Erweiterung eines Zustandsüberwachungssystems für Gasturbinen unter besonderer Berücksichtigung der Beobachtbarkeit

Abstract

Die Leistungsfähigkeit einer Gasturbine nimmt über die Betriebszeit ab. Ursache hierfür sind einerseits Einzelereignisse wie z. B. Fremdkörpereintritte und andererseits Alterungsmechanismen wie z. B. Verschleiß. Ziel der Zustandsüberwachung der Gasturbine ist es, die Leistungsfähigkeit der Gasturbine zu jeder Zeit so exakt wie möglich zu bestimmen, um eine Prognose über die zu erwartende Restbetriebszeit zu gewinnen. Die Zustandsüberwachung gliedert sich in die Teilbereiche Detektion (Erkennen von Schäden), Identifikation (Zuordnung von Schäden zu den jeweiligen Komponenten), Diagnose (Berechnung der quantitativen Verschlechterung der Leistungsparameter) und Prognose. Sie ist von der Anzahl der Messgrößen und deren Position abhängig. Für den Fall, dass Messgrößen während der Betriebszeit ausfallen, sinkt die Güte der Detektion, Identifikation, Diagnose und zwangsläufig der Prognose. Um zumindest eine Abschätzung des vom Schaden betroffenen Komponentenbereiches der Gasturbine zu erhalten, bedarf es Identifikationsalgorithmen, die sowohl robust gegenüber Messrauschen als auch gegenüber Messgrößenausfällen sind. Voraussetzung ist die Detektion eines Schadens in der Gasturbine. Daraus ergibt sich die Forderung nach einem Identifikationsbackup-System, welches parallel zur Kausalkette der Zustandsüberwachung arbeitet. Der sich daraus ergebende Vorteil ist, dass trotz einer ungünstigen Instrumentierung der Gasturbine für die Zustandsüberwachung ein Anhaltspunkt für die Schadensuche an die Wartungsingenieure gegeben wird. In dieser Arbeit wird ein Konzept für eine robuste Identifikation entwickelt. Das Konzept umfasst mehrere Algorithmen um die maximale Anzahl an zu Verfügung stehenden Informationen zu verwenden. Diese Informationen sind Messgrößen unterschiedlicher Herkunft. Der entscheidende Vorteil dieses Konzeptes ist, dass es robust gegenüber Messgrößenausfällen ist und sowohl modellbasierte als auch nicht modellbasierte Erwartungswerte zur Identifikation in Betracht gezogen werden. Für die robuste Identifikation anhand modellbasierter Erwartungswerte wird ein Fusionsverfahren vorgestellt. Dieses Verfahren verbindet ein modellbasiertes und nicht modellbasiertes Verfahren. Das erste Verfahren ist ein Verfahren, welches kombinatorisch ein lineares Gasturbinenmodell auswertet. Aus den Lösungen der einzelnen Kombinationen erfolgt die Schätzung der betroffenen Komponenten der Gasturbine. Die anderen verwendeten Verfahren basieren auf der Mustererkennung anhand simulierten Signaturen von Schäden. Die erhaltene Lösung aus den Verfahren wird auf ihre physikalische Glaubwürdigkeit mittels einer Systemsensitivität überprüft. Die endgültige Identifikation erfolgt durch eine Rangliste an möglichen Schäden gewichtet mit einer Zugehörigkeitswahrscheinlichkeit. Für vorhandene aber nicht modellierbare Erwartungswerte, beispielsweise wie Vibrationsgrößen, Abgaskonzentrationsgrößen oder Öldaten, wird eine Expertendatenbank herangezogen, welche durch ein statistisches Verfahren zur Mustererkennung ausgewertet wird. Die Zugehörigkeitswahrscheinlichkeit der gemessenen Messgrößensignatur zu einem Schaden aus der Expertendatenbank wird mittels der Schätzung der Wahrscheinlichkeitsdichte errechnet. Die Expertendatenbank ist nach dem Konzept des fallbasierten Schließens (Case Based Reasoning) implementiert und wächst kontrolliert. Als vorteilhaft hat sich erwiesen, dass trotz weniger Einträge im Anfangsstadium der Datenbank eine Identifikation durch die gewichtete Fusionierung zum modellbasierten Identifikationsverfahren möglich ist. In Anbetracht der schlechten Eignung heutiger Serieninstrumentierungen für die Zustandsüberwachung wird abschließend ein Vergleich zwischen drei unterschiedlichen Ansätzen für die Auswahl von Messgrößen für eine Serieninstrumentierung vorgestellt und basierend auf der Beobachtbarkeitsanalyse diskutiert. Für die neuartige Messgrößenauswahl der optimalen Beobachtbarkeit wird ein Sortieralgorithmus vorgestellt, welcher über eine Vielzahl an Betriebspunkten eine Kompromisslösung zwischen den bekannten Beobachtbarkeitskriterien findet. Es wird gezeigt, dass ein betriebspunktabhängiges Messgrößenauswahlverfahren, bedingt durch die besseren Beobachtbarkeitseigenschaften über die Betriebspunkte hinweg, robuster gegenüber leichten Störungen im Messvektor ist. Die Umsetzung der Konzepte erfolgt durch die Erweiterung eines bestehenden Zustandsüberwachungssystems (HealthGT®). Es wird gezeigt, wie das Backup-System für die Identifikation bei diversen Messgrößenausfällen eine Abschätzung der betroffenen Komponenten ermöglicht. Zusätzlich wird ein durch das Verfahren der optimalen Beobachtbarkeit erhaltenes Set an Messgrößen für die Zustandsüberwachung von Gasturbinen diskutiert und wichtige Messgrößen für die Zustandsüberwachung von Gasturbinen identifiziert.

It is a well known fact that as time passes, the performance of a gas turbine decreases. This can be caused by specific events such as foreign object damages or aging mechanisms such as tribological phenomena. The monitoring of the operating conditions of a gas turbine has as a target the possible most exact determination of its performance at any time. The purpose is to gain a prognosis concerning the expectable operating time left. The monitoring of the operating conditions is structured as follows: detection (recognition of faults), identification (assignment of faults to the respective components), diagnosis (calculation of the performance parameters) and prognosis. This specific monitoring significantly depends on the available number of measurements and the position they hold. If some measurements become inoperable or malfunction during operating time, the performances of detection, identification, diagnosis and inevitably that of prognosis decrease. In order to obtain at least an estimation of the faults of the respective area, the requirement of identification algorithms arises. They should be resistant concerning measurement noise as well as measurement bias. These facts claim for an identification back up system that runs parallel to the causally determined performance monitoring. In spite of bad instrumentation, it provides maintenance engineers with indications and references during their search for faults. This thesis deals with the development of a concept that enables a robust identification of faults of gas turbines. It is characterised by the fusion of several algorithms. It also makes use of the maximum amount of available information of measurement data. The decisive advantage of this concept is its robustness towards measurement malfunctions and faults. In achieving fault identification it also takes in consideration measurements that cannot be simulated for expectancy values. The present work presents a fused procedure concerning the robust identification of faults based on measurements that can be simulated. On one hand it consists of a known procedure that combinatorially evaluates a linearised gas turbine model. As a result of combinatorics it can render an estimation of the affected areas. On the other hand it is based on procedures of pattern recognition of already traced and simulated faults. The innovative aspect of this combined procedure consists in the interpretation of both fault indicators obtained. Their physical reasonableness is verified and checked by a sensitivity analysis of the system. The final identification of the type of faults is visualised by means of a ranking table of possible fault types laying weight on the probability of their affiliation. For measurements that cannot be simulated, such as vibration values, exhaust values etc, the generation of an expert data bank is recommended. Using a statistic procedure, the data bank leads to evaluations within pattern recognition. The probability of affiliation of the obtained measurement signature concerning the fault type that was recorded with the data bank is calculated by means of estimation of the probability density. The expert data bank is implemented using the concept of Case Based Reasoning and it is steadily growing under control. The innovative feature of the procedure presented in this paper, as opposed to the ones published so far, is that in spite of the small number of data at the initial stage of the data bank, fault identification is enabled. This happens due to the weighted fusion with the previous described identification algorithm. In conclusion a comparison between three different approaches concerning the choice of measurements in service instrumentation of a gas turbine is presented. The mathematical principles of the observability analysis are repeated and the procedure of selection based on observability analysis is discussed. A sorting algorithm for the innovative selection of optimal observability measurements is also presented. Using a multitude of operating points, it enables the finding of a compromise solution between known observability criteria. It is demonstrated that a measurement selection procedure, depending on engine operating points, if conditioned by better properties of observability is more robust towards light faults within vector measurement. The implementation of the concepts takes place within an existing monitoring system (HealthGT®).The way the back up system of fault identification calculates an estimative fault type is pointed out. This is to be applied when diverse measurement failures occur. Additionally the selections of measurement values are debated and essential measurement sizes for monitoring of operating conditions of gas turbines are identified.