專利名稱：用于性能退化的自適應(yīng)建模的過程的制作方法
技術(shù)領(lǐng)域：
本主題涉及系統(tǒng)性能退化的預(yù)測。更具體地說，本主題涉及用于提供燃氣輪機性能隨時間退化的改進的預(yù)測的方法。
背景技術(shù)：
·
就像一切別的東西一樣，燃氣輪機在被使用時最終會隨著時間過去而退化。預(yù)測這種退化的通常作法是使用收集的現(xiàn)場傳感器數(shù)據(jù)來創(chuàng)建回歸模型。然而，使用那種方法會出現(xiàn)問題，因為隨著時間過去，這種退化可以響應(yīng)于變化的條件而以各種方式變化，例如隨著時間過去配置的改變、自上次水洗后的時間、以及進氣條件和排氣條件的改變。當(dāng)燃氣輪機改變時，用于預(yù)測退化的回歸模型也將需要更新。之前的解決這個問題的嘗試涉及例如將回歸建模用于特定框架的不同部件的方法。然后，將這些回歸模型放入基于物理學(xué)的模型中，以便確定依賴于渦輪已經(jīng)點火的小時數(shù)的部件修改量(component modifiers)?，F(xiàn)有技術(shù)在下列文獻中已經(jīng)解決這些關(guān)注的問題中的一些美國專利No. 5，080, 496旨在補償溫度預(yù)測的方法和裝置，它使用傳感器和信號處理來提供表示將要測量的實際溫度的校正溫度信號；美國專利No. 6，522，990旨在減少溫度過調(diào)量的方法和裝置，它公開了用于推導(dǎo)測量的溫度和相關(guān)的不可測量溫度之間的偏差的方法；美國公開的專利申請No. 2006/0217870A1旨在估計退化系統(tǒng)的健康參數(shù)或癥狀并且集中于通過狀態(tài)參數(shù)的偏差的氣路分析的退化；美國專利No. 7，058，556B2公開了一種采用自適應(yīng)邏輯模塊來直接修改部件效率的自適應(yīng)氣體熱力學(xué)引擎模型；以及美國公開的專利申請No. 2008/0120074A1公開了減少燃氣輪機性能跟蹤估計不可重復(fù)性。鑒于這些已知的問題，因而提供用于監(jiān)視系統(tǒng)的、特別是燃氣輪機系統(tǒng)的隨時間的性能退化的方法和裝置將是有利的。提供這樣的方法將是更有利的，其中可以提供神經(jīng)網(wǎng)絡(luò)作為性能預(yù)測工具的一部分，使得它考慮了自適應(yīng)而無代碼改變同時減少了對配置和其他典型參數(shù)的依賴。

發(fā)明內(nèi)容
本發(fā)明的各個方面和優(yōu)勢將在下面的描述中部分地闡明，或者可以根據(jù)描述而變得顯而易見，或者可以通過本發(fā)明的實施而認識到。本主題涉及用于提供系統(tǒng)中性能退化的自適應(yīng)建模的方法。該方法提供在性能模型中模擬系統(tǒng)并將性能模型作為校準(zhǔn)模型和作為基線模型來操作。接著將由作為校準(zhǔn)模型和基線模型兩者操作產(chǎn)生的數(shù)據(jù)存儲在性能數(shù)據(jù)存儲器中。然后，該方法基于所存儲的性能數(shù)據(jù)之間的差異來預(yù)測性能退化。該方法還提供基于當(dāng)前系統(tǒng)條件和所預(yù)測的性能退化之間的差異進行操作的系統(tǒng)基線模型。在選定的實施例中，該方法被應(yīng)用于燃氣輪機系統(tǒng)。在某些實施例中使用系統(tǒng)現(xiàn)場和傳感器數(shù)據(jù)將性能模型作為校準(zhǔn)模型來操作，而在其他實施例中使用校準(zhǔn)數(shù)據(jù)將性能模型作為基線模型來操作。在另外的實施例中，該方法提供基于系統(tǒng)現(xiàn)場和負荷條件來操作系統(tǒng)基線模型并將由這種操作產(chǎn)生的性能數(shù)據(jù)存儲在性能數(shù)據(jù)存儲器中，其中預(yù)測性能退化則是基于所存儲的、來自校準(zhǔn)模型、基線模型和系統(tǒng)基線模型的性能數(shù)據(jù)之間的差異的。在特定的實施例中，該方法使用自適應(yīng)邏輯預(yù)測性能退化，所述自適應(yīng)邏輯在選定的實施例中可以對應(yīng)于神經(jīng)網(wǎng)絡(luò)。本主題還涉及用于調(diào)節(jié)系統(tǒng)中性能退化的建模的控制系統(tǒng)。在這樣的系統(tǒng)中，提供了系統(tǒng)基于物理學(xué)的性能模型并將其配置為作為校準(zhǔn)模型和基線模型來操作。該系統(tǒng)被配置為存儲由將系統(tǒng)性能模型作為校準(zhǔn)模型和基線模型兩者的操作產(chǎn)生的性能數(shù)據(jù)，并且在配置中提供自適應(yīng)邏輯以便基于所存儲的性能數(shù)據(jù)之間的差異來預(yù)測性能退化。該系統(tǒng)還提供了被配置為將要基于當(dāng)前系統(tǒng)條件和所預(yù)測的性能退化之間的差異來操作的基于系統(tǒng)基線模型(a system baseline model based)。在某些實施例中，性能模型被配置為通過使用系統(tǒng)現(xiàn)場和傳感器數(shù)據(jù)操作性能模型而作為校準(zhǔn)模型來操作，以及在一些實施例中，性能模型被配置為通過使用校準(zhǔn)數(shù)據(jù)操作性能模型而作為基線模型來操作。在特定的實施例中，系統(tǒng)基線模型還被配置為基于系統(tǒng)現(xiàn)場和負荷條件進行操作
并且將由操作系統(tǒng)基線模型產(chǎn)生的性能數(shù)據(jù)存儲在性能數(shù)據(jù)存儲器中，以便于自適應(yīng)邏輯同樣基于來自系統(tǒng)基線模型的數(shù)據(jù)來預(yù)測性能退化。在選定的實施例中，自適應(yīng)邏輯可以對應(yīng)于神經(jīng)網(wǎng)絡(luò)。在大部分特定的實施例中，系統(tǒng)可以是燃氣輪機并且當(dāng)前系統(tǒng)條件可以對應(yīng)于渦輪負荷條件。參考下面的描述和所附的權(quán)利要求書，將會更好地理解本發(fā)明的這些和其他的特征、方面和優(yōu)勢。被結(jié)合進來并組成本說明書的一部分的附圖示出了本發(fā)明的實施例并且和描述一起用于解釋本發(fā)明的原理。


在參考附圖的說明書中闡明了針對本領(lǐng)域普通技術(shù)人員的、其中包括了最佳實施方式的本發(fā)明的完整和有效的公開內(nèi)容，其中
圖I提供了根據(jù)本技術(shù)的過程圖示；以及
圖2示出了根據(jù)本技術(shù)的、可用于圖I示出的過程的示范的神經(jīng)網(wǎng)絡(luò)配置。貫穿本說明書和附圖的附圖標(biāo)記的重復(fù)使用打算表示本發(fā)明的相同或類似的特征或元件。
具體實施例方式現(xiàn)在將詳細參考本發(fā)明的實施例，附圖中示出了實施例的一個或更多的示例。通過對本發(fā)明進行解釋而不是對本發(fā)明進行限制的方式來提供每個示例。實際上，在未背離本發(fā)明的范圍或精神的情況下，可以在本發(fā)明中進行各種修改和變化，這對本領(lǐng)域技術(shù)人員來說將是顯而易見的。例如，作為一個實施例的一部分示出或描述的特征可以與另一個實施例一起使用來產(chǎn)生又一個實施例。因此，意圖是本發(fā)明將這樣的修改和變化包括在所附的權(quán)利要求書和它們的等同物的范圍內(nèi)。根據(jù)本技術(shù)，提供了方法和裝置來精確預(yù)測燃氣輪機性能隨時間的退化。參考圖1，示出了說明根據(jù)本技術(shù)的自適應(yīng)神經(jīng)邏輯網(wǎng)絡(luò)的具體實現(xiàn)的過程圖示100。與燃氣輪機操作有關(guān)的主要過程包括燃氣輪機傳感器/現(xiàn)場數(shù)據(jù)的數(shù)據(jù)存儲，以及用于在這個數(shù)據(jù)集上的關(guān)鍵循環(huán)參數(shù)上運行校準(zhǔn)以便創(chuàng)建穩(wěn)定的基于物理學(xué)的性能解決方案的過程。通常來說，根據(jù)本技術(shù)，使用通過神經(jīng)網(wǎng)絡(luò)運行的平均性能模型和校準(zhǔn)模型的比較來創(chuàng)建自適應(yīng)邏輯以用于預(yù)測退化。通過使用被調(diào)節(jié)到給定模型的數(shù)據(jù)匹配偏差來對退化進行建模并且基于動態(tài)條件通過神經(jīng)網(wǎng)絡(luò)對退化進行修改。然后，將自適應(yīng)邏輯應(yīng)用于平均性能建模中以用于將來預(yù)測使用。根據(jù)本方法，針對性能將要被建模的每個機器，將傳感器數(shù)據(jù)存儲在數(shù)據(jù)庫110中。接著在每個時間迭代將該數(shù)據(jù)傳遞給兩個不同的性能模型。首先將現(xiàn)場條件和傳感器數(shù)據(jù)(包括但不限于環(huán)境條件、基礎(chǔ)設(shè)備和燃氣輪機配置、進口導(dǎo)流葉片(IGV)位置設(shè)置、速度、排氣溫度、燃料類型和進氣/排氣壓力)傳遞到將作為校準(zhǔn)模型112運行的性能模型。然后在數(shù)據(jù)簡化模式下運行校準(zhǔn)模型112以便反算性能數(shù)據(jù)。校準(zhǔn)模型可以提供一些過濾，包括而不限于，熱平衡、預(yù)測的功率-測量的功率以及丟失的傳感器數(shù)據(jù)。另外，在該模式下運行允許過程在傳感器數(shù)據(jù)可能不可靠之處反算一些關(guān)鍵參數(shù)，例如燃料流量。 在將性能模型作為校準(zhǔn)模型112運行之后,將設(shè)計乘子(design multiplier)和現(xiàn)場條件輸入應(yīng)用于性能模型，并將性能模型作為至少部分地已經(jīng)被調(diào)節(jié)到現(xiàn)場條件的基線模型114重新運行。將會認識到基線模型114不能使用所有的傳感器數(shù)據(jù)作為輸入。然而，通過以這種方式運行模型，可以在作為基線模型124運行的第二性能模型和基線模型114之間進行直接比較，因為基線性能模型114、124兩者對應(yīng)于類似的基于物理學(xué)的基線模型但是具有不同的調(diào)節(jié)。在將性能(基線)模型作為基線模型114運行后，將由此產(chǎn)生的數(shù)據(jù)存儲在性能數(shù)據(jù)庫116中。在使用性能數(shù)據(jù)庫116之前，運行第二性能(基線)模型124，第二性能(基線)模型124具有現(xiàn)場特定條件，包括但不限于負荷條件作為輸入但基于平均線性能模型。運行該模型以便將與在模型114中運行的一樣的輸出參數(shù)存儲在數(shù)據(jù)庫116中。利用每個時間點的數(shù)據(jù)庫116中的值，接著可以運行并訓(xùn)練神經(jīng)網(wǎng)絡(luò)120。該系統(tǒng)的重要輸入包括現(xiàn)場條件以及模型114和124的輸出，還有這些輸出之間的差異(增量deltas)。所述輸出對應(yīng)于部件特定參數(shù)，包括但不限于，壓氣機、渦輪、燃燒室以及排氣數(shù)據(jù)。由這個神經(jīng)網(wǎng)絡(luò)，可以基于接著被反饋回到基線模型124的數(shù)據(jù)來計算和更新退化標(biāo)量。通過使用基于矩陣算法和數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)，可以接著將這個模型輸入到作為退化模型的一部分的基線模型中。參考圖2，將會看到神經(jīng)網(wǎng)絡(luò)200被配置為后向傳播多層神經(jīng)網(wǎng)絡(luò)。在第一層，對應(yīng)于輸入202,204,206的各個輸入X1, X2,_被耦合到節(jié)點212、214、216、218。第二層代表輸入節(jié)點212、214、216、218以不同方式耦合到的壓氣機節(jié)點222、渦輪節(jié)點224和燃燒室節(jié)點226，同時包括節(jié)點212、214、216、218的第一層處理非線性相互作用方面。本主題提供了專門針對在燃氣輪機的性能建模中對退化進行建模的特定問題的解決方案。然而，應(yīng)當(dāng)認識到，本技術(shù)可以應(yīng)用于廣泛類別的系統(tǒng)，因此并不僅限于燃氣輪機環(huán)境。通過使用本技術(shù)提供的優(yōu)勢來自這樣的事實神經(jīng)網(wǎng)絡(luò)200的自適應(yīng)邏輯考慮了學(xué)習(xí)部件退化的修改量(modifiers)的更魯棒的方法。因為神經(jīng)網(wǎng)絡(luò)200是自我學(xué)習(xí)的，它可以被持續(xù)地改進而不需要對現(xiàn)有編碼基數(shù)進行代碼改變或修改。另外，因為本技術(shù)提供在選定的循環(huán)參數(shù)上而不是直接在部件效率修改量上修改退化標(biāo)量，所以它考慮了自適應(yīng)邏輯能夠在沒有軟件改變的情況下進行調(diào)節(jié)的、持續(xù)的基于物理學(xué)的改進。
本領(lǐng)域普通技術(shù)人員將會認識到本主題可以具體體現(xiàn)為在微處理器上運行的軟件對象，包括可以被嵌入或鏈接到現(xiàn)有性能模型中的方程式的神經(jīng)網(wǎng)絡(luò)矩陣。當(dāng)這樣實現(xiàn)時，軟件對象將微處理器配置為創(chuàng)建特定的邏輯電路。該軟件對象的技術(shù)效果為方便建模的設(shè)備和系統(tǒng)的預(yù)測和優(yōu)化。這個書面描述使用包括最佳實施方式的示例來公開本發(fā)明，并且還使得本領(lǐng)域任何技術(shù)人員能夠?qū)嵤┍景l(fā)明，包括制造和使用任何設(shè)備或系統(tǒng)并執(zhí)行任何合并的方法。本發(fā)明的可取得專利權(quán)的范圍由權(quán)利要求書來限定，并且可以包括本領(lǐng)域技術(shù)人員想到的其 他示例。如果這樣的其他示例包括與權(quán)利要求書的字面語言并無不同的結(jié)構(gòu)要素，或者如果它們包括與權(quán)利要求書的字面語言并無實質(zhì)差異的等同的結(jié)構(gòu)要素，則這樣的其他示例被確定為在權(quán)利要求書的范圍之內(nèi)。
權(quán)利要求
1.ー種用于系統(tǒng)中性能退化的自適應(yīng)建模的方法，包括 在性能t旲型(I 12，114)中t旲擬系統(tǒng)； 將所述性能模型作為校準(zhǔn)模型(112)來操作； 將所述性能模型作為基線模型(114)來操作； 將由作為所述校準(zhǔn)模型和基線模型兩者的操作產(chǎn)生的性能數(shù)據(jù)(116)存儲在性能數(shù)據(jù)存儲器中； 基于所存儲的性能數(shù)據(jù)之間的差異來預(yù)測性能退化(120); 基于當(dāng)前系統(tǒng)條件和所預(yù)測的性能退化之間的差異來操作系統(tǒng)基線模型(124)。
2.如權(quán)利要求I所述的方法，其中，所述系統(tǒng)是燃氣輪機。
3.如權(quán)利要求I所述的方法，其中，將所述性能模型作為校準(zhǔn)模型來操作包括使用系統(tǒng)現(xiàn)場和傳感器數(shù)據(jù)操作所述性能模型。
4.如權(quán)利要求I所述的方法，其中，將所述性能模型作為基線模型來操作包括使用校準(zhǔn)數(shù)據(jù)操作所述性能模型。
5.如權(quán)利要求I所述的方法，還包括，基于系統(tǒng)現(xiàn)場和負荷條件來操作所述系統(tǒng)基線模型。
6.如權(quán)利要求I所述的方法，還包括 將由操作所述系統(tǒng)基線模型產(chǎn)生的性能數(shù)據(jù)存儲在所述性能數(shù)據(jù)存儲器中；以及 基于所存儲的、來自所述校準(zhǔn)模型、所述基線模型和所述系統(tǒng)基線模型的性能數(shù)據(jù)之間的差異來預(yù)測性能退化。
7.如權(quán)利要求I所述的方法，其中，預(yù)測性能退化包括使用自適應(yīng)邏輯預(yù)測性能退化。
8.如權(quán)利要求7所述的方法，其中，所述自適應(yīng)邏輯是神經(jīng)網(wǎng)絡(luò)。
9.ー種用于調(diào)節(jié)系統(tǒng)中性能退化的建模的控制系統(tǒng)，包括 系統(tǒng)性能模型，所述系統(tǒng)性能模型被配置為作為校準(zhǔn)模型(112)和基線模型(114)來操作； 性能數(shù)據(jù)存儲器(116)，所述性能數(shù)據(jù)存儲器被配置為存儲由將所述系統(tǒng)性能模型作為所述校準(zhǔn)模型和基線模型兩者的操作產(chǎn)生的性能數(shù)據(jù)； 自適應(yīng)邏輯(120)，所述自適應(yīng)邏輯被配置為基于所存儲的性能數(shù)據(jù)之間的差異來預(yù)測性能退化；以及 基于系統(tǒng)基線模型(124)， 其中，所述系統(tǒng)基線模型被配置為基于當(dāng)前系統(tǒng)條件和所預(yù)測的性能退化之間的差異進行操作。
10.如權(quán)利要求9所述的系統(tǒng)，其中，所述性能模型被配置為通過使用系統(tǒng)現(xiàn)場和傳感器數(shù)據(jù)操作所述性能模型來作為校準(zhǔn)模型進行操作。
11.如權(quán)利要求9所述的系統(tǒng)，其中，所述性能模型被配置為通過使用校準(zhǔn)數(shù)據(jù)操作所述性能模型來作為基線模型進行操作。
12.如權(quán)利要求9所述的系統(tǒng)，其中，所述系統(tǒng)基線模型還被配置為基于系統(tǒng)現(xiàn)場和負荷條件進行操作，并且將由操作所述系統(tǒng)基線模型產(chǎn)生的性能數(shù)據(jù)存儲在所述性能數(shù)據(jù)存儲器中；以及其中，所述自適應(yīng)邏輯還被配置為基于來自所述系統(tǒng)基線模型的數(shù)據(jù)來預(yù)測性能退 化。
13.如權(quán)利要求9所述的系統(tǒng)，其中，所述自適應(yīng)邏輯是神經(jīng)網(wǎng)絡(luò)。
14.如權(quán)利要求9所述的系統(tǒng)，其中，所述系統(tǒng)是燃氣輪機。
15.如權(quán)利要求14所述的系統(tǒng)，其中，當(dāng)前系統(tǒng)條件對應(yīng)于渦輪負荷條件。
全文摘要
本主題旨在用于提供系統(tǒng)(100)、特別是燃氣輪機系統(tǒng)中性能退化的自適應(yīng)建模的方法和系統(tǒng)。提供一種性能模型并且將性能模型作為校準(zhǔn)模型(112)和基線模型(114)兩者來操作。存儲在兩個操作期間產(chǎn)生的數(shù)據(jù)并且在可對應(yīng)于神經(jīng)網(wǎng)絡(luò)的自適應(yīng)邏輯(120)中使用數(shù)據(jù)之間的差異，以便預(yù)測性能退化從而控制系統(tǒng)基線模型的操作。還可以存儲來自系統(tǒng)基線模型的操作的數(shù)據(jù)，并在自適應(yīng)邏輯中與來自校準(zhǔn)模型和基線模型的數(shù)據(jù)一起使用。
文檔編號G05B17/02GK102955429SQ201210301929
公開日2013年3月6日 申請日期2012年8月23日 優(yōu)先權(quán)日2011年8月23日
發(fā)明者C.E.T.羅姆三世, R.A.摩根, S.R.瓦茨 申請人:通用電氣公司