專利名稱：用于監(jiān)視燃氣輪機的系統(tǒng)和方法
技術領域：
本發(fā)明大體而言涉及用于監(jiān)視燃氣輪機可用狀況的系統(tǒng)和方法。更具體而言，本發(fā)明描述了使用來自個別燃氣輪機(individual gasturbine)的實際信息來調整通有燃氣輪機模型(generic gas turbine model)以預測個別燃氣輪機的維修和/或維護間隔的系統(tǒng)和方法。
背景技術：
燃氣輪機廣泛地用于工業(yè)和商業(yè)操作中。如圖1所示，典型燃氣輪機10包括在前部的軸向壓縮機12，圍繞中部的一個或多個燃燒器14以及在后部的渦輪機16。壓縮機12 包括多級旋轉槳葉和固定葉片。周圍空氣進入壓縮機12，且旋轉槳葉和固定葉片漸進地賦予動能給工作流體(空氣)以使之到高能量狀態(tài)。工作流體從壓縮機12出來且流動到燃燒器14，在燃燒器14中，其與燃料18混合并點燃以生成具有高溫、高壓和高速的燃燒氣體。 燃燒氣體從燃燒器14出來且流動到渦輪機16，在渦輪機16中，它們膨脹以做功。燃氣輪機(類似于任何其它機械裝置)需要周期性的維修和維護來確保正常操作。作為一般的辦法，可對燃氣輪機的“機群(fleet)”(特別地相似類別或類型的可比較的燃氣輪機)的先前經驗可進行統(tǒng)計分析以開發(fā)機群模型，其可預測其它燃氣輪機經歷的預期磨損和損壞?；跈C群模型，可在最佳間隔排定預測、維修和維護，其最小化進行維修的非計劃停機和執(zhí)行不必要的預防維護的不必要停機的風險。但個別燃氣輪機的實際性能可不同于機群模型。舉例而言，個別燃氣輪機可在配置、制造公差和組裝方面略微不同，與機群模型相比，這可導致不同水平的磨損和損壞。此夕卜，個別燃氣輪機實際上經歷的操作、維修和維護歷史可不同于機群平均值。舉例而言，與機群模型相比，在潮濕和腐蝕性環(huán)境中操作的燃氣輪機可需要更頻繁的維修和維護來解決與腐蝕、點蝕和排放相關聯(lián)的問題。相反，與機群模型相比，經歷更少啟動和停機循環(huán)的其它燃氣輪機可需要較不頻繁的停機來執(zhí)行與循環(huán)應力相關聯(lián)的預防性維護。在每個實例中，基于與個別燃氣輪機相關聯(lián)的實際數(shù)據(jù)對機群模型的調整將增強最佳地排定維修和維護的能力。因此，將需要用于監(jiān)視燃氣輪機的性能和操作的改進的系統(tǒng)和方法。

發(fā)明內容
本發(fā)明的方面和優(yōu)點在下文的描述中陳述，或者可從該描述變得明顯，或者可通過實踐本發(fā)明而學習。本發(fā)明的一實施例是一種用于監(jiān)視使用中(under service)的燃氣輪機的性能的系統(tǒng)。該系統(tǒng)包括第一存儲元件和輸入裝置，該第一存儲元件包含來自可比較的燃氣輪機的參數(shù)信息的數(shù)據(jù)庫，其中該輸入裝置生成單元數(shù)據(jù)信號和風險信號，該單元數(shù)據(jù)信號包含來自使用中的燃氣輪機的參數(shù)信息，該風險信號包含使用中的燃氣輪機的風險值。與該第一存儲器裝置和輸入裝置通信的處理器將單元數(shù)據(jù)信號合并于來自可比較的燃氣輪機的參數(shù)信息的數(shù)據(jù)庫內，預測使用中的燃氣輪機的參數(shù)信息，并且計算該使用中的燃氣輪機的預測參數(shù)信息將到達預定參數(shù)限度的條件風險。由該處理器生成的輸出信號包括維修或維護安排信息(scheduling information)中的至少一種。本發(fā)明的另一實施例是一種用于監(jiān)視使用中的燃氣輪機的性能的方法。該方法包括從可比較的燃氣輪機接收參數(shù)信息，將來自使用中的燃氣輪機的參數(shù)信息添加給來自可比較的燃氣輪機的參數(shù)信息，以及預測使用中的燃氣輪機的參數(shù)信息。該方法還包括計算該使用中的燃氣輪機的預測參數(shù)信息將到達預定參數(shù)限度的條件風險，并且基于該條件風險生成包含使用中的燃氣 輪機的維修或維護安排中至少一種的輸出信號。本發(fā)明的再一實施例是一種用于監(jiān)視使用中的燃氣輪機的性能的方法，該方法包括接收機群模型信號，該機群模型信號包含來自可比較的燃氣輪機的參數(shù)信息；將來自使用中的燃氣輪機的參數(shù)信息添加給來自可比較的燃氣輪機的參數(shù)信息，以及，預測使用中的燃氣輪機的參數(shù)信息。該方法還包括計算使用中的燃氣輪機的預測參數(shù)信息將到達預定參數(shù)限度的條件風險，并且基于該條件風險生成輸出信號，該輸出信號包含使用中的燃氣輪機的維修安排、維護安排或預測使用壽命中的至少一種。通過閱讀說明書，本領域普通技術人員將更好地了解這些實施例和其它實施例的特點和方面。


在說明書的其余部分中并參考附圖更特定地描述了全面并可實施的公開內容 (包括其對于本領域技術人員而言的最佳實施方式)，在附圖中圖1示出典型燃氣輪機系統(tǒng)的簡化方塊圖；圖2示出根據(jù)本發(fā)明的一實施例的用于監(jiān)視使用中的燃氣輪機的系統(tǒng)的功能方塊圖。圖3示出用于更新和驗證機群模型的算法；圖4示出用于更新和驗證單元模型的算法；圖5示出用于執(zhí)行單元風險分析的算法；圖6示出用于計算部件或構件的剩余使用壽命的算法。圖7以圖表示出根據(jù)本發(fā)明的一實施例的可通過單元風險分析生成的假設性損壞擴展曲線；以及圖8以圖表示出根據(jù)本發(fā)明的一實施例的假設性使用壽命曲線。附圖標記構件10燃氣輪機12壓縮機14燃燒器16渦輪機20系統(tǒng)22處理器24機群模型信號26數(shù)據(jù)庫
28機群數(shù)據(jù)信號30單元數(shù)據(jù)信號32風險信號33更新機群模型信號34輸入裝置36機群模型檢驗區(qū)塊38單元模型創(chuàng)建區(qū)塊40單元風險分析區(qū)塊41來自單元模型的參數(shù)信息42輸出信號44維修安排46維護安排48使用壽命預測50機群導入數(shù)據(jù)區(qū)塊52機群曝光數(shù)據(jù)(Exposure Data)54機群損壞數(shù)據(jù)56機群分類數(shù)據(jù)區(qū)塊58機群組別數(shù)據(jù)區(qū)塊60機群比較區(qū)塊62機群更新區(qū)塊66機群旗標區(qū)塊68單元導入數(shù)據(jù)區(qū)塊70單元曝光數(shù)據(jù)72單元損壞數(shù)據(jù)74單元分類數(shù)據(jù)區(qū)塊76單元組別數(shù)據(jù)區(qū)塊78單元比較區(qū)塊80單元更新區(qū)塊84單元旗標區(qū)塊86URA輸入?yún)^(qū)塊88URA導入?yún)^(qū)塊90URA負荷風險分析方程式92URA條件風險計算區(qū)塊94URA可靠性計算區(qū)塊96URA計算使用壽命區(qū)塊98使用壽 命輸入?yún)^(qū)塊100使用壽命導入?yún)^(qū)塊102使用壽命平均損壞值區(qū)塊104使用壽命計算失效概率區(qū)塊
106使用壽命計算風險的失效時間108使用壽命計算剩余使用壽命110操作限度1125%機群曲線1145%機群限度11695%機群曲線11895%機群限度1205%單元曲線1225%單元限度12495%單元曲線12695%單元限度128單元數(shù)據(jù)130假設性使用壽命曲線132設計壽命結束134新壽命結束曲線
具體實施方式
現(xiàn)詳細地參考本發(fā)明的實施例，其一個或多個實例在附圖中示出。詳細描述使用數(shù)字和字母標記來指代附圖中的特點。在附圖和描述中同樣或相似的標記用于指代本發(fā)明同樣或相似的部件。以解釋本發(fā)明的方式提供每個實例，并不限制本發(fā)明。實際上，對于本領域技術人員明顯的是，在不偏離本發(fā)明的范圍或精神的情況下可做出各種修改和變型。舉例而言，作為一個實施例的部分示出或描述的特點可用于另一實施例以得到又一實施例。因此，預期本發(fā)明涵蓋屬于所附權利要求和其等效物內的這些修改和變型。本文所討論的系統(tǒng)和方法提及處理器、服務器、存儲器、數(shù)據(jù)庫、軟件應用和/或其它基于計算機的系統(tǒng)，以及所采取的行動和發(fā)送到這些系統(tǒng)和來自這些系統(tǒng)的信息。本領域普通技術人員應認識到基于計算機系統(tǒng)的固有靈活性允許很多種可能配置，組合和任務劃分以及在構件之間和構件中的功能。舉例而言，本文所討論的計算機實施的過程可使用單個服務器或處理器或組合工作的多個這樣的元件來實施。數(shù)據(jù)庫和其它存儲器/媒體元件和應用可實施于單個系統(tǒng)上或者分布于多個系統(tǒng)上。分布的構件可循序或并行地操作。本領域普通技術人員應了解所有這些變型預期在本主題的精神和范圍內。當在第一計算機系統(tǒng)與第二計算機系統(tǒng)、處理裝置或其構件之間獲得或存取數(shù)據(jù)時，實際數(shù)據(jù)可直接地或間接地在系統(tǒng)之間行進。舉例而言，如果第一計算機存取來自第二計算機的文件或數(shù)據(jù)時，存取可涉及一個或多個中間計算機、代理或類似物。實際文件或數(shù)據(jù)可在計算機之間移動，或者一個計算機可提供指針或元文件，第二計算機使用該指針或元文件來存取來自非第一計算機的計算機的實際文件。本文所討論的各種計算機系統(tǒng)并不限于任何特定硬件架構或配置。本文所陳述的方法和系統(tǒng)的實施例可由一個或多個通用或定制計算裝置來實施，通用或定制計算裝置以任何合適的方式調適以提供所需功能。裝置可適于提供額外的功能，補充本主題或與本主題無關。舉例而言，一個或多個計算裝置可適于通過存取呈計算機可讀形式的軟件指令而提供所描述的功能。當使用軟件時，可使用任何合適的編程、腳本或其它類型的語言或語言的組合來實施本文所包含的教導內容。但是，軟件不需要專用或者完全無需使用。舉例而言，如由本領域普通技術人員所理解，無需額外詳細討論，本文所陳述和公開的方法和系統(tǒng)的某些實施例也可由硬布線邏輯或其它電路來實施，包括(但不限于)專用電路。當然，計算機執(zhí)行的軟件和硬布線邏輯或其它電路的各種組合也會是合適的。
本領域普通技術人員應了解本文所公開的方法的實施例可由一個或多個合適的計算裝置來執(zhí)行，該一個或多個計算裝置使得該裝置通過操作來實施這些方法。如上文所提到的那樣，這些裝置可存取一個或多個計算機可讀媒體，計算機可讀媒體包含計算機可讀指令，當由至少一個計算機執(zhí)行這些計算機可讀指令時，計算機可讀指令使至少一個計算機實施本主題方法的一個或多個實施例。任何合適的一個或多個計算機可讀媒介或媒體可用于實施或實踐目前公開的主題，包括(但不限于)軟盤、驅動或其它基于磁性的儲存媒體、光學儲存媒體，包括盤(包括CD-ROM、DVD-ROM和其變型)、閃存、RAM、ROM和其它固態(tài)儲存裝置和類似物?；跅l件的維護系統(tǒng)對機群模型、具體單元數(shù)據(jù)和操作者選擇的風險參數(shù)應用隨機分析來產生具有成本效益的系統(tǒng)和方法，其優(yōu)化諸如燃氣輪機的高保真度(fidelity) 系統(tǒng)的維修和/或維護間隔。用于燃氣輪機的每個具體失效機制的機群模型可通過向歷史機群數(shù)據(jù)應用多層次隨機建模技術(諸如貝葉斯推理和馬爾可夫鏈蒙特卡羅 (MarkovChain Monte Carlo, MCMC))模擬)來開發(fā)。每個機群模型的準確度可周期性地檢驗和/或驗證，且從特定燃氣輪機獲得的具體單元數(shù)據(jù)可添加給每個機群模型以調整或更新機群模型或者創(chuàng)建單元模型，單元模型對每個具體失效機制的特定燃氣輪機準確地建模。向更新的機群模型應用操作者選擇的風險參數(shù)提高了以最佳間隔排定維修和/或維護項目的能力，這提高了操作可用度，降低了非計劃和不必要的停機，和/或延長了特定燃氣輪機的使用壽命。作為實例，如果用于特定燃氣輪機的具體單元數(shù)據(jù)指示比機群模型所提供的預測更低的磨損或損壞，那么通過延長維修和/或維護事件之間的間隔而改進特定燃氣輪機的可用性。相反，如果特定燃氣輪機的具體單元數(shù)據(jù)指示比機群模型所提供的預測更大磨損或損壞，那么在維修和/或維護事件之間的間隔可縮短，從而導致計劃的停運，而不是成本更高的非計劃停運。在任一事件下，調整的維修和/或維護安排改進了特定燃氣輪機的可靠性和操作，從而導致特定燃氣輪機的更準確且可能延長的使用壽命。圖2示出根據(jù)本發(fā)明的一實施例用于監(jiān)視使用中的燃氣輪機10的系統(tǒng)20。用語 “使用中的燃氣輪機”是指特定或具體燃氣輪機，與燃氣輪機機群區(qū)分。系統(tǒng)20通常包括處理器22，處理器22包括編程以存取一個或多個存儲器/媒體元件。處理器22接收來自數(shù)據(jù)庫26的機群模型信號24和機群數(shù)據(jù)信號28，單元數(shù)據(jù)信號30和/或來自輸入裝置34 的風險信號32。用語“信號”指信息的任何電傳輸。機群模型信號24包括由機群模型所預測的可比較的燃氣輪機的參數(shù)信息，其包括于數(shù)據(jù)庫26中。該系統(tǒng)20應用的多層次隨機建模技術，貝葉斯推理和MCMC模擬，由區(qū)塊36和圖3所示的算法代表，來檢驗并驗證包括于機群模型信號24中的預測參數(shù)信息且生成更新的機群模型信號33。該系統(tǒng)20向更新的機群模型信號33添加包含于單元數(shù)據(jù)信號30中的來自使用中的燃氣輪機10的參數(shù)信息以創(chuàng)建更新的機群模型，優(yōu)選地被稱作單元模型，由區(qū)塊38和圖4所示的算法代表。該單元模型生成關于使用中的燃氣輪機10的預測參數(shù)信息41。由圖2中的區(qū)塊40所代表的單元風險分析和圖5與圖6所示的算法組合來自單元模型的預測參數(shù)信息41與風險信號 32來生成輸出信號42，輸出信號42反映使用中的燃氣輪機10的維修安排44和/或維護安排46和/或使用壽命預測48。 本文所討論的處理器22并不限于任何特定硬件架構或配置。替代地，處理器22 可包括通用或定制計算裝置，其適于通過存取存儲器媒體(例如，圖2中的區(qū)塊36、38和/ 或40)、數(shù)據(jù)庫和其它硬件(如由呈現(xiàn)為計算機可讀形式的軟件指令或編程電路所指導)來提供所描述的功能。舉例而言，處理器22可包括單個服務器，單個微處理器、硬布線邏輯， 包括(但不限于)具體應用電路或組合地工作的多個這樣的元件。數(shù)據(jù)庫26包含從可用來源積累的燃氣輪機的“機群”(特別地相似類別或類型的可比較的燃氣輪機)的歷史參數(shù)信息。數(shù)據(jù)庫26可包括存儲器/媒體元件和實施于單個系統(tǒng)或分布于多個系統(tǒng)上的應用程序。如果使用分布的構件，那么它們可循序或并行操作。包含于數(shù)據(jù)庫26中的歷史參數(shù)信息包括反映可比較的燃氣輪機的操作、維修和/ 或維護的數(shù)據(jù)。歷史參數(shù)信息可具體地包括被稱作曝光數(shù)據(jù)和損壞數(shù)據(jù)的數(shù)據(jù)。曝光數(shù)據(jù)包括描述可比較的燃氣輪機的操作歷史的任何信息，其可在統(tǒng)計上與推測失效模式或機制相關聯(lián)。舉例而言，曝光數(shù)據(jù)可包括操作小時、啟動和停機循環(huán)次數(shù)、點火溫度和非計劃跳脫(unplanned trips)數(shù)。損壞數(shù)據(jù)包括所發(fā)生的有統(tǒng)計意義的任何硬件失效機制。失效機制包括來自標稱值的物理或功能特征的任何降級，其導致輸出損失、效率損失或者不能操作可比較的燃氣渦輪。已知失效機制的實例包括腐蝕、蠕變、變形、疲勞、異物損壞、氧化、 熱屏障涂層(TBC)分裂、插塞/污染、破裂和磨損。這些失效機制可收集或記錄為增強的孔探(boroscope)檢測、現(xiàn)場監(jiān)視、操作日志、維修日志、維護日志等的結果?？捎玫臍v史信息源包括(例如)操作經驗，操作記錄、部件檢查記錄和場檢查報告的數(shù)據(jù)庫。包括于這些源中的歷史信息的實例包括(但不限于)增強的孔探檢查(EBI)報告、電子記錄、監(jiān)視和診斷(M&D)數(shù)據(jù)、停運事件記錄、操作小時、啟動和跳脫，以及檢修間或維修數(shù)據(jù)。對諸如曝光和損壞數(shù)據(jù)的歷史信息的收集進行統(tǒng)計分析且規(guī)格化以開發(fā)機群模型，也被稱作數(shù)據(jù)積累模型。機群模型使用所收集的歷史信息預測參數(shù)信息，諸如在未來曝光期間的損壞生長，且機群模型和/或預測參數(shù)信息通過機群模型信號24傳輸?shù)教幚砥?22。輸入裝置34允許使用者與系統(tǒng)20通信且可包括用于提供使用者與系統(tǒng)20之間介面的任何結構。舉例而言，輸入裝置34可包括鍵盤、計算機、終端、磁帶驅動和/或任何其它裝置，其用于從使用者接收輸入且生成到系統(tǒng)20的機群數(shù)據(jù)信號28、單元數(shù)據(jù)信號30 和/或風險信號32。圖3示出用于更新和驗證機群模型和/或機群模型信號24的算法，在先前被稱作圖2中的區(qū)塊26。在區(qū)塊50，算法導入機群數(shù)據(jù)信號28，其包括(例如)來自機群中的可比較的燃氣渦輪新收集的參數(shù)信息，諸如曝光數(shù)據(jù)52和損壞數(shù)據(jù)54。僅出于說明目的，假定機群數(shù)據(jù)信號28指示在10，000操作小時，20次啟動與停機循環(huán)，和2個非計劃跳脫，孔探檢查檢測到特定構件中裂縫大小為0. 1,0. 2,0. 1,0. 2,0. 3和0. 2。在區(qū)塊56，算法分類并組織導入的曝光數(shù)據(jù)52和損壞數(shù)據(jù)54，例如，通過根據(jù)所檢測的損壞量值以升序向每個檢查結果分配變量Ln，以產生以下結果=L1 = 0. LL2 = 0. LL3 = 0. 2，L4 = 0. 2，L5 = 0. 2， 和L6 = 0. 3。在區(qū)塊58，算法分組所分類的曝光數(shù)據(jù)52和損壞數(shù)據(jù)54，例如，通過向具有相同量值的每個檢查結果分配變量Rn，以產生以下結果=R1 = 2/6,R2 = 2/6,R3 = 3/6,R4 = 3/6，R5 = 3/6，和R6 = 1/6。在區(qū)塊60，算法比較所分類并分組的數(shù)據(jù)52、54與機群模型信號24，其包括分布參數(shù)信息，諸如基于機群模型預測的損壞結果，來判斷機群模型在統(tǒng)計上是否準確。統(tǒng)計準確度可由任意多個個別或組合統(tǒng)計標準來確定，包括(例如)決定系數(shù)(R2)值或標準偏差(6 )。如果該比較表明機群模型提供在統(tǒng)計上準確的實際損壞預測， 區(qū)塊62那么算法用來自機群中可比較的燃氣輪機的新收集的參數(shù)信息來更新歷史參數(shù)信息的數(shù)據(jù)庫26且提供更新的機群模型信號33用于進一步分析。更新機群模型當由圖4所示的算法存取時變成單元模型。如果比較表明機群模型并不提供統(tǒng)計上準確的實際損壞預測，那么算法生成旗標66或其它信號，其表明需要調查機群模型預測與實際損壞數(shù)據(jù)之間的誤差。

圖4示出用于更新和驗證單元模型的算法，在先前被稱作圖2中的區(qū)塊38。在區(qū)塊68，算法導入單元數(shù)據(jù)信號30，其包括(例如)從使用中的燃氣輪機10新收集的參數(shù)信息，諸如曝光數(shù)據(jù)70和損壞數(shù)據(jù)72。僅出于說明目的，再次假定機群數(shù)據(jù)信號30指示在 10，000操作小時，20次啟動與停機循環(huán)，和2個非計劃跳脫，孔探檢查檢測在特定構件中的裂縫大小為0. 1,0. 3,0. 1,0. 3、0. 3和0. 2。在區(qū)塊74，算法分類并組織導入的單元數(shù)據(jù)70、 72，例如，通過根據(jù)所檢測的損壞的量值以升序向每個檢查結果分配變量Ln，以產生以下結果=L1 = 0. LL2 = 0. LL3 = 0.2，L4 = 0.3，L5 = 0. 3 以及 L6 = 0.3。在區(qū)塊 76，算法將所分類的單元數(shù)據(jù)70、72分組，例如，通過向具有相同量值的每個檢查結果分配變量Rn，以產生以下結果禮=2/6，R2 = 2/6，R3 = 1/6，R4 = 3/6，R5 = 3/6 和 R6 = 3/6。在區(qū)塊 78，算法比較所分類并分組的單元數(shù)據(jù)70、72與單元模型，單元模型包括分布參數(shù)信息，諸如基于單元模型預測的損壞結果，來判斷單元模型在統(tǒng)計上是否準確。統(tǒng)計準確度可由任意多個個別或組合統(tǒng)計標準來確定，包括(例如)決定系數(shù)(R2)值或標準偏差(6)。如果比較表明單元模型提供在統(tǒng)計上準確的實際損壞預測，區(qū)塊80，那么算法利用來自使用中的燃氣輪機10的新收集的參數(shù)信息來更新單元模型且生成來自單元模型的更新的參數(shù)信息41 用于進一步分析。如果比較表明單元模型并不提供在統(tǒng)計上準確的實際損壞預測，那么算法生成旗標84或其它信號，其表明需要調查機群預測損壞與實際損壞之間的誤差。圖5示出用于執(zhí)行單元風險分析的算法，在先前被稱作圖2中的區(qū)塊40。單元風險分析組合來自單元模型的更新的參數(shù)信息41與風險信號32來生成輸出信號42，輸出信號42反映使用中的燃氣輪機10的維修安排44/或維護安排46和/或使用壽命預測48。 在區(qū)塊86，算法導入風險信號32，風險信號32包括(例如)單元曝光數(shù)據(jù)、對于每個失效機制可接受的風險水平和/或使用中的燃氣輪機10的下一檢查間隔。在區(qū)塊88，算法導入來自單元模型的更新的參數(shù)信息41，包括(例如)分布單元參數(shù)信息，諸如基于單元模型的推測損壞結果。在區(qū)塊90，算法載入或存取對應于每個失效機制的風險分析方程式。風險分析方程式可采用本領域中已知的各種技術中的任何技術來基于已知數(shù)據(jù)對未來條件的分布曲線建模。舉例而言，風險分析方程式可使用韋伯對數(shù)線性模型(Weibull-loglinear model)，韋伯比例風險模型(Weibull proportional hazard model)或者對數(shù)常態(tài)-對數(shù)線性模型(lognormal-loglinear model)。在區(qū)塊92，算法使用風險分析方程式來計算與每個特定失效機制相關聯(lián)的條件風險。條件風險是單元參數(shù)將在未來的某點到達或超過預定參數(shù)限度的概率。預定參數(shù)限度可為任何條件、度量、測量或由使用者確立的其它標準。舉例而言，預定參數(shù)限度可為部件或構件的操作限度，諸如裂縫大小，若超過該操作限度，那么可需要由使用者采取行動， 諸如執(zhí)行額外檢查，使部件或構件停止運作，維修部件或構件，或者限制使用中的燃氣輪機 10的操作能力。未來的點可為使用中的燃氣輪機10的下一檢查間隔，由操作小時、啟動、 停機、非計劃跳脫或由使用者提供且與失效機制相關聯(lián)的任何其它曝光數(shù)據(jù)來在時間上測量。在區(qū)塊94，算法計算在使用中的燃氣輪機10的當前條件的可靠性。所計算的可靠性是部件或構件能至少在未來的某點之前以額定限度成功地執(zhí)行設計功能的概率。換言之，所計算的可靠性是部件或構件由于確認的失效機制在未來的某點之前不失效的概率。 如同條件風險計算，未來的點可為使用中的燃氣輪機10的下一檢查間隔，由操作小時、啟動、停機、非計劃跳脫或由使用者提供且與失效機制相關聯(lián)的任何其它曝光數(shù)據(jù)在時間上測量。在區(qū)塊96，算法計算部件或構件的剩余使用壽命，且圖6示出執(zhí)行這種計算的算法。在區(qū)塊98和100，算法分別導入風險信號32和更新的參數(shù)信息41，如在先前關于圖5 中的區(qū)塊86和88所討論的那樣。在區(qū)塊102，算法計算使用中的燃氣輪機10的每個特定失效機制的平均損壞值。在區(qū)塊104，算法計算部件或構件將在各個未來曝光點(例如，操作小時、啟動、停機、非計劃跳脫等)到達或超過預定操作限度的概率。在區(qū)塊106，算法基于由使用者所提供的關于每個失效機制的可接受的風險水平來計算最有限曝光點。使用在先前實例中所提供的數(shù)據(jù)來說明，如果使用者提供裂縫大小5%的可接受風險水平，且裂縫大小的預定操作限度是0. 5，那么算法的區(qū)塊106計算當條件風險為5%時存在0. 5的裂縫大小的曝光點。在區(qū)塊108，算法基于當前曝光點與在區(qū)塊106中所計算的最有限的曝光點之間的差異來計算該部件或構件的剩余使用壽命。

返回至圖5，單元風險分析算法生成輸出信號42，輸出信號42反映單元風險分析的結果。舉例而言，輸出信號42可包括使用中的燃氣輪機10或其中構件的維修安排44和 /或維護安排46和/或使用壽命預測。圖7以圖表示出根據(jù)本發(fā)明的一實施例的可由單元風險分析算法生成的假設性損壞擴展曲線。橫軸代表用于維修和/或維護的停運之間的曝光間隔(例如，操作小時，啟動、停機、非計劃跳脫或與失效機制相關聯(lián)的任何其它曝光數(shù)據(jù))，且縱軸代表使用中的燃氣輪機10的部件或構件的損壞量。在曲線上的水平線代表由使用者確立的部件或構件的預定參數(shù)限度110或操作限度。在圖7中圖表上的每個曲線代表假設性損壞擴展曲線。舉例而言，標注為112的曲線反映根據(jù)機群模型，未檢測到損壞的部件或構件將在標記為114的曝光間隔之前超過預定參數(shù)限度110的5%的風險。標注為116的曲線反映根據(jù)機群模型，未檢測到損壞的部件或構件將在標記為118的曝光間隔之前超過預定參數(shù)限度110的95%的風險。標注為 120的曲線反映根據(jù)更新的機群模型或單元模型，未檢測到損壞的部件或構件將在標記為 122的曝光間隔之前超過預定參數(shù)限度110的5%的風險。標注為124的曲線反映根據(jù)更新的機群模型或單元模型，未檢測到損壞的部件或構件將在標記為126的曝光間隔之前超過預定參數(shù)限度110的95%的風險。標記為128的各種數(shù)據(jù)點代表實際檢查結果，在先前被不同地稱作單元參數(shù)信息或損壞數(shù)據(jù)72，通過單元數(shù)據(jù)信號30傳輸?shù)教幚砥?2。現(xiàn)返回參看圖2，此損壞數(shù)據(jù)72被添加給區(qū)塊38中的單元模型以生成更新的參數(shù)信息41。該單元風險分析組合更新參數(shù)信息41與風險信號32中的信息，以確定使用中的燃氣輪機10 的實際風險曲線。 圖8以圖表示出由先前關于圖6所討論的算法生成的假設性使用壽命曲線。在此說明中，橫軸代表操作小時的曝光限度，且縱軸代表啟動的曝光限度。取決于各種因素(諸如失效機制，特定部件或構件，使用中的燃氣輪機10的曝光數(shù)據(jù))，可應用其它曝光限度。 標記為130的曲線代表特定失效機制的部件或構件的假設使用壽命曲線。點132代表對于啟動與操作小時的給定組合，部件或構件的設計使用壽命。標記為134的曲線代表如由圖6 中的區(qū)塊106和108所計算的部件或構件的新使用壽命曲線。如圖所示，新使用壽命曲線 134示出在發(fā)生失效機制之前部件或構件可經歷的增加的啟動次數(shù)和操作小時。本書面描述使用實例來公開本發(fā)明(包括最佳實施方式)，且也能使本領域技術人員實踐本發(fā)明，包括做出和使用任何裝置或系統(tǒng)和執(zhí)行任何合并的方法。專利保護范圍由權利要求限定，且可包括本領域技術人員想到的這些修改和其它實例。如果其它實例具有與權利要求的字面語言并無不同的結構元件或者如果其它實例包括與權利要求的字面語言并無實質不同的等效結構元件，那么其它實例預期在權利要求的保護范圍內。
權利要求
1.一種用于監(jiān)視使用中的燃氣輪機(10)的性能的系統(tǒng)(20)，包括存儲元件，其包含來自可比較的燃氣輪機的參數(shù)信息的數(shù)據(jù)庫06)；輸入裝置(34)，其中，所述輸入裝置(34)生成單元數(shù)據(jù)信號(30)和風險信號(32)，所述單元數(shù)據(jù)信號包含來自所述使用中的燃氣輪機(10)的參數(shù)信息，所述風險信號包含所述使用中的燃氣輪機(10)的風險值；與所述存儲元件和所述輸入裝置(34)通信的處理器(22)，其中，所述處理器0 將所述單元數(shù)據(jù)信號(30)合并到來自可比較的燃氣輪機的參數(shù)信息的所述數(shù)據(jù)庫06)內，預測所述使用中的燃氣輪機(10)中的參數(shù)信息，并且計算所述使用中的燃氣輪機(10)的預測的參數(shù)信息將到達預定參數(shù)限度的條件風險；以及由所述處理器0 生成的輸出信號(42)，其中，所述輸出信號0 包括維修或維護安排信息中的至少一種。
2.根據(jù)權利要求1所述的系統(tǒng)(20)，其特征在于還包括在所述數(shù)據(jù)庫06)與所述處理器0 之間的機群模型信號(M)，所述機群模型信號04)包括來自可比較的燃氣輪機的參數(shù)信息。
3.根據(jù)權利要求1或2所述的系統(tǒng)(20)，其特征在于，來自可比較的燃氣輪機的參數(shù)信息的所述數(shù)據(jù)庫06)包括反映所述可比較的燃氣輪機的操作、維修或維護中的至少一種的數(shù)據(jù)。
4.根據(jù)權利要求1至3中任一項所述的系統(tǒng)(20)，其特征在于，所述單元數(shù)據(jù)信號 (30)包括反映所述使用中的燃氣輪機(10)的操作、維修或維護中的至少一種的數(shù)據(jù)。
5.根據(jù)權利要求1至4中任一項所述的系統(tǒng)(20)，其特征在于，所述處理器02)基于所述條件風險和所述風險值的比較而生成所述輸出信號G2)。
6.根據(jù)權利要求1至5中任一項所述的系統(tǒng)(20)，其特征在于，所述輸出信號02)包括在所述使用中的燃氣輪機(10)中的構件的預測使用壽命。
7.一種用于監(jiān)視使用中的燃氣輪機(10)的性能的方法，包括從可比較的燃氣輪機接收參數(shù)信息；將來自所述使用中的燃氣輪機(10)的參數(shù)信息添加給來自可比較的燃氣輪機的參數(shù) fn息；預測所述使用中的燃氣輪機(10)的參數(shù)信息；計算所述使用中的燃氣輪機(10)的預測參數(shù)信息將到達預定參數(shù)限度的條件風險;以及基于所述條件風險生成輸出信號(42)，所述輸出信號包含所述使用中的燃氣輪機 (10)的維修或維護安排中的至少一種。
8.根據(jù)權利要求7所述的方法，其特征在于還包括比較所述條件風險與預定風險值。
9.根據(jù)權利要求8所述的方法，其特征在于還包括如果所述條件風險小于所述預定風險值，就延遲維修或維護。
10.根據(jù)權利要求8所述的方法，其特征在于還包括如果所述條件風險不小于所述預定風險值，就加快維修或維護。
全文摘要
本發(fā)明涉及用于監(jiān)視燃氣輪機的系統(tǒng)和方法。其中，用于監(jiān)視燃氣輪機(10)的系統(tǒng)(20)包括數(shù)據(jù)庫(26)和輸入裝置(34)，數(shù)據(jù)庫包含來自可比較的燃氣輪機的信息，輸入裝置生成單元數(shù)據(jù)信號(30)和風險信號(32)。與存儲器和輸入裝置(34)通信的處理器(22)將單元數(shù)據(jù)信號(30)合并到數(shù)據(jù)庫(26)內，預測燃氣輪機(10)的信息，且計算燃氣輪機(10)將到達限度的條件風險。輸出信號(42)包括維修或維護安排。用于監(jiān)視燃氣輪機(10)的方法包括接收來自可比較的燃氣輪機的信息，將來自燃氣輪機(10)的信息添加給來自可比較的燃氣輪機的信息，且預測燃氣輪機(10)的信息。該方法還包括計算燃氣輪機(10)將到達限度的條件風險且生成包含維修或維護安排的輸出信號(42)。
文檔編號F02C9/00GK102155301SQ20111003915
公開日2011年8月17日 申請日期2011年2月11日 優(yōu)先權日2010年2月11日
發(fā)明者M·E·伯納, S·維塔爾, 姜孝謨 申請人:通用電氣公司