CN113027826B - 燃气轮机压气机清洁方法及装置 - Google Patents
燃气轮机压气机清洁方法及装置 Download PDFInfo
- Publication number
- CN113027826B CN113027826B CN202110216222.7A CN202110216222A CN113027826B CN 113027826 B CN113027826 B CN 113027826B CN 202110216222 A CN202110216222 A CN 202110216222A CN 113027826 B CN113027826 B CN 113027826B
- Authority
- CN
- China
- Prior art keywords
- gas turbine
- compressor
- real
- efficiency
- operation data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004140 cleaning Methods 0.000 title claims abstract description 87
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000005406 washing Methods 0.000 claims abstract description 159
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 103
- 230000008569 process Effects 0.000 claims abstract description 29
- 230000007423 decrease Effects 0.000 claims description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 238000005259 measurement Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 17
- 239000007789 gas Substances 0.000 description 239
- 238000004590 computer program Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 13
- 238000002955 isolation Methods 0.000 description 13
- 241001584775 Tunga penetrans Species 0.000 description 8
- 238000007906 compression Methods 0.000 description 7
- 239000007788 liquid Substances 0.000 description 7
- 230000006835 compression Effects 0.000 description 6
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 6
- 239000003344 environmental pollutant Substances 0.000 description 5
- 231100000719 pollutant Toxicity 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000001816 cooling Methods 0.000 description 4
- 238000011033 desalting Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000001035 drying Methods 0.000 description 3
- 239000012530 fluid Substances 0.000 description 3
- 239000003345 natural gas Substances 0.000 description 3
- 230000000737 periodic effect Effects 0.000 description 3
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 2
- 101100509792 Oncorhynchus mykiss tck1 gene Proteins 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000003546 flue gas Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000002156 mixing Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000005086 pumping Methods 0.000 description 2
- 150000003839 salts Chemical class 0.000 description 2
- 239000010865 sewage Substances 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- 238000003756 stirring Methods 0.000 description 2
- 239000002918 waste heat Substances 0.000 description 2
- 241000565357 Fraxinus nigra Species 0.000 description 1
- 241000238631 Hexapoda Species 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001088 anti-asthma Effects 0.000 description 1
- 239000000924 antiasthmatic agent Substances 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 208000006673 asthma Diseases 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000003749 cleanliness Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000002737 fuel gas Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000010926 purge Methods 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D27/00—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids
- F04D27/001—Testing thereof; Determination or simulation of flow characteristics; Stall or surge detection, e.g. condition monitoring
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D29/00—Details, component parts, or accessories
- F04D29/70—Suction grids; Strainers; Dust separation; Cleaning
- F04D29/701—Suction grids; Strainers; Dust separation; Cleaning especially adapted for elastic fluid pumps
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Mechanical Engineering (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Fluid Mechanics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Control Of Positive-Displacement Pumps (AREA)
- Control Of Turbines (AREA)
Abstract
本发明提供了一种燃气轮机压气机清洁方法及装置,该方法包括:根据燃气轮机的实时运行数据,确定燃气轮机的实时压气机效率;根据燃气轮机的实时运行数据,以及预先建立的燃气轮机压气机最优效率确定模型,得到实时运行数据对应的压气机效率最优值;燃气轮机压气机最优效率确定模型根据燃气轮机的历史运行数据预先建立,用于确定不同的燃气轮机的运行数据对应的压气机效率最优值;根据燃气轮机的实时压气机效率和压气机效率最优值,确定燃气轮机的压气机清洁方式。减少压气机欠水洗或者过水洗情况的发生,从而提高压气机效率。且这个过程中燃气轮机正常运行,无需IGV阀门全开,从而在满足实际生产需要的基础上提高压气机效率。
Description
技术领域
本发明涉及气轮机技术领域,尤其涉及一种燃气轮机压气机清洁方法及装置。
背景技术
燃气轮机是一种以连续流动的气体作为工质,压气机连续地从大气中吸入空气并将其压缩;压缩后的空气进入燃烧室,与喷入的天然气混合后燃烧,成为高温燃气,随即流入燃气涡轮中膨胀做功,推动涡轮叶轮带着压气机叶轮一起旋转,压气机耗功由透平提供,透平所做的功约2/3是压气机消耗。燃气轮机是把热能转化为机械功旋转式动力机械,压气机是燃气轮机的重要组成部分。但压气机随着运行时间增长,压气机所吸入的空气中可能含有灰尘、粉尘、昆虫和油烟,这些污染物大部分会在进入压气机前被入口过滤器除去,而少量的干性、湿性污染物会沉积在压气机的通流部件上,压气机各级叶片污垢逐渐增多,压气机各级压缩比逐渐下降,压气机效率缓慢下降。此外,污染物还加大了对叶片化学和机械腐蚀,影响了压气机叶片安全。
而压气机的污染物一般是黑灰和粘泥,通过水洗可以去除。因此,电厂内设有相应的水洗***,定期对压气机内沉积污染物做清洁处理,进行压气机水洗,以免影响燃气轮机效率。目前水洗采用在线水洗和离线水洗两种方式,在线清洗是指机组在运行状态时,对压气机进行清洗。离线清洗是指机组停运后用对压气机进行清洗。目前压气机的清洗采用定期的(周期性质)在线清洗或离线清洗。
但定期的在线清洗采用的是周期性清洗,同季节,不同天气等等因素,造成压气机的清洁和脏污程度在不同时间段显然是不一样的,因此,必然会存在压气机欠水洗或者过水洗的情况,从而导致压气机效率降低。因此,GE公司给出另一种压气机水洗方案:燃气轮机IGV阀门全开工况下低于压气机额定效率3%左右采用在线水洗,低于10%左右采用离线水洗。虽然此种方案相较于定期的在线清洗方式,能够提高压气机效率,但在实际生产过程中,基本很少出现燃气轮机IGV阀门全开工况,大部分都是燃气轮机IGV阀门处在一定开度(50%、60%等等),全开100%燃气轮机IGV阀门全开工况比较少,所以此压气机水洗方案使用限制比较大,不能满足实际生产需要。
发明内容
本发明实施例提供一种燃气轮机压气机清洁方法,用以在满足实际生产需要的基础上提高压气机效率,该方法包括:
根据燃气轮机的实时运行数据,确定燃气轮机的实时压气机效率;
根据燃气轮机的实时运行数据,以及预先建立的燃气轮机压气机最优效率确定模型,得到所述实时运行数据对应的压气机效率最优值;其中,所述燃气轮机压气机最优效率确定模型根据燃气轮机的历史运行数据预先建立,用于确定不同的燃气轮机的运行数据对应的压气机效率最优值;
根据燃气轮机的实时压气机效率和所述压气机效率最优值,确定燃气轮机的压气机清洁方式。
本发明实施例还提供一种燃气轮机压气机清洁装置,用以在满足实际生产需要的基础上提高压气机效率,该装置包括:
实时效率确定模块,用于根据燃气轮机的实时运行数据,确定燃气轮机的实时压气机效率;
效率最优值确定模块,用于根据燃气轮机的实时运行数据,以及预先建立的燃气轮机压气机最优效率确定模型,得到所述实时运行数据对应的压气机效率最优值;其中,所述燃气轮机压气机最优效率确定模型根据燃气轮机的历史运行数据预先建立,用于确定不同的燃气轮机的运行数据对应的压气机效率最优值;
清洁方式确定模块,用于根据燃气轮机的实时压气机效率和所述压气机效率最优值,确定燃气轮机的压气机清洁方式。
本发明实施例还提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述燃气轮机压气机清洁方法。
本发明实施例也提供一种计算机可读存储介质,所述计算机可读存储介质存储有执行上述燃气轮机压气机清洁方法的计算机程序。
本发明实施例中,通过根据燃气轮机的实时运行数据,确定燃气轮机的实时压气机效率;根据燃气轮机的实时运行数据,以及预先建立的燃气轮机压气机最优效率确定模型,得到实时运行数据对应的压气机效率最优值;其中,燃气轮机压气机最优效率确定模型根据燃气轮机的历史运行数据预先建立,用于确定不同的燃气轮机的运行数据对应的压气机效率最优值;根据燃气轮机的实时压气机效率和压气机效率最优值,确定燃气轮机的压气机清洁方式。通过对燃气轮机的实时运行数据进行分析得到实时压气机效率,基于历史运行数据确定该实时运行数据对应的压气机效率最优值,根据燃气轮机的实时压气机效率和压气机效率最优值,确定燃气轮机的压气机清洁方式,使得确定的压气机清洁方式与燃气轮机的实时运行相关联,相较于周期性的清洗方式,减少压气机欠水洗或者过水洗情况的发生,从而提高压气机效率。且这个过程中燃气轮机正常运行,无需IGV阀门全开,能够满足实际生产需要,从而在满足实际生产需要的基础上提高压气机效率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中燃气轮机压气机清洁方法的示意图。
图2为本发明具体实施例中燃气轮机以空气为介质,基于Brayton循环为理论基础的运行示意图。
图3为本发明具体实施例中预先建立燃气轮机压气机最优效率确定模型的过程示意图。
图4为本发明具体实施例中步骤302的具体实现方法示意图。
图5为本发明具体实施例中步骤102的具体实现方法示意图。
图6为本发明具体实施例中步骤103的具体实现方法示意图。
图7为本发明具体实施例中步骤601的具体实现方法示意图。
图8为本发明实施例中燃气轮机压气机清洁装置的示意图。
图9为本发明具体实施例中清洁方式确定模块803的具体结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供了一种燃气轮机压气机清洁方法,用以在满足实际生产需要的基础上提高压气机效率,如图1所示,该方法包括:
步骤101:根据燃气轮机的实时运行数据,确定燃气轮机的实时压气机效率;
步骤102:根据燃气轮机的实时运行数据,以及预先建立的燃气轮机压气机最优效率确定模型,得到实时运行数据对应的压气机效率最优值;其中,燃气轮机压气机最优效率确定模型根据燃气轮机的历史运行数据预先建立,用于确定不同的燃气轮机的运行数据对应的压气机效率最优值;
步骤103:根据燃气轮机的实时压气机效率和压气机效率最优值,确定燃气轮机的压气机清洁方式。
由图1所示流程可以得知,本发明实施例中,通过根据燃气轮机的实时运行数据,确定燃气轮机的实时压气机效率;根据燃气轮机的实时运行数据,以及预先建立的燃气轮机压气机最优效率确定模型,得到实时运行数据对应的压气机效率最优值;其中,燃气轮机压气机最优效率确定模型根据燃气轮机的历史运行数据预先建立,用于确定不同的燃气轮机的运行数据对应的压气机效率最优值;根据燃气轮机的实时压气机效率和压气机效率最优值,确定燃气轮机的压气机清洁方式。通过对燃气轮机的实时运行数据进行分析得到实时压气机效率,基于历史运行数据确定该实时运行数据对应的压气机效率最优值,根据燃气轮机的实时压气机效率和压气机效率最优值,确定燃气轮机的压气机清洁方式,使得确定的压气机清洁方式与燃气轮机的实时运行相关联,相较于周期性的清洗方式,减少压气机欠水洗或者过水洗情况的发生,从而提高压气机效率。且这个过程中燃气轮机正常运行,无需IGV阀门全开,能够满足实际生产需要,从而在满足实际生产需要的基础上提高压气机效率。
具体实施时,首先获取燃气轮机的实时运行数据,根据燃气轮机的实时运行数据,确定燃气轮机的实时压气机效率。具体实施时,以Hadoop平台为基础,在云端服务器实时保存电厂每时每刻的实际生产运行数据,对海量数据进行数据清洗,得到燃气轮机的实时运行数据后存储,以便后续使用。其中,燃气轮机的运行数据是燃气轮机运行时的测点数据,例如包括有环境温度、湿度、大气压力、燃气轮机压气机进口压力、燃气轮机压气机进口温度、燃气轮机压气机出口压力、燃气轮机进口IGV等。
具体实施例中,确定燃气轮机的实时压气机效率,通过计算压气机等熵的效率。燃气轮机轮机以空气为介质,基于Brayton循环为理论基础,如图2所示,压气机入口空气状态为1,经过压缩后,压气机排气点空气状态为2,如为理想循环,即空气经过等熵压缩过程,则排气口空气的状态2s。为简化计算,计算理想循环状态下的压气机效率,根据Brayton循环,理想循环下压气机效率计算公式为:
X14=(X15-X16)/(X17-X16)=(X18-X19)/(X20-X19)
其中:X14—压气机效率;
X15代表经等熵压缩后压气机排气口空气的焓值;
X16代表压气机进气口空气焓值;
X17代表压气机排气口空气实际焓值;
X18代表经等熵压缩后压气机排气口热力学温度;
X19代表压气机进气口空气热力学温度;
X20代表压气机排气口空气实际热力学温度,即CTD。
上述所有温度为热力学温度,在华氏温标下,需在实际测得的温度基础上加460℉;其中,X19和X20为可直接从现场测得,因而只需计算X18即可,根据Brayton循环公式:
X18=(X21/X22)^(K/(K-1))×X19
其中,X21代表压气机排气口空气压力,即CPD;
X22代表压气机进气口空气压力;
K代表比热比,即定压比热Cp与定容比热Cv之比,K=Cp/Cv,在空气动力学中,空气的K值常取为1.40。
通过测量X19、X21和X22的数值,便可计算X18,从而计算压气机效率。但由于X19和X20直接从现场测得的是摄氏温度,将压气机进气口空气摄氏温度记为X19’,将压气机排气口空气实际摄氏温度记为X20’,将计算得到的经等熵压缩后压气机排气口摄氏温度记为X18’,压气机效率计算公式更换为:
X14=(X18’-X19’)/(X20’-X19’)×100
利用上述公式,根据燃气轮机的实时运行数据,计算得到燃气轮机的实时压气机效率后,根据燃气轮机的实时运行数据,以及预先建立的燃气轮机压气机最优效率确定模型,得到实时运行数据对应的压气机效率最优值;其中,燃气轮机压气机最优效率确定模型根据燃气轮机的历史运行数据预先建立,用于确定不同的燃气轮机的运行数据对应的压气机效率最优值。
具体实施例中,按照如图3所示的方法预先建立燃气轮机压气机最优效率确定模型:
步骤301:根据燃气轮机的历史运行数据,确定燃气轮机的历史压气机效率,将燃气轮机的历史运行数据和燃气轮机的历史压气机效率作为样本数据,组成样本集;
步骤302:对样本数据进行聚类,将样本集分类为多种工况类型的子样本集;
步骤303:在每种工况类型的子样本集中,以预设的IGV(Inlet Gguide Vanes,燃机进口可转导叶)阀门开度偏差值为步长,根据燃气轮机的历史运行数据和燃气轮机的历史压气机效率,对燃气轮机的压气机效率进行寻优,确定每个IGV阀门开度区间内的压气机效率最优值,得到每种工况类型的子样本集中每个IGV阀门开度区间内的压气机效率最优值。
具体实施时,将存储的历史运行数据取出后,根据上述计算方法计算燃气轮机的历史压气机效率,并将历史运行数据和对应的历史压气机效率一一对应后,作为样本数据,组成样本集。实际运行中,通过调整IGV的角度,调整进气流量,从而影响燃气轮机运行负荷量。
对样本数据进行聚类,将样本集分类为多种工况类型的子样本集,具体实施过程,如图4所示,包括:
步骤401:以环境温度、湿度和大气压力为匹配参数,利用K-均值算法将燃气轮机的历史运行数据和燃气轮机的历史压气机效率进行聚类,利用K-均值算法反复迭代调整K值聚类区间,得到环境温度、湿度和大气压力的工况分类区间值;
步骤402:根据环境温度、湿度和大气压力的工况分类区间值,将样本集分类为多种工况类型的子样本集。
将样本集分类为多种工况类型的子样本集后,在每种工况类型的子样本集中,以1%颗粒度的预设IGV阀门开度偏差值为步长,利用人工智能算法分析数据,对压气机效率进行寻优,确定每种工况类型的子样本集中每个IGV阀门开度区间内的压气机效率最优值。
预先建立燃气轮机压气机最优效率确定模型后,根据燃气轮机的实时运行数据,以及预先建立的燃气轮机压气机最优效率确定模型,得到实时运行数据对应的压气机效率最优值,具体实施过程,如图5所示,包括:
步骤501:根据燃气轮机的实时运行数据中的环境温度、湿度和大气压力,确定所述实时运行数据对应的工况类型;
步骤502:根据燃气轮机的实时运行数据中的IGV阀门开度,确定实时运行数据对应的IGV阀门开度区间;
步骤503:根据实时运行数据对应的工况类型、实时运行数据对应的IGV阀门开度区间,以及预先建立的燃气轮机压气机最优效率确定模型,得到实时运行数据对应的压气机效率最优值。
由于预先建立的燃气轮机压气机最优效率确定模型,已经建立起了工况类型、IGV阀门开度区间和压气机效率最优值的关联关系,只需确定实时运行数据对应的工况类型和实时运行数据对应的IGV阀门开度区间,代入预先建立的燃气轮机压气机最优效率确定模型中,即可获得实时运行数据对应的压气机效率最优值。
获得实时运行数据对应的压气机效率最优值后,根据燃气轮机的实时压气机效率和压气机效率最优值,确定燃气轮机的压气机清洁方式。具体实施时,如图6所示,包括:
步骤601:根据实时运行数据对应的压气机效率最优值和样本集,确定实时运行数据对应的在线水洗阈值和离线水洗阈值;
步骤602:将燃气轮机的实时压气机效率,与实时运行数据对应的在线水洗阈值和离线水洗阈值进行对比:
步骤603:若燃气轮机的实时压气机效率大于在线水洗阈值,燃气轮机的压气机无需清洗;
步骤604:若燃气轮机的实时压气机效率小于或等于在线水洗阈值,且大于离线水洗阈值,对燃气轮机的压气机进行在线水洗;
步骤605:若燃气轮机的实时压气机效率小于或等于离线水洗阈值,对燃气轮机的压气机进行离线水洗。
其中,步骤601具体实施时,如图7所示,包括:
步骤701:根据实时运行数据对应的工况类型和IGV阀门开度区间,在上述样本集中确定相应的样本数据;
步骤702:根据相应的样本数据,分析得到历史运行过程中在线水洗时压气机效率下降的平均值,以及历史运行过程中离线水洗时压气机效率下降的平均值;
步骤703:根据实时运行数据对应的压气机效率最优值和历史运行过程中在线水洗时压气机效率下降的平均值,得到实时运行数据对应的在线水洗阈值;
步骤704:根据实时运行数据对应的压气机效率最优值和历史运行过程中离线水洗时压气机效率下降的平均值,得到实时运行数据对应的离线水洗阈值。
由于压气机停机离线水洗前效率低,水洗后效率高,根据若干个这种水洗前后压气机效率偏差的平均值,作为确定水洗方式的标准。在线水洗也是同样总结方式。当压气机效率下降到一定程度,进行在线水洗。再下降到一定程度,进行离线水洗。根据历史数据中在线水洗和离线水洗效率下降平均值,以此判断什么时候清洗,并且给出清洗方式,在线水洗还是离线水洗。因此,实时运行数据对应的压气机效率最优值减去历史运行过程中在线水洗时压气机效率下降的平均值,既为实时运行数据对应的在线水洗阈值。
具体实施例中,确定燃气轮机的压气机清洁方式为无需清洗、在线水洗或离线水洗,确定清洁方式后,对燃气轮机的压气机进行清洁。具体实施例中,在线水洗需要检查水洗装置仪表及电气连接已正常,水箱内无任何异物,水洗泵出口球阀、水箱底部排污阀关闭,水洗泵再循环阀在打开位置,在线水洗隔离阀、离线水洗隔离阀在关闭位置。
其中,在线水洗操作过程如下:
1)汇报值长,压气机进行在线水洗,燃气轮机适当减负荷到95%额定负荷。并记录环境温度、IGV开度、负荷、天然气流量、烟气流量、排气温度、压气机压比等参数。
2)开启除盐水手阀,向水箱注入一定量除盐水冲洗水箱清洁后排污。按照适当比例向水洗箱添加除盐水和清洗液至液位850mm左右。
3)水洗泵注水,排尽空气。
4)为确保混合均匀,应该启动水洗泵,使用循环管路搅拌约3分钟后停泵(此过程中应保持水洗泵出口球阀关闭、水洗泵再循环阀门打开)。
5)打开在线水洗隔离阀及水洗泵出口球阀,关闭水洗泵再循环阀,同时保持离线水洗隔离阀、水洗箱排污阀关闭。
6)通过水洗箱控制柜上的旋转按钮启动水洗泵,水洗过程开始。
7)严密监视IGV开度、燃气轮机的负荷、轴向位移、烟气流量、轴承振动、压气机推力瓦温度等参数的变化,倾听机组声音正常。
8)水洗5-10min后,停运水洗泵,关闭在线水洗隔离阀、水洗泵出口阀。
9)断开水洗模块的电源。
10)水洗结束,汇报值长,同时记录环境温度、IGV开度、负荷、天然气流量、烟气流量、排气温度、压气机压比等参数,并与水洗前进行比较。
11)将IGV开度调整到原运行开位。
12)根据需要将燃气轮机负荷加至额定出力。
具体实施例中,进行离线水洗需要在SFC带动下进行,整个清洗过程长达8-10小时(包括燃气轮机冷机6小时)。一般情况下离线水洗分四个步骤:准备、清洗、漂洗、干燥。其中,SFC是指启动变频装置,Static Frequency Converter,是一个转速可调的交流驱动***。SFC除用于启动外,还作为清吹、压气机离线清洗时满足燃气轮机和被驱动设备加速的需要。如果启动***不能达到燃气轮机的自持转速运行,则自动脱扣并停机。
(1)准备:
检查水洗装置仪表及电气连接已正常,水箱内无任何异物,水洗泵出口球阀、水箱底部排污阀关闭,水洗泵再循环阀在打开位置,在线水洗隔离阀、离线水洗隔离阀在关闭位置。
手动打开以下阀门:
(a)压气机进口疏水阀。
(b)压气机五级抽气环疏水阀。
(c)压气机第九级后疏水阀。
(d)压气机十三级后疏水阀。
(e)压气机出口疏水阀。
(f)透平第二级疏水阀。
(g)透平第三级疏水阀。
(h)透平出口扩压段疏水阀。
(i)压气机第四级底部防喘放气管线疏水阀。
(j)压气机第九级防喘放气疏水阀。
(k)压气机第四级冷却空气抽气管线疏水阀。
(l)压气机第九级底部冷却空气抽气管线疏水阀。
(m)压气机第十三级1号冷却空气抽气管线疏水阀。
(n)压气机第十三级2号冷却空气抽气管线疏水阀。
(o)压气机进气室疏水阀。
(p)燃气轮机排气扩散段疏水阀。
整个水洗过程中压气机进口空气温度大于5℃。
启动变频装置及励磁装置已处于良好备用状态。在GT SFC/SEE画面点击OTHERMODES选择SFC AUX OPERATION运行模式到“WASH”(模式1)。
燃气轮机已经停运,盘车运行正常,盘车时间已超过6小时。
将SLC IGV CONTROLLER退出自动,手动设定IGV位置到100%。
在TCS上将ESV阀、值班阀、预混阀、点火变压器挂禁操。
(2)清洗:
汇报值长,压气机进行离线水洗。
开启除盐水手阀,向水箱注入一定量除盐水冲洗水箱清洁后排污。按照8:1(除盐水:清洗液)比例向水洗箱添加除盐水和清洗液至液位850mm左右。
水洗泵注水,排尽空气。
为确保混合均匀,应该启动水洗泵,使用循环管路搅拌约3分钟后停泵(此过程中应保持水洗泵出口球阀关闭、水洗泵再循环阀门打开)。
检查燃气轮机盘车运行正常,否则手动启动燃气轮机盘车运行,维持转速在120rpm左右运行,并手动打开压气机进口挡板及余热锅炉挡板。
打开水洗泵出口球阀、离线水洗隔离阀。启动水洗泵走再循环,检查出口压力正常。
当水洗箱水位下降1/4后,停运水洗泵,关闭离线水洗隔离阀,打开在线水洗隔离阀。
停运燃气轮机盘车后启动SFC(切换速度不能低于1.67Hz)。
当燃气轮机转速升至5Hz时,启动水洗泵。
当转速至12.5Hz后,检查SFC自动停运。允许在燃气轮机减速到5Hz之前的过程中继续喷射清洗液(喷射清洗液的过程需保持燃气轮机转速在5Hz以上)。
当所有清洗液用完之后停运水洗泵,关闭在线水洗隔离阀、水洗泵出口阀。
燃气轮机继续减速,转速达2Hz时检查盘车正常投入,维持盘车约20分钟。
(3)漂洗:
向水洗箱注入除盐水,当液位计刻度到850mm左右时停止注入除盐水。
重复上述清洗操作一次,停止水洗泵运行,然后关闭在线水洗隔离阀、离线水洗隔离阀、水洗泵出口阀。
断开水洗模块的电源。
拆下接至清洗水箱的除盐水软管、清洗液软管。
一旦疏水母管中水停止流出,关闭所有的疏水阀门,一般需要5min。
恢复SFC运行方式为“NORMAL”模式,投入SLC IGV CONTROLLER到自动模式,IGV位置设定到初始开度,检查IGV开始关闭。
(4)干燥:
检查SFC运行模式在“NORMAL”模式。
检查IGV开度在0%位置。
带“清吹”启动燃气轮机,燃气轮机点火和升速至额定转速。至少维持空转15min,对燃气轮机进行烘干,然后根据需要并网带负荷运行或者停机备用。
下面给出一具体实例说明本发明实施例如何进行燃气轮机压气机清洁。本例应用于某一电厂进行压气机清洗。
电厂为蒸汽联合循环机组,采用1套845MW级燃气蒸汽联合循环“二拖一”多轴布置。全厂配置为:2台9F级型号为SGT5-4000F(4)燃气轮机;2台型号为QFSN-300-2燃气轮发电机;2台卧式余热锅炉;1台型号为LZC266-12.5/0.4/545/540供热蒸汽轮机和1台300MW级型号为QFSN-300-2汽轮发电机。燃气轮机发电机和蒸汽发电机组为分轴布置。燃气轮机由德国西门子公司生产,型号为SGT5-4000F(4),由一台15级的轴流式压气机、一套24个低NOx燃烧器组成的环形燃烧***、一台4级的透平和燃气轮机辅助***组成。压气机转子和透平转子由法兰刚性连接,采用两个径向轴承支撑。前轴承座包括组合轴颈和推力轴承,并含有HCO装置。转子盘车装置安装在压气机轴承座内,由液压盘车马达连接一个传动齿轮组成。压气机为15级的轴流式压气机,压比约为17。进气导流叶片的角度可调整,以便保持稳定的排气温度至近半负荷而没有明显的效率损失。为排放掉足够量的空气以保证压气机启动和停机时低转速下的稳定运行,在压气机静叶5级和9级装有气体排放管。在结构上是通过静叶持环间形成环形间隙来实现的,环形间隙将压缩空气引入三个环形腔室,排放管装有气动阻尼器并把排气引入排气扩散段。防喘放气阀位于9级底部、5级底部和顶部。燃气轮机转子由轮盘组成,其中每个轮盘都支撑着一排叶片,两个空心轴(前部及后部)在压气机及燃气轮机之间的扭矩盘由一个中心拉杆固定在一起。
因此,此电厂有两台燃气轮机,两套压气机。当燃气轮机工作较长时间或在空气污染程度比较严重的环境之中,由于吸入的空气过滤不净,会使压气机的通流部分逐渐积垢或积盐,致使压气机的压缩比和效率下降,叶片还会因积盐而逐渐腐蚀。为解决上述问题,配置了一套压气机清洗***,能够对燃气轮机的压气机进行离线和在线清洗。
(1)电厂装有大数据平台,存取全量数据。以Hadoop平台为基础,在云端服务器实时保存实际生产运行数据,提取压气机相关测点的2017和2018两年数据,如表1所示,为电厂的大数据平台所存储的全量数据情况。
表1
(2)计算压气机效率
根据电厂的大数据平台所存储的全量数据,以及上述公式:X14=(X18’-X19’)/(X20’-X19’)×100,计算历史运行时的压气机效率,整理得到:
1号压气机效率U1为:U1=((tgk1+460)×(P1/Pk1)1.4/0.4-(tgk1+460))/((tck1+460)-(tgk1+460))×100
其中:
P1代表1号压气机排气口空气压力;
Pk1代表1号压气机进气口空气压力;
tgk1代表1号压气机进气口空气温度;
tck1代表1号压气机排气口空气温度。
2号压气机效率U2为:U2=((tgk2+460)×(P2/Pk2)1.4/0.4-(tgk2+460))/((tck2+460)-(tgk2+460))×100
其中:
P2代表2号压气机排气口空气压力;
Pk2代表2号压气机进气口空气压力;
tgk2代表2号压气机进气口空气温度;
tck2代表2号压气机排气口空气温度。
(3)清洗保存的历史数据进行深度挖掘,结合K-means算法和AI技术加以分析利用。利用温度、压力测点计算全工况全范围的压气机效率,压气机利用正态分布剔除效率低于0和大于100%,以及明显偏离的效率点。以压气机进口IGV阀门开度为因变量,以压气机效率为研究对象,利用神经网络进行曲线拟合,对于曲线拟合不上的效率进行剔除,保留正常样本。再对样本进行聚类分析,利用K-means算法对样本工况进行合理分类,以环境温度和湿度、大气压力为匹配参数,不断分类迭代K-means算法的K值优化调整聚类区间,结合人工辅助判断样本工况划分合理程度,最终以环境温度5%、环境湿度10%和大气压力100%为偏差分离工况,三个匹配参数同时匹配,确定各个小工况,把整个工况分成若干小工况,每个小工况里面有若干同工况下的样本数据。
(4)以环境温度和湿度、大气压力等为匹配参数,利用上述K-means算法匹配参数聚类结果。以1%颗粒度同阀门开度下进行压气机效率寻优,寻优压气机效率在各个工况下各个阀门阶段效率最大值。从而得出各个工况阀门开度偏差1%,压气机效率最优值。压气机停机离线水洗前效率低,水洗后效率高,同时分析历史数据在线水洗和离线水洗效率下降平均值,作为判断什么时候清洗,并且给出是在线清洗还是离线清洗。根据若干个这种水洗前后压气机效率偏差的平均值作为确定水洗方式。当压气机效率下降到一定程度,进行在线水洗。再下降到一定程度,进行离线水洗。
(5)采用自主监督学习算法,在之后实际运行中出现同工况下比历史更优状态,通过自主监督学习自动替换最优压气机效率,满足压气机效率永远保持在实际最优值,从而保证了因检修等各种因素改变压气机而不影响压气机清洁程度判断。
(6)在网页端进行展示结果,通过压气机效率在同温度、同湿度的分析IGV阀门在15%-100%开度区间,以1%颗粒度同阀门开度下,自动给出该工况最优压气机效率以及相关压气机运行参数。同时最优压气机效率和当前压气机效率进行对比,通过当前压气机效率与最优压气机效率偏差对比,当压气机效率下降到一定程度,进行在线水洗。再下降到一定程度,进行离线水洗。不同工况下离最优效率清洗的下降程度不同,例:环境温度20-22.5℃,环境湿度30%-40%,IGV阀门30%,最优效率下降2%需要在线水洗,下降8%需要离线水洗;环境温度20-22.5℃,环境湿度30%-40%,IGV阀门98%,最优效率下降4%需要在线水洗,下降9%需要离线水洗。
给出压气机是否需要在线水洗和离线水洗的建议。运行人员根据实时展示的结果和运行建议对当前运行工况进行干预调整,实现压气机清洁方式的实时判定,从而实现燃气轮机运行效率的提升。
通过上述过程,利用大数据技术对电厂海量历史数据进行分析挖掘并加以利用,对历史数据进行深度应用。通过大数据分析、AI算法和业务结合找到历史最优值并且能够自主学习优化,建立统一标准,为现场技术人员做出科学和实际的最佳决策,实现对生产过程的把握和掌控,降低发电企业生产成本,提高发电机组运行经济性。能够实时在线诊断压气机水洗时间,避免压气机过水洗和欠水洗问题,提高燃气轮机的运行效率。
上述具体应用的实施仅为举例,其余实施方式不再一一赘述。
基于同一发明构思,本发明实施例还提供一种燃气轮机压气机清洁装置,由于燃气轮机压气机清洁装置所解决问题的原理与燃气轮机压气机清洁方法相似,因此燃气轮机压气机清洁装置的实施可以参见燃气轮机压气机清洁方法的实施,重复之处不再赘述,具体结构如图8所示:
实时效率确定模块801,用于根据燃气轮机的实时运行数据,确定燃气轮机的实时压气机效率;
效率最优值确定模块802,用于根据燃气轮机的实时运行数据,以及预先建立的燃气轮机压气机最优效率确定模型,得到实时运行数据对应的压气机效率最优值;其中,燃气轮机压气机最优效率确定模型根据燃气轮机的历史运行数据预先建立,用于确定不同的燃气轮机的运行数据对应的压气机效率最优值;
清洁方式确定模块803,用于根据燃气轮机的实时压气机效率和压气机效率最优值,确定燃气轮机的压气机清洁方式。
具体实施例中,效率最优值确定模块802包括:最优效率确定模型建立单元,用于:
根据燃气轮机的历史运行数据,确定燃气轮机的历史压气机效率,将燃气轮机的历史运行数据和燃气轮机的历史压气机效率作为样本数据,组成样本集;
对样本数据进行聚类,将上述样本集分类为多种工况类型的子样本集;
在每种工况类型的子样本集中,以预设的IGV阀门开度偏差值为步长,根据燃气轮机的历史运行数据和燃气轮机的历史压气机效率,对燃气轮机的压气机效率进行寻优,确定每个IGV阀门开度区间内的压气机效率最优值,得到每种工况类型的子样本集中每个IGV阀门开度区间内的压气机效率最优值。
进一步地,最优效率确定模型建立单元,具体用于:
以环境温度、湿度和大气压力为匹配参数,利用K-均值算法将燃气轮机的历史运行数据和燃气轮机的历史压气机效率进行聚类,利用K-均值算法反复迭代调整K值聚类区间,得到环境温度、湿度和大气压力的工况分类区间值;
根据环境温度、湿度和大气压力的工况分类区间值,将上述样本集分类为多种工况类型的子样本集。
具体实施例中,效率最优值确定模块802具体用于:
根据燃气轮机的实时运行数据中的环境温度、湿度和大气压力,确定实时运行数据对应的工况类型;
根据燃气轮机的实时运行数据中的IGV阀门开度,确定实时运行数据对应的IGV阀门开度区间;
根据实时运行数据对应的工况类型、实时运行数据对应的IGV阀门开度区间,以及预先建立的燃气轮机压气机最优效率确定模型,得到实时运行数据对应的压气机效率最优值。
具体实施例中,清洁方式确定模块803的结构,如图9所示,包括:
阈值确定单元901,用于根据实时运行数据对应的压气机效率最优值和样本集,确定实时运行数据对应的在线水洗阈值和离线水洗阈值;
清洁方式确定单元902,用于将燃气轮机的实时压气机效率,与实时运行数据对应的在线水洗阈值和离线水洗阈值进行对比:
若燃气轮机的实时压气机效率大于在线水洗阈值,燃气轮机的压气机无需清洗;
若燃气轮机的实时压气机效率小于或等于在线水洗阈值,且大于离线水洗阈值,对燃气轮机的压气机进行在线水洗;
若燃气轮机的实时压气机效率小于或等于离线水洗阈值,对燃气轮机的压气机进行离线水洗。
其中,阈值确定单元901,具体用于:
根据实时运行数据对应的工况类型和IGV阀门开度区间,在样本集中确定相应的样本数据;
根据相应的样本数据,分析得到历史运行过程中在线水洗时压气机效率下降的平均值,以及历史运行过程中离线水洗时压气机效率下降的平均值;
根据实时运行数据对应的压气机效率最优值和历史运行过程中在线水洗时压气机效率下降的平均值,得到实时运行数据对应的在线水洗阈值;
根据实时运行数据对应的压气机效率最优值和历史运行过程中离线水洗时压气机效率下降的平均值,得到实时运行数据对应的离线水洗阈值。
本发明实施例还提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述燃气轮机压气机清洁方法。
本发明实施例还提供一种计算机可读存储介质,存储有执行上述燃气轮机压气机清洁方法的计算机程序。
综上所述,本发明实施例提供的燃气轮机压气机清洁方法及装置具有如下优点:
通过根据燃气轮机的实时运行数据,确定燃气轮机的实时压气机效率;根据燃气轮机的实时运行数据,以及预先建立的燃气轮机压气机最优效率确定模型,得到实时运行数据对应的压气机效率最优值;其中,燃气轮机压气机最优效率确定模型根据燃气轮机的历史运行数据预先建立,用于确定不同的燃气轮机的运行数据对应的压气机效率最优值;根据燃气轮机的实时压气机效率和压气机效率最优值,确定燃气轮机的压气机清洁方式。通过对燃气轮机的实时运行数据进行分析得到实时压气机效率,基于历史运行数据确定该实时运行数据对应的压气机效率最优值,根据燃气轮机的实时压气机效率和压气机效率最优值,确定燃气轮机的压气机清洁方式,使得确定的压气机清洁方式与燃气轮机的实时运行相关联,相较于周期性的清洗方式,减少压气机欠水洗或者过水洗情况的发生,从而提高压气机效率。且这个过程中燃气轮机正常运行,无需IGV阀门全开,能够满足实际生产需要,从而在满足实际生产需要的基础上提高压气机效率。
本领域内的技术人员应明白,本发明的实施例可提供为方法、装置、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、装置和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种燃气轮机压气机清洁方法,其特征在于,包括:
根据燃气轮机的实时运行数据,确定燃气轮机的实时压气机效率;所述燃气轮机的运行数据是燃气轮机运行时的测点数据;
根据燃气轮机的实时运行数据,以及预先建立的燃气轮机压气机最优效率确定模型,得到所述实时运行数据对应的压气机效率最优值;其中,所述燃气轮机压气机最优效率确定模型根据燃气轮机的历史运行数据预先建立,用于确定不同的燃气轮机的运行数据对应的压气机效率最优值;
根据燃气轮机的实时压气机效率和所述压气机效率最优值,确定燃气轮机的压气机清洁方式;
按照如下方法预先建立所述燃气轮机压气机最优效率确定模型:根据燃气轮机的历史运行数据,确定燃气轮机的历史压气机效率,将燃气轮机的历史运行数据和燃气轮机的历史压气机效率作为样本数据,组成样本集;对样本数据进行聚类,将所述样本集分类为多种工况类型的子样本集;在每种工况类型的子样本集中,以预设的进口可转导叶IGV阀门开度偏差值为步长,根据燃气轮机的历史运行数据和燃气轮机的历史压气机效率,对燃气轮机的压气机效率进行寻优,确定每个进口可转导叶IGV阀门开度区间内的压气机效率最优值,得到每种工况类型的子样本集中每个进口可转导叶IGV阀门开度区间内的压气机效率最优值;
根据燃气轮机的实时压气机效率和所述压气机效率最优值,确定燃气轮机的压气机清洁方式,包括:根据所述实时运行数据对应的压气机效率最优值和所述样本集,确定所述实时运行数据对应的在线水洗阈值和离线水洗阈值;将燃气轮机的实时压气机效率,与所述实时运行数据对应的在线水洗阈值和离线水洗阈值进行对比:若燃气轮机的实时压气机效率大于所述在线水洗阈值,燃气轮机的压气机无需清洗;若燃气轮机的实时压气机效率小于或等于所述在线水洗阈值,且大于所述离线水洗阈值,对燃气轮机的压气机进行在线水洗;若燃气轮机的实时压气机效率小于或等于所述离线水洗阈值,对燃气轮机的压气机进行离线水洗;
根据所述实时运行数据对应的压气机效率最优值和所述样本集,确定所述实时运行数据对应的在线水洗阈值和离线水洗阈值,包括:根据实时运行数据对应的工况类型和进口可转导叶IGV阀门开度区间,在上述样本集中确定相应的样本数据;根据相应的样本数据,分析得到历史运行过程中在线水洗时压气机效率下降的平均值,以及历史运行过程中离线水洗时压气机效率下降的平均值;根据实时运行数据对应的压气机效率最优值和历史运行过程中在线水洗时压气机效率下降的平均值,得到实时运行数据对应的在线水洗阈值;根据实时运行数据对应的压气机效率最优值和历史运行过程中离线水洗时压气机效率下降的平均值,得到实时运行数据对应的离线水洗阈值。
2.如权利要求1所述的燃气轮机压气机清洁方法,其特征在于,对样本数据进行聚类,将所述样本集分类为多种工况类型的子样本集,包括:
以环境温度、湿度和大气压力为匹配参数,利用K-均值算法将燃气轮机的历史运行数据和燃气轮机的历史压气机效率进行聚类,利用K-均值算法反复迭代调整K值聚类区间,得到环境温度、湿度和大气压力的工况分类区间值;
根据环境温度、湿度和大气压力的工况分类区间值,将所述样本集分类为多种工况类型的子样本集。
3.如权利要求1所述的燃气轮机压气机清洁方法,其特征在于,根据燃气轮机的实时运行数据,以及预先建立的燃气轮机压气机最优效率确定模型,得到所述实时运行数据对应的压气机效率最优值,包括:
根据燃气轮机的实时运行数据中的环境温度、湿度和大气压力,确定所述实时运行数据对应的工况类型;
根据燃气轮机的实时运行数据中的进口可转导叶IGV阀门开度,确定所述实时运行数据对应的进口可转导叶IGV阀门开度区间;
根据所述实时运行数据对应的工况类型、所述实时运行数据对应的进口可转导叶IGV阀门开度区间,以及预先建立的燃气轮机压气机最优效率确定模型,得到所述实时运行数据对应的压气机效率最优值。
4.一种燃气轮机压气机清洁装置,其特征在于,包括:
实时效率确定模块,用于根据燃气轮机的实时运行数据,确定燃气轮机的实时压气机效率;
效率最优值确定模块,用于根据燃气轮机的实时运行数据,以及预先建立的燃气轮机压气机最优效率确定模型,得到所述实时运行数据对应的压气机效率最优值;其中,所述燃气轮机压气机最优效率确定模型根据燃气轮机的历史运行数据预先建立,用于确定不同的燃气轮机的运行数据对应的压气机效率最优值;
清洁方式确定模块,用于根据燃气轮机的实时压气机效率和所述压气机效率最优值,确定燃气轮机的压气机清洁方式;
所述效率最优值确定模块包括:最优效率确定模型建立单元,用于:
根据燃气轮机的历史运行数据,确定燃气轮机的历史压气机效率,将燃气轮机的历史运行数据和燃气轮机的历史压气机效率作为样本数据,组成样本集;
对样本数据进行聚类,将所述样本集分类为多种工况类型的子样本集;
在每种工况类型的子样本集中,以预设的进口可转导叶IGV阀门开度偏差值为步长,根据燃气轮机的历史运行数据和燃气轮机的历史压气机效率,对燃气轮机的压气机效率进行寻优,确定每个进口可转导叶IGV阀门开度区间内的压气机效率最优值,得到每种工况类型的子样本集中每个进口可转导叶IGV阀门开度区间内的压气机效率最优值;
所述清洁方式确定模块,包括:阈值确定单元,用于根据所述实时运行数据对应的压气机效率最优值和所述样本集,确定所述实时运行数据对应的在线水洗阈值和离线水洗阈值;清洁方式确定单元,用于将燃气轮机的实时压气机效率,与所述实时运行数据对应的在线水洗阈值和离线水洗阈值进行对比:若燃气轮机的实时压气机效率大于所述在线水洗阈值,燃气轮机的压气机无需清洗;若燃气轮机的实时压气机效率小于或等于所述在线水洗阈值,且大于所述离线水洗阈值,对燃气轮机的压气机进行在线水洗;若燃气轮机的实时压气机效率小于或等于所述离线水洗阈值,对燃气轮机的压气机进行离线水洗;
阈值确定单元,具体用于:根据实时运行数据对应的工况类型和进口可转导叶IGV阀门开度区间,在上述样本集中确定相应的样本数据;根据相应的样本数据,分析得到历史运行过程中在线水洗时压气机效率下降的平均值,以及历史运行过程中离线水洗时压气机效率下降的平均值;根据实时运行数据对应的压气机效率最优值和历史运行过程中在线水洗时压气机效率下降的平均值,得到实时运行数据对应的在线水洗阈值;根据实时运行数据对应的压气机效率最优值和历史运行过程中离线水洗时压气机效率下降的平均值,得到实时运行数据对应的离线水洗阈值。
5.如权利要求4所述的燃气轮机压气机清洁装置,其特征在于,最优效率确定模型建立单元,具体用于:
以环境温度、湿度和大气压力为匹配参数,利用K-均值算法将燃气轮机的历史运行数据和燃气轮机的历史压气机效率进行聚类,利用K-均值算法反复迭代调整K值聚类区间,得到环境温度、湿度和大气压力的工况分类区间值;
根据环境温度、湿度和大气压力的工况分类区间值,将所述样本集分类为多种工况类型的子样本集。
6.如权利要求4所述的燃气轮机压气机清洁装置,其特征在于,所述效率最优值确定模块具体用于:
根据燃气轮机的实时运行数据中的环境温度、湿度和大气压力,确定所述实时运行数据对应的工况类型;
根据燃气轮机的实时运行数据中的进口可转导叶IGV阀门开度,确定所述实时运行数据对应的进口可转导叶IGV阀门开度区间;
根据所述实时运行数据对应的工况类型、所述实时运行数据对应的进口可转导叶IGV阀门开度区间,以及预先建立的燃气轮机压气机最优效率确定模型,得到所述实时运行数据对应的压气机效率最优值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110216222.7A CN113027826B (zh) | 2021-02-26 | 2021-02-26 | 燃气轮机压气机清洁方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110216222.7A CN113027826B (zh) | 2021-02-26 | 2021-02-26 | 燃气轮机压气机清洁方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113027826A CN113027826A (zh) | 2021-06-25 |
CN113027826B true CN113027826B (zh) | 2023-11-10 |
Family
ID=76461998
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110216222.7A Active CN113027826B (zh) | 2021-02-26 | 2021-02-26 | 燃气轮机压气机清洁方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113027826B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130013255A1 (en) * | 2011-07-06 | 2013-01-10 | Honeywell International Inc. | Automatic identification of operating parameters for power plants |
CN103212547A (zh) * | 2013-03-31 | 2013-07-24 | 深圳市广前电力有限公司 | 燃气-蒸汽联合发电机组压气机通流部分水洗方法及装置 |
US20170191375A1 (en) * | 2015-12-31 | 2017-07-06 | General Electric Company | Gas turbine water wash methods and systems |
CN110056544A (zh) * | 2019-03-12 | 2019-07-26 | 马文德 | 一种压气机最佳水洗周期获取方法 |
CN110307186A (zh) * | 2019-07-03 | 2019-10-08 | 上海长庚信息技术股份有限公司 | 预测压气机水洗时间的方法、装置、服务器及存储介质 |
CN110513336A (zh) * | 2019-09-05 | 2019-11-29 | 哈尔滨电气股份有限公司 | 一种电站燃气轮机离线水洗时间的确定方法 |
CN110530650A (zh) * | 2019-09-05 | 2019-12-03 | 哈尔滨电气股份有限公司 | 基于广义回归神经网络与箱型图分析的重型燃气轮机性能状态监测方法 |
CN110873388A (zh) * | 2018-08-31 | 2020-03-10 | 青岛海尔空调器有限总公司 | 一种空调及其自清洁的控制方法 |
CN110928248A (zh) * | 2018-09-19 | 2020-03-27 | 上海明华电力技术工程有限公司 | 一种确定燃气轮机性能劣化程度的方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08296453A (ja) * | 1995-04-25 | 1996-11-12 | Hitachi Ltd | ガスタービン圧縮機水洗浄時期検知装置 |
-
2021
- 2021-02-26 CN CN202110216222.7A patent/CN113027826B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130013255A1 (en) * | 2011-07-06 | 2013-01-10 | Honeywell International Inc. | Automatic identification of operating parameters for power plants |
CN103212547A (zh) * | 2013-03-31 | 2013-07-24 | 深圳市广前电力有限公司 | 燃气-蒸汽联合发电机组压气机通流部分水洗方法及装置 |
US20170191375A1 (en) * | 2015-12-31 | 2017-07-06 | General Electric Company | Gas turbine water wash methods and systems |
CN110873388A (zh) * | 2018-08-31 | 2020-03-10 | 青岛海尔空调器有限总公司 | 一种空调及其自清洁的控制方法 |
CN110928248A (zh) * | 2018-09-19 | 2020-03-27 | 上海明华电力技术工程有限公司 | 一种确定燃气轮机性能劣化程度的方法 |
CN110056544A (zh) * | 2019-03-12 | 2019-07-26 | 马文德 | 一种压气机最佳水洗周期获取方法 |
CN110307186A (zh) * | 2019-07-03 | 2019-10-08 | 上海长庚信息技术股份有限公司 | 预测压气机水洗时间的方法、装置、服务器及存储介质 |
CN110513336A (zh) * | 2019-09-05 | 2019-11-29 | 哈尔滨电气股份有限公司 | 一种电站燃气轮机离线水洗时间的确定方法 |
CN110530650A (zh) * | 2019-09-05 | 2019-12-03 | 哈尔滨电气股份有限公司 | 基于广义回归神经网络与箱型图分析的重型燃气轮机性能状态监测方法 |
Non-Patent Citations (1)
Title |
---|
李飞."3.1.3 清洗评价".《MS5002C燃气轮机结构及运行维护研究》.大连理工大学,2012,第27-28页. * |
Also Published As
Publication number | Publication date |
---|---|
CN113027826A (zh) | 2021-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2775108A2 (en) | Improved plant control systems and methods | |
CN108049917B (zh) | 一种基于单螺杆膨胀机的无储液罐撬装式有机朗肯循环发电*** | |
CN111581891B (zh) | 一种燃气-蒸汽联合循环机组燃烧温度智能监测方法 | |
AU2012285962A1 (en) | Method for operating a static gas turbine, and intake duct for intake air of a gas turbine | |
JP2018204604A (ja) | 圧縮機の着氷を検出するためのシステムおよび方法 | |
US20190094100A1 (en) | Gas turbomachine leak detection system and method | |
EP3369895A2 (en) | System and method for monitoring a lubrication system of a turbomachine using a model | |
CN115618592A (zh) | 一种电厂燃气轮机气路故障诊断方法、***、设备及终端 | |
CN113027826B (zh) | 燃气轮机压气机清洁方法及装置 | |
CN114462253A (zh) | 一种重型燃气轮机关键部件效能参数分析方法 | |
Djeddi et al. | Gas turbine reliability estimation to reduce the risk of failure occurrence with a comparative study between the two-parameter Weibull distribution and a new modified Weibull distribution | |
Schneider et al. | Analysis of compressor on-line washing to optimize gas turbine power plant performance | |
Blinov et al. | Technical condition estimation of the gas turbine axial compressor | |
JP2018084228A (ja) | より高いプラント効率のためのシステムおよび方法 | |
CN111027006B (zh) | 一种燃气轮机最佳水洗周期的获取方法 | |
Madsen et al. | Gas turbine operation offshore: On-line compressor wash operational experience | |
Ujam et al. | Performance evaluation of a gas turbine power plant by the application of compressor off-line and on-line water washing techniques.(a case study of 450mw sapele power station in delta state, nigeria) | |
Cruz-Manzo et al. | A thermodynamic transient model for performance analysis of a twin shaft Industrial Gas Turbine | |
Zhultriza et al. | Gas turbine anomaly prediction using hybrid convolutional neural network with LSTM in power plant | |
Hassan et al. | Performance analysis and enhancement of GE LM6000PC gas turbine-based power generation in Bangladesh; an approach to increase the offline water wash cycle interval | |
Wibowo | Online Blade Washing Analysis On Mitsubishi M701f Gas Turbine Performance In Power Plants | |
Fabbri et al. | Compressor performance recovery system: which solution and when | |
Kalytka et al. | Theoretical bases of the methods of modernization the cylinders of heating steam turbines | |
Musa | Techno-economic analysis of gas turbine compressor fouling and washing. | |
CN114893385B (zh) | 一种固废炉用凝汽式汽拖空压机启动调试方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |