A1 (en) | 2023-02-02 |
JP2023020918A (ja) | 2023-02-09 |
EP4124723A1 (en) | 2023-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CA2604118C (en) | A system and method for real-time prognostics analysis and residual life assessment of machine components | |
US8116990B2 (en) | Method and system for real-time prognosis analysis and usage based residual life assessment of turbine engine components and display | |
US7871237B2 (en) | Method and apparatus for monitoring particles in a gas turbine working fluid | |
JP4906977B2 (ja) | ガスタービンの吸入質量流量の決定方法 | |
JP6037954B2 (ja) | ボイラチューブリーク検出装置、ボイラチューブリーク検出方法、並びにこれらを用いたデータ監視センタ、情報提供サービス、ボイラプラント。 | |
EP3507464B1 (en) | Tightness test evaluation module for a valve and actuator monitoring system | |
EP3507663B1 (en) | Advanced startup counter module for a valve and actuator monitoring system | |
US20180283221A1 (en) | Actuator spring lifetime supervision module for a valve and actuator monitoring system | |
CN108979863B (zh) | 进气系统 | |
US10066501B2 (en) | Solid particle erosion indicator module for a valve and actuator monitoring system | |
EP4124723A1 (en) | Systems and methods for estimating integrity and efficiency of an inlet filtration system for turbine systems and for recommending mitigation actions | |
CN113176191B (zh) | 一种燃机进气系统过滤效率在线测试系统及测试方法 | |
US20180058249A1 (en) | Valve Stroke And Spindle Way Counter Module For A Valve And Actuator Monitoring System | |
CN109642469A (zh) | 用于阀和致动器监测系统的导引状况评定模块 | |
WO2017077970A1 (ja) | 真空ポンプの判断システム、および真空ポンプ | |
US20180058251A1 (en) | Flexible Service Interval Counter Module For A Valve And Actuator Monitoring System | |
Engelberth et al. | Model-based method for condition monitoring and diagnosis of compressors | |
US10871081B2 (en) | Creep damage indicator module for a valve and actuator monitoring system | |
US20210069624A1 (en) | Filter unit quality management system and filter unit quality management method | |
US20040010387A1 (en) | Diagnosis method for detecting ageing symptoms in a steam turbine | |
US11643942B2 (en) | Turbine system with particulate presence and accumulation model for particulate ingress detection | |
JP2008039224A (ja) | 定圧貫流ボイラ構成とその運用方法 | |
US20180058245A1 (en) | Tightness Test Evaluation Module For A Valve And Actuator Monitoring System | |
WO2024112585A1 (en) | Systems and methods for timely addressing particulates in a gas turbine with a wash system | |
US10151216B2 (en) | Insulation quality indicator module for a valve and actuator monitoring system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20231228 Address after: Swiss Baden Applicant after: GENERAL ELECTRIC CO. LTD. Address before: New York, United States Applicant before: General Electric Co. |
|
TA01 | Transfer of patent application right |