燃气涡轮燃烧分布监测的制作方法
【专利摘要】公开用于燃气涡轮燃烧分布监测的系统和方法。在一个实施例中，公开用于检测燃气涡轮(4)的燃烧区段(10)中的异常的方法(400)。方法(400)包括从围绕燃气涡轮(4)的排气区段(22)设置的多个热传感器(50)接收燃气涡轮(4)的排气分布数据。方法(400)进一步分析排气分布数据，以计算与高峰?低谷型式相关联的统计特征。方法(400)进一步使用机器学习算法来确定统计特征是异常的。响应于该确定，方法(400)处理排气分布数据达预定时期，并且如果统计特征保持异常达预定时期，则报告燃气涡轮(4)的燃烧区段(10)中的异常。
【专利说明】
燃气涡轮燃烧分布监测
技术领域
[0001]本公开涉及涡轮机的领域，并且更特别地，涉及燃气涡轮燃烧分布监测的系统和方法。
【背景技术】
[0002]涡轮机可包括通过公共压缩机/涡轮轴连接到涡轮部分上的压缩机部分和燃烧器组件。入口空气流可传送通过空气进口朝向压缩机部分。在压缩机部分中，入口空气流可通过多个连续级朝向燃烧器组件被压缩。在燃烧器组件中，压缩空气流可与燃料混合，以形成可燃混合物。可燃混合物可在燃烧器组件中燃烧，以形成热气。热气可沿着涡轮部分的热气路径引导通过过渡件。热气可沿着通过多个涡轮级的热气路径膨胀，从而对安装在轮上的涡轮轮叶翼型件起作用，以产生输出的功，例如对发电机提供动力。热气可通过排气系统作为排气从涡轮部分中传送出来。多个热电偶可布置在排气系统中，以测量排气的温度。
[0003]由热电偶测得的排气的温度可形成排气分布。排气分布可用来评定燃烧硬件的状况。某些硬件问题可使燃烧器在运行时非常热或非常冷，这可干扰典型的排气分布。典型的排气分布型式可指示一个或多个燃烧器的异常运行。一些涡轮机的典型排气分布是均匀的，其中单独的排气热电偶仅与平均数有微小偏差。对于这样的涡轮机，可通过识别与平均数偏差较大的热电偶组来检测燃烧硬件异常。其它涡轮机可具有排气分布，该排气分布在正常运行期间具有高峰-低谷型式。典型地，高峰-低谷型式中的高峰的数量和低谷的数量对应于涡轮机的燃烧器的数量。上面描述的方法对于检测具有高峰-低谷型式的涡轮机的燃烧异常可能是无效的，因为可将高峰-低谷分布型式作为相对于平均数的异常偏差对待。
【发明内容】
[0004]本公开涉及用于燃气涡轮燃烧分布监测的系统和方法。某些实施例可有利于检测燃气涡轮的燃烧区段中的异常。根据本公开的一个实施例，用于检测燃气涡轮的燃烧区段中的异常的方法包括通过至少一个处理器从围绕燃气涡轮的排气区段设置的多个热传感器接收燃气涡轮的排气分布数据。方法可进一步包括分析排气分布数据，以计算与高峰-低谷型式相关联的统计特征。方法可有利于使用机器学习算法来确定统计特征是异常的。方法可进一步包括，响应于该确定，而处理排气分布数据达预定时期，并且如果统计特征保持异常达预定时期，则报告燃气涡轮的燃烧区段中的异常。
[0005]根据本公开的另一个实施例，提供一种用于检测燃气涡轮的燃烧区段中的异常的系统。系统可包括与燃烧区段相关联的多个燃烧器和围绕燃气涡轮的排气区段设置的多个热传感器。热传感器构造成提供燃气涡轮的排气分布数据。系统进一步包括通信地联接到存储器的处理电路，存储器存储指令，当处理电路执行指令时，指令执行操作。
[0006]技术方案1.一种用于检测燃气涡轮的燃烧区段中的异常的系统，所述系统包括: 与燃烧区段相关联的多个燃烧器；
围绕燃气涡轮的排气区段设置的多个热传感器，其中所述热传感器构造成提供所述燃气祸轮的排气分布数据；
通信地联接到存储器的处理电路，所述存储器存储指令，当所述处理电路执行指令时，所述指令执行包括下者的操作:
从所述多个热传感器接收所述燃气涡轮的排气分布数据；
分析所述排气分布数据，以计算与高峰-低谷型式相关联的统计特征；
使用机器学习算法来确定所述统计特征是异常的；以及
响应于所述确定，而继续处理所述排气分布数据达预定时期；以及
如果所述统计特征保持异常达所述预定时期，则报告所述燃气涡轮的燃烧区段中的异常。
[0007]技术方案2.根据技术方案I所述的系统，其特征在于，使用历史排气分布数据来训练所述机器学习算法，所述历史排气分布数据包括正常数据样本和假数据样本。
[0008]技术方案3.根据技术方案I所述的系统，其特征在于，所述热传感器围绕与所述涡轮相关联的排气扩散器沿径向定位。
[0009]技术方案4.根据技术方案I所述的系统，其特征在于，所述传感器设置成均匀地间隔开的阵列。
[0010]技术方案5.根据技术方案I所述的系统，其特征在于，所述排气分布数据包括多个高峰和低谷对，所述多个高峰和低谷中的各个高峰和低谷对对应于所述多个所述燃烧器中的至少一个燃烧器。
[0011 ]技术方案6.根据技术方案5所述的系统，其特征在于，分析包括相对于期望高峰-低谷型式来评价各个高峰和低谷对。
[0012]技术方案7.根据技术方案5所述的系统，其特征在于，分析包括:
基于所述排气分布数据而识别与各个热传感器相关联的高峰和低谷对;以及针对各个高峰-低谷对计算所述统计特征。
[0013]技术方案8.根据技术方案I所述的系统，其特征在于，所述排气分布数据包括与所述多个所述热传感器相关联的统计特征，所述统计特征包括下者中的至少一个:最低高峰温度、最高高峰温度、最低低谷温度、最高低谷温度、最低高峰-低谷差值和最高高峰-低谷差值。
[0014]技术方案9.根据技术方案I所述的系统，其特征在于，确定所述统计特征为异常的包括至少基于所述统计特征而产生特征向量，以及通过分类模型处理所述特征向量。
[0015]技术方案10.根据技术方案I所述的系统，其特征在于，所述系统进一步包括在分析之前进行下者:
确定所述排气分布数据的品质；以及
响应于确定所述品质低于预定品质水平，而调节所述排气分布数据。
[0016]技术方案11.根据技术方案I所述的系统，其特征在于，在所述燃气涡轮在预定负载之上运行之后，执行分析。
[0017]技术方案12.根据技术方案I所述的系统，其特征在于，所述系统进一步包括至少部分地基于在所述燃气涡轮的燃烧区段中检测到所述异常，而发布警报。
[0018]技术方案13.根据技术方案12所述的系统，其特征在于，所述警报触发下者中的至少一个:另一个评价和响应动作。
[0019]技术方案14.一种用于检测燃气涡轮的燃烧区段中的异常的方法，所述方法包括:
从围绕燃气涡轮的排气区段设置的多个热传感器接收所述燃气涡轮的排气分布数据； 分析所述排气分布数据，以计算与高峰-低谷型式相关联的统计特征；
使用机器学习算法，来确定所述统计特征是异常的；以及
响应于所述确定，而继续处理所述排气分布数据达预定时期；以及
如果所述统计特征保持异常达所述预定时期，则报告所述燃气涡轮的燃烧区段中的异常。
[0020]技术方案15.根据技术方案14所述的方法，其特征在于:
使用历史排气分布数据来训练所述机器学习算法，所述历史排气分布数据包括正常数据样本和假数据样本。
[0021]技术方案16.根据技术方案14所述的方法，其特征在于，所述热传感器:
围绕与所述燃气涡轮的燃烧区段相关联的排气扩散器沿径向定位，并且设置成均匀地间隔开的阵列。
[0022]技术方案17.根据技术方案14所述的方法，其特征在于，所述排气分布数据包括多个高峰和低谷对，所述多个高峰和低谷中的各个高峰和低谷对对应于所述多个所述燃烧器中的至少一个燃烧器。
[0023]技术方案18.根据技术方案17所述的方法，其特征在于，计算所述统计特征包括: 基于所述排气分布数据，而识别与各个热传感器相关联的高峰和低谷对;以及
针对各个高峰-低谷对计算统计特征。
[0024]技术方案19.根据技术方案14所述的方法，其特征在于，确定所述统计特征为异常的包括至少基于所述统计特征而产生特征向量，以及通过分类模型处理所述特征向量。
[0025]技术方案20.—种非暂时性计算机可读介质，其具有存储指令，当至少一个处理器执行所述指令时，所述指令执行包括下者的操作:
从围绕燃气涡轮的排气区段设置的多个热传感器接收所述燃气涡轮的排气分布数据； 分析所述排气分布数据，以计算与高峰-低谷型式相关联的统计特征；
使用机器学习算法，来确定所述统计特征是异常的；以及
响应于所述确定，而继续处理所述排气分布数据达预定时期；以及
如果所述统计特征保持异常达所述预定时期，则报告燃气涡轮的燃烧区段中的异常。
[0026]技术方案21.—种用于检测燃气涡轮(4)的燃烧区段(10)中的异常的系统(60)，所述系统包括:
与燃烧区段(10)相关联的多个燃烧器(12);
围绕燃气涡轮(4)的排气区段(22)设置的多个热传感器(50)，其中所述热传感器(50)构造成提供所述燃气涡轮(4)的排气分布数据；
通信地联接到存储器(70)的处理电路(62)，所述存储器(70)存储指令(68)，当所述处理电路(62)执行所述指令时，所述指令(68)执行包括下者的操作:
从所述多个热传感器(50)接收所述燃气涡轮(4)的排气分布数据；
分析所述排气分布数据，以计算与高峰-低谷型式相关联的统计特征；
使用机器学习算法，来确定所述统计特征是异常的；以及响应于所述确定，而继续处理所述排气分布数据达预定时期；以及如果所述统计特征保持异常达所述预定时期，则报告所述燃气涡轮(4)的燃烧区段(10)中的异常。
[0027]技术方案22.根据技术方案21所述的系统(60)，其特征在于，使用历史排气分布数据训练所述机器学习算法，所述历史排气分布数据包括正常数据样本和假数据样本。
[0028]技术方案23.根据技术方案21所述的系统(60)，其特征在于，所述多个热传感器(50)围绕与所述燃气涡轮(4)相关联的排气扩散器沿径向定位。
[0029]技术方案24.根据技术方案21所述的系统(60)，其特征在于，所述多个热传感器
(50)设置成均匀地间隔开的阵列。
[0030]技术方案25.根据技术方案21所述的系统(60)，其特征在于，所述排气分布数据包括多个高峰和低谷对，所述多个高峰和低谷中的各个高峰和低谷对对应于所述多个所述燃烧器(12)中的至少一个燃烧器。
[0031]技术方案26.根据技术方案25所述的系统(60)，其特征在于，分析包括相对于期望高峰-低谷型式来评价各个高峰和低谷对。
[0032]技术方案27.根据技术方案25所述的系统(60)，其特征在于，分析包括:
基于所述排气分布数据，而识别与所述多个热传感器(50)中的各个相关联的高峰和低谷对；以及
针对各个高峰-低谷对计算所述统计特征。
[0033]技术方案28.根据技术方案21所述的系统(60)，其特征在于，所述排气分布数据包括与所述多个所述热传感器(50)相关联的统计特征，所述统计特征包括下者中的至少一个:最低高峰温度、最高高峰温度、最低低谷温度、最高低谷温度、最低高峰-低谷差值和最高高峰-低谷差值。
[0034]技术方案29.根据技术方案21所述的系统(60)，其特征在于，确定所述统计特征为异常的包括至少基于所述统计特征而产生特征向量，以及通过分类模型处理所述特征向量。
[0035]技术方案30.根据技术方案21所述的系统(60)，其特征在于，所述系统进一步包括在分析之前进行下者:
确定所述排气分布数据的品质；以及
响应于确定所述品质低于预定品质水平，而调节所述排气分布数据。
[0036]技术方案31.根据技术方案21所述的系统(60)，其特征在于，在所述燃气涡轮(4)在预定负载之上运行之后，执行分析。
[0037]技术方案32.根据技术方案21所述的系统(60)，其特征在于，所述系统进一步包括至少部分地基于在所述燃气涡轮(4)的燃烧区段(10)中检测到所述异常，来发布警报(74)。
[0038]技术方案33.根据技术方案32所述的系统(60)，其特征在于，所述警报(74)触发下者中的至少一个:另一个评价和响应动作。
[0039]技术方案34.—种用于检测燃气涡轮(4)的燃烧区段(10)中的异常的方法(400)，所述方法包括:
从围绕燃气涡轮(4)的排气区段(22)设置的多个热传感器(50)接收所述燃气涡轮(4)的排气分布数据；
分析所述排气分布数据，以计算与高峰-低谷型式相关联的统计特征；
使用机器学习算法，来确定所述统计特征是异常的；以及响应于所述确定，而继续处理所述排气分布数据达预定时期；以及如果所述统计特征保持异常达所述预定时期，则报告所述燃气涡轮(4)的燃烧区段
(10)中的异常。
[0040]根据结合附图得到的以下描述，其它实施例、系统、方法、特征和方面将变得显而易见。
【附图说明】
[0041 ]图1是根据本公开的实施例的示例燃气涡轮的框图。
[0042]图2是根据本公开的实施例的燃气涡轮的示例排气系统和燃烧异常检测系统的轴向视图。
[0043]图3A是根据本公开的实施例的热电偶排气数据的正常分布。
[0044]图3B是根据本公开的实施例的热电偶排气数据的异常分布。
[0045]图4是示出根据本公开的实施例的检测燃气涡轮的燃烧区段中的异常的示例方法的流程图。
[0046]图5是示出根据本公开的实施例的用于识别热电偶排气数据中的高峰和低谷位置的示例方法的流程图。
[0047]图6是示出根据本公开的实施例的用于控制燃气涡轮的示例控制器的框图。
[0048]部件列表
2燃气涡轮机系统 4燃气涡轮机 6压缩机部分 8涡轮部分 10燃烧器组件 12燃烧器 14轴
16空气入口
18排气出口
20空气进口系统
22排气系统
30被驱动负载
40壳体
42外表面
44内表面
46排气流路径
50多个温度传感器
60燃烧器异常检测系统 62中央处理单元(CPU)
64计算机可读存储介质 68程序指令集 70存储器 74警报 80区域
400用于检测燃气涡轮的燃烧区段中的异常的方法
402方法操作
404方法操作
406方法操作
408方法操作
410方法操作
412方法操作
414方法操作
416方法操作
418方法操作
420方法操作
422方法操作
500用于识别热电偶排气数据中的高峰和低谷位置的方法
502方法操作
504方法操作
506方法操作
508方法操作
510方法操作
512方法操作
600控制器
610存储器
620编程逻辑
630数据
640操作系统
650处理器
660数据总线
670用户接口装置
680输入/输出(I/O)接口。
【具体实施方式】
[0049]以下详细描述包括对附图的参照，附图形成详细描述的一部分。附图描绘根据示例实施例的示意图。这些示例实施例也本文也称为“示例”，足够详细地描述这些示例实施例，以使得本领域技术人员能够实践本主题。示例实施例可结合起来，可利用其它实施例，或者可对结构、逻辑和电气作出改变，而不偏离要求保护的主题的范围。因此，不应以限制性意义理解以下详细描述，而是范围由所附权利要求和它们的等效物限定。
[0050]本公开的某些实施例涉及用于燃气涡轮燃烧分布监测的方法和系统，它可有利于检测燃气涡轮的燃烧区段中的异常。公开的方法和系统还可允许提供在燃气涡轮的运行期间的不均匀温度分布。
[0051]在本公开的一些示例实施例中，处理电路可从围绕燃气涡轮的排气区段设置的多个热传感器接收燃气涡轮的排气分布数据。可分析排气分布数据，以计算与高峰-低谷型式相关联的统计特征。分析可包括基于排气分布数据，而识别与各个热传感器相关联的高峰-低谷对，以及针对各个高峰-低谷对计算统计特征。处理电路可进一步使用机器学习算法来确定统计特征是异常的。响应于该确定，处理排气分布数据可继续达预定时期。如果统计特征保持异常达预定时期，则可报告燃气涡轮的燃烧区段中的异常。
[0052]本公开的某些实施例的技术效果可包括对燃气涡轮进行燃烧监测。本公开的某些实施例的另外技术效果可提高在燃烧异常可导致重大事件或硬件失效之前，检测燃气涡轮中的燃烧异常的可能性。本公开公开的实施例可对燃气涡轮的燃烧状况提供洞察力，以减少与燃烧有关的脱扣、被迫停工时间和计划外成本。
[0053]下面提供与用于使用统计性和基于物理的方法进行运行影响建模的系统和方法有关的各种不例实施例的详细描述。
[0054]在图1中大体在2处示出根据本公开的示例实施例的燃气涡轮机系统。燃气涡轮机系统2可包括燃气涡轮机4，燃气涡轮机4具有通过燃烧器组件10在流体方面连接到涡轮部分8上的压缩机部分6。燃烧器组件10可包括可布置成罐(can)-环形阵列的一个或多个燃烧器12。压缩机部分6还可通过轴14机械地连接到涡轮部分8上。压缩机部分6可包括空气入口16，并且涡轮部分8可包括排气出口 18。空气进口系统20可在流体方面连接到空气入口 16上。空气进口系统20可调节传送到压缩机部分6中的空气。例如，空气进口系统20可移除或减少可由传送到空气入口 16中的空气携带的水分。排气系统22可在流体方面连接到排气出口 18上。在引入到环境之前，排气系统22可调节从涡轮部分8中传送出的排气。排气系统22可包括多个温度传感器50。燃气涡轮机系统2还可包括被驱动负载30，被驱动负载30可呈发电机、栗或车辆的形式。燃气涡轮机系统2可进一步包括燃烧器异常检测系统60，它可操作性地连接到警报器74。
[0055]如图2中显不的那样，排气系统22可包括壳体40，壳体40具有外表面42和内表面44，内表面44限定排气流路径46 ο排气系统22可包括布置在壳体40上的多个温度传感器，在50处指示其中之一。温度传感器50可呈热电偶的形式，热电偶围绕内表面44沿周向阵列，并且暴露于排气流路径46。根据本公开的实施例，燃烧器异常检测系统60操作性地连接到多个温度传感器50中的各个上。应当理解，燃烧器异常检测系统60可与燃气涡轮机4位于同一处，可结合到涡轮控制器中，或者可在中央全球监测站中。因而，燃烧器异常检测系统60可从单个监测位置接收来自多个燃气涡轮机系统的数据，以及同时监测多个燃气涡轮机系统，燃气涡轮机系统位于世界上的任何地方。燃烧器异常检测系统60可包括中央处理单元(CPU)62，以及设有程序指令集68和存储器70的计算机存储介质64。如将在下面更详细地论述的那样，燃烧器异常检测系统60可操作性地连接到警报器74上，在检测到燃烧异常之后，警报器74可提供视觉警报和/或可听警报。
[0056]图3A和3B示出根据本公开的实施例的热电偶排气数据的两个示例分布。数据可在极坐标中表现为标图。标图上的点的角坐标可对应于多个温度传感器中的温度传感器的角度。点的半径可对应于由温度传感器提供的温度数据。
[0057]图3A表示涡轮机(包括6个燃烧器)的热电偶排气数据的示例正常分布。正常分布可对应于燃烧器的正常运行。在图3A的示例中，正常分布包括6个高峰，它们对应于燃气涡轮机2的六个燃烧器。六个高峰与六个低谷交错。总体上，六个高峰和六个低谷可形成六个燃烧器涡轮机的正常高峰和低谷型式。
[0058]图3B表示涡轮机(包括六个燃烧器)的热电偶排气数据的示例异常分布。不像图3A的正常分布，图3B的异常分布在区域80处少一个高峰。在高峰-低谷型式中少了高峰可指示涡轮机2的燃烧器的运行有异常。
[0059]图4是显示根据本公开的实施例的用于检测燃气涡轮的燃烧区段中的异常的示例方法400的流程图。方法400的操作可由燃烧异常检测系统60执行。方法400的操作可嵌在燃烧器异常检测系统60的程序指令68中。方法400可分析热电偶排气数据，以检测异常高峰-低谷型式。在本公开的一些实施例中，系统60配置成每分钟处理排气数据一次。
[0060]在框402中，燃烧异常检测系统60可接收来自温度计传感器50的热电偶(TC)排气数据。在框404中，系统60可执行数据品质检查。在决策框406处，系统60可确定涡轮机是否在预定负载之上运行，在预定负载处，预计有高峰-低谷型式。如果涡轮机不在预定负载之上运行，则在框408中，系统60可继续评价后续数据(例如，在后一分钟接收到的热电偶排气数据)。
[0061]如果涡轮机在预定负载之上运行，则在框410中，系统60可针对各个热电偶计算相对于平均排气温度的偏差。在框412中，系统60可识别排气数据中的高峰和低谷。在框414中，系统60可计算高峰-低谷对的统计特征(例如，特征向量)。统计特征可包括高峰-低谷温差(差值)、相对于所有高峰或低谷的平均偏差、最低高峰温度、最高高峰温度、最低低谷温度、最高低谷温度、最大高峰-低谷差值、最小高峰-低谷差值等等。
[0062]在决策框416中，系统60可确定对应于热电偶排气数据的分布是否是异常的。在本公开的一些实施例中，确定包括通过机器学习分类模型处理在框414处所评价的特征向量。本领域应当理解的是，适当的分类模型的类型可包括(但不限于)支持向量机(SVM)、人工神经网络(ANN)、决策树模型或其它分类器。可使用特征向量正常排气数据样本和失效排气数据样本来离线训练模型。通过使用经训练的模型来处理特征向量，系统60可确定热电偶排气数据中的高峰-低谷型式中是否存在异常。如果分布(高峰-低谷型式)是正常的，则系统60可在框418中继续评价后续热电偶排气数据。
[0063]如果分布是异常的，则系统60可对异常的持续性计数，并且评价异常的闭锁(latch)。如果异常高峰-低谷型式存在达预先限定的时期，而且在预先限定的闭锁时期期间尚未产生警报，则可在框422中触发另外的评价和动作。
[0064]图5是示出根据本公开的实施例的用于识别热电偶排气数据中的高峰和低谷位置的示例方法500的流程图。方法500可提供图4中显示的方法400的框412的细节。在框502中，方法500可包括接收热电偶排气数据。热电偶数据可包括温度传感器50在给定时间里提供的温度Y(i)。在框504中，方法可包括检测高峰的位置。高峰的位置可由条件Y(i)> Y(1-l)和Y(i)> Y(i+1)限定。在框506中，方法500可包括检测低谷的位置。各个低谷可定义为两个后续高峰之间的最小Y(i)。在框508中，方法500可包括基于空间位置中的间隙来填满未检测到的高峰。在框510中，方法500可包括如果检测到超过M个高峰，则执行数据校正，其中M是涡轮机中的燃烧器的数量。在框512中，方法500可允许输出最终高峰和低谷位置。
[0065]图6描绘了示出根据本公开的实施例的用于检测燃烧区段中的异常的示例控制器600的框图。更特别地，控制器600的元件可用来使燃气涡轮在多个运行条件下同时在预定燃烧运行边界内运行，在燃气涡轮正在运行时自动收集与燃气涡轮相关联的运行数据，存储运行数据，基于运行数据来产生用于一个或多个预定燃烧转移函数的常数集，以及将常数集存储在燃气涡轮燃烧控制系统中以在燃气涡轮的试运行时使用。控制器600可包括存储器610，存储器610存储编程逻辑620(例如，软件)，而且可存储数据630，诸如与燃气涡轮相关联的运行数据、常数集等。存储器610可还包括操作系统640。
[0066]处理器650可利用操作系统640来执行编程逻辑620，而且由于这么做，处理器650还可利用数据630。数据总线660可在存储器610和处理器650之间提供通信。通过至少一个用户接口装置670，诸如键盘、鼠标、控制面板，或者能够将数据传送到控制器600以及从控制器600传送出数据的任何其它装置，用户可与控制器600交互。在燃气涡轮燃烧控制系统运行时，控制器600可与燃气涡轮燃烧控制系统在线地通信，以及在燃气涡轮燃烧控制系统不运行时，控制器600可通过输入/输出(I/O)接口680与燃气涡轮燃烧控制系统离线地通信。另外，应当理解的是，其它外部装置或多个其它燃气涡轮或燃烧器可通过I/O接口 680与控制器600通信。在本公开的示出的实施例中，控制器600可位于燃气涡轮远处;但是，它可与燃气涡轮位于同一处，或者甚至与其结合。另外，从而实现的控制器600和编程逻辑620可包括软件、硬件、固件或者它们的任何组合。还应当理解的是，可使用多个控制器600，由此本文描述的不同特征可在一个或多个不同的控制器600上执行。
[0067]对根据本公开的示例实施例的系统、方法、设备和计算机程序产生的框图进行参照。将理解的是，框图的至少一些框以及框图中的框组合可至少部分地由计算机程序指令实现。这些计算机程序指令可加载到通用计算机、专用计算机、基于硬件的专用计算机或用以产生机器的其它可编程数据处理设备上，使得在计算机或其它可编程数据处理设备上执行的指令产生用于实现框图的至少一些框或所论述的框图中的框组合的功能的手段。
[0068]这些计算机程序指令还可存储在计算机可读存储器中，计算机可读存储器可指示计算机或其它可编程数据处理设备以特定的方式工作，使得存储在计算机可读存储器中的指令产生制造品，包括实现框或多个框中规定的功能的指令手段。计算机程序指令还可加载到计算机或其它可编程数据处理设备上，以使一系列运行步骤在计算机或其它可编程设备上执行，以产生计算机实现的过程，使得在计算机或其它可编程设备上执行的指令提供用于实现框或多个框中规定的功能的步骤。
[0069]可通过在计算机的操作系统上运行的应用程序来实现系统的一个或多个构件和本文描述的方法的一个或多个要素。也可用其它计算机系统构造来实践它们，包括手持装置、多处理器系统、基于微处理器的消费者电子器件或可编程的消费者电子器件、微型计算机、大型计算机等。
[0070]应用程序(是本文描述系统和方法的构件)可包括例程、程序、构件、数据结构等，它们实现某些抽象数据类型，并且执行某些任务或动作。在分布式计算环境中，应用程序(全部或一部分)可位于本地内存或其它存储器中。另外或备选地，应用程序(全部或一部分)可位于远程内存或存储器中，以允许有其中由通过通信网络连接的远程处理装置执行任务的情况。
[0071]受益于前述描述和有关附图中介绍的教导的人将想到本文阐述的与这些描述有关的示例描述的许多修改和其它实施例。因而，将理解的是，本公开可体现为许多形式，并且本公开不应局限于上面描述的示例实施例。
[0072]因此，要理解的是，本公开不局限于公开的具体实施例，而且修改和其它实施例意于包括在所附权利要求的范围内。虽然在本文采用了具体用语，但仅仅在一般且描述性的意义上使用它们，而不是为了限制目的。
【主权项】
1.一种用于检测燃气涡轮(4)的燃烧区段(10)中的异常的系统(60)，所述系统包括: 与燃烧区段(10)相关联的多个燃烧器(12); 围绕燃气涡轮(4)的排气区段(22)设置的多个热传感器(50)，其中所述热传感器(50)构造成提供所述燃气涡轮(4)的排气分布数据； 通信地联接到存储器(70)的处理电路(62)，所述存储器(70)存储指令(68)，当所述处理电路(62)执行所述指令时，所述指令(68)执行包括下者的操作: 从所述多个热传感器(50)接收所述燃气涡轮(4)的排气分布数据； 分析所述排气分布数据，以计算与高峰-低谷型式相关联的统计特征； 使用机器学习算法，来确定所述统计特征是异常的；以及响应于所述确定，而继续处理所述排气分布数据达预定时期；以及如果所述统计特征保持异常达所述预定时期，则报告所述燃气涡轮(4)的燃烧区段(10)中的异常。2.根据权利要求1所述的系统(60)，其特征在于，使用历史排气分布数据训练所述机器学习算法，所述历史排气分布数据包括正常数据样本和假数据样本。3.根据权利要求1所述的系统(60)，其特征在于，所述多个热传感器(50)围绕与所述燃气涡轮(4)相关联的排气扩散器沿径向定位。4.根据权利要求1所述的系统(60)，其特征在于，所述多个热传感器(50)设置成均匀地间隔开的阵列。5.根据权利要求1所述的系统(60)，其特征在于，所述排气分布数据包括多个高峰和低谷对，所述多个高峰和低谷中的各个高峰和低谷对对应于所述多个所述燃烧器(12)中的至少一个燃烧器。6.根据权利要求5所述的系统(60)，其特征在于，分析包括相对于期望高峰-低谷型式来评价各个高峰和低谷对。7.根据权利要求5所述的系统(60)，其特征在于，分析包括: 基于所述排气分布数据，而识别与所述多个热传感器(50)中的各个相关联的高峰和低谷对；以及 针对各个高峰-低谷对计算所述统计特征。8.根据权利要求1所述的系统(60)，其特征在于，所述排气分布数据包括与所述多个所述热传感器(50)相关联的统计特征，所述统计特征包括下者中的至少一个:最低高峰温度、最高高峰温度、最低低谷温度、最高低谷温度、最低高峰-低谷差值和最高高峰-低谷差值。9.根据权利要求1所述的系统(60)，其特征在于，确定所述统计特征为异常的包括至少基于所述统计特征而产生特征向量，以及通过分类模型处理所述特征向量。10.根据权利要求1所述的系统(60)，其特征在于，所述系统进一步包括在分析之前进行下者: 确定所述排气分布数据的品质；以及 响应于确定所述品质低于预定品质水平，而调节所述排气分布数据。
【文档编号】F02C9/00GK105863849SQ201610081562
【公开日】2016年8月17日
【申请日】2016年2月5日
【发明人】K.W.米勒, 余利杰, R.J.伊亚西洛
【申请人】通用电气公司