WO2020071949A1 - Способ контроля работы газотурбинной установки - Google Patents
Способ контроля работы газотурбинной установкиInfo
- Publication number
- WO2020071949A1 WO2020071949A1 PCT/RU2019/000271 RU2019000271W WO2020071949A1 WO 2020071949 A1 WO2020071949 A1 WO 2020071949A1 RU 2019000271 W RU2019000271 W RU 2019000271W WO 2020071949 A1 WO2020071949 A1 WO 2020071949A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- gas turbine
- indicators
- functioning
- units
- expert
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M15/00—Testing of engines
- G01M15/14—Testing gas-turbine engines or jet-propulsion engines
Definitions
- the invention relates to the field of technology and computer science, and more specifically to a method for monitoring and predicting the operation of a gas turbine installation using a defect matrix.
- the present invention can find application in the creation, operation, management and monitoring of systems for various purposes, including complex technical systems that integrate gas turbine plants used in energy, engineering, utilities and other industries.
- the basis of the invention is the idea of a defect matrix. Based on the alignment, incipient or existing defects of the gas turbine installation are determined.
- the basis of the present invention is the creation of such a method of monitoring and predicting the operation of a gas turbine installation using a defect matrix that would allow an objective assessment of the state of a gas turbine installation based on material indicators of its functioning, would make it possible to choose a model of the system, its subsystems and units, rather than would be tied to one model, taking into account the opinion of the expert on the choice of model and significant indicators, as well as differences between model parameters and parameters p functional functioning, would take into account the possibility of changing the decision-making method on the coincidence of the real functioning parameters and the parameters of the model selected by the expert, including various statistical criteria with optimal probabilities of making erroneous decisions, would make it possible to achieve optimal functioning of the system and its units, to evaluate the possible consequences of changing the system and control parameters processes, as well as dynamically adjust the matrix of defects.
- Closest to this invention is a method and system for remote monitoring of power plants (RF application No2016149026), which can be taken as a prototype. According to this method, for the remote monitoring and forecasting of the state of technological objects related to turbine units and related equipment, the following steps are performed:
- T2 is a quadratic form of normalized residuals, the coefficients of which are pseudoinverse matrix elements of the correlation matrix for normalized residuals of the reference sample;
- the degree of deviation of the incoming indicators of the parameters of the object of control for a given period of time from the indicators of empirical models is determined and the discrepancies for such indicators are revealed;
- Hotelling statistical criterion (T2) is not the only possible and optimal for evaluating technical systems.
- the Hotelling criterion [Anderson, 2003], the multidimensional rank criterion (generalization of the Wilcoxon rank criterion to the multidimensional case) [Puri, Sen, 1971], and the Cramer nuclear criterion [Baringhaus, Franz, 2004] are considered in detail in [1].
- the Hotelling criterion and the rank criterion have a power close to zero, since they are based on statistics that respond only to alternatives of the distribution shift.
- the Cramer criterion has a slightly greater power than the criterion proposed in [1], but a power close to unity of the proposed criterion is achieved in this case as well.
- the prototype does not allow the choice of the model of functioning of the system, its subsystems and units, is tied to one model (MSET), does not take into account the opinion of the expert on the choice of the model and significant indicators, as well as differences between the parameters of the model from the parameters of real functioning, does not take into account the possibility of changing decision-making methods on the coincidence of real functioning parameters and parameters of the model selected by the expert, including various statistical criteria with optimal probabilities of making wrong decisions and Piran statistically non-optimal criterion, and as a result - not a proven achieve optimum functioning of the system and its units, to assess the possible effects of changes in the system parameters and control the processes.
- MSET model
- the prototype does not allow the choice of the model of functioning of the system, its subsystems and units, is tied to one model (MSET)
- MSET the opinion of the expert on the choice of the model and significant indicators, as well as differences between the parameters of the model from the parameters of real functioning
- the expert receives data on the functioning of the gas turbine unit in the form of a sequence of indicators correlated with time instants and forms a selection of performance indicators based on the obtained sequences;
- an expert on the basis of a well-known set of methods for constructing functioning models of individual units and / or subsystems of units, and / or a gas turbine installation as a whole and a selection of performance indicators, selects one of the functioning models of a gas turbine installation, while the selected model displays the observed state point of the control object in multidimensional the space of the object’s performance indicators to the point modeling the state of the object, which is the unit or assembly of the gas turbine of the installation;
- the expert determines the method for assessing the differences in the parameters of the selected model and data on the functioning of the gas turbine unit in the form of a sequence of indicators and determines the method for evaluating the deviations of the performance indicators and parameters of the selected model;
- the expert based on the choice of one of the comparison criteria and the probability of error, selects a statistical method for estimating deviations and determines, based on the difference between the components of the observed point and the point modeling the state of the object, the residual components that characterize the deviation of the parameters of the technological parameters of the control object from the model at the observed point in multidimensional space ;
- the expert determines the disturbances that reflect the degree of influence of the gas turbine plant operation indicators on the aforementioned deviation of the technological parameters of the test object and, based on the dislocations, the incipient or existing defects in the gas turbine plant units are determined and forms a defect matrix;
- the state of the individual units and / or subsystems of the units of the gas turbine unit and / or the gas turbine unit as a whole is predicted at the following time points, supplementing the defect matrix;
- the obtained indicators and conditions are not necessarily saved and used as control actions, allowing to achieve the optimal functioning of individual units and / or subsystems of units of a gas turbine installation, and / or a gas turbine installation as a whole.
- - takes into account the possibility of changing the decision-making method on the coincidence of real functioning parameters and parameters of the model selected by the expert, including various statistical criteria with optimal probabilities of making erroneous decisions, - a defect matrix is formed, which describes typical defects of a gas turbine installation,
- the present invention will be disclosed in the following description of a system for a method for monitoring and predicting the operation of a gas turbine installation (GTU) using a defect matrix with reference to FIG. 1, including sensors supplying data on the operation of a gas turbine (blocks 1), a storage area for accumulated data (block 2 ), including an expert (3), a set of models and / or methods for constructing them (4), statistical criteria (5), a block for the implementation of models and statistical criteria (block 6), a unit for comparing the indicators of the selected model and estimating the deviation size functions (block 7), signal 8, indicating the deviation of at least one parameter, the defect matrix (9).
- this system :
- the expert (3) receives data on the functioning of the system in the form of a sequence of indicators correlated with time instants and forms, based on the obtained sequences of the object, a selection of performance indicators;
- an expert (3) determines a method for assessing the differences in the parameters of the model selected in step 3 and data on the functioning of the system in the form of a sequence of indicators and determines a method for estimating the deviations of the performance indicators and parameters of the selected model (5);
- the expert based on the choice of one of the comparison criteria and the probability of error, selects a statistical method for estimating deviations and determines, based on the difference between the components of the observed point and the point modeling the state of the object, the residual components that characterize the deviation of the parameters of the technological parameters of the control object from the model at the observed point in multidimensional space ( 5);
- the expert determines the disturbances that reflect the degree of influence of the gas turbine plant operation indicators on the aforementioned deviation of the technological parameters of the control object and, based on the dislocations, the emerging or existing defects in the gas turbine plant units are determined and forms a defect matrix (9);
- the obtained current indicators in an automated mode are compared with the indicators of the selected model and the size of the deviations is estimated (block 7);
- the obtained indicators and conditions do not necessarily save and use as control actions, allowing to achieve optimal functioning of individual units and / or subsystems of units, and / or the system as a whole.
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Combustion & Propulsion (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
Изобретение относится к области техники и информатики, а более конкретно - к способу контроля и прогнозирования работы газотурбиной установки с использованием матрицы дефектов. Настоящее изобретение может найти применение при создании, эксплуатации, управлении и мониторинге систем различного назначения, включая сложные технические системы, в которых интегрированы газотурбинные установки, используемые в энергетике, машиностроении, коммунальном хозяйстве и других отраслях. В основу изобретения заложена идея матрицы дефектов. На основе разладок определяются зарождающиеся или уже имеющиеся дефекты газотурбиной установки. По сравнению со способами известными авторам, заявляемый способ обладает максимальной гибкостью и позволяет достичь лучших результатов в мониторинге и оценке состояния отдельных агрегатов и сложных технологических комплексов. По сравнению со способами известными авторам, заявляемый способ обладает максимальной гибкостью и позволяет достичь лучших результатов для контроля и прогнозирования работы газотурбиной установки.
Description
СПОСОБ КОНТРОЛЯ РАБОТЫ ГАЗОТУРБИННОЙ УСТАНОВКИ
ОПИСАНИЕ
Изобретение относится к области техники и информатики, а более конкретно - к способу контроля и прогнозирования работы газотурбиной установки с использованием матрицы дефектов.
Настоящее изобретение может найти применение при создании, эксплуатации, управлении и мониторинге систем различного назначения, включая сложные технические системы, в которых интегрированы газотурбинные установки, используемые в энергетике, машиностроении, коммунальном хозяйстве и других отраслях. В основу изобретения заложена идея матрицы дефектов. На основе разладок определяются зарождающиеся или уже имеющиеся дефекты газотурбиной установки.
В основу настоящего изобретения положена задача создания такого способа контроля и прогнозирования работы газотурбиной установки с использованием матрицы дефектов, который позволил бы объективно оценивать состояние газотурбиной установки исходя из материальных показателей ее функционирования, давал бы возможность выбора модели функционирования системы, ее подсистем и агрегатов, а не был бы привязан к одной модели, учитывал мнение эксперта по выбору модели и существенных показателей, а также отличий параметров модели от параметров реального функционирования, учитывал бы возможность смены способа принятия решений о совпадении реальных параметров функционирования и параметров выбранной экспертом модели, включая различные статистические критерии с оптимальными вероятностями принятия ошибочных решений, позволял бы достигать оптимального функционирования системы и ее агрегатов, оценивать возможные последствий изменения параметров системы и управляющих ею процессов, а также динамически корректировать матрицу дефектов.
Наиболее близким к данному изобретению является способ и система удаленного мониторинга энергетических установок (заявка РФ No2016149026), который можно принять за прототип.
Согласно данному способу для удаленного мониторинга и прогностики состояния технологических объектов, относящихся к турбоагрегатам и сопутствующему оборудованию, выполняют следующие этапы:
- получают данные от объекта контроля, характеризующие показатели технологических параметров работы упомянутого объекта;
- формируют на основании полученных параметров объекта эталонную выборку показателей работы объекта, состоящую из значений упомянутых показателей, представляющих собой точки выборки, причем упомянутая выборка соответствует временному промежутку непрерывной работы объекта контроля;
- осуществляют построение матрицы состояния из компонентов точек эталонной выборки, в которой компонентами являются значения упомянутых показателей работы объекта контроля;
- на основании MSET (Multivariate State Estimation Technique) метода с помощью упомянутой матрицы состояния осуществляют построение эмпирических моделей прогностики состояния объекта контроля, каждая из которых отображает наблюдаемую точку состояния объекта контроля в многомерном пространстве показателей работы объекта в точку, моделирующую состояние объекта;
- определяют по разности компонентов наблюдаемой точки и точки, моделирующей состояние объекта, компоненты невязок, на основании которых рассчитывают критерий Т2, который характеризует отклонение показателей технологических параметров объекта контроля от модели в наблюдаемой точке пространства, причем Т2 является квадратичной формой нормализованных невязок, коэффициентами которой являются элементы псевдообратной матрицы корреляционной матрицы для нормализованных невязок эталонной выборки;
- определяют разладки, отображающие степень влияния показателей работы объекта на упомянутое отклонение показателей технологических параметров объекта контроля, как разность критериев Т2 и квадратичных форм нормализованных невязок, с коэффициентами псевдообратной матрицы для матрицы, полученной из упомянутой корреляционной матрицы, в которой строка и столбец, соответствующие данному показателю работы объекта, заменены на нулевое значение;
- осуществляют анализ поступающей информации от объекта контроля с помощью полученного набора эмпирических моделей путем сравнения полученных показателей объекта контроля с параметрами модели в заданный промежуток времени;
- определяют с помощью упомянутого критерия Т2 степень отклонения поступающих показателей параметров объекта контроля за заданный промежуток времени от показателей эмпирических моделей и выявляют разладки для таких показателей;
- выполняют ранжирование вычисленных разладок для выявления показателей, вносящих наибольший вклад в изменение технического состояния объекта контроля;
- модифицируют эталонную выборку с помощью ее пополнения точками за новый промежуток времени и фильтрацией точек, соответствующих режиму работы, описываемому моделью, и соответствующих новому техническому состоянию объекта контроля;
- обновляют на основании отфильтрованной выборки эмпирические модели;
- формируют сигнал, сообщающий об отклонении, по меньшей мере, одного параметра объекта контроля на основании обновленной модели.
Необходимо заметить, что статистический критерий Хотеллинга (Т2) не является единственно возможным и оптимальным для оценки технических систем. В [1] подробно рассмотрены критерий Хотеллинга [Anderson, 2003], многомерный ранговый критерий (обобщение рангового критерия Вилкоксона на многомерный случай) [Puri, Sen, 1971] и ядерный критерий Крамера [Baringhaus, Franz, 2004]. При этом в [1] отмечено, что критерий Хотеллинга и ранговый критерий имеют мощность, близкую к нулевой, поскольку они основаны на статистиках, реагирующих только на альтернативы сдвига распределений. Критерий Крамера имеет несколько большую мощность чем предложенный в [1] критерий, однако близкая к единице мощность предложенного критерия достигается и в этом случае. Кроме того, что весьма важно все указанные критерии корректны лишь для случая гауссовских (нормальных) распределений, а известно, что, например, распределение отказов имеет пуассоновский характер.
Таким образом, прототип не дает возможности выбора модели функционирования системы, ее подсистем и агрегатов, привязан к одной модели (MSET), не учитывает мнение эксперта по выбору модели и существенных показателей, а также отличий параметров модели от параметров реального функционирования, не учитывает возможность смены способа принятия решений о совпадении реальных параметров функционирования и параметров выбранной экспертом модели, включая различные статистические критерии с оптимальными вероятностями принятия ошибочных решений и опирается на статистически неоптимальный критерий, и как следствие - не позволяет гарантированно достигать оптимального функционирования системы и ее агрегатов, оценивать возможные последствий изменения параметров системы и управляющих ею процессов.
Другими аналогами заявляемого способа являются
1. Avantis PRiSM - Schneider Electric
http://www.schneider-electric.ru/ru/work/solutions/for-business/s4/electric- utilities-asset-management-and-predictive-analytics/
2. Plant Monitor - Siemens
http ://www.energy . siemens .com/ru/ru/ automation/power-generation/diagnosis- monitoring-protection/monitoring/sppa-d3000-plant-monitor.htm
3. Predix - GE
https ://ffm.ru/market/future/56784/
http://gereports.ru/post/100060156075/tehnologicheskaja-platforma-analiza- dannyh-predix
http://sketchapp.me/dizajn-sistema-predix-ot-kompanii-ge-na-osnove-atomic- design/
http ://www. indusoft .com.ua/about/news/4808/
Они имеют аналогичные уже описанным выше недостатки.
Задачи изобретения решены и недостатки прототипов устранены в реализованном согласно настоящему изобретению способе контроля и прогнозирования работы газотурбиной установки с использованием матрицы дефектов, предусматривающий следующие стадии:
1) накапливают данные о функционировании агрегатов и/или подсистем агрегатов газотурбиной установки, характеризующие показатели параметров их функционирования и передают их эксперту;
2) эксперт получает данные о функционировании газотурбинной установки в виде последовательности показателей, коррелированных с моментами времени и формирует на основании полученных последовательностей выборку показателей функционирования;
3) эксперт на основе известного набора методов построения моделей функционирования отдельных агрегатов и/или подсистем агрегатов, и/или газотурбиной установки в целом и выборки показателей функционирования выбирает одну из моделей функционирования газотурбинной установки, при этом выбранная модель отображает наблюдаемую точку состояния объекта контроля в многомерном пространстве показателей работы объекта в точку, моделирующую состояние объекта, которым является узел или агрегат газотурбиной установки;
4) эксперт определяет способ оценки различия параметров выбранной модели и данных о функционировании газотурбинной установки в виде последовательности показателей и определяет способ оценки значения отклонений показателей функционирования и параметров выбранной модели;
5) эксперт на основе выбора одного из критериев сравнения и вероятности ошибки выбирает статистический способ оценки отклонений и определяет по разности компонентов наблюдаемой точки и точки, моделирующей состояние объекта, компоненты невязок, которые характеризует отклонение показателей технологических параметров объекта контроля от модели в наблюдаемой точке многомерного пространства;
6) эксперт определяет разладки, отображающие степень влияния показателей работы газотурбинной установки на упомянутое отклонение показателей технологических параметров объекта контроля и на основе разладок определяется зарождающиеся или уже имеющиеся дефекты в агрегатах газотурбинной установки и формирует матрицу дефектов;
7) в ходе функционирования отдельных агрегатов газотурбинной установки получают текущие показатели функционирования;
8) полученные текущие показатели в автоматизированном режиме сравнивают с показателями выбранной модели и оценивают размер отклонений;
9) определяют с помощью выбранного критерия степень отклонения поступающих показателей от показателей эмпирических моделей и делают вывод о нормальности или аномальности отклонений, а также вероятности возникновения дефектов с заданной выбранным критерием вероятностью;
10) формируют сигнал, сообщающий об отклонении, по меньшей мере, одного параметра и/или возникновении дефекта агрегата газотурбинной установки;
11) при помощи выбранной модели прогнозируют состояние отдельных агрегатов и/или подсистем агрегатов газотурбинной установки, и/или газотурбинной установки в целом в следующие моменты времени, дополняя матрицу дефектов;
12) полученные показатели и состояния необязательно сохраняют и используют в качестве управляющих воздействий, позволяющих достичь оптимального функционирования отдельных агрегатов и/или подсистем агрегатов газотурбинной установки, и/или газотурбинной установки в целом.
Технически целесообразно в данном способе рассматривать ситуацию, когда эксперт при построении модели использует Similarity Based Modeling.
За счет реализации заявленного авторами способа достигаются следующие технические результаты:
- возможно объективно оценивать состояние газотурбинной установки, исходя из материальных показателей ее функционирования,
присутствует возможность выбора модели функционирования газотурбинной установки, ее подсистем и агрегатов, способ не привязан к одной модели,
- учитывается мнение эксперта по выбору модели и существенных показателей, а также отличий параметров модели от параметров реального функционирования,
- учитывается возможность смены способа принятия решений о совпадении реальных параметров функционирования и параметров выбранной экспертом модели, включая различные статистические критерии с оптимальными вероятностями принятия ошибочных решений,
- формируется матрица дефектов, которая описывает типовые дефекты газотурбинной установки,
- возможно достигать оптимального функционирования газотурбинной установки и ее агрегатов, оценивать возможные последствий изменения параметров газотурбинной установки и управляющих ею процессов.
Настоящее изобретение будет раскрыто в нижеследующем описании системы по способу контроля и прогнозирования работы газотурбиной установки (ГТУ) с использованием матрицы дефектов со ссылками на Фиг.1, включающую датчики, поставляющие данные о функционировании ГТУ (блоки 1), область хранения накопленных данных (блок 2), включающей эксперта (3), набор моделей и/или методов их построения (4), статистических критериев (5), блока реализации моделей и статистических критериев (блок 6), блок сравнения показателей выбранной модели и оценки размер отклонений (блок 7), сигнал 8, сообщающий об отклонении, по меньшей мере, одного параметра, матрицу дефектов (9). В данной системе:
- накапливают в блоке 2 данные о функционировании агрегатов и/или подсистем агрегатов от блоков 1, характеризующие показатели технологических параметров их функционирования и передают их эксперту (3);
- эксперт (3) получает данные о функционировании системы в виде последовательности показателей, коррелированных с моментами времени и формирует на основании полученных последовательностей объекта выборку показателей функционирования;
- эксперт (3) на основе известного набора методов построения моделей (4) функционирования отдельных агрегатов и/или подсистем агрегатов, и/или системы в целом и выборки показателей функционирования выбирает одну из моделей функционирования отдельных агрегатов и/или подсистем агрегатов, и/или системы в целом, руководствуясь в частности методом Similarity Based Modeling;
- эксперт (3) определяет способ оценки различия параметров выбранной на шаге 3 модели и данных о функционировании системы в виде последовательности показателей и определяет способ оценки значения отклонений показателей функционирования и параметров выбранной модели (5);
- эксперт на основе выбора одного из критериев сравнения и вероятности ошибки выбирает статистический способ оценки отклонений и определяет по разности компонентов наблюдаемой точки и точки, моделирующей состояние объекта, компоненты невязок, которые характеризует отклонение показателей технологических параметров объекта контроля от модели в наблюдаемой точке многомерного пространства (5);
- эксперт определяет разладки, отображающие степень влияния показателей работы газотурбинной установки на упомянутое отклонение показателей технологических параметров объекта контроля и на основе разладок определяется зарождающиеся или уже имеющиеся дефекты в агрегатах газотурбинной установки и формирует матрицу дефектов (9);
- в ходе функционирования отдельных агрегатов получают текущие показатели функционирования также от блоков 1 ;
полученные текущие показатели в автоматизированном режиме сравнивают с показателями выбранной модели и оценивают размер отклонений (блок 7);
- определяют с помощью выбранного критерия степень отклонения поступающих показателей от показателей эмпирических моделей (блок 6) и делают вывод о нормальности или аномальности отклонений с заданной выбранным критерием вероятностью (блок 7);
- формируют сигнал 8, сообщающий об отклонении, по меньшей мере, одного параметра;
- при помощи выбранной модели в блоке 6 прогнозируют состояние отдельных агрегатов и/или подсистем агрегатов, и/или системы в целом в следующие моменты времени;
- полученные показатели и состояния необязательно сохраняют и используют в качестве управляющих воздействий, позволяющих достичь оптимального функционирования отдельных агрегатов и/или подсистем агрегатов, и/или системы в целом.
По сравнению со способами известными авторам, заявляемый способ обладает максимальной гибкостью и позволяет достичь лучших результатов для контроля и прогнозирования работы газотурбиной установки.
Литература
1. С. П. Чистяков О НОВОМ МНОГОМЕРНОМ СТАТИСТИЧЕСКОМ КРИТЕРИИ ОДНОРОДНОСТИ ДВУХ ВЫБОРОК //Труды Карельского научного центра РАН, JV° 3. 2010. С. 93-97.
2. Anderson Т. W. An introduction to multivariate analysis. New Jersey: Wiley, 2003. 453 p.
3. Baringhaus L., Franz C. On a new multivariate two-sample test // Journal of Multivariate Analysis. 2004. Vol. 88. P. 190-206.
4. Puri M. L., Sen P. K. Nonparametric Methods in Multivariate Analysis. New York: Wiley, 1971. 342 р.
Claims
ФОРМУЛА ИЗОБРЕТЕНИЯ
Способ контроля и прогнозирования работы газотурбиной установки с использованием матрицы дефектов, предусматривающий следующие стадии:
1) накапливают данные о функционировании агрегатов и/или подсистем агрегатов газотурбиной установки, характеризующие показатели параметров их функционирования и передают их эксперту;
2) эксперт получает данные о функционировании газотурбинной установки в виде последовательности показателей, коррелированных с моментами времени и формирует на основании полученных последовательностей выборку показателей функционирования;
3) эксперт на основе известного набора методов построения моделей функционирования отдельных агрегатов и/или подсистем агрегатов, и/или газотурбиной установки в целом и выборки показателей функционирования выбирает одну из моделей функционирования газотурбинной установки, при этом выбранная модель отображает наблюдаемую точку состояния объекта контроля в многомерном пространстве показателей работы объекта в точку, моделирующую состояние объекта, которым является узел или агрегат газотурбиной установки;
4) эксперт определяет способ оценки различия параметров выбранной модели и данных о функционировании газотурбинной установки в виде последовательности показателей и определяет способ оценки значения отклонений показателей функционирования и параметров выбранной модели;
5) эксперт на основе выбора одного из критериев сравнения и вероятности ошибки выбирает статистический способ оценки отклонений и определяет по разности компонентов наблюдаемой точки и точки, моделирующей состояние объекта, компоненты невязок, которые характеризует отклонение показателей технологических параметров объекта контроля от модели в наблюдаемой точке многомерного пространства;
6) эксперт определяет разладки, отображающие степень влияния показателей работы газотурбинной установки на упомянутое отклонение показателей технологических параметров объекта контроля и на основе разладок определяется
зарождающиеся или уже имеющиеся дефекты в агрегатах газотурбинной установки и формирует матрицу дефектов;
7) в ходе функционирования отдельных агрегатов газотурбинной установки получают текущие показатели функционирования;
8) полученные текущие показатели в автоматизированном режиме сравнивают с показателями выбранной модели и оценивают размер отклонений;
9) определяют с помощью выбранного критерия степень отклонения поступающих показателей от показателей эмпирических моделей и делают вывод о нормальности или аномальности отклонений, а также вероятности возникновения дефектов с заданной выбранным критерием вероятностью;
10) формируют сигнал, сообщающий об отклонении, по меньшей мере, одного параметра и/или возникновении дефекта агрегата газотурбинной установки;
11) при помощи выбранной модели прогнозируют состояние отдельных агрегатов и/или подсистем агрегатов газотурбинной установки, и/или газотурбинной установки в целом в следующие моменты времени, дополняя матрицу дефектов;
12) полученные показатели и состояния необязательно сохраняют и используют в качестве управляющих воздействий, позволяющих достичь оптимального функционирования отдельных агрегатов и/или подсистем агрегатов газотурбинной установки, и/или газотурбинной установки в целом.
2. Способ по п.1, отличающийся тем, что эксперт при построении модели использует Similarity Based Modeling.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2018134957 | 2018-10-04 | ||
| RU2018134957A RU2703874C1 (ru) | 2018-10-04 | 2018-10-04 | Способ контроля и прогнозирования работы газотурбинной установки с использованием матрицы дефектов |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| WO2020071949A1 true WO2020071949A1 (ru) | 2020-04-09 |
Family
ID=68318465
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| PCT/RU2019/000271 WO2020071949A1 (ru) | 2018-10-04 | 2019-04-19 | Способ контроля работы газотурбинной установки |
Country Status (2)
| Country | Link |
|---|---|
| RU (1) | RU2703874C1 (ru) |
| WO (1) | WO2020071949A1 (ru) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113834657A (zh) * | 2021-09-24 | 2021-12-24 | 北京航空航天大学 | 一种基于改进mset及频谱特征的轴承故障预警及诊断方法 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113053171B (zh) * | 2021-03-10 | 2023-03-24 | 南京航空航天大学 | 一种民机***风险预警方法及*** |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160160762A1 (en) * | 2014-12-08 | 2016-06-09 | General Electric Company | System and method for predicting and managing life consumption of gas turbine parts |
| RU2626780C1 (ru) * | 2016-07-15 | 2017-08-01 | Акционерное общество "РОТЕК" (АО "РОТЕК") | Способ и система удаленного мониторинга энергетических установок |
| RU2017102911A (ru) * | 2017-01-30 | 2018-07-30 | Акционерное общество "РОТЕК" (АО "РОТЕК") | Способ удаленного мониторинга и прогнозирования состояния отдельных агрегатов и сложных технологических комплексов |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| SU1739065A1 (ru) * | 1990-05-30 | 1992-06-07 | Моторостроительное Конструкторское Бюро Г.Омск | Газотурбинный двигатель |
| RU2522275C2 (ru) * | 2012-10-18 | 2014-07-10 | Федеральное государственное унитарное предприятие "Научно-производственный центр газотурбостроения "Салют" | Способ определения технического состояния энергетического объекта |
-
2018
- 2018-10-04 RU RU2018134957A patent/RU2703874C1/ru active
-
2019
- 2019-04-19 WO PCT/RU2019/000271 patent/WO2020071949A1/ru active Application Filing
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160160762A1 (en) * | 2014-12-08 | 2016-06-09 | General Electric Company | System and method for predicting and managing life consumption of gas turbine parts |
| RU2626780C1 (ru) * | 2016-07-15 | 2017-08-01 | Акционерное общество "РОТЕК" (АО "РОТЕК") | Способ и система удаленного мониторинга энергетических установок |
| RU2017102911A (ru) * | 2017-01-30 | 2018-07-30 | Акционерное общество "РОТЕК" (АО "РОТЕК") | Способ удаленного мониторинга и прогнозирования состояния отдельных агрегатов и сложных технологических комплексов |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113834657A (zh) * | 2021-09-24 | 2021-12-24 | 北京航空航天大学 | 一种基于改进mset及频谱特征的轴承故障预警及诊断方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| RU2703874C1 (ru) | 2019-10-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109146093B (zh) | 一种基于学习的电力设备现场勘查方法 | |
| US10962999B2 (en) | Microgrid model based automated real time simulation for market based electric power system optimization | |
| Moghaddass et al. | A hierarchical framework for smart grid anomaly detection using large-scale smart meter data | |
| JP7460864B2 (ja) | 電力網アセットの状態分類を行うための方法および装置 | |
| CN107358366B (zh) | 一种配电变压器故障风险监测方法及*** | |
| JP7472344B2 (ja) | イオン注入半導体製造ツールにおける構成要素の故障の是正 | |
| CN107111844B (zh) | 用于选择网格动作以改善网格结果的***和方法 | |
| JP6298214B2 (ja) | ユーティリティグリッド内での信号注入テストパターンの予想効用を最大化するためのシステム及び方法 | |
| KR101086027B1 (ko) | 베이지안 통계기법을 이용한 발전설비 고장예측방법 | |
| US8676727B2 (en) | Abnormality diagnosis filter generator | |
| RU2649542C1 (ru) | Способ и система удаленного мониторинга объектов | |
| US20210224755A1 (en) | Decision method of condition-based maintenance to power grid risk | |
| EP2863509A1 (en) | System and method for analyzing oscillatory stability in electrical power transmission systems | |
| JP6599428B2 (ja) | グリッドの異常重大度を表す現場でのセンサ応答データパターンを分類するためのシステム及び方法 | |
| RU2703874C1 (ru) | Способ контроля и прогнозирования работы газотурбинной установки с использованием матрицы дефектов | |
| Cherkassky et al. | Prediction of electric power consumption for commercial buildings | |
| CN115270491A (zh) | 基于多元信息融合的海上风电运维平台设计方法 | |
| CN114091798A (zh) | 对资产执行预后健康分析的方法和计算*** | |
| CN109004644B (zh) | 用于协调信号注入以理解和保持公用设施网格中信号注入模式之间正交性的***和方法 | |
| CN110412417B (zh) | 基于智能电力监测仪表的微电网数据故障诊断方法 | |
| KR102366922B1 (ko) | 시계열적 절연 진단 정보 기반의 중전기기 열화 예측 시스템 및 그 방법 | |
| RU2677429C2 (ru) | Способ удаленного мониторинга и прогнозирования состояния отдельных агрегатов и сложных технологических комплексов | |
| Lutska et al. | Forecasting the efficiency of the control system of the technological object on the basis of neural networks | |
| Alvarado et al. | Cost-benefit analysis of maintenance plans: Case study of the power system of a large industrial facility | |
| Aizpurua et al. | Determining appropriate data analytics for transformer health monitoring |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| 121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 19869511 Country of ref document: EP Kind code of ref document: A1 |
|
| NENP | Non-entry into the national phase |
Ref country code: DE |
|
| 122 | Ep: pct application non-entry in european phase |
Ref document number: 19869511 Country of ref document: EP Kind code of ref document: A1 |