DE102020111934A1

DE102020111934A1 - Turbomaschine und Verfahren zur Überwachung für eine solche Turbomaschine

Info

Publication number: DE102020111934A1
Application number: DE102020111934.8A
Authority: DE
Inventors: Alexander Sobolyev
Original assignee: MAN Energy Solutions SE
Current assignee: MAN Energy Solutions SE
Priority date: 2020-05-04
Filing date: 2020-05-04
Publication date: 2021-11-04

Abstract

Die Erfindung betrifft ein Verfahren zur Überwachung einer Turbomaschine (1) mit einer Sensorik (2) zur kontinuierlichen Ermittlung von aktuellen Turbomaschinenbetriebsparametern (3) und einem Steuergerät (4) zur Verarbeitung der Turbomaschinenbetriebsparametern (3) wobei in dem Steuergerät (4) für die entsprechenden Turbomaschinenbetriebsparametern (3) Grenzwerte (5) hinterlegt sind undwobei das Verfahren die folgenden Schritte umfasst:- kontinuierliches Erfassen der aktuellen Turbomaschinenbetriebsparametern (3) mittels der Sensorik (2) und- Vergleichen der aktuellen Turbomaschinenbetriebsparametern (3) mit den im Steuergerät (4) hinterlegten Grenzwerten (5), wobei in dem Steuergerät (4) ein künstliches neuronales Netz (6) hinterlegt ist, das bei Verletzung eines Grenzwerts (5) einen virtuellen Betriebsparameter (7) für den entsprechenden Turbomaschinenbetriebsparameter (3) ermittelt und dem Steuergerät (4) zur Überwachung der Turbomaschine (1) bereitstellt, um den Betrieb trotz Verletzung eines Grenzwerts (5) aufrecht zu erhalten. Ferner betrifft die Erfindung eine Vorrichtung zur Durchführung des Verfahrens.

Description

Die Erfindung betrifft ein Verfahren zur Überwachung einer Turbomaschine mit einer Sensorik zur kontinuierlichen Ermittlung von aktuellen Turbomaschinenbetriebsparametern und einem Steuergerät zur Verarbeitung der Turbomaschinenbetriebsparameter und zur Überwachung der Turbomaschine, sowie eine Vorrichtung zur Durchführung des Verfahrens.
Die Anlagenverfügbarkeit spielt, insbesondere in der stromproduzierenden Industrie sowie der Prozessindustrie, eine sehr wichtige Rolle. Die Produktionsausfallkosten durch ungeplante Abschaltungen einer Anlage können bis zur Hälfte sämtlicher laufenden Kosten bei dem Betreiber eines Kraftwerks betragen.
Turbomaschinenstränge verfügen über eine große Anzahl von Messstellen, die für die Überwachung der Maschinen- und Prozessparameter eingesetzt werden. Die Messsignale werden in der Regel in einem Abschaltsystem verarbeitet. Die Anlagenabschaltung erfolgt bei Verletzung des in der Steuerung eingestellten Schwellenwertes, wie beispielsweise einer überhöhten Temperatur. Bei nichtredundanten Messungen ist der Ausfall einer Messung, z.B. des Transmitters, aus der Sicht der sicherheitsrelevanten Überwachung problematisch, da dann keine Informationen über den zu messenden Parameter vorliegen.
Die aktuellen Lösungen beim Ausfall der Messung basieren auf der Umschaltung auf einen fest voreingestellten Ersatzwert. Aus sicherheitstechnischen Gründen wird dieser Ersatzwert in der Regel derart gewählt, dass ein sicherheitsrelevanter Schwellenwert bei der Umschaltung auf den Ersatzwert definitiv verletzt und als Folge die Abschaltung der Anlage verursacht wird.
Darüber hinaus kann eine Schwellenwertverletzung nicht nur durch physikalische Änderung des Messparameters erfolgen, sondern auch durch äußere Einflüsse, wie beispielsweise einem Messsignal-Peak durch EMV-Einstrahlung, oder Veränderungen in der Elektronik, wie z.B. elektrische Drift. Diese Abschaltungen werden als unecht bezeichnet, reduzieren die Anlagenverfügbarkeit und sollen deshalb weitestgehend vermieden werden.
Es ist daher Aufgabe der vorliegenden Erfindung ein Verfahren zur Überwachung einer Turbomaschine sowie eine Vorrichtung zur Durchführung des Verfahrens bereitzustellen, bei dem/der die Anzahl insbesondere von unerwünschten Abschaltungen reduziert und die Anlagenverfügbarkeit gesteigert ist.
Diese Aufgabe wird durch die Merkmalskombination gemäß Patentanspruch 1 gelöst.
Erfindungsgemäß wird ein Verfahren zur Überwachung einer Turbomaschine mit einer Sensorik zur kontinuierlichen Ermittlung von aktuellen Turbomaschinenbetriebsparametern und einem Steuergerät zur Verarbeitung der Turbomaschinenbetriebsparameter und zur Überwachung der Turbomaschine vorgeschlagen, bei dem in dem Steuergerät für die entsprechenden Turbomaschinenbetriebsparametern Grenzwerte hinterlegt sind. Das Verfahren umfasst die folgenden Schritte:

- kontinuierliches Erfassen der aktuellen Turbomaschinenbetriebsparametern mittels der Sensorik und
- Vergleichen der aktuellen Turbomaschinenbetriebsparametern mit den im Steuergerät hinterlegten Grenzwerten.

Ferner ist in dem Steuergerät ein künstliches neuronales Netz insbesondere als virtuelle Sensorik hinterlegt, das bei Verletzung eines Grenzwerts einen virtuellen Betriebsparameter für den entsprechenden Turbomaschinenbetriebsparameter ermittelt und dem Steuergerät zur Überwachung der Turbomaschine bereitstellt, um den Betrieb der Turbomaschine trotz Verletzung eines Grenzwerts aufrecht zu erhalten.
Ein Grundgedanke der Erfindung betrifft die Anwendung eines sequentiell angelernten künstlichen neuronalen Netzes mittels dem der jeweilige virtuelle Betriebsparameter aus Eingangsparametern ermittelt werden kann. Mit diesem virtuellen Betriebsparameter kann der Betrieb der Turbomaschine aufrechterhalten werden und ein pauschales Verletzen eines sicherheitsrelevanten Schwellenwerts ist obsolet. Die Turbomaschine kann folglich für jeden virtuellen Betriebsparameter bzw. den entsprechenden Turbomaschinenbetriebsparameter weiterbetrieben werden, wodurch die Anzahl von unechten Abschaltungen reduziert und die Anlagenverfügbarkeit gesteigert wird.
Das erfindungsgemäße Verfahren wird in einer Ausführungsvariante derart durchgeführt, dass das künstliche neuronale Netz zur Ermittlung des virtuellen Betriebsparameters zu dem entsprechenden Turbomaschinenbetriebsparameter korrelierende aktuelle Turbomaschinenbetriebsparametern nutzt.
Die relevanten Parameter, aus denen der virtuelle Betriebsparameter, vorzugsweise ein Volumenstrom bzw. Druck, bestimmt wird, sind demnach die Eingangsgrößen des neuronalen Netzes. Die relevanten Parameter sind diejenigen Parameter, die physikalisch Einfluss auf den entsprechenden Turbomaschinenbetriebsparameter haben. Diese sind z. B. bei dem Volumenstrom eine Rotationsgeschwindigkeit bzw. Drehzahl der Turbomaschine. Soll das neuronale Netz den Volumenstrom bzw. den Druck beispielsweise bei unterschiedlichen Temperaturen bestimmen, wird ebenfalls die aktuelle Temperatur als Eingangsparameter verwendet. Soll der Volumenstrom unabhängig vom aktuellen Luftdruck bestimmt werden, kann dieser ebenfalls als Eingangsvariable verwendet werden. Die Anzahl der Eingangsparameter bestimmt die Anzahl der Eingangsneuronen des künstlichen neuronalen Netzes. Durch die korrelierenden aktuellen Turbomaschinenbetriebsparameter können somit sämtliche für den Betrieb der Turbomaschine relevanten virtuellen Betriebsparameter ermittelt werden.
In einer vorteilhaften Ausführung des vorliegenden Verfahrens ist ferner vorgesehen, dass das künstliche neuronale Netz kontinuierlich virtuelle Betriebsparameter für die entsprechenden Turbomaschinenbetriebsparameter ermittelt. Dabei ist günstig, dass dem Steuergerät die virtuellen Betriebsparameter bereits bei einem fehlerfreien Betrieb vorliegen und bei einer Verletzung eines Grenzwerts der Betrieb unmittelbar durch das Steuergerät auf Basis der virtuellen Parameter aufrechterhalten werden kann.
In einer bevorzugten Ausführungsform des Verfahrens werden die entsprechenden virtuellen Betriebsparameter dem künstlichen neuronalen Netz mittels eines Algorithmus, vorzugsweise eines Fehlerrückführungsalgorithmus, anhand der korrelierenden aktuellen Turbomaschinenbetriebsparameter angelernt. Während des Anlernens liegen sämtliche Turbomaschinenbetriebsparameter innerhalb der entsprechenden Grenzwerte. Auf diese Weise werden nur bei einem fehlerfreien Betrieb die Daten für einen fehlerfreien Betrieb ermittelt und Folgefehler aufgrund fehlerhafter Daten beim Anlernen vermieden. Der virtuelle Betriebsparameter wird dabei mittels eines künstlichen neuronalen Netzes auf Basis eines sequentiellen Lernverfahrens aus einer Anzahl an Lernschritten bestimmt, bei der eine Verknüpfung von künstlichen Neuronen in einer oder mehreren Schichten vorgesehen ist. Ferner ist wenigstens eine Eingangsschicht enthalten, um eine Anzahl von Eingangsparametern zu verarbeiten, welche einen direkten oder indirekten Einfluss auf die Turbomaschinenbetriebsparameter haben. Ist das neuronale Netz nach ausreichendem Anlernprozess eingelernt, lässt sich für die Turbomaschine der entsprechende virtuelle Betriebsparameter des Turbomaschinenbetriebsparameters bestimmen und sich die Turbomaschine mittels des Steuergeräts im Betrieb regeln.
Besonders vorteilhaft ist es, wenn zunächst eine Anzahl an tatsächlichen Messdaten von physikalischen Größen der Turbomaschine über seinen gesamten Betriebsbereich erfasst werden, wobei die Messdaten mindestens die Eingangsparameter enthalten sowie den oder die zu bestimmenden Ausgabeparameter und dann das künstliche neuronale Netz mit diesen Eingangs- und Ausgangsparametern auf Basis eines mehrere Variablen aufweisenden vorbestimmten Algorithmus angelernt wird und die Variablen des Algorithmus in jeder Rechensequenz des neuronalen Netzes so bestimmt werden, dass die Ausgabe des neuronalen Netzes möglichst zunehmend mit den gemessenen Daten übereinstimmt.
Weiter vorteilhaft ist es, wenn das künstliche neuronale Netz aus einem Fehlerrückführungsalgorithmus bzw. Backpropagation-Algorithmus gebildet ist. Dabei wird ein Eingabemuster angelegt und vorwärts durch das Netz propagiert. Die Ausgabe des Netzes wird mit der Soll-Ausgabe verglichen und die Differenz der beiden Werte wird als Fehler des Netzes erachtet. Der Fehler wird anschließend über die Ausgabe- zur Eingabeschicht zurück propagiert. Dabei werden die Gewichtungen der Neuronenverbindungen abhängig von ihrem Einfluss auf den Fehler angepasst. Auf diese Weise nähert sich die Ausgabe eines künstlichen Neurons bei einer erneuten Eingabe an die Soll-Ausgabe an.
Bei dem Backpropagation- Algorithmus lassen sich die Neuronenausgabe _Oj eines künstlichen Neurons j durch $o_{j} = φ ({net}_{j})$
und die Netzeingabe net_j durch ${net}_{j} = \sum_{i = 1}^{n} x_{i} w_{i j}$
definieren.
Dabei ist
φ eine differenzierbare Aktivierungsfunktion deren Ableitung nicht überall gleich null ist,
n die Anzahl der Eingaben,
X_i die Eingabe i und
w_ij die Gewichtung zwischen Eingabe i und Neuron j.
Aus den einzelnen Termen kann die folgende Formel berechnet werden, deren Herleitung davon abhängig ist, ob das Neuron in der Ausgabeschicht liegt und somit direkt an der Ausgabe beteiligt ist oder ob es in einer verdeckten Schicht liegt und die Anpassung folglich nur indirekt berechnet werden kann: $Δ w_{i j} = - η \frac{\partial E}{\partial w_{i j}} = - η δ_{j} o_{i}$
mit $δ_{j} = {\begin{array}{l} φ' ({net}_{j}) (o_{j} - t_{j}) falls j Ausgabeneuron ist, \\ φ' ({net}_{j}) \sum_{k} δ_{k} w_{i k} falls j verdecktes Neuron ist . \end{array}$
Dabei ist
Δw_ij die Änderung des Gewichts w_ij der Verbindung von Neuron i zu Neuron j,
η eine feste Lernrate, mit der die Stärke der Gewichtsänderungen bestimmt werden kann,
δ_j das Fehlersignal des Neurons j, entsprechend zu $\frac{\partial E}{\partial {net}_{j}}$

t_j die Soll-Ausgabe des Ausgabeneurons j,
o_i die Ausgabe des Neurons i,
o_j die Ist-Ausgabe des Ausgabeneurons j und
k der Index der nachfolgenden Neuronen von j.
Die Variable δ_j geht dabei auf die Unterscheidung der Neuronen ein. Liegt das Neuron in einer verdeckten Schicht, wird seine Gewichtung abhängig von dem Fehler geändert, den die nachfolgenden Neuronen erzeugen, welche wiederum ihre Eingaben aus dem betrachteten Neuron beziehen.
Die Änderung der Gewichte kann nun wie folgt vorgenommen werden: $w_{i j}^{neu} = w_{i j}^{alt} + Δ w_{i j} .$
Dabei ist
$w_{i j}^{neu}$
neu der neue Wert des Gewichts,
$w_{i j}^{alt}$
der alte Wert des Gewichts und
Δw_ij die oben berechnete Änderung des Gewichts basierend auf $w_{i j}^{alt} .$
Es ist dabei günstig, wenn die entsprechenden Parameter zum Anlernen des neuronalen Netzes schrittweise je Rechensequenz angepasst werden, solange bis die vom neuronalen Netz ermittelten Ausgangsneuronen einen virtuellen Betriebsparameter repräsentieren, der dem tatsächlichen gemessenen aktuellen Turbomaschinenbetriebsparameter mit einer Abweichung kleiner als einer vorgegebenen maximal zulässigen Abweichung entspricht. Anders ausgedrückt, ist dann das neuronale Netz ausreichend eingelernt, um die gewünschten Größen sensorlos mit ausreichender Genauigkeit bestimmen zu können.
In einer vorteilhaften Ausführung des Verfahren gilt ein virtueller Betriebsparameter als angelernt, sobald ein Verhältnis von virtuellem Betriebsparameter zu aktuellen Turbomaschinenbetriebsparametern in einem vorbestimmten Bereich liegt, insbesondere einem Bereich von 0,95 bis 1,05. Vorteilhaft daran ist, dass der vorbestimmte Bereich beliebig wählbar ist, sodass die Genauigkeit des virtuellen Betriebsparameters bestimmbar ist und ein dieser Genauigkeit entsprechender günstiger Betriebspunkt einstellbar ist.
In einem weiteren vorteilhaften Ausführungsbeispiel des Verfahrens ist vorgesehen, dass ein angelernter virtueller Betriebsparameter erneut angelernt wird, sobald das Verhältnis von virtuellem Betriebsparameter zu aktuellen Turbomaschinenbetriebsparametern außerhalb eines vorbestimmten Bereichs, insbesondere eines Bereichs von 0,9 bis 1,1, liegt. Auf diese Weise wird einem Abweichen von einem günstigen Betriebspunkt entgegengewirkt und vermieden bzw. sofern es zu einer Abweichung kommt, diese korrigiert.
Darüber hinaus ist eine Ausführungsvariante günstig, bei der in dem Steuergerät eine kontinuierliche Plausibilitätsüberprüfung mittels des Verhältnisses von aktuellen Turbomaschinenbetriebsparametern zu dem entsprechenden virtuellen Betriebsparameter ermittelt wird. Dabei ist ein Grenzwert verletzt, sobald dieses Verhältnis außerhalb eines vorbestimmten Bereichs, insbesondere eines Bereichs von 0,8 bis 1,2, liegt und einen Änderungsrate des aktuellen Turbomaschinenbetriebsparameters höher als 10% ist. Vorteilhaft daran ist, dass bei nicht plausiblen Messwerten eine Umschaltung auf den virtuellen Betriebsparameter erfolgt, die beispielsweise aufgrund von EMV-Strahlung entstehen können. Dementsprechend können diese Ausreißer bzw. Signal-Peaks oder Messfehler berücksichtigt und ein sicherer und gleichmäßiger Betrieb der Turbomaschine aufrechterhalten werden.
In einer Ausführungsvariante des Verfahrens ist vorgesehen, dass ein Ausfall einer Erfassung eines der aktuellen Turbomaschinenbetriebsparameter eine Verletzung eines Grenzwerts darstellt. Dies ist ein besonders günstiger Fall einer Verletzung eines Grenzwerts, da dieser bislang eine unechte Abschaltung der Turbomaschine als Folge hatte und fortan der Betrieb aufrecht erhalten werden kann. Nach der Umschaltung wird für die Überwachung in dem Steuergerät der virtuelle Betriebsparameter verwendet bis der physische Sensor repariert bzw. ausgetauscht ist. Ferner ist eine beliebige Anzahl weiterer geeigneter Grenzwerte bestimmbar, die an den entsprechenden Anwendungsfall anpassbar sind.
In einer vorteilhaften Ausführungsform ist vorgesehen, dass das Steuergerät die Turbomaschine abschaltet, sobald ein aktueller Turbomaschinenbetriebsparameter oder ein entsprechender virtueller Betriebsparameter einen sicherheitsrelevanten Schwellenwert überschreitet.
Auf diese Weise wird eine sicherheitsbedingte Abschaltung umgesetzt und die unmittelbare Betriebssicherheit gewährleistet. Als Wert können beispielsweise sämtliche kritischen Betriebspunkte der Turbomaschine definiert werden, an denen Komponenten der Turbomaschine beschädigt werden oder ein fehlerfreier Betrieb nicht gewährleistet ist.
Erfindungsgemäß wird ferner eine Vorrichtung zur Durchführung eines Verfahrens zur Überwachung einer Turbomaschine entsprechend den vorstehenden Merkmalen vorgeschlagen, die eine Sensorik zur kontinuierlichen Ermittlung von aktuellen Turbomaschinenbetriebsparametern und ein Steuergerät zur Verarbeitung der Turbomaschinenbetriebsparametern und zur Regelung der Turbomaschine umfasst. In dem Steuergerät sind für die entsprechenden Turbomaschinenbetriebsparameter Grenzwerte hinterlegt. Darüber hinaus umfasst das Steuergerät ein künstliches neuronales Netz, das konfiguriert ist, bei Verletzung eines Grenzwerts einen virtuellen Betriebsparameter für den entsprechenden Turbomaschinenbetriebsparameter zu ermitteln und dem Steuergerät zur Überwachung der Turbomaschine bereitzustellen, um den Betrieb der Turbomaschine trotz Verletzung eines Grenzwerts aufrecht zu erhalten.
Andere vorteilhafte Weiterbildungen der Erfindung sind in den Unteransprüchen gekennzeichnet bzw. werden nachstehend zusammen mit der Beschreibung der bevorzugten Ausführung der Erfindung anhand der Figuren näher dargestellt. Es zeigen:

1 eine schematische Darstellung einer Vorrichtung zur Durchführung eines Verfahrens zur Überwachung einer Turbomaschine mit einem in einem Steuergerät hinterlegten künstlichen neuronalen Netz und
2 eine schematische Darstellung des künstlichen neuronalen Netzes zur Durchführung des Verfahrens für die Turbomaschine.

In 1 zeigt eine schematische Darstellung einer Vorrichtung zur Durchführung eines Verfahrens für eine Turbomaschine 1 mit einem in einem Steuergerät 4 hinterlegten künstlichen neuronalen Netz 6. Die Turbomaschine 1 umfasst eine Sensorik 2 zur kontinuierlichen Ermittlung von aktuellen Turbomaschinenbetriebsparametern 3 und ein Steuergerät 4 zur Verarbeitung der Turbomaschinenbetriebsparameter 3 und zur Überwachung der Turbomaschine 1. Ferner sind in dem Steuergerät 4 Grenzwerte 5 für den Turbomaschinenbetriebsparametern 3 hinterlegt.
Das Verfahren umfasst die folgenden Schritte:

- kontinuierliches Erfassen der aktuellen Turbomaschinenbetriebsparametern 3 mittels der Sensorik 2 und
- Vergleichen der aktuellen Turbomaschinenbetriebsparameter 3 mit den im Steuergerät 4 hinterlegten Grenzwerten 5.

Zur Aufrechterhaltung des Betriebs trotz Verletzung eines Grenzwerts 5 ist in dem Steuergerät 4 ein künstliches neuronales Netz 6 hinterlegt, das bei einem Verletzung von wenigstens einem der Grenzwerte 5 einen virtuellen Betriebsparameter 7 für den entsprechenden Turbomaschinenbetriebsparameter 3 zur Überwachung der Turbomaschine 1 ermittelt und dem Steuergerät 4 bereitstellt. Das künstliche neuronale Netz 6 nutzt zur Ermittlung des virtuellen Betriebsparameters 7 aktuelle Turbomaschinenbetriebsparameter 8, die zu dem entsprechenden Turbomaschinenbetriebsparameter 3 korrelieren. Ferner erfolgt die Ermittlung der virtuelle Betriebsparameter 7 kontinuierlich durch das künstliche neuronale Netz 6. Ein Ausfall einer Erfassung eines der aktuellen Turbomaschinenbetriebsparametern 3 stellt dabei eine Verletzung eines Grenzwerts 5 dar.
Ferner schaltet das Steuergerät 4 die Turbomaschine ab, sobald ein aktueller Turbomaschinenbetriebsparameter 3 oder ein entsprechender virtueller Betriebsparameter 7 einen sicherheitsrelevanten Schwellenwert 9 überschreitet.
Darüber hinaus wird in dem Steuergerät 4 eine kontinuierliche Plausibilitätsüberprüfung 10 mittels des Verhältnisses von aktuellen Turbomaschinenbetriebsparametern 3 zu dem entsprechenden virtuellen Betriebsparameter 7 durchgeführt. Dabei gilt ein Grenzwert 5 als verletzt, sobald dieses Verhältnis außerhalb eines Bereichs von 0,8 bis 1,2, liegt und eine Änderungsrate des aktuellen Turbomaschinenbetriebsparameters 3 höher als 10% ist.
2 zeigt eine schematische Darstellung des künstlichen neuronalen Netzes 6 zur Durchführung des Verfahrens für die Turbomaschine 1. Der zu bestimmende aktuelle Turbomaschinenbetriebsparameter 3 ist eine Temperatur. Zur Ermittlung der virtuellen Temperatur 7 werden die korrelierenden aktuellen Turbomaschinenbetriebsparameter 8 verwendet. Der zur Temperatur 3 korrelierende Druck 8 und eine weitere zur Temperatur 3 korrelierende und von der Sensorik 2 ermittelte Temperatur 8 und der dazu entsprechende Druck 8 werden zusätzlich dem künstlichen neuronalen Netz zur Verfügung gestellt. Die entsprechende virtuelle Temperatur 7 wird dabei dem künstlichen neuronalen Netz 6 mittels eines Fehlerrückführungsalgorithmus anhand des korrelierenden aktuellen Drucks 8, der korrelierenden Temperatur 8 und des dazu korrelierenden Drucks 8 angelernt. Während des Anlernens liegen sämtliche Turbomaschinenbetriebsparameter 3 innerhalb der entsprechenden Grenzwerte 5.
Beim Anlernprozess gilt die virtuelle Temperatur 7 als angelernt, sobald ein Verhältnis der virtuellen Temperatur 7 zu aktuellen Temperatur 3 in einem Bereich von 0,95 bis 1,05 liegt. Befindet sich das Verhältnis von virtueller Temperatur 7 zur aktuellen Temperatur 3 außerhalb eines Bereichs von 0,9 bis 1,1 wird ein angelernter virtueller Betriebsparameter 7 erneut angelernt.
Bezugszeichenliste

1: Turbomaschine
2: Sensorik
3: Turbomaschinenbetriebsparameter
4: Steuergerät
5: Grenzwert
6: künstliches neuronales Netz
7: virtueller Betriebsparameter
8: korrelierender aktueller Turbomaschinenbetriebsparameter
9: Schwellenwert
10: Plausibilitätsüberprüfung

Claims

Verfahren zur Überwachung einer Turbomaschine (1) mit einer Sensorik (2) zur kontinuierlichen Ermittlung von aktuellen Turbomaschinenbetriebsparametern (3) und einem Steuergerät (4) zur Verarbeitung der Turbomaschinenbetriebsparameter (3), wobei in dem Steuergerät (4) für die entsprechenden Turbomaschinenbetriebsparametern (3) Grenzwerte (5) hinterlegt sind und wobei das Verfahren die folgenden Schritte umfasst: - kontinuierliches Erfassen der aktuellen Turbomaschinenbetriebsparametern (3) mittels der Sensorik (2) und - Vergleichen der aktuellen Turbomaschinenbetriebsparametern (3) mit den im Steuergerät (4) hinterlegten Grenzwerten (5), wobei in dem Steuergerät (4) ein künstliches neuronales Netz (6) hinterlegt ist, das bei Verletzung eines Grenzwerts (5) einen virtuellen Betriebsparameter (7) für den entsprechenden Turbomaschinenbetriebsparameter (3) ermittelt und dem Steuergerät (4) zur Überwachung der Turbomaschine (1) bereitstellt, um den Betrieb der Turbomaschine trotz Verletzung eines Grenzwerts (5) aufrecht zu erhalten.
Verfahren gemäß Anspruch 1, wobei das künstliche neuronale Netz (6) zur Ermittlung des virtuellen Betriebsparameters (7) zu dem entsprechenden Turbomaschinenbetriebsparameter (3) korrelierende aktuelle Turbomaschinenbetriebsparametern (8) nutzt.
Verfahren gemäß Anspruch 1 oder 2, wobei das künstliche neuronale Netz (6) kontinuierlich virtuelle Betriebsparameter (7) für die entsprechenden Turbomaschinenbetriebsparameter (3) ermittelt.
Verfahren gemäß einem der Ansprüche 2 oder 3, wobei die entsprechenden virtuellen Betriebsparameter (7) dem künstlichen neuronalen Netz (6) mittels eines Algorithmus, vorzugsweise eines Fehlerrückführungsalgorithmus, anhand der korrelierenden aktuellen Turbomaschinenbetriebsparameter (8) angelernt werden, wobei beim Anlernen sämtliche Turbomaschinenbetriebsparameter (3) innerhalb der entsprechenden Grenzwerte (5) liegen.
Verfahren gemäß Anspruch 4, wobei ein virtueller Betriebsparameter (7) als angelernt gilt, sobald ein Verhältnis von virtuellem Betriebsparameter (7) zu aktuellen Turbomaschinenbetriebsparametern (3) in einem vorbestimmten Bereich, insbesondere einem Bereich von 0,95 bis 1,05, liegt.
Verfahren gemäß Anspruch 5, wobei ein angelernter virtueller Betriebsparameter (7) erneut angelernt wird, sobald das Verhältnis von virtuellem Betriebsparameter (7) zu aktuellen Turbomaschinenbetriebsparametern (3) außerhalb eines vorbestimmten Bereichs, insbesondere eines Bereichs von 0,9 bis 1,1, liegt.
Verfahren gemäß einem der vorhergehenden Ansprüche, wobei in dem Steuergerät (4) eine kontinuierliche Plausibilitätsüberprüfung (10) mittels des Verhältnis von aktuellen Turbomaschinenbetriebsparametern (3) zu dem entsprechenden virtuellen Betriebsparameter (7) durchgeführt wird, wobei ein Grenzwert (5) verletzt ist, sobald dieses Verhältnis außerhalb eines vorbestimmten Bereichs, insbesondere eines Bereichs von 0,8 bis 1,2, liegt und einen Änderungsrate des aktuellen Turbomaschinenbetriebsparameters (3) höher als 10% ist.
Verfahren gemäß einem der vorhergehenden Ansprüche, wobei ein Ausfall einer Erfassung eines der aktuellen Turbomaschinenbetriebsparametern (3) eine Verletzung eines Grenzwerts (5) darstellt.
Verfahren gemäß einem der vorhergehenden Ansprüche, wobei das Steuergerät (4) die Turbomaschine abschaltet, sobald ein aktueller Turbomaschinenbetriebsparameter (3) oder ein entsprechender virtueller Betriebsparameter (7) einen sicherheitsrelevanten Schwellenwert (9) verletzt.
Vorrichtung zur Durchführung eines Verfahrens zur Überwachung einer Turbomaschine (1) gemäß einem der vorhergehenden Ansprüche mit einer Sensorik (2) zur kontinuierlichen Ermittlung von aktuellen Turbomaschinenbetriebsparametern (3) und einem Steuergerät (4) zur Verarbeitung der Turbomaschinenbetriebsparametern (3) (1), wobei in dem Steuergerät (4) für die entsprechenden Turbomaschinenbetriebsparametern (3) Grenzwerte (5) hinterlegt sind und wobei in dem Steuergerät (4) ein künstliches neuronales Netz (6) hinterlegt ist, das konfiguriert ist, bei Verletzung eines Grenzwerts (5) einen virtuellen Betriebsparameter (7) für den entsprechenden Turbomaschinenbetriebsparameter (3) zu ermitteln und dem Steuergerät (4) zur Überwachung der Turbomaschine (1) bereitzustellen, um den Betrieb der Turbomaschine trotz Verletzung eines Grenzwerts (5) aufrecht zu erhalten.