用于分析燃气轮机的运行的方法技术

本发明专利技术涉及一种用于分析燃气轮机的运行的方法，其中有一个或多个基于燃气轮机的正常运行的神经网络。在燃气轮机（１）正常运行时，通过燃气轮机（１）的压缩机（２）之内或之上的至少一个压力传感器（８）测得至少一个动态压力信号（Ｖ５），通过一个或多个其它传感器（４，５，６，７）测得燃气轮机（１）的一个或多个运行参数（Ｖ１，Ｖ２，Ｖ３，Ｖ４），和／或读取在燃气轮机（１）正常运行时测得的动态压力信号（Ｖ５）和燃气轮机（１）的一个或多个运行参数（Ｖ１，Ｖ２，Ｖ３，Ｖ４）。对动态压力信号（Ｖ５）进行频率分析，从而确定压力信号（Ｖ５）的一个或多个频谱信号。基于所测得的运行参数（Ｖ１，Ｖ２，Ｖ３，Ｖ４）和所述动态压力信号（Ｖ５）的频谱的参数，得出一个或多个神经网络，所述神经网络包括所测得的运行参数（Ｖ１，Ｖ２，Ｖ３，Ｖ４）和所述动态压力信号（Ｖ５）的频谱的参数作为输入量，并具有至少一个诊断特征值作为输出量，所述诊断特征值表征取决于输入量所述燃气轮机处于正常运行的概率大小。

【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及一种，以及一种用于监视燃气轮机的 运行的方法。
技术介绍
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。
技术实现思路
本专利技术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。本专利技术的扩展形式在从属权利要求中 加以限定。根据本专利技术的方法，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专利技术的方法。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专利技术的方法 而读取，例如从文件中读取。根据本专利技术，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。根据本专利技术的方法的特征在于，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。 优选在根据本专利技术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 的专利技术中，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W099/48020A2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。在根据本专利技术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。在一种特别优选的实施形式中，为带有多个压缩机级的燃气轮机的多级式压缩机 使用根据本专利技术的方法，其中，在这种情况下，通过频率分析确定一个特征频带作为用于每 个压缩机级的频谱参数，并为每个特征频带计算其中包含的压力信号的能量分量、尤其是 作为RMS值(Root Mean Square 均方根)。这种能量分量在此用作神经网络的输入量。RMS 值在现有技术下充分公知并通过各个频率所对应的幅度对所述频带内的频率的积分得出。 根据本专利技术的方法因此非常好地适合于多级式压缩机，因为相应的频带非常好地描述了各 压缩机级的特性，所述频带可以借助频率分析从所述动态信号中确定。在这种方式下，提供 了专门为个别压缩机级检测故障功能的可能性。作为RMS值的替代或补充，也可以采用一 个特征频带的一条频率线的幅度最大值或多条相邻频率线的幅度最大值作为输入量。在根据本专利技术的方法的另一实施例中，可以考虑一个特征频带的能量分量相对于 该特征频带的上波形(Oberwellen)的能量分量的比例作为用于神经网络学习的其它频谱 参数。在多级式压缩机内使用根据本专利技术的方法时，优选为每个压缩机级学习出一个神 经网络，其中，为各神经网络对应配设属于一个特征频带的频谱参数作为输入量。这种对应 配设因此通过各压缩机级的特征频率得出，所述特征频率根据压缩机级的叶片数和燃气轮 机的当前转速得出。在此，各神经网络具有作为输出量的诊断特征值，其中，此诊断特征值 表征取决于输入量的各压缩机级处于正常运行的概率大小。在这种方式下，可以在使用用 于监测燃气轮机的神经网络的情况下检测，那个压缩机级有故障功能。在另一实施例中，压 缩机级的各个诊断特征值在此组合成一个总诊断特征值，其中，组合基于特定规则进行，例如基于模糊规则或基于离散规则。在根据本专利技术的方法的一种优选实施形式中，用需要较少计算时间的快速傅里叶 变换进行动态压力信号的频率分析，所述快速傅里叶变换将信号从时域变换到频域。除了根据本专利技术检测动态压力信号之外，尤其还考虑一个或多个下列参数作为运 行参数-燃气轮机的转速；-燃气轮机的负荷；-环境压力；-环境温度；-空气湿度；_导向叶片在燃气轮机的压缩机上的位置。优选这样设计一种合适的正常运行，其中，确定相应的运行参数和动态压力信号， 使得在这种运行过程中，对于不同的负载和/或导向叶片的不同位置，燃气轮机以固定的 转速运行。通过基于燃气轮机的正常运行的神经网络学习，上述方法可以尤其实现为计算机 程序产品。当该程序在计算机上运行时，这种计算机程序产品包含一种机器可读的、用于执 行该方法的、已存储的程序代码。如上所述，根据本专利技术得出的神经网络因而用于监视燃气轮机以确定偏离于正常 状态的运行状态。因此，本专利技术还包括一种用于监视燃气轮机的方法，该方法基于或利用上 述方法学习的网络。在这种监视方法中，基本上测得与相应的学习方法中一样的相同大小 的量。替代神经网络的学习，将测得的量提供给经过学习的网络作为输入量，并得到相应的 诊断特征值作为结果，所述诊断特征值表示出正常运行状态以多大的概率出现。因此，本文档来自技高网...

【技术保护点】
一种用于分析燃气轮机（１）的运行的方法，其中，基于所述燃气轮机（１）的正常运行学习一个或多个神经网络，其中：－通过该燃气轮机（１）的压缩机（２）之内或之上的至少一个压力传感器（８）测量至少一个动态压力信号（Ｖ５），以及通过一个或多个其它传感器（４，５，６，７）在所述燃气轮机（１）正常运行时测量该燃气轮机（１）的一个或多个运行参数（Ｖ１，Ｖ２，Ｖ３，Ｖ４），和／或读取在该燃气轮机（１）的正常运行时测得的动态压力信号（Ｖ５）以及该燃气轮机（１）的一个或多个运行参数（Ｖ１，Ｖ２，Ｖ３，Ｖ４）；－对所述动态压力信号（Ｖ５）进行频率分析，从而确定该动态压力信号（Ｖ５）的频谱的一个或多个参数；－基于所测得的运行参数（Ｖ１，Ｖ２，Ｖ３，Ｖ４）和所述动态压力信号（Ｖ５）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运行参数（Ｖ１，Ｖ２，Ｖ３，Ｖ４）和所述压力信号（Ｖ５）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所述输入量的、该燃气轮机（１）处于正常运行的概率大小。

【技术特征摘要】
【国外来华专利技术】...

【专利技术属性】
技术研发人员：尤维法伊弗，沃尔克玛斯特津，
申请(专利权)人：西门子公司，
类型：发明
国别省市：DE[德国]