SGC Rapport 183 Tillståndsövervakning och termoekonomisk ...

1 Inledning1.1 BakgrundProjektet, som är samfinansierat av Värmeforsk och Svenskt Gastekniskt Center (SGC),avser online tillståndsövervakning och termoekonomisk driftoptimering avhybridanläggningen vid Västhamnsverket i Helsingborg med artificiella neurala nätverk(ANN). För detta ändamål har ANN modeller integrerats i Västhamnsverket datasystemsamt ett användargränssnitt utvecklats. Användargränssnittet inkluderar, bland annat,verktyg för parameteranalys, varnings- och larmindikator, produktionskostnadsanalys,samt ekonomisk optimering av kompressortvättstillfällen.Kraftvärmeverket består av en modern gasturbin, SGT800, från Siemens medtillhörande avgaspanna samt en pelletseldad fastbränslepanna. Ånga genererad avfastbränslepannan och avgaspannan expanderar i en gemensam mottrycksturbin.För att realisera konditionsbaserat underhåll krävs kontinuerlig övervakning avdelsystemen i kraftverket. Avvikelser från förväntat datamönster indikerarkomponentfel eller degradering som operatören uppmärksammas att åtgärda. Snabbdetektering av fel leder därmed till reducerade underhållskostnader.Projektet ingår i en projektserie utförda i samarbete mellan Lunds Universitet,Västhamnsverket och Siemens [1][2][3][4].1.2 Beskrivning av forskningsområdetANN modellering av kraftverkssystem är ett relativt nytt område även om ANNverktyget har använts inom andra discipliner. Forskarstudier som bedrivits påavdelningen för Kraftverksteknik på Lunds Universitet under senare år har utgjort deförsta försöken till att använda ANN för kraftverksmodellering. Fleraanvändningsområden, så som simulering av drift, tillståndsövervakning,termoekonomisk analys, sensorvalidering och feldiagnostik, har identifierats.Nuvarande projekt är en fortsättning på tidigare arbeten. [5][6][7][8][9][10][11]1.3 Forskningsuppgiften och dess roll inom forskningsområdetProjektet är den senaste i en serie studier om Väshamnsverket och ANN modellering avhybridanläggningen. Inledningsvis användes syntetisk data, genererad med olika värmeochmassbalansprogram, till träning av ANN modeller för simulering och feldiagnostik.Från och med förra projektet skedde en övergång till användning av driftdata frånanläggningen till utveckling av ett tillståndsövervakningssystem för övergång tillkonditionsbaserat underhåll.Ökad tillgänglighet och billigare samt effektivare underhåll för bränslebaseradekraftverk är huvudintresset för denna forskning. Genom att koppla mätdata, genereradeunder drift, till analys av anläggningens kondition och prestanda kan så väl underhållsom prestanda för anläggningen optimeras.2