Development and evaluation of algorithms for gas turbine condition monitoring and diagnostics

Abstract

RESUMEN: Las turbinas de gas son máquinas muy complejas y potencialmente poco fiables. Con el fin de reducir los costos de mantenimiento y mantener una alta confiabilidad, en las últimas décadas se han desarrollado muchos sistemas avanzados de monitoreo de condiciones y diagnóstico. El éxito de estos sistemas depende en gran medida de la perfección del software de diagnóstico, en particular, de la precisión de las decisiones diagnósticas. Esto se puede lograr a través de investigaciones continuas y la validación de diferentes algoritmos de diagnóstico. Siguiendo esta idea, el objetivo de la presente tesis es desarrollar y evaluar diferentes algoritmos aplicados al monitoreo y diagnóstico de turbinas de gas. Se desarrollan cuatro metodologías principales. La primera metodología trata de la creación de un algoritmo de monitoreo en línea basado en la estimación de variables de motor no medidas, como la eficiencia y la potencia del eje. La alta precisión de las estimaciones de cantidades no medidas y sus desviaciones para diversas fallas y condiciones de operación variables confirma que la metodología propuesta puede utilizarse en sistemas de monitoreo en línea reales. La segunda metodología está destinada a evaluar técnicas de diagnóstico en condiciones de falla variable. Para ese propósito, se propone un principio de clasificación de falla variable para mejorar la representación de escenarios de falla real. Los extensos cálculos de comparación revelan que cualquiera de las técnicas analizadas es una buena alternativa para la identificación de fallas en turbinas de gas. Sin embargo, se encuentra una gran influencia de las clasificaciones de fallas y el límite de severidad de fallas en el nivel de precisión de diagnóstico. La implementación de un nuevo límite para múltiples clases de fallas y errores reales en desviaciones hace que la precisión de diagnóstico del motor se acerque más a lo que ocurre en la práctica. La tercera metodología trata de una evaluación comparativa de un enfoque de diagnóstico de turbina de gas basado en datos a través de una plataforma especial llamada ProDiMES. La plataforma presenta un enfoque público, en el que diferentes investigadores pueden verificar y comparar sus algoritmos para las etapas de diagnóstico de extracción de características, detección de fallas e identificación de fallas. La comparación de las métricas de ProDiMES de diagnóstico final obtenidas bajo las condiciones óptimas seleccionadas con las métricas de otras soluciones de diagnóstico muestra que el algoritmo propuesto es una herramienta prometedora para los sistemas de diagnóstico de turbinas de gas. La última metodología compara dos enfoques de diagnóstico de turbinas de gas, basados en datos y basados en física. El diagnóstico para el primer enfoque se realiza en el espacio de desviaciones de las variables monitoreadas, mientras que para el segundo enfoque en el espacio de desviaciones de los parámetros de salud estimados. La metodología se centra en utilizar las condiciones de comparación correctas y considerar los casos de comparación múltiple de opciones de diagnóstico y posibles escenarios de fallas. Los resultados de todos los casos muestran que ambos enfoques reconocen igualmente bien cada una de las fallas del motor y que el rendimiento de diagnóstico promedio también es similar. Por lo tanto, desde el punto de vista de la precisión diagnóstica, la transformación al espacio de desviaciones de los parámetros de salud estimados no tiene ningún efecto y los enfoques son iguales. Para seleccionar un enfoque adecuado para un sistema de monitoreo de turbina de gas real, se deben considerar otros criterios. ABSTRACT: Gas turbines are very complex and potentially unreliable machines. In order to reduce maintenance costs and maintain high reliability, many advanced condition monitoring and diagnostic systems have been developed in the past decades. The success of these systems strongly depends on the perfection of diagnostic software, particularly, on the accuracy of diagnostic decisions. This can be achieved through continuous investigations and validation of different diagnostic algorithms. Following this idea, the aim of the present thesis is to develop and evaluate different algorithms applied to gas turbine monitoring and diagnostics. Four main methodologies are developed. The first one deals with the creation of an online monitoring algorithm based on the estimation of unmeasured engine variables such as efficiencies and shaft power. The high accuracy of estimations of unmeasured quantities and their deviations for a diverse faults and varying operating conditions confirms that the proposed methodology can be utilized in real on-line monitoring systems. The second methodology is intended for evaluating diagnostic techniques under variable fault conditions. For that purpose, a principle of a variable fault classification is proposed to enhance the representation of real fault scenarios. Extensive comparison calculations reveal that any of the analyzed techniques is a good alternative for gas turbine fault identification. However, a great influence of fault classifications and fault severity boundary on the level of diagnostic accuracy is found. The implementation of a new boundary for multiple fault classes and real errors in deviations makes the engine diagnostic accuracy closer to what occurs in practice. The third methodology deals with a benchmarking analysis of a data-driven gas turbine diagnostic approach through a special platform called ProDiMES. The platform presents a public approach, at which different investigators can verify and compare their algorithms for the diagnostic stages of feature extraction, fault detection, and fault identification. The comparison of the final diagnostic ProDiMES metrics obtained under the selected optimal conditions with the metrics of other diagnostic solutions shows that the proposed algorithm is a promising tool for gas turbine diagnostic systems. The last methodology compares two gas turbine diagnostic approaches, data-driven and physicsbased. The diagnosis for the first approach is realized in the space of monitored variable deviations while for the second approach in the space of estimated health parameter deviations. The methodology focuses on using the correct comparison conditions and considering multiple comparison cases of diagnostic options and possible fault scenarios. The results of all the cases show that both approaches equally well recognize each of the engine faults and the average diagnostic performances are also similar. Thus, from the point of view of diagnostic accuracy, the transformation to the space of estimated health parameter deviations has no effect and the approaches are equal. To select a proper approach for a real gas turbine monitoring system, other criteria should be considered.