[发明专利]用于分析燃气轮机的运行的方法

说明书

技术领域

本发明涉及一种用于分析燃气轮机的运行的方法，以及一种用于监视燃气轮机的运行的方法。

背景技术

用于发电和工业应用以及航空推进设备的现代燃气轮机大多包括多级的轴向压缩机，所述轴向压缩机在运行时受到影响所述压缩机功能的各种各样的磨损和污染以及它损伤机制。对这种偏离了正常状态的机器状态的及时识别构成了引发预防保养措施的前提，以避免临界运行状态以及不允许的磨损。

在诊断和监视现代燃气轮机时，对于磨损和损伤的明确分类和量化是特别重要的。尤其值得期待的是，在带有多级的轴向压缩机的燃气轮机的情况下，可以精确地给出在哪一个压缩级出现了磨损和损伤特征以及损伤有多严重或者关于确定的极限值发展了有多少程度。此外，对于燃气轮机的诊断和监视方法应可以在连续运行的情况下执行且燃气轮机无需停机。

对于燃气轮机的各种诊断和监视方法由现有技术所公知。所述方法要求形式为大量传感器的非常大的仪表需求，并且所述传感器可能仅仅检测重要的损伤、例如叶片的损失。此外，在用于带有多级的轴向压缩机的燃气轮机时，这种方法不能将损伤与一个压缩机级精确地对应。

发明内容

本发明所要解决的技术问题在于提供一种用于分析和监视燃气轮机运行的方法，该方法能够以较少的传感器对燃气轮机的磨损和损伤进行精确的诊断。

这一技术问题通过独立权利要求加以解决。本发明的扩展形式在从属权利要求中加以限定。

根据本发明的方法，基于燃气轮机的正常运行得出一个或多个神经网络。在此，首先通过燃气轮机的压缩机之内或之上或之后的至少一个压力传感器测得一个动态的压力信号，其中动态压力信号意味着检测压力信号随时间的变化。压力信号检测的优选采样率处于千赫范围内。在此，由于动叶片在导向叶片上的经过而产生压缩机内的压力变化，这导致在压缩空气内的相应压力波动。除了此动态压力信号之外，还用其它传感器测量燃气轮机的一个或多个运行参数。因此，可以在燃气轮机运行时执行根据本发明的方法。必要时，可以已经事先检测该动态压力信号以及其它运行参数，并随后为了应用根据本发明的方法而读取，例如从文件中读取。

根据本发明，对动态信号进行频率分析，从而确定压力信号的频谱的一个或多个参数。在此知道，对于每个压缩机级，通过压缩机内的导向叶片和动叶片的相互作用产生周期性的压力波动，所述压力波动导致一个周期性的信号，该信号可以用于辨别正常状态或一个偏离该正常状态的运行状态。

最终基于运行参数和压力信号的频谱参数学习一个或多个神经网络，所述神经网络包括所测得的的运行参数和压力信号的频谱参数作为输入量，并具有至少一个诊断特征值作为输出量，该诊断特征值表征取决于输入量的燃气轮机处于正常运行的概率大小。

根据本发明的方法的特征在于，可以通过对动态压力信号的分析与带有较少数量的传感器的神经网络相结合描述燃气轮机的压缩机的正常运行。在此，该方法对任意燃气轮机是通用的，并且仅在开始需通过测量所观察的燃气轮机的运行参数和压力信号学习。在随后的监视运行中，可以利用所述神经网络以一种简单的方式确定所学到到的正常运行或对这种正常运行的偏离之间的区别，方式是将在监视时检测到的运行参数包括动态压力信号作为输入量提供给所述神经网络。

优选在根据本发明的方法中采用所谓的径向基函数网络(也称作RBF网络)，所述网络在现有技术下充分公知。同样可以采用这种网络的进一步发展。这种网络包括处于隐层内的多个径向基函数，例如高斯函数，其中，所述高斯函数的参数是已知的。在此处描述的发明中，概率作为径向基函数的目标量被训练，从而在正常运行时出现所测得的运行参数和动态压力的参数组合。在文献WO99/48020A2中描述了一种径向基函数网络在监视轧钢设备中的轧辊力的情况下的应用。

在根据本发明的方法的另一优选实施形式中，至少一个诊断特征值是一个置信值，该置信值标准化至0和1之间的值域内，并且表征了输入量的各参数组合是燃气轮机正常运行时已知的参数组合的概率。通过这种方式提供了对诊断特征值的简单表示，其中，接近于1的置信值尤其说明燃气轮机在正常运行，并且置信值小于0.5说明出现了可能推测出压缩机运行出现错误的异常参数组合。