[发明专利]用于性能退化的自适应建模的过程

说明书

技术领域

本主题涉及系统性能退化的预测。更具体地说，本主题涉及用于提供燃气轮机性能随时间退化的改进的预测的方法。

背景技术

就像一切别的东西一样，燃气轮机在被使用时最终会随着时间过去而退化。预测这种退化的通常作法是使用收集的现场传感器数据来创建回归模型。然而，使用那种方法会出现问题，因为随着时间过去，这种退化可以响应于变化的条件而以各种方式变化，例如：随着时间过去配置的改变、自上次水洗后的时间、以及进气条件和排气条件的改变。当燃气轮机改变时，用于预测退化的回归模型也将需要更新。

之前的解决这个问题的尝试涉及例如将回归建模用于特定框架的不同部件的方法。然后，将这些回归模型放入基于物理学的模型中，以便确定依赖于涡轮已经点火的小时数的部件修改量（component modifiers）。现有技术在下列文献中已经解决这些关注的问题中的一些：美国专利No.5,080,496旨在补偿温度预测的方法和装置，它使用传感器和信号处理来提供表示将要测量的实际温度的校正温度信号；美国专利No.6,522,990旨在减少温度过调量的方法和装置，它公开了用于推导测量的温度和相关的不可测量温度之间的偏差的方法；美国公开的专利申请No.2006/0217870A1旨在估计退化系统的健康参数或症状并且集中于通过状态参数的偏差的气路分析的退化；美国专利No.7,058,556B2公开了一种采用自适应逻辑模块来直接修改部件效率的自适应气体热力学引擎模型；以及美国公开的专利申请No.2008/0120074A1公开了减少燃气轮机性能跟踪估计不可重复性。

鉴于这些已知的问题，因而提供用于监视系统的、特别是燃气轮机系统的随时间的性能退化的方法和装置将是有利的。提供这样的方法将是更有利的，其中可以提供神经网络作为性能预测工具的一部分，使得它考虑了自适应而无代码改变同时减少了对配置和其他典型参数的依赖。

发明内容

本发明的各个方面和优势将在下面的描述中部分地阐明，或者可以根据描述而变得显而易见，或者可以通过本发明的实施而认识到。

本主题涉及用于提供系统中性能退化的自适应建模的方法。该方法提供在性能模型中模拟系统并将性能模型作为校准模型和作为基线模型来操作。接着将由作为校准模型和基线模型两者操作产生的数据存储在性能数据存储器中。然后，该方法基于所存储的性能数据之间的差异来预测性能退化。该方法还提供基于当前系统条件和所预测的性能退化之间的差异进行操作的系统基线模型。

在选定的实施例中，该方法被应用于燃气轮机系统。在某些实施例中使用系统现场和传感器数据将性能模型作为校准模型来操作，而在其他实施例中使用校准数据将性能模型作为基线模型来操作。在另外的实施例中，该方法提供基于系统现场和负荷条件来操作系统基线模型并将由这种操作产生的性能数据存储在性能数据存储器中，其中预测性能退化则是基于所存储的、来自校准模型、基线模型和系统基线模型的性能数据之间的差异的。在特定的实施例中，该方法使用自适应逻辑预测性能退化，所述自适应逻辑在选定的实施例中可以对应于神经网络。

本主题还涉及用于调节系统中性能退化的建模的控制系统。在这样的系统中，提供了系统基于物理学的性能模型并将其配置为作为校准模型和基线模型来操作。该系统被配置为存储由将系统性能模型作为校准模型和基线模型两者的操作产生的性能数据，并且在配置中提供自适应逻辑以便基于所存储的性能数据之间的差异来预测性能退化。该系统还提供了被配置为将要基于当前系统条件和所预测的性能退化之间的差异来操作的基于系统基线模型（a system baseline model based）。在某些实施例中，性能模型被配置为通过使用系统现场和传感器数据操作性能模型而作为校准模型来操作，以及在一些实施例中，性能模型被配置为通过使用校准数据操作性能模型而作为基线模型来操作。

在特定的实施例中，系统基线模型还被配置为基于系统现场和负荷条件进行操作并且将由操作系统基线模型产生的性能数据存储在性能数据存储器中，以便于自适应逻辑同样基于来自系统基线模型的数据来预测性能退化。在选定的实施例中，自适应逻辑可以对应于神经网络。在大部分特定的实施例中，系统可以是燃气轮机并且当前系统条件可以对应于涡轮负荷条件。

参考下面的描述和所附的权利要求书，将会更好地理解本发明的这些和其他的特征、方面和优势。被结合进来并组成本说明书的一部分的附图示出了本发明的实施例并且和描述一起用于解释本发明的原理。

附图说明