燃氣渦輪燃燒分布監(jiān)測的制作方法
【專利摘要】公開用于燃氣渦輪燃燒分布監(jiān)測的系統(tǒng)和方法。在一個實施例中，公開用于檢測燃氣渦輪(4)的燃燒區(qū)段(10)中的異常的方法(400)。方法(400)包括從圍繞燃氣渦輪(4)的排氣區(qū)段(22)設置的多個熱傳感器(50)接收燃氣渦輪(4)的排氣分布數(shù)據(jù)。方法(400)進一步分析排氣分布數(shù)據(jù)，以計算與高峰?低谷型式相關聯(lián)的統(tǒng)計特征。方法(400)進一步使用機器學習算法來確定統(tǒng)計特征是異常的。響應于該確定，方法(400)處理排氣分布數(shù)據(jù)達預定時期，并且如果統(tǒng)計特征保持異常達預定時期，則報告燃氣渦輪(4)的燃燒區(qū)段(10)中的異常。
【專利說明】
燃氣渦輪燃燒分布監(jiān)測
技術領域
[0001]本公開涉及渦輪機的領域，并且更特別地，涉及燃氣渦輪燃燒分布監(jiān)測的系統(tǒng)和方法。
【背景技術】
[0002]渦輪機可包括通過公共壓縮機/渦輪軸連接到渦輪部分上的壓縮機部分和燃燒器組件。入口空氣流可傳送通過空氣進口朝向壓縮機部分。在壓縮機部分中，入口空氣流可通過多個連續(xù)級朝向燃燒器組件被壓縮。在燃燒器組件中，壓縮空氣流可與燃料混合，以形成可燃混合物?？扇蓟旌衔锟稍谌紵鹘M件中燃燒，以形成熱氣。熱氣可沿著渦輪部分的熱氣路徑引導通過過渡件。熱氣可沿著通過多個渦輪級的熱氣路徑膨脹，從而對安裝在輪上的渦輪輪葉翼型件起作用，以產(chǎn)生輸出的功，例如對發(fā)電機提供動力。熱氣可通過排氣系統(tǒng)作為排氣從渦輪部分中傳送出來。多個熱電偶可布置在排氣系統(tǒng)中，以測量排氣的溫度。
[0003]由熱電偶測得的排氣的溫度可形成排氣分布。排氣分布可用來評定燃燒硬件的狀況。某些硬件問題可使燃燒器在運行時非常熱或非常冷，這可干擾典型的排氣分布。典型的排氣分布型式可指示一個或多個燃燒器的異常運行。一些渦輪機的典型排氣分布是均勻的，其中單獨的排氣熱電偶僅與平均數(shù)有微小偏差。對于這樣的渦輪機，可通過識別與平均數(shù)偏差較大的熱電偶組來檢測燃燒硬件異常。其它渦輪機可具有排氣分布，該排氣分布在正常運行期間具有高峰-低谷型式。典型地，高峰-低谷型式中的高峰的數(shù)量和低谷的數(shù)量對應于渦輪機的燃燒器的數(shù)量。上面描述的方法對于檢測具有高峰-低谷型式的渦輪機的燃燒異常可能是無效的，因為可將高峰-低谷分布型式作為相對于平均數(shù)的異常偏差對待。

【發(fā)明內(nèi)容】

[0004]本公開涉及用于燃氣渦輪燃燒分布監(jiān)測的系統(tǒng)和方法。某些實施例可有利于檢測燃氣渦輪的燃燒區(qū)段中的異常。根據(jù)本公開的一個實施例，用于檢測燃氣渦輪的燃燒區(qū)段中的異常的方法包括通過至少一個處理器從圍繞燃氣渦輪的排氣區(qū)段設置的多個熱傳感器接收燃氣渦輪的排氣分布數(shù)據(jù)。方法可進一步包括分析排氣分布數(shù)據(jù)，以計算與高峰-低谷型式相關聯(lián)的統(tǒng)計特征。方法可有利于使用機器學習算法來確定統(tǒng)計特征是異常的。方法可進一步包括，響應于該確定，而處理排氣分布數(shù)據(jù)達預定時期，并且如果統(tǒng)計特征保持異常達預定時期，則報告燃氣渦輪的燃燒區(qū)段中的異常。
[0005]根據(jù)本公開的另一個實施例，提供一種用于檢測燃氣渦輪的燃燒區(qū)段中的異常的系統(tǒng)。系統(tǒng)可包括與燃燒區(qū)段相關聯(lián)的多個燃燒器和圍繞燃氣渦輪的排氣區(qū)段設置的多個熱傳感器。熱傳感器構(gòu)造成提供燃氣渦輪的排氣分布數(shù)據(jù)。系統(tǒng)進一步包括通信地聯(lián)接到存儲器的處理電路，存儲器存儲指令，當處理電路執(zhí)行指令時，指令執(zhí)行操作。
[0006]技術方案1.一種用于檢測燃氣渦輪的燃燒區(qū)段中的異常的系統(tǒng)，所述系統(tǒng)包括: 與燃燒區(qū)段相關聯(lián)的多個燃燒器；
圍繞燃氣渦輪的排氣區(qū)段設置的多個熱傳感器，其中所述熱傳感器構(gòu)造成提供所述燃氣禍輪的排氣分布數(shù)據(jù)；
通信地聯(lián)接到存儲器的處理電路，所述存儲器存儲指令，當所述處理電路執(zhí)行指令時，所述指令執(zhí)行包括下者的操作:
從所述多個熱傳感器接收所述燃氣渦輪的排氣分布數(shù)據(jù)；
分析所述排氣分布數(shù)據(jù)，以計算與高峰-低谷型式相關聯(lián)的統(tǒng)計特征；
使用機器學習算法來確定所述統(tǒng)計特征是異常的；以及
響應于所述確定，而繼續(xù)處理所述排氣分布數(shù)據(jù)達預定時期；以及
如果所述統(tǒng)計特征保持異常達所述預定時期，則報告所述燃氣渦輪的燃燒區(qū)段中的異常。
[0007]技術方案2.根據(jù)技術方案I所述的系統(tǒng)，其特征在于，使用歷史排氣分布數(shù)據(jù)來訓練所述機器學習算法，所述歷史排氣分布數(shù)據(jù)包括正常數(shù)據(jù)樣本和假數(shù)據(jù)樣本。
[0008]技術方案3.根據(jù)技術方案I所述的系統(tǒng)，其特征在于，所述熱傳感器圍繞與所述渦輪相關聯(lián)的排氣擴散器沿徑向定位。
[0009]技術方案4.根據(jù)技術方案I所述的系統(tǒng)，其特征在于，所述傳感器設置成均勻地間隔開的陣列。
[0010]技術方案5.根據(jù)技術方案I所述的系統(tǒng)，其特征在于，所述排氣分布數(shù)據(jù)包括多個高峰和低谷對，所述多個高峰和低谷中的各個高峰和低谷對對應于所述多個所述燃燒器中的至少一個燃燒器。
[0011 ]技術方案6.根據(jù)技術方案5所述的系統(tǒng)，其特征在于，分析包括相對于期望高峰-低谷型式來評價各個高峰和低谷對。
[0012]技術方案7.根據(jù)技術方案5所述的系統(tǒng)，其特征在于，分析包括:
基于所述排氣分布數(shù)據(jù)而識別與各個熱傳感器相關聯(lián)的高峰和低谷對;以及針對各個高峰-低谷對計算所述統(tǒng)計特征。
[0013]技術方案8.根據(jù)技術方案I所述的系統(tǒng)，其特征在于，所述排氣分布數(shù)據(jù)包括與所述多個所述熱傳感器相關聯(lián)的統(tǒng)計特征，所述統(tǒng)計特征包括下者中的至少一個:最低高峰溫度、最高高峰溫度、最低低谷溫度、最高低谷溫度、最低高峰-低谷差值和最高高峰-低谷差值。
[0014]技術方案9.根據(jù)技術方案I所述的系統(tǒng)，其特征在于，確定所述統(tǒng)計特征為異常的包括至少基于所述統(tǒng)計特征而產(chǎn)生特征向量，以及通過分類模型處理所述特征向量。
[0015]技術方案10.根據(jù)技術方案I所述的系統(tǒng)，其特征在于，所述系統(tǒng)進一步包括在分析之前進行下者:
確定所述排氣分布數(shù)據(jù)的品質(zhì)；以及
響應于確定所述品質(zhì)低于預定品質(zhì)水平，而調(diào)節(jié)所述排氣分布數(shù)據(jù)。
[0016]技術方案11.根據(jù)技術方案I所述的系統(tǒng)，其特征在于，在所述燃氣渦輪在預定負載之上運行之后，執(zhí)行分析。
[0017]技術方案12.根據(jù)技術方案I所述的系統(tǒng)，其特征在于，所述系統(tǒng)進一步包括至少部分地基于在所述燃氣渦輪的燃燒區(qū)段中檢測到所述異常，而發(fā)布警報。
[0018]技術方案13.根據(jù)技術方案12所述的系統(tǒng)，其特征在于，所述警報觸發(fā)下者中的至少一個:另一個評價和響應動作。
[0019]技術方案14.一種用于檢測燃氣渦輪的燃燒區(qū)段中的異常的方法，所述方法包括:
從圍繞燃氣渦輪的排氣區(qū)段設置的多個熱傳感器接收所述燃氣渦輪的排氣分布數(shù)據(jù)； 分析所述排氣分布數(shù)據(jù)，以計算與高峰-低谷型式相關聯(lián)的統(tǒng)計特征；
使用機器學習算法，來確定所述統(tǒng)計特征是異常的；以及
響應于所述確定，而繼續(xù)處理所述排氣分布數(shù)據(jù)達預定時期；以及
如果所述統(tǒng)計特征保持異常達所述預定時期，則報告所述燃氣渦輪的燃燒區(qū)段中的異常。
[0020]技術方案15.根據(jù)技術方案14所述的方法，其特征在于:
使用歷史排氣分布數(shù)據(jù)來訓練所述機器學習算法，所述歷史排氣分布數(shù)據(jù)包括正常數(shù)據(jù)樣本和假數(shù)據(jù)樣本。
[0021]技術方案16.根據(jù)技術方案14所述的方法，其特征在于，所述熱傳感器:
圍繞與所述燃氣渦輪的燃燒區(qū)段相關聯(lián)的排氣擴散器沿徑向定位，并且設置成均勻地間隔開的陣列。
[0022]技術方案17.根據(jù)技術方案14所述的方法，其特征在于，所述排氣分布數(shù)據(jù)包括多個高峰和低谷對，所述多個高峰和低谷中的各個高峰和低谷對對應于所述多個所述燃燒器中的至少一個燃燒器。
[0023]技術方案18.根據(jù)技術方案17所述的方法，其特征在于，計算所述統(tǒng)計特征包括: 基于所述排氣分布數(shù)據(jù)，而識別與各個熱傳感器相關聯(lián)的高峰和低谷對;以及
針對各個高峰-低谷對計算統(tǒng)計特征。
[0024]技術方案19.根據(jù)技術方案14所述的方法，其特征在于，確定所述統(tǒng)計特征為異常的包括至少基于所述統(tǒng)計特征而產(chǎn)生特征向量，以及通過分類模型處理所述特征向量。
[0025]技術方案20.—種非暫時性計算機可讀介質(zhì)，其具有存儲指令，當至少一個處理器執(zhí)行所述指令時，所述指令執(zhí)行包括下者的操作:
從圍繞燃氣渦輪的排氣區(qū)段設置的多個熱傳感器接收所述燃氣渦輪的排氣分布數(shù)據(jù)； 分析所述排氣分布數(shù)據(jù)，以計算與高峰-低谷型式相關聯(lián)的統(tǒng)計特征；
使用機器學習算法，來確定所述統(tǒng)計特征是異常的；以及
響應于所述確定，而繼續(xù)處理所述排氣分布數(shù)據(jù)達預定時期；以及
如果所述統(tǒng)計特征保持異常達所述預定時期，則報告燃氣渦輪的燃燒區(qū)段中的異常。
[0026]技術方案21.—種用于檢測燃氣渦輪(4)的燃燒區(qū)段(10)中的異常的系統(tǒng)(60)，所述系統(tǒng)包括:
與燃燒區(qū)段(10)相關聯(lián)的多個燃燒器(12);
圍繞燃氣渦輪(4)的排氣區(qū)段(22)設置的多個熱傳感器(50)，其中所述熱傳感器(50)構(gòu)造成提供所述燃氣渦輪(4)的排氣分布數(shù)據(jù)；
通信地聯(lián)接到存儲器(70)的處理電路(62)，所述存儲器(70)存儲指令(68)，當所述處理電路(62)執(zhí)行所述指令時，所述指令(68)執(zhí)行包括下者的操作:
從所述多個熱傳感器(50)接收所述燃氣渦輪(4)的排氣分布數(shù)據(jù)；
分析所述排氣分布數(shù)據(jù)，以計算與高峰-低谷型式相關聯(lián)的統(tǒng)計特征；
使用機器學習算法，來確定所述統(tǒng)計特征是異常的；以及響應于所述確定，而繼續(xù)處理所述排氣分布數(shù)據(jù)達預定時期；以及如果所述統(tǒng)計特征保持異常達所述預定時期，則報告所述燃氣渦輪(4)的燃燒區(qū)段(10)中的異常。
[0027]技術方案22.根據(jù)技術方案21所述的系統(tǒng)(60)，其特征在于，使用歷史排氣分布數(shù)據(jù)訓練所述機器學習算法，所述歷史排氣分布數(shù)據(jù)包括正常數(shù)據(jù)樣本和假數(shù)據(jù)樣本。
[0028]技術方案23.根據(jù)技術方案21所述的系統(tǒng)(60)，其特征在于，所述多個熱傳感器(50)圍繞與所述燃氣渦輪(4)相關聯(lián)的排氣擴散器沿徑向定位。
[0029]技術方案24.根據(jù)技術方案21所述的系統(tǒng)(60)，其特征在于，所述多個熱傳感器
(50)設置成均勻地間隔開的陣列。
[0030]技術方案25.根據(jù)技術方案21所述的系統(tǒng)(60)，其特征在于，所述排氣分布數(shù)據(jù)包括多個高峰和低谷對，所述多個高峰和低谷中的各個高峰和低谷對對應于所述多個所述燃燒器(12)中的至少一個燃燒器。
[0031]技術方案26.根據(jù)技術方案25所述的系統(tǒng)(60)，其特征在于，分析包括相對于期望高峰-低谷型式來評價各個高峰和低谷對。
[0032]技術方案27.根據(jù)技術方案25所述的系統(tǒng)(60)，其特征在于，分析包括:
基于所述排氣分布數(shù)據(jù)，而識別與所述多個熱傳感器(50)中的各個相關聯(lián)的高峰和低谷對；以及
針對各個高峰-低谷對計算所述統(tǒng)計特征。
[0033]技術方案28.根據(jù)技術方案21所述的系統(tǒng)(60)，其特征在于，所述排氣分布數(shù)據(jù)包括與所述多個所述熱傳感器(50)相關聯(lián)的統(tǒng)計特征，所述統(tǒng)計特征包括下者中的至少一個:最低高峰溫度、最高高峰溫度、最低低谷溫度、最高低谷溫度、最低高峰-低谷差值和最高高峰-低谷差值。
[0034]技術方案29.根據(jù)技術方案21所述的系統(tǒng)(60)，其特征在于，確定所述統(tǒng)計特征為異常的包括至少基于所述統(tǒng)計特征而產(chǎn)生特征向量，以及通過分類模型處理所述特征向量。
[0035]技術方案30.根據(jù)技術方案21所述的系統(tǒng)(60)，其特征在于，所述系統(tǒng)進一步包括在分析之前進行下者:
確定所述排氣分布數(shù)據(jù)的品質(zhì)；以及
響應于確定所述品質(zhì)低于預定品質(zhì)水平，而調(diào)節(jié)所述排氣分布數(shù)據(jù)。
[0036]技術方案31.根據(jù)技術方案21所述的系統(tǒng)(60)，其特征在于，在所述燃氣渦輪(4)在預定負載之上運行之后，執(zhí)行分析。
[0037]技術方案32.根據(jù)技術方案21所述的系統(tǒng)(60)，其特征在于，所述系統(tǒng)進一步包括至少部分地基于在所述燃氣渦輪(4)的燃燒區(qū)段(10)中檢測到所述異常，來發(fā)布警報(74)。
[0038]技術方案33.根據(jù)技術方案32所述的系統(tǒng)(60)，其特征在于，所述警報(74)觸發(fā)下者中的至少一個:另一個評價和響應動作。
[0039]技術方案34.—種用于檢測燃氣渦輪(4)的燃燒區(qū)段(10)中的異常的方法(400)，所述方法包括:
從圍繞燃氣渦輪(4)的排氣區(qū)段(22)設置的多個熱傳感器(50)接收所述燃氣渦輪(4)的排氣分布數(shù)據(jù)；
分析所述排氣分布數(shù)據(jù)，以計算與高峰-低谷型式相關聯(lián)的統(tǒng)計特征；
使用機器學習算法，來確定所述統(tǒng)計特征是異常的；以及響應于所述確定，而繼續(xù)處理所述排氣分布數(shù)據(jù)達預定時期；以及如果所述統(tǒng)計特征保持異常達所述預定時期，則報告所述燃氣渦輪(4)的燃燒區(qū)段
(10)中的異常。
[0040]根據(jù)結(jié)合附圖得到的以下描述，其它實施例、系統(tǒng)、方法、特征和方面將變得顯而易見。
【附圖說明】
[0041 ]圖1是根據(jù)本公開的實施例的示例燃氣渦輪的框圖。
[0042]圖2是根據(jù)本公開的實施例的燃氣渦輪的示例排氣系統(tǒng)和燃燒異常檢測系統(tǒng)的軸向視圖。
[0043]圖3A是根據(jù)本公開的實施例的熱電偶排氣數(shù)據(jù)的正常分布。
[0044]圖3B是根據(jù)本公開的實施例的熱電偶排氣數(shù)據(jù)的異常分布。
[0045]圖4是示出根據(jù)本公開的實施例的檢測燃氣渦輪的燃燒區(qū)段中的異常的示例方法的流程圖。
[0046]圖5是示出根據(jù)本公開的實施例的用于識別熱電偶排氣數(shù)據(jù)中的高峰和低谷位置的示例方法的流程圖。
[0047]圖6是示出根據(jù)本公開的實施例的用于控制燃氣渦輪的示例控制器的框圖。
[0048]部件列表
2燃氣渦輪機系統(tǒng) 4燃氣渦輪機 6壓縮機部分 8渦輪部分 10燃燒器組件 12燃燒器 14軸
16空氣入口
18排氣出口
20空氣進口系統(tǒng)
22排氣系統(tǒng)
30被驅(qū)動負載
40殼體
42外表面
44內(nèi)表面
46排氣流路徑
50多個溫度傳感器
60燃燒器異常檢測系統(tǒng) 62中央處理單元(CPU)
64計算機可讀存儲介質(zhì) 68程序指令集 70存儲器 74警報 80區(qū)域
400用于檢測燃氣渦輪的燃燒區(qū)段中的異常的方法
402方法操作
404方法操作
406方法操作
408方法操作
410方法操作
412方法操作
414方法操作
416方法操作
418方法操作
420方法操作
422方法操作
500用于識別熱電偶排氣數(shù)據(jù)中的高峰和低谷位置的方法
502方法操作
504方法操作
506方法操作
508方法操作
510方法操作
512方法操作
600控制器
610存儲器
620編程邏輯
630數(shù)據(jù)
640操作系統(tǒng)
650處理器
660數(shù)據(jù)總線
670用戶接口裝置
680輸入/輸出(I/O)接口。
【具體實施方式】
[0049]以下詳細描述包括對附圖的參照，附圖形成詳細描述的一部分。附圖描繪根據(jù)示例實施例的示意圖。這些示例實施例也本文也稱為“示例”，足夠詳細地描述這些示例實施例，以使得本領域技術人員能夠?qū)嵺`本主題。示例實施例可結(jié)合起來，可利用其它實施例，或者可對結(jié)構(gòu)、邏輯和電氣作出改變，而不偏離要求保護的主題的范圍。因此，不應以限制性意義理解以下詳細描述，而是范圍由所附權利要求和它們的等效物限定。
[0050]本公開的某些實施例涉及用于燃氣渦輪燃燒分布監(jiān)測的方法和系統(tǒng)，它可有利于檢測燃氣渦輪的燃燒區(qū)段中的異常。公開的方法和系統(tǒng)還可允許提供在燃氣渦輪的運行期間的不均勻溫度分布。
[0051]在本公開的一些示例實施例中，處理電路可從圍繞燃氣渦輪的排氣區(qū)段設置的多個熱傳感器接收燃氣渦輪的排氣分布數(shù)據(jù)?？煞治雠艢夥植紨?shù)據(jù)，以計算與高峰-低谷型式相關聯(lián)的統(tǒng)計特征。分析可包括基于排氣分布數(shù)據(jù)，而識別與各個熱傳感器相關聯(lián)的高峰-低谷對，以及針對各個高峰-低谷對計算統(tǒng)計特征。處理電路可進一步使用機器學習算法來確定統(tǒng)計特征是異常的。響應于該確定，處理排氣分布數(shù)據(jù)可繼續(xù)達預定時期。如果統(tǒng)計特征保持異常達預定時期，則可報告燃氣渦輪的燃燒區(qū)段中的異常。
[0052]本公開的某些實施例的技術效果可包括對燃氣渦輪進行燃燒監(jiān)測。本公開的某些實施例的另外技術效果可提高在燃燒異?？蓪е轮卮笫录蛴布е?，檢測燃氣渦輪中的燃燒異常的可能性。本公開公開的實施例可對燃氣渦輪的燃燒狀況提供洞察力，以減少與燃燒有關的脫扣、被迫停工時間和計劃外成本。
[0053]下面提供與用于使用統(tǒng)計性和基于物理的方法進行運行影響建模的系統(tǒng)和方法有關的各種不例實施例的詳細描述。
[0054]在圖1中大體在2處示出根據(jù)本公開的示例實施例的燃氣渦輪機系統(tǒng)。燃氣渦輪機系統(tǒng)2可包括燃氣渦輪機4，燃氣渦輪機4具有通過燃燒器組件10在流體方面連接到渦輪部分8上的壓縮機部分6。燃燒器組件10可包括可布置成罐(can)-環(huán)形陣列的一個或多個燃燒器12。壓縮機部分6還可通過軸14機械地連接到渦輪部分8上。壓縮機部分6可包括空氣入口16，并且渦輪部分8可包括排氣出口 18?？諝膺M口系統(tǒng)20可在流體方面連接到空氣入口 16上?？諝膺M口系統(tǒng)20可調(diào)節(jié)傳送到壓縮機部分6中的空氣。例如，空氣進口系統(tǒng)20可移除或減少可由傳送到空氣入口 16中的空氣攜帶的水分。排氣系統(tǒng)22可在流體方面連接到排氣出口 18上。在引入到環(huán)境之前，排氣系統(tǒng)22可調(diào)節(jié)從渦輪部分8中傳送出的排氣。排氣系統(tǒng)22可包括多個溫度傳感器50。燃氣渦輪機系統(tǒng)2還可包括被驅(qū)動負載30，被驅(qū)動負載30可呈發(fā)電機、栗或車輛的形式。燃氣渦輪機系統(tǒng)2可進一步包括燃燒器異常檢測系統(tǒng)60，它可操作性地連接到警報器74。
[0055]如圖2中顯不的那樣，排氣系統(tǒng)22可包括殼體40，殼體40具有外表面42和內(nèi)表面44，內(nèi)表面44限定排氣流路徑46 ο排氣系統(tǒng)22可包括布置在殼體40上的多個溫度傳感器，在50處指示其中之一。溫度傳感器50可呈熱電偶的形式，熱電偶圍繞內(nèi)表面44沿周向陣列，并且暴露于排氣流路徑46。根據(jù)本公開的實施例，燃燒器異常檢測系統(tǒng)60操作性地連接到多個溫度傳感器50中的各個上。應當理解，燃燒器異常檢測系統(tǒng)60可與燃氣渦輪機4位于同一處，可結(jié)合到渦輪控制器中，或者可在中央全球監(jiān)測站中。因而，燃燒器異常檢測系統(tǒng)60可從單個監(jiān)測位置接收來自多個燃氣渦輪機系統(tǒng)的數(shù)據(jù)，以及同時監(jiān)測多個燃氣渦輪機系統(tǒng)，燃氣渦輪機系統(tǒng)位于世界上的任何地方。燃燒器異常檢測系統(tǒng)60可包括中央處理單元(CPU)62，以及設有程序指令集68和存儲器70的計算機存儲介質(zhì)64。如將在下面更詳細地論述的那樣，燃燒器異常檢測系統(tǒng)60可操作性地連接到警報器74上，在檢測到燃燒異常之后，警報器74可提供視覺警報和/或可聽警報。
[0056]圖3A和3B示出根據(jù)本公開的實施例的熱電偶排氣數(shù)據(jù)的兩個示例分布。數(shù)據(jù)可在極坐標中表現(xiàn)為標圖。標圖上的點的角坐標可對應于多個溫度傳感器中的溫度傳感器的角度。點的半徑可對應于由溫度傳感器提供的溫度數(shù)據(jù)。
[0057]圖3A表示渦輪機(包括6個燃燒器)的熱電偶排氣數(shù)據(jù)的示例正常分布。正常分布可對應于燃燒器的正常運行。在圖3A的示例中，正常分布包括6個高峰，它們對應于燃氣渦輪機2的六個燃燒器。六個高峰與六個低谷交錯?？傮w上，六個高峰和六個低谷可形成六個燃燒器渦輪機的正常高峰和低谷型式。
[0058]圖3B表示渦輪機(包括六個燃燒器)的熱電偶排氣數(shù)據(jù)的示例異常分布。不像圖3A的正常分布，圖3B的異常分布在區(qū)域80處少一個高峰。在高峰-低谷型式中少了高峰可指示渦輪機2的燃燒器的運行有異常。
[0059]圖4是顯示根據(jù)本公開的實施例的用于檢測燃氣渦輪的燃燒區(qū)段中的異常的示例方法400的流程圖。方法400的操作可由燃燒異常檢測系統(tǒng)60執(zhí)行。方法400的操作可嵌在燃燒器異常檢測系統(tǒng)60的程序指令68中。方法400可分析熱電偶排氣數(shù)據(jù)，以檢測異常高峰-低谷型式。在本公開的一些實施例中，系統(tǒng)60配置成每分鐘處理排氣數(shù)據(jù)一次。
[0060]在框402中，燃燒異常檢測系統(tǒng)60可接收來自溫度計傳感器50的熱電偶(TC)排氣數(shù)據(jù)。在框404中，系統(tǒng)60可執(zhí)行數(shù)據(jù)品質(zhì)檢查。在決策框406處，系統(tǒng)60可確定渦輪機是否在預定負載之上運行，在預定負載處，預計有高峰-低谷型式。如果渦輪機不在預定負載之上運行，則在框408中，系統(tǒng)60可繼續(xù)評價后續(xù)數(shù)據(jù)(例如，在后一分鐘接收到的熱電偶排氣數(shù)據(jù))。
[0061]如果渦輪機在預定負載之上運行，則在框410中，系統(tǒng)60可針對各個熱電偶計算相對于平均排氣溫度的偏差。在框412中，系統(tǒng)60可識別排氣數(shù)據(jù)中的高峰和低谷。在框414中，系統(tǒng)60可計算高峰-低谷對的統(tǒng)計特征(例如，特征向量)。統(tǒng)計特征可包括高峰-低谷溫差(差值)、相對于所有高峰或低谷的平均偏差、最低高峰溫度、最高高峰溫度、最低低谷溫度、最高低谷溫度、最大高峰-低谷差值、最小高峰-低谷差值等等。
[0062]在決策框416中，系統(tǒng)60可確定對應于熱電偶排氣數(shù)據(jù)的分布是否是異常的。在本公開的一些實施例中，確定包括通過機器學習分類模型處理在框414處所評價的特征向量。本領域應當理解的是，適當?shù)姆诸惸Ｐ偷念愋涂砂?但不限于)支持向量機(SVM)、人工神經(jīng)網(wǎng)絡(ANN)、決策樹模型或其它分類器?？墒褂锰卣飨蛄空Ｅ艢鈹?shù)據(jù)樣本和失效排氣數(shù)據(jù)樣本來離線訓練模型。通過使用經(jīng)訓練的模型來處理特征向量，系統(tǒng)60可確定熱電偶排氣數(shù)據(jù)中的高峰-低谷型式中是否存在異常。如果分布(高峰-低谷型式)是正常的，則系統(tǒng)60可在框418中繼續(xù)評價后續(xù)熱電偶排氣數(shù)據(jù)。
[0063]如果分布是異常的，則系統(tǒng)60可對異常的持續(xù)性計數(shù)，并且評價異常的閉鎖(latch)。如果異常高峰-低谷型式存在達預先限定的時期，而且在預先限定的閉鎖時期期間尚未產(chǎn)生警報，則可在框422中觸發(fā)另外的評價和動作。
[0064]圖5是示出根據(jù)本公開的實施例的用于識別熱電偶排氣數(shù)據(jù)中的高峰和低谷位置的示例方法500的流程圖。方法500可提供圖4中顯示的方法400的框412的細節(jié)。在框502中，方法500可包括接收熱電偶排氣數(shù)據(jù)。熱電偶數(shù)據(jù)可包括溫度傳感器50在給定時間里提供的溫度Y(i)。在框504中，方法可包括檢測高峰的位置。高峰的位置可由條件Y(i)> Y(1-l)和Y(i)> Y(i+1)限定。在框506中，方法500可包括檢測低谷的位置。各個低谷可定義為兩個后續(xù)高峰之間的最小Y(i)。在框508中，方法500可包括基于空間位置中的間隙來填滿未檢測到的高峰。在框510中，方法500可包括如果檢測到超過M個高峰，則執(zhí)行數(shù)據(jù)校正，其中M是渦輪機中的燃燒器的數(shù)量。在框512中，方法500可允許輸出最終高峰和低谷位置。
[0065]圖6描繪了示出根據(jù)本公開的實施例的用于檢測燃燒區(qū)段中的異常的示例控制器600的框圖。更特別地，控制器600的元件可用來使燃氣渦輪在多個運行條件下同時在預定燃燒運行邊界內(nèi)運行，在燃氣渦輪正在運行時自動收集與燃氣渦輪相關聯(lián)的運行數(shù)據(jù)，存儲運行數(shù)據(jù)，基于運行數(shù)據(jù)來產(chǎn)生用于一個或多個預定燃燒轉(zhuǎn)移函數(shù)的常數(shù)集，以及將常數(shù)集存儲在燃氣渦輪燃燒控制系統(tǒng)中以在燃氣渦輪的試運行時使用?？刂破?00可包括存儲器610，存儲器610存儲編程邏輯620(例如，軟件)，而且可存儲數(shù)據(jù)630，諸如與燃氣渦輪相關聯(lián)的運行數(shù)據(jù)、常數(shù)集等。存儲器610可還包括操作系統(tǒng)640。
[0066]處理器650可利用操作系統(tǒng)640來執(zhí)行編程邏輯620，而且由于這么做，處理器650還可利用數(shù)據(jù)630。數(shù)據(jù)總線660可在存儲器610和處理器650之間提供通信。通過至少一個用戶接口裝置670，諸如鍵盤、鼠標、控制面板，或者能夠?qū)?shù)據(jù)傳送到控制器600以及從控制器600傳送出數(shù)據(jù)的任何其它裝置，用戶可與控制器600交互。在燃氣渦輪燃燒控制系統(tǒng)運行時，控制器600可與燃氣渦輪燃燒控制系統(tǒng)在線地通信，以及在燃氣渦輪燃燒控制系統(tǒng)不運行時，控制器600可通過輸入/輸出(I/O)接口680與燃氣渦輪燃燒控制系統(tǒng)離線地通信。另外，應當理解的是，其它外部裝置或多個其它燃氣渦輪或燃燒器可通過I/O接口 680與控制器600通信。在本公開的示出的實施例中，控制器600可位于燃氣渦輪遠處;但是，它可與燃氣渦輪位于同一處，或者甚至與其結(jié)合。另外，從而實現(xiàn)的控制器600和編程邏輯620可包括軟件、硬件、固件或者它們的任何組合。還應當理解的是，可使用多個控制器600，由此本文描述的不同特征可在一個或多個不同的控制器600上執(zhí)行。
[0067]對根據(jù)本公開的示例實施例的系統(tǒng)、方法、設備和計算機程序產(chǎn)生的框圖進行參照。將理解的是，框圖的至少一些框以及框圖中的框組合可至少部分地由計算機程序指令實現(xiàn)。這些計算機程序指令可加載到通用計算機、專用計算機、基于硬件的專用計算機或用以產(chǎn)生機器的其它可編程數(shù)據(jù)處理設備上，使得在計算機或其它可編程數(shù)據(jù)處理設備上執(zhí)行的指令產(chǎn)生用于實現(xiàn)框圖的至少一些框或所論述的框圖中的框組合的功能的手段。
[0068]這些計算機程序指令還可存儲在計算機可讀存儲器中，計算機可讀存儲器可指示計算機或其它可編程數(shù)據(jù)處理設備以特定的方式工作，使得存儲在計算機可讀存儲器中的指令產(chǎn)生制造品，包括實現(xiàn)框或多個框中規(guī)定的功能的指令手段。計算機程序指令還可加載到計算機或其它可編程數(shù)據(jù)處理設備上，以使一系列運行步驟在計算機或其它可編程設備上執(zhí)行，以產(chǎn)生計算機實現(xiàn)的過程，使得在計算機或其它可編程設備上執(zhí)行的指令提供用于實現(xiàn)框或多個框中規(guī)定的功能的步驟。
[0069]可通過在計算機的操作系統(tǒng)上運行的應用程序來實現(xiàn)系統(tǒng)的一個或多個構(gòu)件和本文描述的方法的一個或多個要素。也可用其它計算機系統(tǒng)構(gòu)造來實踐它們，包括手持裝置、多處理器系統(tǒng)、基于微處理器的消費者電子器件或可編程的消費者電子器件、微型計算機、大型計算機等。
[0070]應用程序(是本文描述系統(tǒng)和方法的構(gòu)件)可包括例程、程序、構(gòu)件、數(shù)據(jù)結(jié)構(gòu)等，它們實現(xiàn)某些抽象數(shù)據(jù)類型，并且執(zhí)行某些任務或動作。在分布式計算環(huán)境中，應用程序(全部或一部分)可位于本地內(nèi)存或其它存儲器中。另外或備選地，應用程序(全部或一部分)可位于遠程內(nèi)存或存儲器中，以允許有其中由通過通信網(wǎng)絡連接的遠程處理裝置執(zhí)行任務的情況。
[0071]受益于前述描述和有關附圖中介紹的教導的人將想到本文闡述的與這些描述有關的示例描述的許多修改和其它實施例。因而，將理解的是，本公開可體現(xiàn)為許多形式，并且本公開不應局限于上面描述的示例實施例。
[0072]因此，要理解的是，本公開不局限于公開的具體實施例，而且修改和其它實施例意于包括在所附權利要求的范圍內(nèi)。雖然在本文采用了具體用語，但僅僅在一般且描述性的意義上使用它們，而不是為了限制目的。
【主權項】
1.一種用于檢測燃氣渦輪(4)的燃燒區(qū)段(10)中的異常的系統(tǒng)(60)，所述系統(tǒng)包括: 與燃燒區(qū)段(10)相關聯(lián)的多個燃燒器(12); 圍繞燃氣渦輪(4)的排氣區(qū)段(22)設置的多個熱傳感器(50)，其中所述熱傳感器(50)構(gòu)造成提供所述燃氣渦輪(4)的排氣分布數(shù)據(jù)； 通信地聯(lián)接到存儲器(70)的處理電路(62)，所述存儲器(70)存儲指令(68)，當所述處理電路(62)執(zhí)行所述指令時，所述指令(68)執(zhí)行包括下者的操作: 從所述多個熱傳感器(50)接收所述燃氣渦輪(4)的排氣分布數(shù)據(jù)； 分析所述排氣分布數(shù)據(jù)，以計算與高峰-低谷型式相關聯(lián)的統(tǒng)計特征； 使用機器學習算法，來確定所述統(tǒng)計特征是異常的；以及響應于所述確定，而繼續(xù)處理所述排氣分布數(shù)據(jù)達預定時期；以及如果所述統(tǒng)計特征保持異常達所述預定時期，則報告所述燃氣渦輪(4)的燃燒區(qū)段(10)中的異常。2.根據(jù)權利要求1所述的系統(tǒng)(60)，其特征在于，使用歷史排氣分布數(shù)據(jù)訓練所述機器學習算法，所述歷史排氣分布數(shù)據(jù)包括正常數(shù)據(jù)樣本和假數(shù)據(jù)樣本。3.根據(jù)權利要求1所述的系統(tǒng)(60)，其特征在于，所述多個熱傳感器(50)圍繞與所述燃氣渦輪(4)相關聯(lián)的排氣擴散器沿徑向定位。4.根據(jù)權利要求1所述的系統(tǒng)(60)，其特征在于，所述多個熱傳感器(50)設置成均勻地間隔開的陣列。5.根據(jù)權利要求1所述的系統(tǒng)(60)，其特征在于，所述排氣分布數(shù)據(jù)包括多個高峰和低谷對，所述多個高峰和低谷中的各個高峰和低谷對對應于所述多個所述燃燒器(12)中的至少一個燃燒器。6.根據(jù)權利要求5所述的系統(tǒng)(60)，其特征在于，分析包括相對于期望高峰-低谷型式來評價各個高峰和低谷對。7.根據(jù)權利要求5所述的系統(tǒng)(60)，其特征在于，分析包括: 基于所述排氣分布數(shù)據(jù)，而識別與所述多個熱傳感器(50)中的各個相關聯(lián)的高峰和低谷對；以及 針對各個高峰-低谷對計算所述統(tǒng)計特征。8.根據(jù)權利要求1所述的系統(tǒng)(60)，其特征在于，所述排氣分布數(shù)據(jù)包括與所述多個所述熱傳感器(50)相關聯(lián)的統(tǒng)計特征，所述統(tǒng)計特征包括下者中的至少一個:最低高峰溫度、最高高峰溫度、最低低谷溫度、最高低谷溫度、最低高峰-低谷差值和最高高峰-低谷差值。9.根據(jù)權利要求1所述的系統(tǒng)(60)，其特征在于，確定所述統(tǒng)計特征為異常的包括至少基于所述統(tǒng)計特征而產(chǎn)生特征向量，以及通過分類模型處理所述特征向量。10.根據(jù)權利要求1所述的系統(tǒng)(60)，其特征在于，所述系統(tǒng)進一步包括在分析之前進行下者: 確定所述排氣分布數(shù)據(jù)的品質(zhì)；以及 響應于確定所述品質(zhì)低于預定品質(zhì)水平，而調(diào)節(jié)所述排氣分布數(shù)據(jù)。
【文檔編號】F02C9/00GK105863849SQ201610081562
【公開日】2016年8月17日
【申請日】2016年2月5日
【發(fā)明人】K.W.米勒, 余利杰, R.J.伊亞西洛
【申請人】通用電氣公司