KR102240646B1 - System and method for predicting life of turbine - Google Patents
System and method for predicting life of turbine Download PDFInfo
- Publication number
- KR102240646B1 KR102240646B1 KR1020170060986A KR20170060986A KR102240646B1 KR 102240646 B1 KR102240646 B1 KR 102240646B1 KR 1020170060986 A KR1020170060986 A KR 1020170060986A KR 20170060986 A KR20170060986 A KR 20170060986A KR 102240646 B1 KR102240646 B1 KR 102240646B1
- Authority
- KR
- South Korea
- Prior art keywords
- damage
- standard deviation
- damage rate
- standard
- model
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000009826 distribution Methods 0.000 claims description 46
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 13
- 238000007476 Maximum Likelihood Methods 0.000 claims description 8
- 238000013461 design Methods 0.000 claims description 3
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims 1
- 229910052698 phosphorus Inorganic materials 0.000 claims 1
- 239000011574 phosphorus Substances 0.000 claims 1
- 238000010248 power generation Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 11
- 238000005259 measurement Methods 0.000 description 10
- 238000007619 statistical method Methods 0.000 description 8
- 238000011156 evaluation Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000006866 deterioration Effects 0.000 description 5
- 238000007542 hardness measurement Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000013398 bayesian method Methods 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000010076 replication Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000035882 stress Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Public Health (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Water Supply & Treatment (AREA)
- Algebra (AREA)
- Educational Administration (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
본 발명은 증기 터빈의 잔존 수명을 예측하는 수명 예측 방법 및 시스템에 관한 것으로, 본 발명에 따른 수명 예측 방법은, 복수의 발전 설비에 대해서, 각각의 운전 정보를 입력받는 단계; 각각의 발전 설비에 대해서, 미리 설정된 최대 손상 위치 및 최소 손상 위치에서 경도값을 측정하는 단계; 각각의 발전 설비에 대해서 상기 최대 손상 위치 및 최소 손상 위치에서의 측정된 경도값에 기초하여 손상률을 계산하고, 손상률의 평균 및 표준편차를 산출하여 등가운전 시간에 따른 손상률의 표준 손상 모델을 생성하는 단계; 및 생성된 표준 손상 모델에 기초하여, 평가하고자 하는 발전 설비의 잔존 수명을 예측하는 단계를 포함한다.The present invention relates to a life prediction method and system for predicting the remaining life of a steam turbine, the life prediction method according to the present invention, for a plurality of power generation facilities, receiving each operation information; For each power plant, measuring a hardness value at a predetermined maximum damage position and a minimum damage position; For each power plant, the damage rate is calculated based on the measured hardness values at the maximum and minimum damage locations, and the average and standard deviation of the damage rates are calculated, and a standard damage model of the damage rate according to the equivalent operating time. Generating a; And predicting the remaining life of the power generation facility to be evaluated based on the generated standard damage model.
Description
본 발명은 증기 터빈의 잔존 수명을 예측하는 수명 예측 방법 및 시스템에 관한 것이다.The present invention relates to a life prediction method and system for predicting the remaining life of a steam turbine.
화력 발전소 및 복합 발전소에 사용되는 증기터빈은 발전소의 유지정비 및 수명을 결정하는 핵심 설비이며, 장시간의 경년열화에 따라 강도가 저하되기 때문에 정확하게 잔존수명을 평가하는 것이 요구된다. Steam turbines used in thermal power plants and complex power plants are key facilities that determine the maintenance and service life of power plants, and since their strength decreases with aging for a long time, it is required to accurately evaluate the remaining life.
종래에는 응력 계산을 통한 이론적 해석 방법과 조직 복제를 통한 미세조직의 경년 열화 평가 및 경도 측정을 통한 정성적 저하 정도 분석으로 터빈의 수명을 평가하고 있다. Conventionally, the life of the turbine is evaluated through a theoretical analysis method through stress calculation, an aging deterioration evaluation of microstructures through tissue replication, and a qualitative deterioration degree analysis through hardness measurement.
이러한 수명 평가에 있어서, 휴대용 경도계를 통한 경도시험은 간편하다는 장점으로 가장 많이 사용되고 있는 방법이지만, 데이터의 불완전성, 시험의 불완전성 등에 의한 불확실도 또는 오차가 있지만 불확실도에 대한 개선에 대한 방법이 없었다. 또한, 열화에 따른 경도 차를 기준으로 크리프 파단 실험식으로 수명을 평가할 경우에는 실험식 자체의 불확실도가 추가되어, 증기 터빈의 수평 예측이 어려운 문제점이 있었다.In this life evaluation, the hardness test through a portable hardness tester is the most used method because of its simplicity, but there are uncertainties or errors due to data imperfections and test imperfections, but there is no method for improving the uncertainty. In addition, in the case of evaluating the life by the creep rupture empirical formula based on the hardness difference due to deterioration, the uncertainty of the empirical formula itself is added, making it difficult to predict the horizontal of the steam turbine.
본 발명은 상기와 같은 문제점을 감안하여 이루어진 것으로, 경도 데이터만을 이용하여 증기 터빈의 잔존 수명을 예측하되, 그 불확실도를 낮추어 보다 정확한 잔존 수명 예측이 가능한 수명 예측 방법 및 시스템을 제공하는 데 목적이 있다. The present invention has been made in view of the above problems, and an object of the present invention is to provide a life prediction method and system capable of predicting the remaining life more accurately by predicting the remaining life of a steam turbine using only hardness data, but lowering the uncertainty. .
상기와 같은 기술적 과제를 해결하기 위하여, 본 발명의 일 실시예에 따른 수명 예측 방법은, 복수의 발전 설비에 대해서, 각각의 운전 정보를 입력받는 단계; 각각의 발전 설비에 대해서, 미리 설정된 최대 손상 위치 및 최소 손상 위치에서 경도값을 측정하는 단계; 각각의 발전 설비에 대해서 상기 최대 손상 위치 및 최소 손상 위치에서의 측정된 경도값에 기초하여 손상률을 계산하고, 손상률의 평균 및 표준편차를 산출하여 등가운전 시간에 따른 손상률의 표준 손상 모델을 생성하는 단계; 및 생성된 표준 손상 모델에 기초하여, 평가하고자 하는 발전 설비의 잔존 수명을 예측하는 단계를 포함한다.In order to solve the above technical problem, the life prediction method according to an embodiment of the present invention includes the steps of: receiving each operation information for a plurality of power generation facilities; For each power plant, measuring a hardness value at a predetermined maximum damage position and a minimum damage position; For each power plant, the damage rate is calculated based on the measured hardness values at the maximum and minimum damage locations, and the average and standard deviation of the damage rates are calculated, and a standard damage model of the damage rate according to the equivalent operating time. Generating a; And predicting the remaining life of the power generation facility to be evaluated based on the generated standard damage model.
여기서, 복수의 발전 설비는 등가운전 시간별로 선정된 복수의 증기 터빈이다.Here, the plurality of power generation facilities are a plurality of steam turbines selected for each equivalent operation time.
표준 손상 모델은, 산출된 손상률의 평균 및 표준편차에 기초하여, 각 운전 시간에서의 손상률의 분포를 나타내는 손상 분포 모델과 운전 시간에 따른 손상률의 성장 곡선을 나타내는 손상 성장 모델을 포함한다.The standard damage model includes a damage distribution model representing the distribution of the damage rate at each driving time and a damage growth model representing a growth curve of the damage rate according to the driving time, based on the average and standard deviation of the calculated damage rates. .
일례로, 표준 손상 모델을 생성하는 단계는, 마르코프 몬테카를로 시뮬레이션 기법에 의해 생성된 랜덤 샘플의 변수가 적용된 손상률의 평균 및 표준편차 추정식에 기초하여, 손상률의 평균 및 표준편차를 산출한다. As an example, in the step of generating the standard damage model, the average and standard deviation of the damage rates are calculated based on the average and standard deviation estimation equation of the damage rates to which the variables of the random samples generated by the Markov Monte Carlo simulation technique are applied.
또한, 표준 손상 모델을 생성하는 단계는, 베이지안 기법을 이용하여 상기 손상률의 평균 및 표준편차 추정식에 기초한, 상기 손상률의 평균에 대한 추정선도와 상기 손상률의 표준편차에 대한 추정선도를 각각 생성한다.In addition, the step of generating a standard impairment model includes an estimated curve for the average of the damage rates and an estimated curve for the standard deviation of the damage rates based on the average and standard deviation estimation equation of the damage rates using a Bayesian technique. Each is created.
등가운전 시간에 따른 손상률 D(t)는 정규분포 N(μ(t), σ(t))로 나타내며, 상기 손상률의 평균 추정식은 μ(t)=αμexpβμt 이고, 손상률의 표준편차 추정식은 σ(t)=ασexpβσt이다. 여기서, μ는 평균이고, σ는 표준편차이며, t는 시간이고, α 및 β는 마르코프 몬테카를로 시뮬레이션 기법에 의해 생성된 랜덤 샘플의 변수이다. The damage rate D(t) according to the equivalent driving time is represented by the normal distribution N(μ(t), σ(t)), and the average estimation formula of the damage rate is μ(t) = α μ expβ μ t, and the damage rate The equation for estimating the standard deviation of is σ(t)=α σ expβ σ t. Here, μ is the mean, σ is the standard deviation, t is the time, and α and β are the variables of the random samples generated by the Markov Monte Carlo simulation technique.
변수 α 및 β는 측정된 상기 최대 손상 위치 및 최소 손상 위치에서의 경도값의 평균과 표준편차에 대한 정규분포를 이용한 최대우도함수에 의해 결정될 수 있다.The variables α and β may be determined by a maximum likelihood function using a normal distribution for the average and standard deviation of the measured hardness values at the maximum and minimum damage locations.
평균에 대한 최대우도 함수는, The maximum likelihood function for the mean is,
표준편차에 대한 최대우도 함수는, The maximum likelihood function for the standard deviation is,
또한, 증기 터빈의 운전 정보는 전체 운전시간 정보, 기동횟수 정보 및 등가운전시간(EOH) 정보를 포함한다.In addition, the operation information of the steam turbine includes total operation time information, start-up frequency information, and equivalent operation time (EOH) information.
표준 손상 모델의 임계 손상률은 0.2 ~ 0.8로 설정될 수 있다.The critical damage rate of the standard damage model can be set between 0.2 and 0.8.
한편, 본 발명의 다른 실시예에 따른 수명 예측 시스템은, 등가운전 시간별로 선정된 복수의 증기 터빈에 대해서, 각각의 운전 정보를 입력받는 입력부; 각각의 증기 터빈에 대해서, 미리 설정된 최대 손상 위치 및 최소 손상 위치에서 경도값을 측정하는 측정부; 각각의 증기 터빈에 대해서 최대 손상 위치 및 최소 손상 위치에서의 측정된 경도값에 기초하여 손상률을 계산하고, 손상률의 평균 및 표준편차를 산출하여 등가운전 시간에 따른 손상률의 표준 손상 모델을 생성하는 통계분석부; 및 생성된 표준 손상 모델에 기초하여, 평가하고자 하는 증기 터빈의 잔존 수명을 예측하는 예측부를 포함한다.On the other hand, the life prediction system according to another embodiment of the present invention, for a plurality of steam turbines selected for each equivalent operation time, the input unit for receiving each operation information; For each steam turbine, a measurement unit for measuring a hardness value at a predetermined maximum damage position and a minimum damage position; For each steam turbine, the damage rate is calculated based on the measured hardness values at the maximum and minimum damage locations, and the average and standard deviation of the damage rates are calculated to create a standard damage model of the damage rate according to the equivalent operating time. A statistical analysis unit that generates; And a prediction unit that predicts the remaining life of the steam turbine to be evaluated based on the generated standard damage model.
여기서, 통계 분석부는, 각각의 증기 터빈에 대해서, 최대 손상 위치 및 최소 손상 위치에서의 측정된 경도값에 기초하여, 손상률을 계산하는 손상률 계산부; 등가운전 시간에 따른 손상률에 따라, 손상률의 평균 및 표준편차를 산출하는 추정부; 및 산출된 손상률의 평균 및 표준편차에 기초하여, 각 운전시간에서의 손상률의 분포를 나타내는 손상 분포 모델과 운전 시간에 따른 손상률의 성장 곡선을 나타내는 손상 성장 모델을 생성하는 표준 손상 모델 생성부를 포함한다.Here, the statistical analysis unit includes, for each steam turbine, a damage rate calculation unit that calculates a damage rate based on the measured hardness values at the maximum damage position and the minimum damage position; An estimating unit that calculates an average and standard deviation of the damage rate according to the damage rate according to the equivalent driving time; And, based on the average and standard deviation of the calculated damage rates, a standard damage model that generates a damage distribution model representing the distribution of damage rates at each operating time and a damage growth model representing the growth curve of the damage rates according to operating hours is generated. Includes wealth.
본 발명에 의하면, 경도 데이터만을 이용하여 증기 터빈의 잔존 수명을 예측하다. According to the present invention, the remaining life of a steam turbine is predicted using only hardness data.
또한, 마르코프 몬테카를로 시뮬레이션 기법 및 베이지안 기법을 이용함으로써, 증기 터빈의 잔존 수명 예측에 있어서 불확실도를 낮출 수 있다. In addition, by using the Markov Monte Carlo simulation technique and the Bayesian technique, it is possible to reduce the uncertainty in the prediction of the remaining life of the steam turbine.
도 1은 본 발명의 일 실시예에 따른 수명 예측 시스템을 나타내는 구성도이다.
도 2는 본 발명의 일 실시예에 따른 증기 터빈의 측정 부위를 설명하기 위한 도이다.
도 3은 본 발명의 일 실시예에 따른 수명 예측 방법을 나타내는 순서도이다.
도 4는 본 발명의 다른 실시예에 따른 수명 예측 방법을 나타내는 흐름도이다.
도 5는 등가운전 시간별 증기 터빈에 대한 경도 기반 손상지수 분포를 나타내는 그래프이다.
도 6은 운전시간에 따른 경도 기반 손상지수 곡선을 나타내는 그래프이다.
도 7은 운전시간에 따른 평균 추정선도 및 표준편차 추정선도를 나타내는 그래프이다.
도 8은 마르코프 몬테카를로 시뮬레이션을 이용한 랜덤 샘플을 나타내는 그래프이다.
도 9는 평균 추정선도 및 표준편차 추정선도에 기초한 변수 α와 변수 β의 상관관계를 설명하기 위한 그래프이다.
도 10은 본 발명에 따른 평균과 표준편차에 대한 추정선도와 종래의 비선형 회귀 기법에 대한 추정선도를 비교한 그래프이다.
도 11은 운전 시간에 따른 손상률의 성장 곡선을 나타내는 손상 성장 모델이다.
도 12는 특정 운전시간에서의 손상률의 분포를 나타내는 손상 분포 모델이다.
도 13은 임계 손상률 0.2에서 잔존 수명을 설명하기 위한 그래프로서, 도 13(a)는 운전시간에 따른 확률 밀도를 나타내고, 도 13(b)는 운전시간에 따른 누적 분포를 나타낸다. 1 is a block diagram showing a life prediction system according to an embodiment of the present invention.
2 is a view for explaining a measurement portion of the steam turbine according to an embodiment of the present invention.
3 is a flow chart illustrating a method of predicting a lifespan according to an embodiment of the present invention.
4 is a flowchart illustrating a life expectancy method according to another embodiment of the present invention.
5 is a graph showing the distribution of the hardness-based damage index for the steam turbine by equivalent operation time.
6 is a graph showing a hardness-based damage index curve according to driving time.
7 is a graph showing an average estimation line diagram and a standard deviation estimation line diagram according to driving time.
8 is a graph showing random samples using Markov Monte Carlo simulation.
9 is a graph for explaining a correlation between a variable α and a variable β based on a mean estimation line diagram and a standard deviation estimation line diagram.
10 is a graph comparing an estimated curve for a mean and a standard deviation according to the present invention and an estimation curve for a conventional nonlinear regression technique.
11 is a damage growth model showing the growth curve of the damage rate according to the driving time.
12 is a damage distribution model showing the distribution of damage rates at a specific operating time.
13 is a graph for explaining the remaining life at a critical damage rate of 0.2. FIG. 13(a) shows a probability density according to operation time, and FIG. 13(b) shows a cumulative distribution according to operation time.
본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시 예를 가질 수 있는바, 특정 실시 예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 발명을 설명함에 있어서, 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.Since the present invention can apply various transformations and have various embodiments, specific embodiments will be illustrated in the drawings and will be described in detail in the detailed description. However, this is not intended to limit the present invention to a specific embodiment, it should be understood to include all conversions, equivalents, and substitutes included in the spirit and scope of the present invention. In describing the present invention, if it is determined that a detailed description of a related known technology may obscure the subject matter of the present invention, a detailed description thereof will be omitted.
본 출원에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.The terms used in the present application are only used to describe specific embodiments, and are not intended to limit the present invention. Singular expressions include plural expressions unless the context clearly indicates otherwise. In the present application, terms such as "comprise" or "have" are intended to designate the presence of features, numbers, steps, actions, components, parts, or combinations thereof described in the specification, but one or more other features. It is to be understood that the presence or addition of elements or numbers, steps, actions, components, parts, or combinations thereof does not preclude in advance.
이하, 본 발명에 따른 실시 예들을 첨부도면을 참조하여 상세히 설명하기로 하며, 첨부 도면을 참조하여 설명함에 있어, 동일하거나 대응하는 구성 요소는 동일한 도면번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings, and in the description with reference to the accompanying drawings, the same or corresponding components are assigned the same reference numbers, and redundant descriptions thereof will be omitted. It should be.
도 1은 본 발명의 일 실시예에 따른 수명 예측 시스템을 나타내는 구성도이다.1 is a block diagram showing a life prediction system according to an embodiment of the present invention.
도 1에 도시된 바와 같이, 본 발명에 따른 수명 예측 시스템은 입력부(10), 측정부(20), 통계 분석부(30), 예측부(40) 및 제어부(50)를 포함할 수 있다. As shown in FIG. 1, the life prediction system according to the present invention may include an
입력부(10)는 등가운전 시간별로 선정된 복수의 증기 터빈에 대해서, 각각의 운전 정보를 입력받는다. 이때, 각 증기 터빈의 운전 정보는 전체 운전시간 정보, 기동횟수 정보 및 등가운전시간 정보를 포함할 수 있다. 여기서, 전체 운전 시간은 증기 터빈이 설치된 후의 전체 시간을 의미하며, 등가 운전 시간은 증기 터빈이 설치된 후 실제로 운전된 시간을 의미한다. 이후, 등가 운전시간은 간단히 운전시간이라고도 한다. The
측정부(20)는 각각의 증기 터빈에 대해서, 미리 설정된 최대 손상 위치 및 최소 손상 위치에서 경도값을 측정한다. 일례로, 측정부(20)는 각 증기 터빈의 최대 손상 영역 내의 서로 다른 위치에서 복수회에 걸쳐서 경도값을 각각 측정할 수 있고, 또한, 각 증기 터빈의 최소 손상 영역 내의 서로 다른 위치에서 복수회에 걸쳐서 경도값을 각각 측정할 수 있다. The
여기서, 최대 손상 위치는 터빈 설비에서 손상이 주로 발생하는 설정 영역이며, 최소 손상 위치는 터빈 설비가 운정되어도 손상이 거의 발생하지 않아서 초기 상태로 가정할 수 있는 설정 영역을 의미한다. 예를 들면, 도 2에 도시된 바와 같이, 화력발전소의 고중압 터빈 로터(70)의 경우 최대 손상 위치(71)는 고압 입구부로서 증기 터빈이 운전 중일 경우 열화 현상이 가장 크게 발생하는 영역이다. 또한, 최소 손상 위치(73)는 고압 출구부로서 열화 현상이 거의 발생하지 않는 영역이다. Here, the maximum damage location is a setting area where damage mainly occurs in the turbine facility, and the minimum damage location means a setting area that can be assumed to be an initial state because damage hardly occurs even when the turbine facility is operated. For example, as shown in FIG. 2, in the case of the high and medium
통계 분석부(30)는 각각의 증기 터빈에 대해서 최대 손상 위치 및 최소 손상 위치에서의 측정된 경도값에 기초하여 손상률을 계산하고, 손상률의 평균 및 표준편차를 추정하여 등가운전 시간에 따른 손상률의 표준 손상 모델을 생성한다. The
일례로, 통계 분석부(30)는 손상률 계산부(31), 추정부(33) 및 표준 손상 모델 생성부(35)를 포함할 수 있다. As an example, the
손상률 계산부(31)는 각각의 증기 터빈에 대해서, 최대 손상 위치 및 최소 손상 위치에서의 측정된 경도값에 기초하여, 손상률을 계산한다. 추정부(33)는 등가운전 시간에 따른 손상률에 따라, 손상률의 평균 및 표준편차를 각각 추정한다. 또한, 표준 손상 모델 생성부(35)는 추정된 손상률의 평균 및 표준편차에 기초하여, 각 시간에서의 손상률의 분포를 나타내는 손상 분포 모델과 운전 시간에 따른 손상률의 성장 곡선을 나타내는 손상 성장 모델을 생성한다.The damage
또한, 수명 예측 시스템의 예측부(40)는 생성된 표준 손상 모델에 기초하여, 평가하고자 하는 증기 터빈의 잔존 수명을 예측한다.In addition, the
제어부(50)는 입력부(10), 측정부(20), 통계 분석부(30), 예측부(40)를 제어하는 구성이다. The
또한, 수명 예측 시스템은 제어부(50)에 의해 제어되어 입력값, 측정값, 계산값, 추정값, 생성값 등을 출력할 수 있는 출력부(미도시)를 더 구비할 수 있다. In addition, the life prediction system may further include an output unit (not shown) that is controlled by the
이어서, 도 3을 이용하여, 본 발명에 따른 수명 예측 방법에 대해서 설명하기로 한다. 도 3은 본 발명의 일 실시예에 따른 수명 예측 방법을 나타내는 순서도이다. Next, a life prediction method according to the present invention will be described with reference to FIG. 3. 3 is a flow chart illustrating a method of predicting a lifespan according to an embodiment of the present invention.
도 3에 도시된 바와 같이, 본 발명에 따른 수명 예측 방법은, 먼저, 등가운전 시간별로 선정된 복수의 증기 터빈에 대해서, 각각의 운전 정보를 입력받는다(S10). 이어서, 각각의 증기 터빈에 대해서, 미리 설정된 최대 손상 위치 및 최소 손상 위치에서 경도값을 측정한다(S20). 이어서, 각각의 증기 터빈에 대해서 상기 최대 손상 위치 및 최소 손상 위치에서의 측정된 경도값에 기초하여 손상률을 계산하고, 손상률의 평균 및 표준편차를 추정하여 등가운전 시간에 따른 손상률의 표준 손상 모델을 생성한다(S30). 이어서, 생성된 표준 손상 모델에 기초하여, 평가하고자 하는 증기 터빈의 잔존 수명을 예측한다(S40).As shown in FIG. 3, in the life prediction method according to the present invention, first, operation information of a plurality of steam turbines selected for each equivalent operation time is input (S10). Subsequently, for each steam turbine, the hardness value is measured at a predetermined maximum damage position and a minimum damage position (S20). Subsequently, for each steam turbine, the damage rate is calculated based on the measured hardness values at the maximum and minimum damage locations, and the average and standard deviation of the damage rates are estimated to be the standard of the damage rate according to the equivalent operation time. A damage model is generated (S30). Next, based on the generated standard damage model, the remaining life of the steam turbine to be evaluated is predicted (S40).
여기서, 표준 손상 모델은, 추정된 손상률의 평균 및 표준편차에 기초하여, 각 운전시간에서의 손상률의 분포를 나타내는 손상 분포 모델과 운전 시간에 따른 손상률의 성장 곡선을 나타내는 손상 성장 모델을 포함한다.Here, the standard damage model includes a damage distribution model representing the distribution of the damage rate at each operating time and a damage growth model representing the growth curve of the damage rate according to the operating time, based on the average and standard deviation of the estimated damage rates. Includes.
일례로, 표준 손상 모델을 생성하는 단계(S30)는, 마르코프 몬테카를로 시뮬레이션 기법에 의해 생성된 랜덤 샘플의 변수가 적용된 손상률의 평균 및 표준편차 추정식에 기초하여, 손상률의 평균 및 표준편차를 추정할 수 있다.As an example, in the step of generating the standard damage model (S30), the average and standard deviation of the damage rates are calculated based on the average and standard deviation estimation equation of the damage rates to which the variables of the random samples generated by the Markov Monte Carlo simulation technique are applied. Can be estimated.
이어서, 일 실시예로서, 도 4를 이용하여 본 발명에 따른 수명 예측 방법을 구체적으로 설명하기로 한다. Next, as an embodiment, a life prediction method according to the present invention will be described in detail with reference to FIG. 4.
도 4는 본 발명의 다른 실시예에 따른 수명 예측 방법을 나타내는 흐름도이다.4 is a flowchart illustrating a life expectancy method according to another embodiment of the present invention.
도 4에 도시된 바와 같이, 본 발명에 따른 수명 예측 방법은, 먼저, 설비 선정 과정(S100)은 등가운전 시간별로 복수의 증기 터빈을 선정한다(S100). 즉, 동일한 터빈에 대해서 현실적으로 초기부터 최종 수명에 이를 때까지 연속적인 경도 측정이 불가하기 때문에, 등가운전 시간별로 가동중인 증기 터빈을 각각 선정한다.As shown in FIG. 4, in the life prediction method according to the present invention, first, in the facility selection process (S100), a plurality of steam turbines are selected for each equivalent operation time (S100). That is, for the same turbine, since it is impossible to measure the hardness continuously from the initial stage to the final life, each of the steam turbines in operation is selected for each equivalent operation time.
이어서, 선정된 각 증기 터빈 설비에 대해서 기본 정보를 입력받는다(S200). 예를 들면, 운전 정보로서, 전체 운전시간, 기동횟수, 등가운전시간을 입력받는다. 부가적으로, 식별 정보로서 해당 발전소의 발전 회사, 발전소명, 호기 번호 등을 입력받을 수 있다. Subsequently, basic information is received for each selected steam turbine facility (S200). For example, as driving information, the total driving time, the number of starts, and the equivalent driving time are input. Additionally, as identification information, the power generation company, power plant name, and unit number of the corresponding power plant may be input.
이어서, 선정된 각 증기 터빈에 대해서, 경도 측정이 이루어진다(S300). 즉, 선정된 터빈 설비에서 미리 설정된 최대 손상 영역 및 최소 손상 영역에서의 경도를 측정한다. 본 발명은 경도 측정에서 얻어지는 모든 데이터를 사용한다. Subsequently, for each selected steam turbine, hardness measurement is performed (S300). That is, the hardness in the predetermined maximum damage area and minimum damage area in the selected turbine facility is measured. The present invention uses all data obtained from hardness measurements.
표 1은 10개의 증기 터빈의 운전 이력 및 측정된 경도값의 최대/최소값을 나타낸 것이다. Ha는 최대 손상 위치에서의 경도값이고, Hv는 최소 손상 위치에서의 경도값을 나타낸 것이다. 다만, 측정 시간 및 측정 환경 등이 다르기 때문에 유효 측정 데이터수는 다르게 측정되었다. 여기서, 가용된 운전시간에 따라 측정된 경도값은 불완전한 데이터이기 때문에 본 발명에서 제안하는 것과 같이 불확실도를 고려한 추정식의 개발이 필요하다. Table 1 shows the operating history of 10 steam turbines and the maximum/minimum values of the measured hardness values. Ha is the hardness value at the maximum damage position, and Hv represents the hardness value at the minimum damage position. However, because the measurement time and measurement environment were different, the number of effective measurement data was measured differently. Here, since the hardness value measured according to the available driving time is incomplete data, it is necessary to develop an estimation equation that considers uncertainty as proposed in the present invention.
이어서, 측정된 경도값을 통계 분석한다(S400). 즉, 각각의 증기 터빈에 대해서 측정된 경도값에 기초하여 손상률을 계산하고, 계산된 손상률의 평균 및 표준편차를 추정하여 등가운전 시간에 따른 손상률의 표준 손상 모델을 생성한다. Then, the measured hardness value is statistically analyzed (S400). That is, the damage rate is calculated based on the hardness values measured for each steam turbine, and the average and standard deviation of the calculated damage rates are estimated to generate a standard damage model of the damage rate according to the equivalent driving time.
표 1에서와 같이, 각 운전시간 시간별로 경도 측정을 통해 얻어진 데이터는 분포를 보이며 일반적으로는 평균값을 사용해서 변화 정도에 대한 정성적인 비교를 한다. As shown in Table 1, the data obtained through hardness measurement for each operating time shows a distribution, and in general, a qualitative comparison of the degree of change is made using an average value.
본 발명에서는 해당 분포값을 모두 이용하는데, 수학식 1과 같이, 손상지수(D: damage index)를 사용한다. In the present invention, all of the corresponding distribution values are used. As shown in
표 1의 운전시간별 증기터빈에 대해 측정한 경도값 분포를 히스토그램으로 나타내면 도 5와 같다. 또한, 도 5의 전체 증기터빈에 대해서 수학식 1을 이용하여 경도 기반 손상지수의 분포를 운전시간별로 나타내면 도 6과 같다. Fig. 5 shows the distribution of hardness values measured for the steam turbine by operation time in Table 1 as a histogram. In addition, the distribution of the hardness-based damage index by operation
한편, 수학식 1을 이용해서 구한 운전 시간별 손상률은 다음과 같이 시간의 함수로 정의되는 정규 분포로 나타낼 수 있다.Meanwhile, the damage rate for each driving time obtained using
여기서, 평균과 표준편차는 시간에 따라 증가하기 때문에 각각 수학식 3 및 4와 같이 나타낼 수 있다.Here, since the mean and standard deviation increase with time, it can be expressed as
여기서, μ는 평균이고, σ는 표준편차이며, t는 시간이고, α 및 β는 마르코프 몬테카를로 시뮬레이션 기법에 의해 생성된 랜덤 샘플의 변수이다. Here, μ is the mean, σ is the standard deviation, t is the time, and α and β are the variables of the random samples generated by the Markov Monte Carlo simulation technique.
마르코프 몬테카를로 시뮬레이션 기법은 마르코프 연쇄의 구성에 기반한 확률분포로부터 원하는 분포의 정적분포를 갖는 표본을 추출하는 알고리즘의 한 부류로서, 큰 수의 단계(step) 이후에 연쇄의 상태는 목표로 하는 분포로부터 추출된 표본처럼 사용될 수 있다. 매우 복잡한 확률분포를 반영하는 난수 추출에 있어 매우 효과적인 것으로 알려져 있으며, 베이지안 추론을 구현하는데 있어, 중요하게 이용되고 있다. 다시 말해 마르코프 몬테카를로 시뮬레이션 기법은 샘플링에 기준한 방법으로 분포를 나타내는데 충분한 샘플을 생성할 수 있으며, 베이지언 기법과 연계하여 사후 확률밀도함수를 구성할 수 있는 충분한 샘플을 제공하는데 효과적인 방법이다. 일반적으로 메트로폴리스-해스팅 (Metropolis-Hastings, M-H) 알고리즘이 사용되는데, 본 발명에서는 평균과 표준편차에 사용되는 두 변수 α, β의 샘플을 생성해서 베이지언 기법에서의 우도(Likelihood)를 결정하였고 20,000개의 샘플이 각 변수의 특성 분포를 결정하는데 사용되었다.The Markov Monte Carlo simulation technique is a class of algorithms that extract a sample with a static distribution of a desired distribution from a probability distribution based on the composition of a Markov chain. After a large number of steps, the state of the chain is extracted from the target distribution. It can be used as a sample. It is known to be very effective in extracting random numbers that reflect a very complex probability distribution, and is importantly used in implementing Bayesian inference. In other words, the Markov Monte Carlo simulation technique can generate enough samples to represent the distribution in a sampling-based method, and is an effective way to provide enough samples to construct the posterior probability density function in conjunction with the Bayesian technique. In general, a Metropolis-Hastings (MH) algorithm is used.In the present invention, the likelihood in the Bayesian technique was determined by generating samples of two variables α and β used for the mean and standard deviation. 20,000 samples were used to determine the characteristic distribution of each variable.
수학식 3 및 4에 기초하여, 운전시간에 따른 평균 및 표준편차에 대한 추정선도를 그리면 도 7과 같이 나타낼 수 있다. 도 7(a)는 평균에 대한 추정 선도이며, 도 7(b)는 표준편차에 대한 추정선도이다. Based on
특히, 통계 분석 과정(S400)에서는 마르코프 몬테카를로 시뮬레이션 기법과 베이지언 기법을 이용해서, 각 운전 시간에서의 손상률의 분포를 나타내는 손상 분포 모델과 운전 운전 시간에 따른 손상률의 성장 곡선을 나타내는 손상 성장 모델을 생성한다. 이러한 손상 분포 모델과 손상 성장 모델은 표준 손상 모델로서 정의할 수 있다.In particular, in the statistical analysis process (S400), the damage distribution model representing the distribution of the damage rate at each driving time and the damage growth curve representing the growth curve of the damage rate according to the driving time is performed using the Markov Monte Carlo simulation method and the Bayesian method. Create a model. These damage distribution models and damage growth models can be defined as standard damage models.
각 운전 시간별로 경도를 측정하면 도 6과 같이 분포값을 갖고 있는 손상률을 계산할 수 있으며, 수학식 3 및 4와 같이 손상률의 평균과 표준편차에 대한 추정식을 가정할 수 있다. 이때, 추정식의 정확도를 높일 수 있도록, 도 8과 같이, 마르코프 몬테카를로 시뮬레이션 기법을 이용하여 변수 α 및 β에 대해 랜덤 샘플을 생성한다. 도 8(a)는 손상률의 평균에 대한 α의 랜덤 샘플이며, 도 8(b)는 손상률의 평균에 대한 β의 랜덤 샘플이고, 도 8(c)는 손상률의 표준 편차에 대한 α의 랜덤 샘플이며, 도 8(d)는 손상률의 표준 편차에 대한 β의 랜덤 샘플이다.When the hardness is measured for each driving time, the damage rate having a distribution value as shown in FIG. 6 can be calculated, and an estimation equation for the mean and standard deviation of the damage rate can be assumed as shown in
한편, 이때 베이지안 기법을 통해 변수 α 및 β값을 업데이트하면 일반적으로 적용하는 비선형회귀에서는 예측할 수 없는 변수 α 및 β값의 비선형 상관 관계를 확인할 수 있다. 이를 통해, 변수 α 및 β값을 동시에 업데이트함으로써 정확도를 높일 수 있다. Meanwhile, if the values of the variables α and β are updated through the Bayesian technique, a nonlinear correlation between the values of the variables α and β, which cannot be predicted in a generally applied nonlinear regression, can be confirmed. Through this, it is possible to increase the accuracy by simultaneously updating the values of the variables α and β.
베이지안 기법을 통해 변수를 업데이트할 때, 두 변수 α 및 β에 대한 초기값은 비선형 회귀에서 구하는 상한값과 하한값을 기준으로 평균과 표준편차를 균일분포로서 정의할 수 있다.When updating a variable through the Bayesian method, the initial values for the two variables α and β can be defined as a uniform distribution with the mean and standard deviation based on the upper and lower bound values obtained from nonlinear regression.
αμ~U(0.003, 0.009), βμ~U(0.66e-5, 4e-5)α μ ~U(0.003, 0.009), β μ ~U(0.66e-5, 4e-5)
ασ~U(0.002, 0.035), βσ~U(4.5e-7, 1.5e-5)α σ ~U(0.002, 0.035), β σ ~U(4.5e-7, 1.5e-5)
베이지안 기법에 있어서, 선형 회귀나 최대 우도법과 같은 일반적인 변수 추정 기법과 비교할 때, 베이지안 기법의 장점 중 하나는 예측하고자 하는 변수의 불확실도 구조나 특성을 결정할 수 있다는 것이다. 베이지안 식은 초기 사전확률 분포가 주어졌을 경우 우도를 이용해서 최종적인 사후확률분포를 결정할 수 있으며, 본 발명에서는 손상지수 분포를 결정하는 평균과 표준편차의 변수를 결정하는데 사용되었다.In the Bayesian technique, compared to general variable estimation techniques such as linear regression and maximum likelihood, one of the advantages of the Bayesian technique is that it can determine the uncertainty structure or characteristics of the variable to be predicted. The Bayesian equation can determine the final posterior probability distribution using likelihood when an initial prior probability distribution is given, and in the present invention, it was used to determine the variables of the mean and standard deviation that determine the distribution of the damage index.
일반적으로 리바운드 경도측정기를 이용하여 측정된 경도값이 정규분포를 따르기 때문에 측정 경도값의 평균과 표준편차에 대한 최대 우도는 각각 수학식 5, 6과 같은 정규 분포를 이용한다.In general, since the hardness values measured using a rebound hardness tester follow a normal distribution, the maximum likelihood for the mean and standard deviation of the measured hardness values uses a normal distribution as shown in
여기서, q는 함수이고, s는 표준편차이다.Here, q is a function and s is the standard deviation.
이렇게 수학식 3 및 4를 통해 특정 시간에서의 경도값 또는 손상지수의 평균과 표준 편차를 추정할 수 있고, 수학식 2를 통해 손상률에 대한 분포를 정규분포로서 구할 수 있다. In this way, the mean and standard deviation of the hardness value or the damage index at a specific time can be estimated through
한편, 본 발명에서 제안한 베이지안 기법을 사용하여 손상률의 평균 및 표준편차에 대한 추정선도를 그리고 일반적으로 사용하는 비선형회귀 기법에 따른 추정 선도와 비교하면, 도 10과 같이 나타낼 수 있다. 도 10에서와 같이, 베이지안 기법의 신뢰 구간(90% Cl by Bayesian) 내에 평균 및 표준 편차의 추정선이 위치하여 불확실성이 현저하게 낮아짐을 확인할 수 있다. On the other hand, by using the Bayesian method proposed in the present invention, the estimated diagram for the mean and standard deviation of the damage rate is compared with the estimated diagram according to a generally used nonlinear regression method, as shown in FIG. 10. As shown in FIG. 10, it can be seen that the uncertainty is remarkably lowered because the estimation lines of the mean and standard deviation are located within the confidence interval (90% Cl by Bayesian) of the Bayesian technique.
이와 같이, 운전 시간에 따른 손상률을 결정할 수 있는 평균과 표준 편차를 정확히 추정할 수 있고, 이에 따라, 도 11 및 12에서와 같이 표준 손상 모델로서 손상 분포 모델과 손상 성장 모델을 생성할 수 있다. 한편, 검증을 위해 10번째 시간(대략 25만 시간)에서의 데이터를 참값으로 정의하고 나머지 이전 운전 시간에서의 데이터만을 이용해 표준 손상 모델을 만들어 10번째 시간에서의 결과를 비교하였다. 이결과 도 11 및 도 12에서와 같이 10번째 시간에서의 데이터에 매우 근접한 것을 알 수 있었다. In this way, the mean and standard deviation for determining the damage rate according to the driving time can be accurately estimated, and accordingly, a damage distribution model and a damage growth model can be generated as standard damage models as shown in FIGS. 11 and 12. . Meanwhile, for verification, the data at the 10th time (approximately 250,000 hours) was defined as a true value, and a standard damage model was created using only the data from the remaining previous driving hours, and the results at the 10th time were compared. As a result, it can be seen that the data is very close to the data at the 10th time as in FIGS. 11 and 12.
다시 도 4로 돌아가서, 임계 손상률을 결정할 수 있다(S500). 종래에 크리프 및 피로 손상기구를 받는 재료에 대해서는 수명을 결정하는 손상률 임계값이 0.2~0.8 정도로 알려져 있을 뿐 얼마 정도의 손상률을 수명 기준으로 정해야 하는지 알려져 있지 않다. 또한, 터빈 제작사에서 권고하는 설계 수명 25만 시간이 어떠한 근거로 산출되었는지도 알려진 바 없다. 본 발명에서는 보수적인 관점에서 증기 터빈 설계 수명 25만 시간을 기준으로 손상률의 임계값을 0.2 ~ 0.8로 결정하여 도 11과 같이 손상 성장 모델을 나타낼 수 있다.Returning to FIG. 4 again, the critical damage rate may be determined (S500). Conventionally, for materials subjected to creep and fatigue damage mechanisms, the damage rate threshold for determining the lifespan is known to be about 0.2 to 0.8, but it is not known how much damage rate should be determined based on the lifespan. In addition, it is not known on what basis the design life of 250,000 hours recommended by the turbine manufacturer was calculated. In the present invention, from a conservative point of view, a damage growth model can be expressed as shown in FIG. 11 by determining a threshold value of a damage rate of 0.2 to 0.8 based on 250,000 hours of a steam turbine design life.
표 2는 임계 손상률에 따른 기계적 시스템의 평균 수명(B10)과 평균 잔손 수명(B50)을 나타내는 것이다.Table 2 shows the average life (B10) and average residual life (B50) of the mechanical system according to the critical damage rate.
이와 같이 생성된 표준 손상 모델에 기초하여 평가하고자 하는 증기 터빈에 대해서 수명과 불확실도를 예측할 수 있다(S600). The life and uncertainty of the steam turbine to be evaluated may be predicted based on the standard damage model generated as described above (S600).
도 4의 절차에 따라 증기 터빈의 수명과 불확실도를 예측하게 되면 우선적으로 표 3과 같이 평균과 표준편차의 변수에 따른 신뢰 구간을 구할 수 있다. 이를 통해 종래의 비선형 회귀(Nlsq)에 비해 불확실도가 낮음을 확인할 수 있다.When predicting the life and uncertainty of the steam turbine according to the procedure of FIG. 4, the confidence interval according to the variables of the mean and standard deviation can be obtained first as shown in Table 3. Through this, it can be confirmed that the uncertainty is lower than that of the conventional nonlinear regression (Nlsq).
임계 손상률 0.2에서 불확실도를 포함한 잔존 수명 분포를 구하면 도 13과 같이 나타낼 수 있다. If the distribution of the remaining life including the uncertainty is obtained at the critical damage rate of 0.2, it can be expressed as shown in FIG. 13.
도 13(a)는 운전시간에 따른 밀도를 나타낸 것으로서, 운전시간 0시간, 20만시간, 25만 시간에서의 밀도 분포이며, 도 13(b)는 운전시간에 따른 누적확률분포를 나타낸 것으로, 운전시간 0시간, 20만시간, 25만 시간에서의 누적확률 분포이다.Fig. 13(a) shows the density according to the driving time, which is the density distribution at 0 hours, 200,000 hours, and 250,000 hours of operation time, and Fig. 13(b) shows the cumulative probability distribution according to operation time. This is the cumulative probability distribution at 0 hours, 200,000 hours, and 250,000 hours of driving time.
따라서, 표준 손상 모델이 생성되면, 평가하고자 하는 증기 터빈의 운전 시간만으로도 잔존 수명을 예측할 수 있다. Therefore, when a standard damage model is generated, the remaining life can be predicted only with the operating time of the steam turbine to be evaluated.
이와 같이, 본 발명에 의하면, 경도 데이터만을 이용하여 증기 터빈의 잔존 수명을 예측하다. 또한, 마르코프 몬테카를로 시뮬레이션 기법 및 베이지안 기법을 이용함으로써, 증기 터빈의 잔존 수명 예측에 있어서 불확실도를 낮출 수 있다. As described above, according to the present invention, the remaining life of the steam turbine is predicted using only the hardness data. In addition, by using the Markov Monte Carlo simulation technique and the Bayesian technique, it is possible to reduce the uncertainty in the prediction of the remaining life of the steam turbine.
또한, 본 발명에 따르면 고온에서 운전되어 시간이 경과됨에 따라 강도가 저하되는 설비, 대표적으로 기력이나 복합 발전에 상관없는 증기터빈과 같은 시스템의 잔존수명을 결정하는 데 활용할 수 있다. In addition, according to the present invention, it can be used to determine the remaining life of a facility, such as a steam turbine, which is operated at a high temperature and whose strength decreases as time elapses.
또한, 본 발명을 통해 실제 발전소에서 측정에 소요되는 시간뿐만 아니라 손상 분석 및 결과 관리까지 1/10 이상 비용 및 시간 절감이 가능하다. In addition, through the present invention, it is possible to reduce cost and time by 1/10 or more for damage analysis and result management as well as the time required for measurement in an actual power plant.
또한, 많은 시간과 인력이 필요한 복잡한 현장 검사가 아니라 현장에서 쉽게 적용하고 있는 경도 측정 데이터를 통합하여 빠른 시간 내에 설비의 잔존 수명을 평가할 수 있다. In addition, it is not possible to evaluate the remaining life of the facility in a short time by integrating hardness measurement data that is easily applied in the field, rather than a complicated field inspection that requires a lot of time and manpower.
향후 증기 터빈 뿐만 아니라 크리프 손상을 받아 강도가 저하되는 보일러 부품의 잔존수명평가에도 활용할 수 있으며, 본 발명 기술이 포함된 수명평가 시스템의 사업화가 가능할 것으로 판단된다. 추후 크리프 및 저주기 피로와 관련한 해석적 수명평가 기법과의 통합을 통해 발전설비 수명평가 관련 선진 기술을 주도할 수 있을 것으로 예상된다. In the future, it can be used not only for steam turbines, but also for evaluation of the remaining life of boiler parts whose strength is degraded due to creep damage, and it is expected that the life evaluation system including the present invention technology can be commercialized. In the future, it is expected to be able to lead advanced technologies related to life evaluation of power generation facilities through integration with analytical life evaluation techniques related to creep and low-cycle fatigue.
이상에서, 본 발명의 실시예를 구성하는 모든 구성 요소들이 하나로 결합하거나 결합하여 동작하는 것으로 설명되었다고 해서, 본 발명이 반드시 이러한 실시예에 한정되는 것은 아니다. 즉, 본 발명의 목적 범위 안에서라면, 그 모든 구성 요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다. 또한, 그 모든 구성 요소들이 각각 하나의 독립적인 하드웨어로 구현될 수 있지만, 각 구성 요소들의 그 일부 또는 전부가 선택적으로 조합되어 하나 또는 복수 개의 하드웨어에서 조합된 일부 또는 전부의 기능을 수행하는 프로그램 모듈을 갖는 컴퓨터 프로그램으로서 구현될 수도 있다. 그 컴퓨터 프로그램을 구성하는 코드들 및 코드 세그먼트들은 본 발명의 기술 분야의 당업자에 의해 용이하게 추론될 수 있을 것이다. 이러한 컴퓨터 프로그램은 컴퓨터가 읽을 수 있는 저장매체(Computer Readable Media)에 저장되어 컴퓨터에 의하여 읽혀지고 실행됨으로써, 본 발명의 실시예를 구현할 수 있다. 컴퓨터 프로그램의 저장매체로서는 자기 기록매체, 광 기록매체, 캐리어 웨이브 매체 등이 포함될 수 있다.In the above, even if all the constituent elements constituting the embodiments of the present invention have been described as being combined into one or operating in combination, the present invention is not necessarily limited to these embodiments. That is, within the scope of the object of the present invention, all the constituent elements may be selectively combined and operated in one or more. In addition, although all the components may be implemented as one independent hardware, a program module that performs some or all functions combined in one or a plurality of hardware by selectively combining some or all of the components. It may be implemented as a computer program having Codes and code segments constituting the computer program may be easily inferred by those skilled in the art of the present invention. Such a computer program is stored in a computer-readable storage medium, and is read and executed by a computer, thereby implementing an embodiment of the present invention. The storage medium of the computer program may include a magnetic recording medium, an optical recording medium, a carrier wave medium, and the like.
또한, 이상에서 기재된 "포함하다", "구성하다" 또는 "가지다" 등의 용어는 특별히 반대되는 기재가 없는 한, 해당 구성 요소가 내재할 수 있음을 의미하는 것이므로, 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것으로 해석되어야 한다. 기술적이거나 과학적인 용어를 포함한 모든 용어들은, 다르게 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미가 있다. 사전에 정의된 용어와 같이 일반적으로 사용되는 용어들은 관련 기술의 문맥상의 의미와 일치하는 것으로 해석되어야 하며, 본 발명에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.In addition, terms such as "include", "consist of" or "have" described above mean that the corresponding component may be present unless otherwise stated, so excluding other components Rather, it should be interpreted as being able to further include other components. All terms, including technical or scientific terms, have the same meaning as commonly understood by one of ordinary skill in the art, unless otherwise defined, to which the present invention belongs. Terms generally used, such as terms defined in the dictionary, should be interpreted as being consistent with the meaning of the context of the related technology, and are not interpreted as ideal or excessively formal meanings unless explicitly defined in the present invention.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.The above description is merely illustrative of the technical idea of the present invention, and those of ordinary skill in the art to which the present invention pertains will be able to make various modifications and variations without departing from the essential characteristics of the present invention. Accordingly, the embodiments disclosed in the present invention are not intended to limit the technical idea of the present invention, but to explain the technical idea, and the scope of the technical idea of the present invention is not limited by these embodiments. The scope of protection of the present invention should be interpreted by the following claims, and all technical ideas within the scope equivalent thereto should be construed as being included in the scope of the present invention.
10: 입력부 20: 측정부
30: 통계 분석부 31: 손상률 계산부
33: 추정부 35: 표준 손상 모델 생성부
40: 예측부 50: 제어부10: input unit 20: measurement unit
30: statistical analysis unit 31: damage rate calculation unit
33: estimation unit 35: standard damage model generation unit
40: prediction unit 50: control unit
Claims (12)
상기 복수의 증기 터빈 각각에 대한 운전 정보를 입력받는 단계;
상기 복수의 증기 터빈 각각에 대해 미리 설정된 최대 손상 위치 및 최소 손상 위치의 경도값을 측정하는 단계;
상기 복수의 증기 터빈의 상기 경도값을 기초로 하여 손상률을 계산하고, 상기 손상률의 평균 및 표준편차를 산출하여 등가운전 시간에 따른 상기 손상률의 표준 손상 모델을 생성하는 단계;
상기 증기 터빈의 설계 수명을 기초로 하여 상기 손상률의 임계 손상률을 설정하고, 상기 임계 손상률을 상기 표준 손상 모델에 적용하는 단계; 및
상기 표준 손상 모델을 기초로 하여 상기 복수의 증기 터빈의 수명을 예측하는 단계를 포함하고,
상기 손상률은, 수학식 1을 이용하여 계산되며,
[수학식 1]
상기 수학식 1에서 상기 D는 상기 손상률을 나타내고, Ha는 상기 최대 손상 위치에서의 상기 경도값을 나타내며, Hv는 상기 최소 손상 위치에서의 상기 경도값을 나타내는 수명 예측 방법.Classifying a plurality of steam turbines in operation by equivalent operation time;
Receiving operation information for each of the plurality of steam turbines;
Measuring a hardness value of a maximum damage location and a minimum damage location set in advance for each of the plurality of steam turbines;
Calculating a damage rate based on the hardness values of the plurality of steam turbines, calculating an average and standard deviation of the damage rates to generate a standard damage model of the damage rate according to an equivalent driving time;
Setting a critical damage rate of the damage rate based on the design life of the steam turbine and applying the critical damage rate to the standard damage model; And
Predicting the lifetime of the plurality of steam turbines based on the standard damage model,
The damage rate is calculated using Equation 1,
[Equation 1]
In Equation 1, D represents the damage rate, Ha represents the hardness value at the maximum damage position, and Hv represents the hardness value at the minimum damage position.
상기 표준 손상 모델은, 산출된 손상률의 평균 및 표준편차에 기초하여, 각 운전 시간에서의 손상률의 분포를 나타내는 손상 분포 모델과 운전 시간에 따른 손상률의 성장 곡선을 나타내는 손상 성장 모델을 포함하는 수명 예측 방법.The method according to claim 1,
The standard damage model includes a damage distribution model representing the distribution of the damage rate at each driving time and a damage growth model representing a growth curve of the damage rate according to the driving time, based on the average and standard deviation of the calculated damage rates. How to predict lifespan.
상기 표준 손상 모델을 생성하는 단계는, 마르코프 몬테카를로 시뮬레이션 기법에 의해 생성된 랜덤 샘플의 변수가 적용된 손상률의 평균 및 표준편차 추정식에 기초하여, 상기 손상률의 평균 및 표준편차를 산출하는 수명 예측 방법.The method according to claim 1,
The step of generating the standard damage model comprises: predicting a lifespan of calculating the average and standard deviation of the damage rate based on the average and standard deviation estimation equation of the damage rate to which the variable of the random sample generated by the Markov Monte Carlo simulation technique is applied. Way.
상기 등가운전 시간에 따른 손상률 D(t)는 정규분포 N(μ(t), σ(t))로 나타내며,
상기 손상률의 평균 추정식은 μ(t)=αμexpβμt 이고,
상기 손상률의 표준편차 추정식은 σ(t)=ασexpβσt인 수명 예측 방법.
여기서, μ는 평균이고, σ는 표준편차이며, t는 시간이고, α 및 β는 마르코프 몬테카를로 시뮬레이션 기법에 의해 생성된 랜덤 샘플의 변수이다. The method of claim 4,
The damage rate D(t) according to the equivalent driving time is represented by a normal distribution N (μ(t), σ(t)),
The average estimation formula of the damage rate is μ(t)=α μ expβ μ t,
The standard deviation estimation formula of the damage rate is σ(t)=α σ expβ σ t.
Here, μ is the mean, σ is the standard deviation, t is the time, and α and β are the variables of the random samples generated by the Markov Monte Carlo simulation technique.
상기 표준 손상 모델을 생성하는 단계는, 베이지안 기법을 이용하여 상기 손상률의 평균 및 표준편차 추정식에 기초한, 상기 손상률의 평균에 대한 추정선도와 상기 손상률의 표준편차에 대한 추정선도를 각각 생성하는 수명 예측 방법.The method of claim 4,
In the generating of the standard damage model, an estimated curve for the mean of the damage rate and an estimated curve for the standard deviation of the damage rate based on the mean and standard deviation estimation equation of the damage rate using Bayesian technique, respectively. How to predict lifespan to generate.
상기 변수 α 및 β는 측정된 상기 최대 손상 위치 및 최소 손상 위치에서의 경도값의 평균과 표준편차에 대한 정규분포를 이용한 최대우도함수에 의해 결정되는 수명 예측 방법.The method of claim 5,
The variables α and β are determined by a maximum likelihood function using a normal distribution for the average and standard deviation of the measured hardness values at the maximum and minimum damage locations.
상기 평균에 대한 최대우도 함수는,
상기 표준편차에 대한 최대우도 함수는,
여기서, q는 함수이고, s는 표준편차이다.The method of claim 7,
The maximum likelihood function for the mean is,
The maximum likelihood function for the standard deviation is,
Here, q is a function and s is the standard deviation.
상기 운전 정보는 전체 운전시간 정보, 기동횟수 정보 및 등가운전시간(EOH) 정보를 포함하는 수명 예측 방법.The method according to claim 1,
The driving information is a life prediction method including total driving time information, starting frequency information, and equivalent driving time (EOH) information.
상기 표준 손상 모델의 임계 손상률은 0.2 ~ 0.8로 설정된 수명 예측 방법.The method according to claim 1,
The critical damage rate of the standard damage model is a life prediction method set to 0.2 ~ 0.8.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170060986A KR102240646B1 (en) | 2017-05-17 | 2017-05-17 | System and method for predicting life of turbine |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170060986A KR102240646B1 (en) | 2017-05-17 | 2017-05-17 | System and method for predicting life of turbine |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20180126648A KR20180126648A (en) | 2018-11-28 |
| KR102240646B1 true KR102240646B1 (en) | 2021-04-16 |
Family
ID=64561312
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020170060986A KR102240646B1 (en) | 2017-05-17 | 2017-05-17 | System and method for predicting life of turbine |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102240646B1 (en) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110532726B (en) * | 2019-09-09 | 2021-05-07 | 北京航空航天大学 | Bayesian calibration-based turbine disk non-local probability life evaluation method |
| KR102362843B1 (en) * | 2020-02-28 | 2022-02-15 | 두산중공업 주식회사 | Apparatus and method of plant boiler lifetime prediction |
| KR102372729B1 (en) * | 2020-03-02 | 2022-03-10 | 두산중공업 주식회사 | Apparatus and method of plant lifetime prediction |
| KR102512615B1 (en) * | 2020-12-21 | 2023-03-21 | 한국항공대학교산학협력단 | Remaining-useful-life prediction system with run to failure expansion function considerated life distribution |
| CN112949204B (en) * | 2021-03-22 | 2022-12-09 | 西安交通大学 | Rolling bearing residual life prediction method with data and model adaptive matching |
| CN113806346A (en) * | 2021-08-25 | 2021-12-17 | 浙江浙能台州第二发电有限责任公司 | Turbine degradation trend measuring method and terminal based on big data analysis |
| CN114996928B (en) * | 2022-05-26 | 2024-05-28 | 北京航空航天大学 | Method for predicting service life of temperature and pressure dual-stress small sample acceleration test of electronic product |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101011472B1 (en) * | 2008-09-22 | 2011-01-28 | 한국전력공사 | Turbine life Assessment method using portable hardness tester |
| KR101187832B1 (en) * | 2009-09-15 | 2012-11-22 | 한국전력공사 | Method for predicting life of steam turbine |
| ITCO20110032A1 (en) * | 2011-07-28 | 2013-01-29 | Nuovo Pignone Spa | DEVICE AND METHOD OF OPTIMIZATION AND DETERMINATION OF THE LIFE OF A GAS TURBINE |
-
2017
- 2017-05-17 KR KR1020170060986A patent/KR102240646B1/en active IP Right Grant
Also Published As
| Publication number | Publication date |
|---|---|
| KR20180126648A (en) | 2018-11-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102240646B1 (en) | System and method for predicting life of turbine | |
| Zhou et al. | Degradation modeling applied to residual lifetime prediction using functional data analysis | |
| US9280620B2 (en) | Method and system for probabilistic fatigue crack life estimation | |
| KR101115277B1 (en) | Crack progress predicting method and computer-readable recording medium embodying crack progress predicting program | |
| US9507342B2 (en) | Aircraft engine systems and methods for operating same | |
| Mishra et al. | Reliability-based lifecycle management for corroding pipelines | |
| KR20140139622A (en) | Probabilistic fatigue life prediction using ultrasonic inspection data considering eifs uncertainty | |
| US10275546B2 (en) | Method of predicting crack growth and information processing device therefor | |
| KR102495422B1 (en) | Deterioration detection system | |
| CN112204586A (en) | Estimation system, estimation method, and estimation program | |
| KR102174223B1 (en) | How to characterize one or more defects in the system | |
| McGhee et al. | Prognostic modeling of valve degradation within power stations | |
| Huang | A decision model for deteriorating repairable systems | |
| Catterson | Prognostic modeling of transformer aging using Bayesian particle filtering | |
| Alozie et al. | An adaptive model-based framework for prognostics of gas path faults in aircraft gas turbine engines | |
| Day et al. | Life fraction hardening applied to a modified theta projection creep model for a nickel-based super-alloy | |
| KR102077865B1 (en) | Method for evaluating age effect of low pressure turbine | |
| CN110688152B (en) | Software reliability quantitative evaluation method combining software development quality information | |
| Kim et al. | Bayesian approach for fatigue life prediction from field data | |
| CN106462908B (en) | Maintenance management index calculation device and maintenance management index calculation method | |
| Khan et al. | Prognostics of crack propagation in structures using time delay neural network | |
| JP2018005580A (en) | Survival probability estimation device, method and program | |
| Leta et al. | A probabilistic approach to fired heater tube remaining life assessments | |
| Nicolas et al. | A Probabilistic Margin Assessment of the ASME Section III, Division 5 Primary Load Design Rules for Class A Components | |
| Helbig et al. | Probabilistic Lifetime Assessment Approach of 2%-Cr Steel Considering Material and Loading Profile Scatter |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E90F | Notification of reason for final refusal | ||
| E701 | Decision to grant or registration of patent right |