具有自诊断能力的智能液体燃料系统的制作方法

本发明一般涉及功率发生系统。特别地，本发明涉及用于液体燃料系统的操作模型。

背景技术：

双燃料燃烧系统可燃烧气体燃料和液体燃料两者。通常，双燃料涡轮系统使用气体燃料操作，并且当气体燃料不可用时液体燃料被用作备用燃料。在以气体燃料操作期间，液体燃料系统不操作，但可以保持充满馏出的液体燃料的停滞体积。在这些情况下，腐蚀和/或颗粒积聚物可沿着液体燃料系统的表面(例如，在分流器、燃料喷嘴、阀门等中)形成，这可以导致分流器的侵蚀/腐蚀、阀门堵塞、喷嘴堵塞等。这些情况可能不引人注目并导致燃烧燃料系统的生产率和可靠性降低。虽然可以安装传感器来监测液体燃料系统的某些参数，但操作者难以估计液体燃料系统的真实情况以规划功率发生操作。因此，可能需要与功率发生系统集成的液体燃料系统的预测和自诊断模型。

技术实现要素：

在范围方面与初始要求保护的主题相一致的某些实施例总结如下。这些实施例不意图限制要求保护的实施例的范围，相反，这些实施例意图仅提供本主题的可能形式的简短总结。实际上，本发明所要求保护的实施例可以涵盖可以类似于或不同于下文所述实施例的各种形式。

在本发明的第一实施例中，一种用于预测液体燃料系统的性能的系统包括处理器和可通信地联接到处理器的存储器，其中，存储器存储指令，该指令在由处理器执行时执行操作。操作包括在至少一个时间为与液体燃料系统的至少一个燃烧器相关联的喷嘴或阀门的至少一个物理参数建立基线参数。操作也包括在燃气涡轮发动机的操作期间从一个或多个传感器获取与液体燃料系统相关联的一个或多个操作参数。操作还包括使用燃料分流器的操作模型来至少基于基线参数和所述一个或多个操作参数输出与液体燃料系统相关联的动作。

其中，所述动作包括所述液体燃料系统的性能的预测、所述液体燃料系统的部件的维护建议、控制动作以调整所述液体燃料系统的至少一个部件的操作。

其中，所述至少一个时间与所述液体燃料系统的调试相关联；或者，所述至少一个时间可与所述液体燃料系统的计划维护相关联。

其中，在由所述处理器执行时执行操作的所述指令包括至少基于历史数据生成所述燃料分流器的所述操作模型；所述历史数据包括燃料分流器的加速能力、燃料流量、燃料分流器压力、所述燃料分流器上游和下游的温度、或带负载操作小时数、吹扫持续时间、或它们的组合。

其中，在由所述处理器执行时执行操作的所述指令包括附加地基于操作者输入、使用基于物理的模型的流体流动模拟、燃料组成、或横跨油过滤器的差压、或它们的组合来生成所述燃料分流器的所述操作模型。

其中，所述一个或多个操作参数包括燃料分流器的加速能力、燃料流量、燃料分流器压力、所述燃料分流器上游和下游的温度、排气分散度数据、或带负载操作小时数、吹扫持续时间、或它们的组合。在由所述处理器执行时执行操作的所述指令包括基于所述一个或多个操作参数来更新所述燃料分流器的所述操作模型。

其中，在由所述处理器执行时执行操作的所述指令包括在将燃料流量与排气分散度相关过程中使用所述燃料分流器的所述操作模型。

其中，在由所述处理器执行时执行操作的所述指令包括在将所述至少一个物理参数中的偏差与所述一个或多个操作参数相关过程中使用所述燃料分流器的所述操作模型。

在本发明的第二实施例中，一种用于预测液体燃料系统的性能的系统包括：燃气涡轮发动机，其包括多个燃烧器和相关联的燃料喷嘴；燃料分流器，其被构造成调节到相关联的燃料喷嘴的燃料流；处理器；以及存储器，其可通信地联接到所述处理器。存储器存储指令，该指令在由处理器执行时执行包括下列的操作：在至少一个时间为与液体燃料系统的所述多个燃烧器中的每个燃烧器相关联的相应的喷嘴或相应的阀门的至少一个物理参数建立基线参数。操作也包括在燃气涡轮发动机的操作期间从一个或多个传感器获取与液体燃料系统相关联的一个或多个操作参数。操作还包括使用燃料分流器的操作模型来至少基于基线参数和所述一个或多个操作参数输出与液体燃料系统相关联的动作。

其中，所述至少一个物理参数包括所述相应的喷嘴的喷嘴流量数值、和/或所述相应的阀门的流动系数cv。

其中，在由所述处理器执行时执行操作的所述指令包括在将所述至少一个物理参数中的偏差与所述一个或多个操作参数相关过程中使用所述燃料分流器的所述操作模型。

其中，所述至少一个时间与所述液体燃料系统的调试或所述液体燃料系统的计划维护相关联。

其中，在由所述处理器执行时执行操作的所述指令包括基于所述一个或多个操作参数来更新所述燃料分流器的所述操作模型。

在本发明的第三实施例中，一种非暂态计算机可读介质具有存储在其上的计算机可执行代码。该代码包括指令，该指令用于在至少一个时间为与液体燃料系统的至少一个燃烧器相关联的喷嘴或阀门的至少一个物理参数建立基线参数。代码也包括在燃气涡轮发动机的操作期间从一个或多个传感器获取与液体燃料系统相关联的一个或多个操作参数。代码还包括使用燃料分流器的操作模型来至少基于基线参数和所述一个或多个操作参数输出与液体燃料系统相关联的动作。

附图说明

当参考附图阅读下面的具体实施方式时，本发明所公开的技术的这些和其它特征、方面和优点将变得更好理解，在所有图中类似的标记表示类似的部件，在附图中：

图1是根据一个实施例的涡轮系统的示意图；

图2是框图，示出了根据本发明的一个实施例的智能液体燃料系统，该系统用于预测涡轮系统的液体燃料系统的总体健康度；

图3是流程图，示出了根据本发明的一个实施例的用于开发操作模型的方法；以及

图4是流程图，示出了根据本发明的一个实施例的用于使用操作模型的方法。

具体实施方式

下面将描述本发明所公开的实施例中的一个或多个具体实施例。为了提供这些实施例的简要说明，可能无法在本说明书中描述实际实施方案的所有特征。应当理解，任意工程或设计项目中的任何这种实际实施方案的开发、大量的针对实施方案的决定都必须实现开发者的具体目标，例如遵守可能在各个实施方案中变化的与系统有关和与商业有关的约束。此外，应当理解，这样的改进可能是复杂且耗时的，但对于受益于本发明的有益效果的本领域普通技术人员来说，这些都是设计、制造和生产中的常规任务。

在介绍本发明所公开的实施例的各种实施例的元素时，冠词“一个”、“一种”、“该”和“所述”意图表示这些元素中的一个或多个。术语“包含”、“包括”和“具有”旨在包括端值并且意味着可能有除了所列元素之外的额外的元素。

如下所述，模型(例如，燃料分流器的操作模型)可以开发用于对用于功率发生系统的液体燃料系统的总体健康度(overallhealth)做出诊断，并且进行成功的液体燃料启动的概率预测(probabilityprediction)。该模型可以随时间推移被更新和训练以做出更准确的诊断和预测。用于液体燃料系统的模型可以连接到服务平台(例如，云计算服务、分布式控制系统等)以周期性地生成诊断/性能预测报告、维护建议、以及操作调整。模型可以基于在功率发生系统操作期间所收集的参数/状况来开发和更新，包括但不限于燃料组成、燃料洁净度、操作持续时间、以及液体燃料系统和功率发生系统的各种操作数据(燃料流量(流率)、燃料泵压力、温度、功率输出、压缩质量流量(流率)等)。此外，可以在各种参数之间建立相关性函数(correlationfunctions)。例如，可以为燃料流量/流率和排气扩散温度建立相关性。在一个实施例中，一种用于预测液体燃料系统的性能的系统包括处理器和可通信地联接到处理器的存储器，其中，存储器存储指令，该指令在由处理器执行时执行操作。操作包括在至少一个时间为与液体燃料系统的至少一个燃烧器相关联的喷嘴或阀门的至少一个物理参数建立基线参数。操作也包括在燃气涡轮发动机的不同操作模式期间从一个或多个传感器获取与液体燃料系统相关联的一个或多个操作参数。所述操作模式包括部分负载和基本负载。操作还包括使用燃料分流器的操作模型来至少基于基线参数和所述一个或多个操作参数输出与液体燃料系统相关联的动作。因此，具有自诊断能力的用于液体燃料系统的模型可以被集成到数字发电装置/工厂中，以提高功率生成可靠性和可用性，并且有助于操作优化和资产优化。

图1是涡轮系统10的一个实施例的示意图。如下文详细所述，所公开的涡轮系统10(例如，燃气涡轮发动机)可以采用下文所述具有燃料增压室的端盖，燃料增压室可以改善燃料分布并改善系统耐用性、可操作性和可靠性。涡轮系统(例如，双燃料涡轮系统)10可以使用诸如天然气和/或富氢合成气体的液体或气体燃料来驱动涡轮系统10。如所描绘的，燃料喷嘴12(例如，多管燃料喷嘴)从液体燃料系统16或气体燃料系统18吸入燃料供应14，将燃料与氧化剂混合，氧化剂为例如空气、氧气、富氧空气、稀氧空气、或它们的任何组合。虽然下面的讨论将氧化剂称为空气，但任何合适的氧化剂都可以用于所公开的实施例。一旦燃料和空气已混合，燃料喷嘴12就将燃料-空气混合物以对于最佳燃烧、排放、燃料消耗和功率输出而言合适的比率分配到多个燃烧器20中。

涡轮系统10可包括位于所述多个燃烧器20内部的一个或多个燃料喷嘴12。燃料-空气混合物在所述多个燃烧器20中的每一个内的腔室中燃烧，从而形成热的加压排气。所述多个燃烧器20将排气通过涡轮22朝排气出口24导向。随着排气穿过涡轮22，气体沿着涡轮系统10的轴线施力于涡轮叶片，以使轴26旋转。如图所示，轴26可以连接到涡轮系统10的各种部件，包括压缩机28。压缩机28还包括联接到轴26的叶片。随着轴26旋转，压缩机28内的叶片也旋转，从而将来自进气口30的空气通过压缩机28压缩，并使其进入燃料喷嘴12和/或所述多个燃烧器20。轴26也可以连接到负载32，该负载可以是交通工具或静止负载，例如，发电装置中的发电机或飞行器上的推进器。负载32可包括能够由涡轮系统10的旋转输出供能的任何合适的装置。涡轮系统10可以沿着轴向轴向或方向34、朝着或远离轴线30的径向轴线或方向36、和围绕轴线30的周向轴线或方向38延伸。燃料喷嘴12可以包括下文所述具有燃料增压室的端盖、或与该端盖连接，燃料增压室可以通过将燃料直接馈送到燃料喷射器中来改善燃料分布，燃料喷射器可以将燃料馈送到管中，在那里，燃料与空气预混合，然后被释放到所述多个燃烧器20。

图2是框图，示出了用于预测涡轮系统10的液体燃料系统16的总体健康度的智能液体燃料系统50。智能液体燃料系统50可包括控制器52、操作模型54(例如，特别地液体燃料系统16的和燃料分流器66的)、以及服务平台56(例如，云计算服务、分布式控制系统，等)。控制器52与服务平台56、操作模型54和涡轮系统10的各种部件和系统(例如，液体燃料系统16、构造成调节到相关联的燃料喷嘴12的燃料流的分流器66，等)经由有线或无线网络或通信系统可通信地联接(例如，数据传输、接收和发出指令)。在一些实施例中，控制器52可以是服务平台56(例如，云计算服务、分布式控制系统等)的一部分。控制器52具有处理器58和存储器60(例如，非暂态计算机可读介质/存储器电路)，该存储器可通信地联接到处理器58，存储一个或多个指令集(例如，处理器可执行指令)，所述指令集被实施以执行与液体燃料系统16有关的操作。更具体而言，存储器60可包括诸如随机存取存储器(ram)的易失性存储器和/或诸如只读存储器(rom)、光学驱动器、硬盘驱动器或固态驱动器的非易失性存储器。另外，处理器58可包括一个或多个专用集成电路(asic)、一个或多个现场可编程门阵列(fpga)、一个或多个通用处理器、或它们的任何组合。此外，术语处理器不仅限于本领域称为处理器的那些集成电路，而是广义地指计算机、处理器、微控制器、微计算机、可编程逻辑控制器、专用集成电路和其它可编程电路。

例如，存储器60可以存储指令，以便从涡轮系统10的各种部件和系统以及智能液体燃料系统50获取信息(例如，物理参数、操作参数和操作状况等)，并且将所获取的信息存储在存储器60中。信息可以经由液体燃料系统16的一个或多个传感器62、分流器66的一个或多个传感器64、所述多个燃烧器20的一个或多个传感器68、涡轮22的一个或多个传感器70、排气24的一个或多个传感器72、以及设置成靠近涡轮系统10的一个或多个传感器74来收集。此外，信息也可以由操作者或用户输入(例如，经由控制器52和/或经由服务平台56)。例如，所述一个或多个传感器62、64、68、70、72和74可包括但不限于温度传感器(例如，热电偶、电阻温度检测器或rtd、表面声波传感器或saw，等)、压力传感器(例如，压力换能器、压力变送器、压强计、压力指示器、压力计，等)、气体传感器(例如，红外点传感器、超声波传感器、电化学气体传感器、半导体传感器、电化学传感器、saw，等)、流动(flow)传感器(例如，流量计、热质量流量计和超声流量计等)、加速计(例如，高温加速计)、速度传感器(例如，涡轮速度传感器、磁性速度传感器)、定位传感器、电流传感器、电压传感器和定时器。

操作模型54与控制器52可通信地联接以输出与液体燃料系统16相关联的动作。操作模型54可以预测液体燃料系统16的性能(例如，成功的液体燃料启动、诸如燃料阀、喷嘴或燃烧器的具体部件的失效，等)，提出液体燃料系统16的部件(例如，具体的燃料喷嘴、分流器、阀门或燃烧器，等)的维护建议，并且调整液体燃料系统16的一个或多个部件的操作。此外，操作模型54可包括专家经验、基于物理的模型(例如，用于执行流体流动模拟(fluidflowsimulations))和分析模型、机器学习算法、外推模型(extrapolationmodel)，等，使得操作模型54可随时间推移被更新和训练至更智能(例如，更准确的预测、更好的建议，等)。此外，操作模型54可包括诊断模块76，诊断模块可以报告液体燃料系统16的物理参数的当前状态，报告液体燃料系统16的总体健康度，发出维护建议，和/或发出或调整液体燃料系统16的一个或多个部件的操作。例如，诊断模块76可以监测并分析来自涡轮系统10和液体燃料系统16(例如，分流器66、喷嘴12，等)的当前操作状况、参数和数据，并且比较分析结果与历史记录。当前操作状况、参数和数据也可以被分析并与操作模型54的预测和/或专家经验进行比较。诊断可以基于该比较而发出。在其它实施例中，诊断模块76也可以基于比较发出建议以调整涡轮系统和液体燃料系统16(例如，分流器66、喷嘴12，等)的操作状况/参数。

可以理解，由诊断模块76发出的诊断结果也可以反馈回操作模型54以更新/训练操作模型54。此外，操作模型54、诊断模块76和它们包括的所有数据可以存储在控制器52的存储器60中。在其它实施例中，操作模型54、诊断模块76和它们包括的所有数据可以上传到服务平台56并存储在服务平台56中(例如，在控制器52的处理器58的指示下)。被授权的用户可以通过服务平台56访问数据、结果/报告、操作模型54和诊断模块76。被授权的用户也可以通过服务平台56提供客户/用户经验和专家经验，并且那些信息可以用来训练/更新操作模型54。因此，智能液体燃料系统50被集成到数字发电装置中以进行操作优化，并且可以提供在线诊断以增加涡轮系统10的可靠性和可用性。

图3是流程图，示出了用于开发操作模型54的方法90。方法90的步骤中的一个或多个可以由控制器52执行。方法90包括调适历史数据92、调适专家经验94、并且并入流体流动模拟(fluidflowsimulations)96和其它98(例如，任何相关的信息、数据和用户/操作者输入)以用于生成模型(步骤100)，其中，在步骤100中生成的模型是操作模型54的初始模型，该模型要经过进一步的训练/更新。历史数据可包括但不限于燃料分流器的加速能力、燃料流量、燃料组成、燃料分流器压力、横跨油过滤器的差压、燃料泵压力、泵马达速度、泵电流、泵电压、燃料分流器上游和下游的温度、排气分散度数据(exhaustspreaddata)、环境温度、控制阀冲程、涡轮速度、涡轮压缩机质量流量、截止阀的位置反馈、喷嘴流量/动(flow)数值、流量(流动)系数(cv)、额定通流能力(flowcapacityrating)、带负载操作小时数、吹扫持续时间、专家经验、或它们的组合。专家经验可以是与液体燃料系统16和/或涡轮系统10的操作有关的任何用户或操作者输入。方法90也包括作为新的或在维护之后操作燃料系统(步骤102)和在特定时间(例如，当燃料系统为新的时或在维护之后)建立基线(步骤104)(例如，对于与至少一个燃烧器相关联的喷嘴或阀门的至少一个物理参数)。用于建立操作模型54的基线(例如，具有基线参数)的数据是在液体燃料系统16在全新的分流器66新安装之后立即、或在液体燃料系统16的重大维护事件之后立即操作时收集的数据。具体而言，基线可以是与液体燃料系统16的至少一个燃烧器20相关联的燃料喷嘴12或阀门的至少一个物理参数的至少一个基线参数。具体而言，物理参数可包括每个单独的燃烧器20的喷嘴流量数值、流量(流动(flow))系数(cv)、和额定通流能力，等。

方法90也包括正常操作燃料系统(步骤106)和在涡轮系统10使用液体燃料系统16操作时从燃料系统收集数据(步骤108)、以及将所收集的数据提供到模型中以开发燃料系统的操作模型54(步骤110)。在本说明书中收集的数据可以是在燃气涡轮系统10操作期间经由传感器(例如，传感器62、64、68、70、72和74)收集的与液体燃料系统16和/或涡轮系统10相关联的操作参数、或燃气涡轮系统10的物理参数。操作参数可包括但不限于燃料分流器的加速能力(speedpickup)、燃料流量/流率(fuelflowrate)、燃料组成、燃料分流器压力、横跨油过滤器的差压、燃料泵压力、泵马达速度、泵电流、泵电压、燃料分流器上游和下游的温度、排气分散度数据(exhaustspreaddata)、环境温度、控制阀冲程、涡轮速度、涡轮压缩机质量流量/流率(massflowrate)、带负载操作小时数、和吹扫持续时间、在部分负载和基本负载下的燃气涡轮排气温度分散度(exhausttemperaturespread)等。物理参数可包括但不限于截止阀的位置反馈、喷嘴流动(量)数值(nozzleflownumber)、流动(量)系数(flowcoefficient)(cv)、和额定通流能力等。

操作模型54可以基于在上述任何物理参数或操作参数之间的数据相关性开发。例如，可以在燃料流量/流率和排气分散度(exhaustspread)之间建立相关性。作为另一示例，也可以在一个或多个物理参数和一个或多个操作参数之间建立相关性。此外，也可以基于在所述一个或多个物理参数与一个或多个操作参数中的偏差(variation)之间的相关性来开发操作模型54。此外，可以另外基于操作者/用户输入以及利用在系统设计阶段创建的基于物理的模型的流体流动模拟(fluidflowsimulations)来开发操作模型54。

方法90还包括训练和更新模型(步骤112)。在此阶段，操作模型54操作用于至少部分地基于直到步骤110(例如，步骤100至步骤110)为止收集的数据和产生的相关性来预测具体的操作参数、状况或液体燃料系统16的产量(productivity)的变化。例如，操作模型54可能能够预测在未来的时间诸如流量/流率(flowrate)、燃料组成、在分流器66处的压降等的参数。例如，操作模型54可能能够预测在未来的时间可能发生的诸如液体燃料泄漏、燃料清洁度、成功的液体燃料启动等的状况。由操作模型54进行的预测可以与实时情况/数据相比较以对操作模型54进行验证和训练/更新。此外，操作模型54也可以基于上文所述一个或多个物理参数或操作参数来训练和更新。

图4是流程图，示出了用于使用操作模型54的方法130。方法130的步骤中的一个或多个可以由控制器52执行。方法130包括开始涡轮系统10的操作(步骤132)和使用操作模型54进行诊断(步骤134)。在开始涡轮系统10的操作时，操作状况和参数(例如，操作参数和物理参数)可以以就地(in-situ)或基本上就地的方式被馈送到操作模型54中，使得诊断模块76能够发出液体燃料系统16的总体健康度的诊断(例如，报告、更新等)。诊断模块76可以确定气体燃料系统18不可用，并且涡轮系统10可继续以使用液体燃料系统16成功启动。诊断模块76也可以确定气体燃料系统18可用，并且涡轮系统10仅可使用气体燃料系统18操作。诊断模块76可以建议操作者将气体燃料系统18转化至液体燃料系统16以操作涡轮系统10，反之亦然。

方法130也包括进行预测(步骤138)、提供维护建议(步骤136)和使用操作模型54调整液体燃料系统16的至少一个部件的操作(步骤140)。与涡轮操作同时，状况和参数被连续地馈送到操作模型54中，以用涡轮系统10的最新的和并发的状况来更新操作模型54。因此，操作模型54可预测在未来的时间液体燃料系统16的总体健康状态、性能和/或具体参数/状况。例如，操作模型54可以预测液体燃料系统16的(多个)特定部件(例如，阀门、喷嘴、泵、分流器等)可能在未来(例如，在几天、几周、几月或几年内)出现问题/状况。例如，操作模型54可以预测如果涡轮系统10在未来(例如，在几天、几周、几月或几年内)仅使用液体燃料系统16操作成功的液体燃料启动的概率。

如所提及的，操作模型54也可以用来提供维护建议(步骤136)。例如，由于操作模型54可通信地联接到服务平台56，如果预测到诸如阀门、喷嘴、泵、分流器等的某些部件在一定时间段(例如，在几天、几周、几个月或几年等内)之后可能出现问题/状况，操作模型54会发出维护建议(例如，通过服务平台56通信给用户/操作者等)以在预测的状况/问题发生之前修复或更换(多个)所述部件。此外，操作模型54可以用于调整液体燃料系统的至少一个部件的操作(步骤140)。例如，操作模型54可以预测某些状况/问题已发生并发送命令(例如，通过服务平台56和/或通过控制器52)以关闭涡轮系统10的操作。操作模型54也可以调整液体燃料系统16的任何部件的操作。例如，操作模型54可以命令(例如，通过服务平台56和/或控制器52发送的命令信号)增加或减少液体燃料的流量，以便减小涡轮系统10的排气温度分散度。

本说明书使用示例来描述包括最佳模式的本发明的实施例，并且还使本领域技术人员能实施本文所公开的实施例，包括制造和使用任何装置或系统以及执行任何包括在内的方法。本说明书所公开的实施例的可专利范围由权利要求所限定，并且可包括本领域技术人员想到的其它示例。如果这种其它示例具有与所附权利要求的字面语言没有不同的结构元件，或者如果它们包括与所附权利要求的字面语言无实质差别的等同结构元件，则这种其它示例意图在所附权利要求的范围内。