DE102011000298A1

DE102011000298A1 - System und Verfahren zur Überwachung einr Gasturbine

Info

Publication number: DE102011000298A1
Application number: DE102011000298A
Authority: DE
Inventors: Xiaomo Jiang; Sameer Vittal; Michael Edward Bernard
Original assignee: General Electric Co
Current assignee: General Electric Technology GmbH
Priority date: 2010-02-11
Filing date: 2011-01-24
Publication date: 2011-12-15
Also published as: CN102155301B; JP2011163345A; CH702625B1; JP5844978B2; US20110196593A1; US8370046B2; CH702625A8; CH702625A2; CN102155301A

Abstract

Ein System (20) zur Überwachung einer Gasturbine (10) enthalt eine Datenbank (26), die Informationen von vergleichbaren Gasturbinen enthält, und eine Eingabevorrichtung (34), die ein Einheitsdatensignal (30) und ein Risikosignal (32) erzeugt. Ein Prozessor (22), der mit dem Speicher und der Eingabevorrichtung (34) in Kommunikationsverbindung steht, nimmt das Einheitsdatensignal (30) in die Datenbank (26) auf, projiziert Informationen für die Gasturbine (10) in die Zukunft und berechnet ein konditionales Risiko dafür, dass die Gasturbine (10) einen Grenze erreichen wird. Ein Ausgangssignal (42) enthält Reparatur- oder Wartungszeitpläne. Ein Verfahren zum Überwachen einer Gasturbine (10) enthält ein Empfangen von Informationen von vergleichbaren Gasturbinen, Hinzufügen von Informationen von der Gasturbine (10) zu den Informationen von vergleichbaren Gasturbinen und Projizieren von Informationen für die Gasturbine (10) in die Zukunft. Das Verfahren enthält ferner ein Berechnen eines konditionalen Risikos dafür, dass die Gasturbine (10) eine Grenze erreichen wird, und Erzeugen eines Ausgangssignals (42), das Reparatur- oder Wartungszeitpläne enthält.

Description

GEBIET DER ERFINDUNG
Die vorliegende Erfindung umfasst allgemein ein System und Verfahren zur Überwachung des Funktionszustands einer Gasturbine. Insbesondere beschreibt die vorliegende Erfindung ein System und Verfahren, das ein generisches Gasturbinenmodell unter Verwendung tatsächlicher Informationen über eine einzelne Gasturbine anpasst, um Reparatur- und/oder Wartungsintervalle der einzelnen Gasturbine in die Zukunft zu projizieren bzw. zu prognostizieren.
HINTERGRUND ZU DER ERFINDUNG
Gasturbinen sind im industriellen und kommerziellen Einsatz weit verbreitet. Wie in 1 veranschaulicht, enthält eine typische Gasturbine 10 einen Axialverdichter 12 vorne, eine oder mehrere Brennkammern 14 in etwa in der Mitte und eine Turbine 16 hinten. Der Verdichter 12 enthält mehrere Stufen von rotierenden Laufschaufeln und stationären Leitschaufeln. Umgebungsluft tritt in den Verdichter 12 ein, und die rotierenden Laufschaufeln und stationären Leitschaufeln verleihen dem Arbeitsfluid (der Luft) zunehmend kinetische Energie, um es in einen energiereichen Zustand zu bringen. Das Arbeitsfluid tritt aus dem Verdichter 12 aus und strömt zu den Brennkammern 14, worin es sich mit einem Brennstoff 18 vermischt und entzündet, um Verbrennungsgase zu erzeugen, die eine hohe Temperatur, einen hohen Druck und eine hohe Geschwindigkeit aufweisen. Die Verbrennungsgase verlassen die Brennkammern 14 und strömen zu der Turbine 16, worin sie expandieren, um Arbeit zu verrichten.
Gasturbinen erfordern, wie jede sonstige mechanische Vorrichtung, periodische Reparaturen und Wartung, um eine ordnungsgemäße Funktion sicherzustellen. Als ein allgemeiner Ansatz konnen frühere Erfahrungen mit der „Flotte” von Gasturbinen, insbesondere vergleichbaren Gasturbinen ahnlicher Klasse oder Bauart, statistisch analysiert werden, um ein Flottenmodell zu entwickeln, das den erwarteten Verschleiß und die erwartete Beschädigung, die andere Gasturbinen erfahren, in die Zukunft projizieren kann. Auf der Basis des Flottenmodells können Projektionen bzw. Prognosen, Reparaturen und Wartungsmaßnahmen in optimalen Intervallen eingeplant werden, die die Gefahr sowohl ungeplanter Abschaltungen, um Reparaturen durchzuführen, als auch unnötiger Abschaltungen, um eine unnötige vorbeugende Wartung durchzuführen, minimieren.
Das tatsächliche Verhalten einzelner Gasturbinen kann jedoch von dem Flottenmodell abweichen. Z. B. können einzelne Gasturbinen geringe Unterschiede bei der Konfiguration, den Herstellungstoleranzen und dem Aufbau haben, die im Vergleich zu dem Flottenmodell andere Verschleiß- und Beschadigungsgrade zur Folge haben können. Außerdem können sich die Betriebs-, Reparatur- und Wartungshistorien, die einzelne Gasturbinen tatsächlich aufweisen, von dem Flottendurchschnitt unterscheiden. Z. B. können Gasturbinen, die in feuchten und korrosiven Umgebungen betrieben werden, im Vergleich zu dem Flottenmodell häufigere Reparatur- und Wartungsmaßnahmen erfordern, um Probleme im Zusammenhang mit Korrosion, Lochfraß und Emissionen zu bewaltigen. Umgekehrt konnen andere Gasturbinen, die wenigere Start- und Abschaltzyklen erfahren, im Vergleich zu dem Flottenmodell weniger haufige Abschaltungen zur Durchführung vorbeugender Wartungsmaßnahmen im Zusammenhang mit zyklischen Belastungen erfordern. In jedem Beispiel würden Anpassungen an dem Flottenmodell auf der Basis der tatsächlichen Daten, die zu einzelnen Gasturbinen gehören, die Fähigkeit, Reparatur- und Wartungsmaßnahmen optimal zu planen, verbessern.
Deshalb wäre ein verbessertes System und Verfahren zur Überwachung des Verhaltens und der Funktionsweise einer Gasturbine erwünscht.
KURZE BESCHREIBUNG DER ERFINDUNG
Aspekte und Vorteile der Erfindung sind nachstehend in der folgenden Beschreibung angegeben oder können aus der Beschreibung offensichtlich sein, oder sie können durch Umsetzung der Erfindung in Praxis erfahren werden.
Eine Ausführungsform der vorliegenden Erfindung ist ein System zur Überwachung des Verhaltens einer Gasturbine im Einsatz. Das System enthält ein erstes Speicherelement, das eine Datenbank mit Parameterinformationen von vergleichbaren Gasturbinen enthalt, und eine Eingabevorrichtung, wobei die Eingabevorrichtung ein Einheitsdatensignal, das Parameterinformationen von der Gasturbine im Einsatz enthält, und ein Risikosignal erzeugt, das einen Risikowert für die Gasturbine im Einsatz enthält. Ein Prozessor, der mit dem ersten Speicherelement und der Eingabevorrichtung in Kommunikationsverbindung steht, nimmt das Einheitsdatensignal in die Datenbank mit Parameterinformationen von vergleichbaren Gasturbinen auf, projiziert Parameterinformationen für die Gasturbine im Einsatz in die Zukunft bzw. prognostiziert diese und berechnet ein konditionales Risiko dafür, dass die projizierten Parameterinformationen für die Gasturbine im Einsatz eine vorbestimmte Parametergrenze erreichen. Ein durch den Prozessor erzeugtes Ausgangssignal enthält wenigstens entweder Reparatur- und/oder Wartungsplanungsinformationen.
Eine weitere Ausführungsform der vorliegenden Erfindung ist ein Verfahren zum Überwachen des Verhaltens einer Gasturbine im Einsatz. Das Verfahren enthält: Empfangen von Parameterinformationen von vergleichbaren Gasturbinen, Hinzufugen von Parameterinformationen von der Gasturbine im Einsatz zu den Parameterinformationen von vergleichbaren Gasturbinen und Prognostizieren bzw. Projizieren von Parameterinformationen für die Gasturbine im Einsatz. Das Verfahren enthält ferner ein Berechnen eines konditionalen Risikos dafür, dass die projizierten Parameterinformationen für die Gasturbine im Einsatz eine vorbestimmte Parametergrenze erreichen werden, und Erzeugen eines Ausgangssignals, das wenigstens entweder einen Reparatur- und/oder einen Wartungsplan für die Turbine im Einsatz enthält, auf der Basis des konditionalen Risikos.
Eine noch weitere Ausfuhrungsform der vorliegenden Erfindung ist ein Verfahren zum Überwachen des Verhaltens einer Gasturbine im Einsatz, das enthält: Empfangen eines Flottenmodellsignals, das Parameterinformationen von vergleichbaren Gasturbinen enthält, Hinzufügen von Parameterinformationen von der Gasturbine im Einsatz zu den Parameterinformationen von vergleichbaren Gasturbinen und Prognostizieren bzw. Projizieren von Parameterinformationen für die Gasturbine im Einsatz. Das Verfahren enthalt ferner ein Berechnen eines konditionalen Risikos, dass die prognostizierten bzw. projizierten Parameterinformationen für die Gasturbine im Einsatz eine vorbestimmte Parametergrenze erreichen werden, und Erzeugen eines Ausgangssignals, das wenigstens entweder einen Reparaturplan und/oder einen Wartungsplan und/oder eine prognostizierte bzw. projizierte Nutzungslebensdauer für die Gasturbine im Einsatz umfasst, auf der Basis des konditionalen Risikos.
Fachleute auf dem Gebiet werden die Merkmale und Aspekte derartiger und weiterer Ausführungsformen nach Durchsicht der Beschreibung besser verstehen.
KURZE BESCHREIBUNG DER ZEICHNUNGEN
Eine vollständige und eine Umsetzung ermöglichende Offenbarung der vorliegenden Erfindung, einschließlich deren bester Ausführungsart, für Fachleute ist in größeren Einzelheiten in der restlichen Beschreibung angegeben, die eine Bezugnahme auf die beigefügten Figuren enthält, in denen:
1 ein vereinfachtes Blockschaltbild eines typischen Gasturbinensystems veranschaulicht;
2 ein Funktionsblockdiagramm eines Systems zur Überwachung einer Gasturbine im Einsatz gemäß einer Ausführungsform der vorliegenden Erfindung veranschaulicht;
3 einen Algorithmus zur Aktualisierung und Validierung eines Flottenmodells veranschaulicht;
4 einen Algorithmus zur Aktualisierung und Validierung eines Einheitsmodells veranschaulicht;
5 einen Algorithmus zur Durchführung einer Einheitsrisikoanalyse veranschaulicht;
6 einen Algorithmus zur Berechnung der restlichen Nutzungslebensdauer für ein Teil oder eine Komponente veranschaulicht;
7 in grafischer Weise hypothetische Schadensverlaufskurven veranschaulicht, die durch eine Einheitsrisikoanalyse gemäß einer Ausführungsform der vorliegenden Erfindung erzeugt werden können; und
8 in grafischer Weise hypothetische Nutzungslebensdauerkurven gemäß einer Ausführungsform der vorliegenden Erfindung veranschaulicht.
DETAILLIERTE BESCHREIBUNG DER ERFINDUNG
Es wird nun im Einzelnen auf die vorliegenden Ausführungsformen der Erfindung Bezug genommen, von der ein oder mehrere Beispiele in den beigefügten Zeichnungen veranschaulicht sind. Die detaillierte Beschreibung verwendet Bezeichnungen mit Zahlen und Buchstaben, um auf Merkmale in den Zeichnungen zu verweisen. Gleiche oder ahnliche Bezugszeichen in den Zeichnungen und der Beschreibung werden verwendet, um gleiche oder ähnliche Teile der Erfindung zu bezeichnen.
Jedes Beispiel ist zur Erläuterung der Erfindung, nicht zur Beschränkung der Erfindung vorgesehen. In der Tat wird es für Fachleute auf dem Gebiet offensichtlich sein, dass Modifikationen und Veränderungen an der vorliegenden Erfindung vorgenommen werden können, ohne von deren Umfang oder Rahmen abzuweichen. Zum Beispiel können Merkmale, die als ein Teil einer Ausführungsform veranschaulicht oder beschrieben sind, bei einer anderen Ausführungsform verwendet werden, um eine noch weitere Ausführungsform zu ergeben. Somit besteht die Absicht, dass die vorliegende Erfindung derartige Modifikationen und Veränderungen mit umfasst, wie sie in den Schutzumfang der beigefügten Ansprüche und ihrer Äquivalente fallen.
Die hierin erläuterten Systeme und Verfahren nehmen Bezug auf Prozessoren, Server, Speicher, Datenbanken, Softwareanwendungen und/oder andere computerbasierte Systeme sowie auf Maßnahmen, die an derartigen Systemen vorgenommen oder von diesen ergriffen werden, und Informationen, die zu und von derartigen Systemen gesandt werden. Ein Fachmann auf dem Gebiet wird erkennen, dass die inhärente Flexibilität computerbasierter Systeme eine große Vielfalt möglicher Konfigurationen, Kombinationen und Aufteilungen von Aufgaben und Funktionalitäten auf und unter die Komponenten ermöglicht. Zum Beispiel können hierin beschriebene Computer implementierte Prozesse unter Verwendung eines einzigen Servers oder Prozessors oder mehrerer derartiger Elemente, die in Kombination miteinander arbeiten, implementiert werden. Datenbanken und andere Speicher-/Medienelemente und -anwendungen können auf einem einzigen System implementiert oder auf mehrere Systeme verteilt werden. Verteilte Komponenten können sequentiell oder parallel zueinander arbeiten. All derartige Varianten sollen, wie für Fachleute auf dem Gebiet verstandlich, in den Rahmen und Umfang des vorliegenden Gegenstandes fallen.
Wenn zwischen einem ersten und einem zweiten Computersystem, einer ersten und einer zweiten Verarbeitungsvorrichtung oder deren Komponenten Daten erhalten werden oder auf Daten zugegriffen wird, können die tatsächlichen Daten direkt oder indirekt zwischen den Systemen ausgetauscht werden. Falls zum Beispiel ein erster Computer auf eine Datei oder Daten von einem zweiten Computer zugreift, kann der Zugriff einen oder mehrere dazwischen geschaltete Computer, Proxies oder dergleichen umfassen. Die tatsächliche Datei oder Daten können zwischen den Computern übermittelt werden, oder ein Computer kann einen Zeiger (Pointer) oder ein Metafile liefern, den bzw. das der zweite Computer verwendet, um auf die tatsächlichen Daten von einem anderen Computer als dem ersten Computer zuzugreifen.
Die verschiedenen Computersysteme, wie sie hierin beschrieben sind, sind nicht auf irgendeine spezielle Hardwarearchitektur oder -konfiguration beschränkt. Ausführungsformen der Verfahren und Systeme, wie sie hierin angegeben sind, können durch eine oder mehrere Universalzweck- oder kundenspezifische Rechenvorrichtungen implementiert sein, die auf irgendeine geeignete Weise eingerichtet sind, um die gewünschte Funktionalität zu ergeben. Die Vorrichtung(en) kann/konnen eingerichtet sein, um eine zusätzliche Funktionalität bereitzustellen, die entweder zu dem vorliegenden Gegenstand ergänzend ist oder in keinem Zusammenhang zu diesem steht. Zum Beispiel kann/können eine oder mehrere Rechenvorrichtungen eingerichtet sein, um durch einen Zugriff auf Softwareinstruktionen, die in einer Computer lesbaren Form abgefasst sind, die beschriebene Funktionalität zu schaffen. Wenn Software verwendet wird, kann jede beliebige geeignete Programmiersprache, Skriptsprache oder eine sonstige geeignete Sprache oder können Kombinationen von Sprachen verwendet werden, um die hier enthaltenen Lehren zu implementieren. Jedoch muss Software nicht ausschließlich oder überhaupt nicht verwendet werden. Wie für Fachleute auf dem Gebiet verständlich, ohne eine weitere detaillierte Erläuterung zu erfordern, können einige Ausführungsformen der hier angegebenen und offenbarten Verfahren und Systeme auch anhand einer verdrahteten Logik oder sonstiger Schaltungen, einschließlich, jedoch nicht darauf beschränkt, anwendungsspezifischer Schaltungen, implementiert werden. Natürlich können verschiedene Kombinationen von durch einen Computer ausgefuhrter Software und verdrahteter Logik oder sonstigen Schaltkreisen ebenfalls geeignet sein.
Es ist für Fachleute auf dem Gebiet verständlich, dass Ausführungsformen der hierin offenbarten Verfahren durch eine oder mehrere geeignete Rechenvorrichtungen ausgeführt werden können, die die Vorrichtung(en) funktionsfähig machen, um derartige Verfahren auszuführen. Wie oben erwähnt, können derartige Vorrichtungen auf ein oder mehrere Computer lesbare Medien zugreifen, die Computer lesbare Instruktionen enthalten, die, wenn sie durch wenigstens einen Computer ausgeführt werden, den wenigstens einen Computer veranlassen, eine oder mehrere Ausführungsformen der Verfahren gemäß dem vorliegenden Gegenstand auszuführen. Es kann jedes beliebige geeignete Computer lesbare Medium oder können Medien verwendet werden, um den vorliegend offenbarten Gegenstand zu implementieren oder auszuführen, wozu einschließlich, jedoch nicht ausschließlich, Disketten, Laufwerke und sonstige magnetisch basierte Speichermedien, optische Speichermedien, einschließlich Scheiben (einschließlich CD-ROMs, DVD-ROMs und Varianten von diesen), Flash-Speicher, RAM-, ROM-Speicher und sonstige Halbleiter-Speichervorrichtungen und dergleichen gehören.
Zustandsabhängige Wartungssysteme wenden stochastische Analysen von Flottenmodellen, einheitsspezifische Daten und vom Bediener ausgewählte Risikoparameter an, um ein kostengünstiges System und Verfahren zur Optimierung von Reparatur- und/oder Wartungsintervallen hochwertiger Systeme, wie beispielsweise Gasturbinen, zu schaffen. Es kann ein Flottenmodell für jeden spezifischen Fehler- bzw. Schädigungsmechanismus für eine Gasturbine durch Anwendung mehrstufiger stochastischer Modellierungstechniken, wie beispielsweise Bayes-Störung und Markoffketten-Monte-Carlo(MCMC)-Simulation, auf historische Flottendaten entwickelt werden. Die Genauigkeit jedes Flottenmodells kann periodisch verifiziert und/oder validiert werden, und einheitsspezifische Daten, die von einer bestimmten Gasturbine erhalten werden, können zu jedem Flottenmodell hinzugefügt werden, um das Flottenmodell anzupassen oder zu aktualisieren oder ein Einheitsmodell zu erzeugen, das die bestimmte Gasturbine für jeden spezifischen Fehler- bzw. Schadigungsmechanismus genauer modelliert. Die Anwendung vom Bediener ausgewählter Risikoparameter auf das aktualisierte Flottenmodell verbessert die Fähigkeit, Reparatur- und/oder Wartungseinheiten in optimalen Intervallen einzuplanen, die die Einsatzverfugbarkeit steigern, unplanmäßige und unnötige Abschaltungen reduzieren und/oder die Nutzungslebensdauer der bestimmten Gasturbine erhöhen.
Falls als ein Beispiel die einheitsspezifischen Daten für die bestimmte Gasturbine einen geringeren Verschleiß oder eine kleinere Beschädigung im Vergleich zu den durch das Flottenmodell bereitgestellten Zukunftsprojektionen (Prognosen) anzeigen, kann die Verfugbarkeit der bestimmten Gasturbine verbessert werden, indem die Intervalle zwischen Reparatur- und/oder Wartungsereignissen verlängert werden. Falls umgekehrt die einheitsspezifischen Daten für die bestimmte Gasturbine einen größeren Verschleiß oder eine größere Beschädigung im Vergleich zu den durch das Flottenmodell bereitgestellten Prognosen anzeigen, können die Intervalle zwischen Reparatur- und/oder Wartungseinsätzen verringert werden, was einen planmäßigen Stillstand anstelle des kostspieligeren unplanmäßigen Stillstands ergibt. In jedem Falle verbessert der angepasste Reparatur- und/oder Wartungsplan die Zuverlässigkeit, Funktionssicherheit und Funktionsweise der bestimmten Gasturbine, was eine genauere Nutzung und möglicherweise eine längere Nutzungslebensdauer für die bestimmte Gasturbine zur Folge hat.
2 zeigt ein System 20 zur Überwachung einer Gasturbine im Einsatz 10 gemäß einer Ausführungsform der vorliegenden Erfindung. Der Ausdruck „Gasturbine im Einsatz” bezeichnet eine bestimmte oder spezielle Gasturbine im Unterschied zu der Flotte von Gasturbinen. Das System 20 enthält allgemein einen Prozessor 22, der eine Programmierung bzw. Kodierung enthält, um auf ein oder mehrere Speicher-/Medienelemente zuzugreifen. Der Prozessor 22 empfängt ein Flottenmodellsignal 24 von einer Datenbank 26 und ein Flottendatensignal 28, ein Einheitsdatensignal 30 und/oder ein Risikosignal 32 von einer Eingabevorrichtung 34. Der Ausdruck „Signal” bezieht sich auf jede beliebige elektrische Übertragung von Informationen bzw. Daten. Das Flottenmodellsignal 24 weist Parameterinformationen für vergleichbare Gasturbinen auf, die durch ein in der Datenbank 26 enthaltenes Flottenmodell in die Zukunft projiziert werden. Das System 20 wendet mehrstufige stochastische Modellierungstechniken, Bayes-Störung und MCMC-Simulation, wie sie durch den Block 36 und den in 3 veranschaulichten Algorithmus dargestellt sind, an, um die in dem Flottenmodellsignal 24 enthaltenen projizierten Parameterinformationen zu verifizieren und zu validieren und ein aktualisiertes Flottenmodellsignal 33 zu erzeugen. Das System 20 fügt Parameterinformationen von der Gasturbine im Einsatz 10, die in dem Einheitsdatensignal 30 enthalten sind, zu dem aktualisierten Flottenmodellsignal 33 hinzu, um ein bevorzugt als ein Einheitsmodell bezeichnetes aktualisiertes Flottenmodell zu erzeugen, das durch den Block 38 und den in 4 veranschaulichten Algorithmus dargestellt ist. Das Einheitsmodell erzeugt in die Zukunft projizierte Parameterinformationen 41 für die Gasturbine im Einsatz 10. Eine Einheitsrisikoanalyse, die durch den Block 40 in 2 und den in den 5 und 6 veranschaulichten Algorithmus dargestellt ist, kombiniert die projizierten Parameterinformationen 41 von dem Einheitsmodell mit dem Risikosignal 32, um ein Ausgangssignal 42 zu erzeugen, das Pläne für Reparatur 44 und/oder Wartung 46 und/oder eine Nutzungslebensdauerprognose 48 für die Gasturbine im Einsatz 10 wiedergibt.
Der hierin erläuterte Prozessor 22 ist nicht auf irgendeine spezielle Hardwarearchitektur oder -konfiguration beschrankt. Vielmehr kann der Prozessor 22 eine Universalzweck- oder kundenspezifische Rechenvorrichtung aufweisen, die eingerichtet ist, um durch Zugriff auf Speichermedien (z. B. die Blöcke 36, 38 und/oder 40 in 2), Datenbanken und weitere Hardware in einer durch Softwareinstruktionen, die in einer Computer lesbaren Form wiedergegeben sind, oder durch eine programmierte Schaltung geführten Weise die beschriebene Funktionalität zu ergeben. Zum Beispiel kann der Prozessor 22 einen einzigen Server, einen einzigen Mikroprozessor, eine verdrahtete Logik, einschließlich, jedoch nicht darauf beschränkt, anwendungsspezifischer Schaltungen, oder mehrere derartige Elemente, die in Kombination miteinander arbeiten, aufweisen.
Die Datenbank 26 enthält historische Parameterinformationen über die „Flotte” von Gasturbinen, insbesondere vergleichbare Gasturbinen ähnlicher Klasse oder Bauart, die von verfügbaren Quellen gesammelt werden. Die Datenbank 26 kann Speicher-/Medienelemente und Anwendungen enthalten, die auf einem einzigen System implementiert oder über mehrere Systeme hinweg verteilt sind. Falls verteilte Komponenten verwendet werden, können sie sequentiell oder parallel zueinander arbeiten.
Die in der Datenbank 16 enthaltenen historischen Parameterinformationen enthalten Daten, die die Funktionsweise, Reparaturen und/oder Wartungsmaßnahmen der vergleichbaren Gasturbinen widerspiegeln. Die historischen Parameterinformationen können speziell Daten enthalten, die als Beanspruchungsdaten und Schadensdaten bezeichnet werden. Beanspruchungsdaten umfassen jegliche Informationen, die die betriebliche Historie einer vergleichbaren Gasturbine beschreiben und die der Vorhersage eines Fehlermodus oder -mechanismus statistisch zugeordnet werden konnen. Zum Beispiel konnen Beanspruchungsdaten Betriebsstunden, Anzahl von Start- und Abschaltzyklen, Feuerungstemperaturen und die Anzahl unplanmäßiger Auslosungen enthalten. Schadensdaten umfassen jegliche Hardwarefehlermechanismen, die aufgetreten sind, mit einer statistischen Signifikanz. Ein Fehlermechanismus umfasst jede Verschlechterung der physischen oder funktionalen Eigenschaften gegenuber den Nominalwerten, die eine Verringerung der Ausgangsleistung, einen Wirkungsgradverlust oder die Unfähigkeit, die vergleichbare Gasturbine zu betreiben, zur Folge hat. Zu Beispielen bekannter Fehlermechanismen gehören Korrosion, Lochfraß, Verformung, Ermüdung, Beschädigung durch Fremdobjekte, Oxidation, Absplitterung der Wärmeschutzbeschichtung (TBC, Thermal Barrier Coating), Verstopfung/Verunreinigung, Bruch, Riss und Verschleiß. Diese Fehlermechanismen konnen als ein Ergebnis von verstarkten Boreskop-Inspektionen, Überwachungen vor Ort, Betriebsprotokollen, Reparaturprotokollen, Wartungsprotokollen und dergleichen erfasst oder aufgezeichnet werden.
Die verfügbaren Quellen von historischen Informationen umfassen z. B. Datenbanken mit betrieblichen Erfahrungen, Betriebsaufzeichnungen, Teileinspektionsaufzeichnungen und Inspektionsberichte im Feld. Beispiele für die historischen Informationen, die in diesen Quellen enthalten sind, umfassen Berichte von verstärkten Boreskop-Inspektionen, elektronische Aufzeichnungen, Überwachungs- und Diagnosedaten, Berichte über Stillstandsereignisse, Betriebsdauern, Startvorgänge und Auslösungen sowie Wartungswerkstatt- oder Reparaturdaten, ohne jedoch darauf beschränkt zu sein.
Die Sammlung der historischen Informationen, wie beispielsweise der Beanspruchungs- und Schadensdaten, wird statistisch analysiert und normiert, um das Flottenmodell zu entwickeln, das auch als ein Datenakkumulationsmodell bezeichnet wird. Das Flottenmodell projiziert bzw. prognostiziert Parameterinformationen, wie beispielsweise das Wachstum einer Beschädigung, während kunftiger Beanspruchungen unter Verwendung der erfassten historischen Informationen, und das Flottenmodell und/oder die projizierten Parameterinformationen werden anhand des Flottenmodellsignals 24 zu dem Prozessor 22 übertragen.
Die Eingabevorrichtung 34 ermöglicht einem Benutzer, mit dem System 20 zu kommunizieren, und kann jede beliebige Struktur enthalten, um eine Schnittstelle zwischen dem Benutzer und dem System 20 zu schaffen. Zum Beispiel kann die Eingabevorrichtung 34 eine Tastatur, einen Computer, ein Terminal, ein Bandlaufwerk und/oder jede sonstige Vorrichtung zum Empfangen einer Eingabe von einem Benutzer und zur Erzeugung des Flottendatensignals 28, des Einheitsdatensignals 30 und/oder des Risikosignals 32 für das System 20 enthalten.
3 zeigt einen Algorithmus zur Aktualisierung und Validierung des Flottenmodells und/oder des Flottenmodellsignals 24, auf das vorstehend in Form des Blocks 26 nach 2 Bezug genommen wurde. In Block 50 importiert der Algorithmus das Flottendatensignal 28, das zum Beispiel neu erfasste Parameterinformationen von vergleichbaren Gasturbinen in der Flotte, beispielsweise Beanspruchungsdaten 52 und Schadensdaten 54, aufweist. Nur zu Veranschaulichungszwecken wird angenommen, dass das Flottendatensignal 28 anzeigt, dass bei einer Betriebsdauer von 10.000 Stunden, bei 20 Start- und Abschaltzyklen und zwei unplanmäßigen Auslösungen Boreskop-Inspektionen in einer bestimmten Komponente Risse der Größen 0,1, 0,2, 0,1, 0,2, 0,3 und 0,2 detektierten. In Block 56 sortiert der Algorithmus die importierten Beanspruchungsdaten 52 und Schadensdaten 54 und organisiert diese zum Beispiel durch Zuweisung einer Variable L_n zu jedem Inspektionsergebnis in aufsteigender Reihenfolge entsprechend dem Betrag der erfassten Beschädigung, um das folgende Ergebnis zu erzeugen: L₁ = 0,1, L₂ = 0,1, L₃ = 0,2, L₄ = 0,2, L₅ = 0,2 und L₆ = 0,3. In Block 58 gruppiert der Algorithmus die sortierten Beanspruchungsdaten 52 und Schadensdaten 54 z. B. durch Zuweisung einer Variable R_n zu jedem Inspektionsergebnis mit dem gleichen Betrag, um das folgende Ergebnis zu erzeugen: R₁ = 2/6, R₂ = 2/6, R₃ = 3/6, R₄ = 3/6, R₅ = 3/6 und R₆ = 1/6. In Block 60 vergleicht der Algorithmus die sortierten und gruppierten Daten 52, 54 mit dem Flottenmodellsignal 24, das Verteilungsparameterinformationen, wie beispielsweise die auf dem Flottenmodell basierenden projizierten Schadensergebnisse, umfasst um festzustellen, ob das Flottenmodell statistisch genau ist. Die statistische Genauigkeit kann anhand vieler einzelner oder kombinierter statistischer Kriterien, einschließlich zum Beispiel des Wertes des Bestimmtheitsmaßes (R²) oder der Standardabweichung (σ), bestimmt werden. Wenn der Vergleich anzeigt, dass das Flottenmodell eine statistisch genaue Projektion der tatsächlichen Beschädigung liefert, Block 62, aktualisiert der Algorithmus anschließend die Datenbank 26 von historischen Parameterinformationen mit den neu erfassten Parameterinformationen von vergleichbaren Gasturbinen in der Flotte und liefert das aktualisierte Flottenmodellsignal 33 zur weiteren Analyse. Das aktualisierte Flottenmodell wird das Einheitsmodell, wenn darauf durch den in 4 veranschaulichten Algorithmus zugegriffen wird. Falls der Vergleich anzeigt, dass das Flottenmodell keine statistisch genaue Projektion der tatsachlichen Beschadigung liefert, erzeugt der Algorithmus anschließend einen Flag 66 oder ein sonstiges Signal, das die Notwendigkeit, den Fehler zwischen den Flottenmodellprojektionen und den tatsächlichen Schadensdaten zu untersuchen, anzeigt.
4 zeigt einen Algorithmus zur Aktualisierung und Validierung des Einheitsmodells, auf das vorstehend als der Block 38 in 2 Bezug genommen wurde. In Block 68 importiert der Algorithmus das Einheitsdatensignal 30, das zum Beispiel neu erfasste Parameterinformationen von der Gasturbine im Einsatz 10, beispielsweise Beanspruchungsdaten 70 und Schadensdaten 72, aufweist. Lediglich für Veranschaulichungszwecke wird erneut angenommen, dass das Einheitsdatensignal 30 anzeigt, dass bei einer Betriebsdauer von 10.000 Stunden, bei 20 Start- und Abschaltzyklen und zwei unplanmäßigen Auslösungen Boreskop-Inspektionen in einer bestimmten Komponente Risse der Größen 0,1, 0,3, 0,1, 0,3, 0,3 und 0,2 detektierten. In Block 74 sortiert der Algorithmus die importierten Einheitsdaten 70, 72 und organisiert diese zum Beispiel durch Zuweisung einer Variable L_n zu jedem Inspektionsergebnis in aufsteigender Reihenfolge entsprechend dem Betrag der erfassten Beschädigung, um das folgende Ergebnis hervorzubringen: L₁ = 0,1, L₂ = 0,1, L₃ = 0,2, L₄ = 0,3, L₅ = 0,3 und L₆ = 0,3. In Block 76 gruppiert der Algorithmus die sortierten Einheitsdaten 70, 72 zum Beispiel durch Zuweisung einer Variable R_n zu jedem Inspektionsergebnis mit dem gleichen Betrag, um das folgende Ergebnis hervorzubringen: R₁ = 2/6, R₂ = 2/6, R₃ = 1/6, R₄ = 3/6, R₅ = 3/6 und R₅ = 3/6. In Block 78 vergleicht der Algorithmus die sortierten und gruppierten Einheitsdaten 70, 72 mit dem Einheitsmodell, das Verteilungsparameterinformationen, wie beispielsweise die auf dem Einheitsmodell basierenden projizierten Schadensergebnisse enthalt, um festzustellen, ob das Einheitsmodell statistisch genau ist. Die statistische Genauigkeit kann durch eine Anzahl von einzelnen oder kombinierten statistischen Kriterien, einschließlich zum Beispiel des Wertes des Bestimmtheitsmaßes (R²) oder der Standardabweichung (σ), bestimmt werden. Falls der Vergleich anzeigt, dass das Einheitsmodell eine statistisch genaue Projektion der tatsächlichen Beschädigung liefert, Block 80, aktualisiert der Algorithmus anschließend das Einheitsmodell mit den neu erfassten Parameterinformationen von der Gasturbine im Einsatz 10 und erzeugt aktualisierte Parameterinformationen 41 von dem Einheitsmodell zur weiteren Analyse. Falls der Vergleich anzeigt, dass das Einheitsmodell keine statistisch genaue Projektion der tatsächlichen Beschädigung liefert, erzeugt der Algorithmus anschließend einen Flag 84 oder ein sonstiges Signal, das die Notwendigkeit zur Untersuchung des Fehlers zwischen den Projektionen und der tatsächlichen Beschädigung anzeigt.
5 zeigt einen Algorithmus zur Durchführung der Einheitsrisikoanalyse, auf die vorstehend in Form des Blocks 40 in 2 Bezug genommen wurde. Die Einheitsrisikoanalyse kombiniert die aktualisierten Parameterinformationen 41 aus dem Einheitsmodell mit dem Risikosignal 32, um das Ausgangssignal 42 zu erzeugen, das die Plane zur Reparatur 44 und/oder Wartung 46 und/oder die Nutzungslebensdauerprojektian bzw. -prognose 48 für die Gasturbine im Einsatz 10 wiedergibt. In Block 86 importiert der Algorithmus das Risikosignal 32, das zum Beispiel Einheitsbeanspruchungsdaten, zulässige Risikoniveaus für jeden Fehlermechanismus und/oder das nächste Wartungsintervall für die Gasturbine im Einsatz 10 aufweist. In Block 88 importiert der Algorithmus die aktualisierten Parameterinformationen 41 von dem Einheitsmodell, die zum Beispiel die Verteilungseinheitsparameterinformationen, beispielsweise die auf dem Einheitsmodell basierenden projizierten Schadensergebnisse aufweisen. In Block 90 lädt der Algorithmus Risikoanalysegleichungen oder greift auf Risikoanalysegleichungen zu, die zu jedem Fehlermechanismus gehören. Die Risikoanalysegleichungen konnen jede beliebige von verschiedenen Techniken verwenden, die in der Technik zur Modellierung der Verteilungskurven von zukünftigen Zuständen auf der Basis bekannter Daten bekannt sind. Zum Beispiel können die Risikoanalysegleichungen ein Weibull-loglineares Modell, ein Waibull-proportionales Schadensmodell oder ein Lognormal-loglinear-Modell verwenden.
In Block 92 berechnet der Algorithmus ein konditionales Risiko im Zusammenhang mit jedem bestimmten Fehlermechanismus unter Verwendung der Risikoanalysegleichungen. Das konditionale Risiko ist die Wahrscheinlichkeit dafür, dass ein Einheitsparameter zu irgendeinem Zeitpunkt in der Zukunft eine vorbestimmte Grenze erreicht oder überschreitet. Die vorbestimmte Parametergrenze kann jeder beliebige Zustand, jede beliebige Metrik, jedes beliebige Maß oder ein sonstiges durch den Benutzer festgelegtes Kriterium sein. Zum Beispiel kann die vorbestimmte Parametergrenze ein betrieblicher Grenzwert, wie beispielsweise eine Rissgröße, eines Teils oder einer Komponente sein, der, wenn er überschritten wird, eine Maßnahme durch den Benutzer, wie beispielsweise eine Durchführung einer zusätzlichen Inspektion, ein Entfernen des Teils oder der Komponente vom Betrieb, eine Reparatur des Teils oder der Komponente oder eine Beschrankung der Leistungsfähigkeit der Gasturbine im Einsatz 10, erfordern kann. Der Zeitpunkt in der Zukunft kann das nächste Inspektionsintervall fur die Gasturbine im Einsatz 10, gemessen chronologisch, anhand von Betriebsstunden, Startvorgängen, Abschaltvorgängen, unplanmaßigen Auslosungen oder beliebiger sonstiger Beanspruchungsdaten, die durch den Benutzer geliefert werden und mit dem Fehlermechanismus in Beziehung stehen, sein.
In Block 94 berechnet der Algorithmus die Betriebssicherheit bzw. Zuverlässigkeit bei dem derzeitigen Zustand in der Gasturbine im Einsatz 10. Die berechnete Zuverlässigkeit ist die Wahrscheinlichkeit, dass ein Teil oder eine Komponente in der Lage sein wird, die vorgesehene(n) Funktion(en) bei den bemessenen Grenzen wenigstens bis zu einem gewissen Zeitpunkt in der Zukunft erfolgreich zu erfüllen. Anders gesagt, ist die berechnete Zuverlässigkeit die Wahrscheinlichkeit dafür, dass ein Teil oder eine Komponente infolge eines identifizierten Fehlermechanismus vor einem gewissen Zeitpunkt in der Zukunft nicht ausfallen wird. Wie bei der Berechnung des konditionalen Risikos kann der Zeitpunkt in der Zukunft das nächste Inspektionsintervall für die Gasturbine im Einsatz 10 sein, wie es chronologisch, anhand von Betriebsstunden, Startvorgängen, Abschaltvorgängen, unplanmäßigen Auslosungen oder beliebigen sonstigen Beanspruchungsdaten gemessen wird, die durch den Benutzer bereitgestellt werden und mit dem Fehlermechanismus im Zusammenhang stehen.
In Block 96 berechnet der Algorithmus die restliche Nutzungslebensdauer für das Teil oder die Komponente, und 6 zeigt einen Algorithmus zur Durchführung dieser Berechnung. In den Blöcken 98 und 100 importiert der Algorithmus das Risikosignal 32 bzw. die aktualisierten Parameterinformationen 41, wie dies vorstehend im Zusammenhang mit den Blöcken 86 und 88 in 5 erläutert ist. In Block 102 berechnet der Algorithmus den mittleren Schadenswert für jeden bestimmten Fehlermechanismus für die Gasturbine im Einsatz 10. In Block 104 berechnet der Algorithmus die Wahrscheinlichkeit dafür, dass das Teil oder die Komponente eine vorbestimmte betriebliche Grenze an verschiedenen künftigen Beanspruchungszeitpunkten (z. B. Betriebsstunden, Startvorgängen, Abschaltvorgängen, unplanmäßigen Auslösungen, etc.) erreicht oder überschreitet. In Block 106 berechnet der Algorithmus den am meisten beschrankenden Beanspruchungszeitpunkt auf der Basis des zulässigen Risikoniveaus, wie es durch den Benutzer für jeden Fehlermechanismus bereitgestellt wird. Falls unter Verwendung der in den vorherigen Beispielen zur Veranschaulichung dargebotenen Daten der Benutzer ein zulässiges Risikoniveau von 5% für die Rissgroße bereitstellt und der vorbestimmte betriebliche Grenzwert für die Rissgröße 0,5 beträgt, berechnet der Block 106 des Algorithmus den Beanspruchungszeitpunkt, an dem das konditionale Risiko, dass eine Rissgröße von 0,5 vorliegen wird, 5% beträgt. In Block 108 berechnet der Algorithmus die restliche Nutzungslebensdauer des Teils oder der Komponente auf der Basis der Differenz zwischen dem momentanen Beanspruchungszeitpunkt und dem in Block 106 berechneten am meisten beschränkenden Beanspruchungszeitpunkt.
Zurückkehrend zu 5 erzeugt der Einheitsrisikoanalysealgorithmus das Ausgangssignal 42, das die Ergebnisse der Einheitsrisikoanalyse wiedergibt. Z. B. kann das Ausgangssignal 42 Reparaturplane 44 und/oder Wartungspläne 46 und/oder eine Nutzungslebensdauerprojektion für die Gasturbine im Einsatz 10 oder eine Komponente in dieser enthalten.
7 veranschaulicht in grafischer Weise hypothetische Schadensverlaufskurven, die durch den Einheitsrisikoanalysealgorithmus gemäß einer Ausführungsform der vorliegenden Erfindung erzeugt werden können. Die horizontale Achse reprasentiert das Beanspruchungsintervall (z. B. die Betriebsstunden, Startvorgänge, Abschaltvorgänge, unplanmäßige Auslösungen oder beliebige sonstige Beanspruchungsdaten im Zusammenhang mit einem Fehlermechanismus) zwischen Stillständen zur Reparatur und/oder Wartung, und die vertikale Achse repräsentiert das Maß der Beschädigung an einem Teil oder einer Komponente in der Gasturbine im Einsatz 10. Eine horizontale Linie über der Grafik repräsentiert die vorbestimmte Parametergrenze 110 oder betriebliche Grenze eines Teils oder einer Komponente, wie durch den Benutzer festgelegt.
Jede Kurve auf der Grafik in 7 repräsentiert eine hypothetische Schadensverlaufskurve. Z. B. spiegelt die mit 112 bezeichnete Kurve gemäß dem Flottenmodell ein Risiko von 5% dafür wieder, dass ein Teil oder eine Komponente, die keine detektierte Beschädigung aufweist, vor dem mit 114 bezeichneten Beanspruchungsintervall die vorbestimmte Parametergrenze 110 überschreiten wird. Die mit 116 bezeichnete Kurve spiegelt ein Risiko gemäß dem Flottenmodell von 95% dafür wieder, dass ein Teil oder eine Komponenten ohne eine detektierte Beschädigung vor dem mit 118 bezeichneten Beanspruchungsintervall die vorbestimmte Parametergrenze 110 überschreiten wird. Die mit 120 bezeichnete Kurve spiegelt ein Risiko gemäß dem aktualisierten Flottenmodell oder Einheitsmodell von 5% dafür wieder, dass ein Teil oder eine Komponente ohne eine detektierte Beschädigung vor dem mit 122 bezeichneten Beanspruchungsintervall die vorbestimmte Parametergrenze 110 überschreiten wird. Die mit 124 bezeichnete Kurve spiegelt ein Risiko gemäß dem aktualisierten Flottenmodell oder Einheitsmodell von 95% dafür wieder, dass ein Teil oder eine Komponente ohne eine detektierte Beschädigung vor dem mit 126 bezeichneten Beanspruchungsintervall die vorbestimmte Parametergrenze 110 überschreiten wird. Die verschiedenen Datenpunkte, die mit 128 bezeichnet sind, repräsentieren tatsächliche Inspektionsergebnisse, die vorstehend verschiedentlich als Einheitsparameterinformationen oder Schadensdaten 72 bezeichnet wurden und die anhand des Einheitsdatensignals 30 zu dem Prozessor 22 übermittelt werden. Erneut bezugnehmend auf 2 werden diese Schadensdaten 72 in Block 38 zu dem Einheitsmodell hinzugefügt, um die aktualisierten Parameterinformationen 41 zu erzeugen. Die Einheitsrisikoanalyse kombiniert die aktualisierten Parameterinformationen 41 mit Informationen in dem Risikosignal 32, um die tatsachliche Risikokurve für die Gasturbine im Einsatz 10 zu bestimmten.
8 veranschaulicht in grafischer Weise hypothetische Nutzungslebensdauerkurven, die durch den Algorithmus erzeugt werden, wie er vorstehend im Zusammenhang mit 6 erläutert ist. In dieser Darstellung repräsentiert die horizontale Achse die Beanspruchungsgrenze in Betriebsstunden, und die vertikale Achse repräsentiert die Beanspruchungsgrenze für Startvorgänge. Es können andere Beanspruchungsgrenzen in Abhängigkeit von verschiedenen Faktoren, wie beispielsweise dem Fehlermechanismus, dem speziellen Teil oder der speziellen Komponente, den Beanspruchungsdaten für die Gasturbine im Einsatz 10, etc. anwendbar sein. Die mit 130 bezeichnete Kurve repräsentiert eine hypothetische Nutzungslebensdauerkurve für ein Teil oder eine Komponente für einen bestimmten Fehlermechanismus. Der Punkt 132 reprasentiert eine vorgesehene Nutzungslebensdauer für ein Teil oder eine Komponenten fur eine gegebene Kombination von Startvorgängen und Betriebsstunden. Die mit 134 bezeichnete Kurve repräsentiert eine neue Nutzungslebensdauerkurve für das Teil oder die Komponente, wie sie durch die Blöcke 106 und 108 in 6 berechnet wird. Wie veranschaulicht, zeigt die neue Nutzungslebensdauerkurve 134 die erhöhte Anzahl von Startvorgängen und Betriebsstunden, die das Teil oder die Komponente aufweisen kann, bevor der Fehlermechanismus eintritt.
Diese Beschreibung verwendet Beispiele, um die Erfindung, einschließlich der besten Ausführungsart, zu offenbaren und auch um jedem Fachmann auf dem Gebiet zu ermöglichen, die Erfindung umzusetzen, wozu die Schaffung und Verwendung jeglicher Vorrichtungen oder Systeme und die Durchführung jeglicher enthaltener Verfahren gehören. Der patentierbare Umfang der Erfindung ist durch die Ansprüche definiert und kann weitere Beispiele enthalten, die Fachleuten auf dem Gebiet einfallen. Derartige weitere Beispiele sollen in dem Schutzumfang der Ansprüche liegen, wenn sie strukturelle Elemente enthalten, die sich von dem Wortsinn der Ansprüche nicht unterscheiden, oder wenn sie äquivalente strukturelle Elemente mit gegenüber dem Wortsinn der Ansprüche unwesentlichen Unterschieden enthalten.
Ein System 20 zur Überwachung einer Gasturbine 10 enthält eine Datenbank 26, die Informationen von vergleichbaren Gasturbinen enthält, und eine Eingabevorrichtung 34, die ein Einheitsdatensignal 30 und ein Risikosignal 32 erzeugt. Ein Prozessor 22, der mit dem Speicher und der Eingabevorrichtung 34 in Kommunikationsverbindung steht, nimmt das Einheitsdatensignal 30 in die Datenbank 26 auf, projiziert Informationen für die Gasturbine 10 in die Zukunft und berechnet ein konditionales Risiko dafür, dass die Gasturbine 10 eine Grenze erreichen wird. Ein Ausgangssignal 42 enthält Reparatur- oder Wartungszeitpläne. Ein Verfahren zum Überwachen einer Gasturbine 10 enthält ein Empfangen von Informationen von vergleichbaren Gasturbinen, Hinzufügen von Informationen von der Gasturbine 10 zu den Informationen von vergleichbaren Gasturbinen und Projizieren von Informationen für die Gasturbine 10 in die Zukunft. Das Verfahren enthält ferner ein Berechnen eines konditionalen Risikos dafür, dass die Gasturbine 10 eine Grenze erreichen wird, und Erzeugen eines Ausgangssignals 42, das Reparatur- oder Wartungszeitpläne enthält.
Bezugszeichenliste

10: Gasturbine
12: Verdichter
14: Brennkammer
16: Turbine
20: System
22: Prozessor
24: Flottenmodellsignal
26: Datenbank
28: Flottendatensignal
30: Einheitsdatensignal
32: Risikosignal
33: aktualisiertes Flottenmodellsignal
34: Eingabevorrichtung
36: Flottenmodellverifikationsblock
38: Einheitsmodellerzeugungsblock
40: Einheitsrisikoanalyseblock
41: Parameterinformationen vom Einheitsmodell
42: Ausgangssignal
44: Reparaturplan
46: Wartungsplan
48: Nutzungslebensdauerprojektion
50: Flottendatenimportblock
52: Flottenbeanspruchungsdaten
54: Flottenschadensdaten
56: Flottendatensortierungsblock
58: Flottendatengruppierungsblock
60: Flottenvergleichsblock
62: Flottenaktualisierungsblock
66: Flottenflagblock
68: Einheitsdatenimportblock
70: Einheitsbeanspruchungsdaten
72: Einheitsschadensdaten
74: Einheitsdatensortierungsblock
76: Einheitsdatengruppierungsblock
78: Einheitsvergleichsblock
80: Einheitsaktualisierungsblock
84: Einheitsflagblock
86: Eingabeblock der Einheitsrisikoanalyse
88: Importblock der Einheitsrisikoanalyse
90: Risikoanalysegleichungsladeblock der Einheitsrisikoanalyse
92: Konditionalrisikoberechnungsblock der Einheitsrisikoanalyse
94: Zuverlässigkeitsberechnungsblock der Einheitsrisikoanalyse
96: Nutzungslebensdauerberechnungsblock der Einheitsrisikoanalyse
98: Eingabeblock für die Nutzungslebensdauerberechnung
100: Importblock für die Nutzungslebensdauerberechnung
102: Schadensmittelwertberechnungsblock für die Nutzungslebensdauerberechnung
104: Fehlerwahrscheinlichkeitsberechnungsblock für die Nutzungslebensdauerberechnung
106: Berechnung der Ausfallzeit beim Risiko für die Nutzungslebensdauerberechnung
108: Berechnung der restlichen Nutzungslebensdauer für die Nutzungslebensdauerberechnung
110: betriebliche Grenze
112: 5%-Flottenkurve
114: 5%-Flottengrenze
116: 95%-Flottenkurve
118: 95%-Flottengrenze
120: 5%-Einheitskurve
122: 5%-Einheitsgrenze
124: 95%-Einheitskurve
126: 95%-Einheitsgrenze
128: Einheitsdaten
130: hypothetische Nutzungslebensdauerkurve
132: vorgesehenes Lebensende
134: Kurve des neuen Lebensendes

Claims

System (20) zur Überwachung des Verhaltens einer Gasturbine im Einsatz (10), das aufweist: a) ein Speicherelement, das eine Datenbank (26) mit Parameterinformationen von vergleichbaren Gasturbinen enthält; b) eine Eingabevorrichtung (34), wobei die Eingabevorrichtung (34) ein Einheitsdatensignal (30), das Parameterinformationen von der Gasturbine im Einsatz (10) enthält, und ein Risikosignal (32) erzeugt, das einen Risikowert für die Gasturbine im Einsatz (10) enthält; einen Prozessor (22) in Kommunikationsverbindung mit dem Speicherelement und der Eingabevorrichtung (34), wobei der Prozessor (22) das Eingangsdatensignal (30) in die Datenbank (26) mit Parameterinformationen von vergleichbaren Gasturbinen aufnimmt, Parameterinformationen fur die Gasturbine im Einsatz (10) in die Zukunft projiziert und ein konditionales Risiko dafür berechnet, dass die projizierten Parameterinformationen für die Gasturbine im Einsatz (10) eine vorbestimmte Parametergrenze erreichen werden; und c) ein Ausgangssignal (42), das durch den Prozessor (22) erzeugt wird, wobei das Ausgangssignal (42) wenigstens entweder Reparatur- und/oder Wartungsplanungsinformationen enthält.
System (20) nach Anspruch 1, das ferner ein Flottenmodellsignal (24) zwischen der Datenbank (26) und dem Prozessor (22) aufweist, wobei das Flottenmodellsignal (24) Parameterinformationen von vergleichbaren Gasturbinen enthält.
System (20) nach einem beliebigen der Ansprüche 1 oder 2, wobei die Datenbank (26) mit Parameterinformationen von vergleichbaren Gasturbinen Daten enthält, die wenigstens entweder den Betrieb und/oder Reparaturen und/oder Wartungsmaßnahmen der vergleichbaren Gasturbinen wiedergeben.
System (20) nach einem beliebigen der Ansprüche 1–3, wobei das Einheitsdatensignal (30) Daten enthalt, die wenigstens entweder den Betrieb und/oder Reparaturen und/oder die Wartung der Gasturbine im Einsatz (10) wiedergeben.
System (20) nach einem beliebigen der Ansprüche 1–4, wobei der Prozessor (22) das Ausgangssignal (42) auf der Basis eines Vergleichs des konditionalen Risikos mit dem Risikowert erzeugt.
System (20) nach einem beliebigen der Anspruche 1–5, wobei das Ausgangssignal (42) eine projizierte Nutzungslebensdauer einer Komponente in der Gasturbine im Einsatz (10) enthält.
Verfahren zum Überwachen des Verhaltens einer Gasturbine im Einsatz (10), das aufweist: a) Empfangen von Parameterinformationen von vergleichbaren Gasturbinen; b) Hinzufügen von Parameterinformationen von der Gasturbine im Einsatz (10) zu den Parameterinformationen von vergleichbaren Gasturbinen; c) Projizieren der Parameterinformationen für die Gasturbine im Einsatz (10) in die Zukunft; d) Berechnen eines konditionalen Risikos dafür, dass die projizierten Parameterinformationen für die Gasturbine im Einsatz (10) eine vorbestimmte Parametergrenze erreichen werden; und e) Erzeugen eines Ausgangssignals (42), das wenigstens entweder einen Reparaturplan und/oder einen Wartungsplan fur die Gasturbine im Einsatz (10) enthält, auf der Basis des konditionalen Risikos.
Verfahren nach Anspruch 7, das ferner ein Vergleichen des konditionalen Risikos mit einem vorbestimmten Risikowert aufweist.
Verfahren nach Anspruch 8, das ferner ein Hinauszögern einer Reparatur oder Wartung enthält, falls das konditionale Risiko kleiner ist als der vorbestimmte Risikowert.
Verfahren nach Anspruch 8, das ferner ein Vorziehen einer Reparatur oder Wartung enthält, falls das konditionale Risiko nicht kleiner ist als der vorbestimmte Risikowert.