热声前驱波方法和装置

摘要

一种确定燃烧器(12)的至少一个稳定裕度的方法以及适于执行所述方法的装置，所述方法包括获得热声动力学中的至少一个谱峰的模态特性，以及根据获得的模态特性，确定燃烧器(12)的稳定裕度。

说明书

技术领域

本发明涉及一种用于监控燃烧器(例如燃气轮机)的方法和装置，并且特别地，涉及用于监控燃烧器(例如燃气轮机)的动态稳定裕度的方法和装置。

背景技术

已经提出了多种用于确定燃烧器或燃烧室的稳定裕度的方法。确定稳定裕度的方法通常在实验室燃烧器上开发和/或验证。将相同策略应用于全规模工业燃烧器、特别是环形燃气轮机燃烧器和全燃气轮机燃烧器的有效程度值得怀疑。例如，测量位置可能破坏稳定裕度估计。

发明内容

发明目的

本发明的目的是提供用于可靠地确定燃烧器、例如环形燃气轮机燃烧器或全燃气轮机燃烧器的稳定裕度的解决方案。

发明概要

为了解决上述目的，本发明提供了根据独立权利要求的主题。本发明的优选实施方式在从属权利要求中限定。

公开了一种通过对热声系统的模态动力学进行评估来确定燃烧器的稳定裕度的方法。对热声系统的模态动力学的评估被理解为与由燃烧过程的激发产生的热声振动(模式)的特性相关。热声现象也可以被称为燃烧动力学或燃烧不稳定性。

通常，获得燃烧器的声场中的至少一个谱峰的模态特性，并且根据获得的模态特性来确定至少一个稳定裕度。在一些实施方式中，燃烧器的声场中的至少一个谱峰的模态特性可以包括模态贡献(modal contribution)。特别地，通过获得模态向量(例如，包括谐波函数)的基并且通过将测量的声学振幅模式分解到获得的基上，可以确定对声场的至少一个谱峰的模态贡献。

此外，公开了一种用于确定稳定裕度的计算机程序产品、装置和系统。

在下文中，可能的实施方式被限定为：

该方法可以包括获得燃烧器的声场中的至少一个谱峰的模态特性，根据获得的燃烧器的声场中的至少一个谱峰的模态特性来确定燃烧器的至少一个稳定裕度。

在该方法中，获得模态特性的步骤可以包括根据具有随机输入的状态空间模型结构来识别热声系统，以估计

-特征向量，和/或

-特征模的衰减率，和/或

-特征频率，和/或

-随机扰动振幅(stochastic forcing amplitude)。

在该方法中，获得模态特性的步骤可以包括：假定至少一个预定义的模态向量，特别是至少一个与驻留声波或行进声波相对应的预定义的模态向量，根据至少一个预定义的模态向量进行模式分解以获得模态振幅，以及估计至少一个模态振幅的衰减率和/或频率。

在该方法中，可以将燃烧器的至少一个稳定裕度确定为估计的衰减率。

该方法可以包括将热力学系统分解到至少一个估计的特征向量上，并且根据以估计的特征向量为基础的模态振幅，确定燃烧器的至少一个稳定裕度。

该方法可以包括将热力学系统分解到至少一个假定的、预定义的模态向量上，并且根据以假定的、预定义的模态向量为基础的模态振幅来确定燃烧器的至少一个稳定裕度。

在该方法中，燃烧器可以是环形燃烧器，其中，可以以方位坐标和方位模式阶次m为基础来定义模态特性，和/或至少一个模态向量基于方位模式数量m。

在该方法中，根据在燃烧器中测量或推导出的声学信号，可以确定至少一个谱峰。

一种包括程序代码的计算机程序产品，所述程序代码被配置成当在计算设备中执行时，执行前述权利要求中的一项所述的步骤。

所述装置可以包括模式分析器设备和模式分解器设备中的至少其中之一以及稳定裕度确定设备：

-该模式分析器设备适于获得燃烧器的声场中的至少一个谱峰的模态特性，

-该模式分解器设备适于将热声系统分解到模态向量上，

该稳定裕度确定设备适于根据获得的模态特性和模态向量分解中的至少一者来确定燃烧器的至少一个稳定裕度。

该装置还可以包括用于测量或推导燃烧器中的声学信号的至少两个声学传感器。

在该装置中，模式分析器设备可以适于根据至少一个声学模式的衰减率来确定燃烧器的稳定裕度，或者稳定裕度确定设备可以适于根据模态特性的振幅、和/或燃烧器中的声学噪声来确定燃烧器的稳定裕度。

在该装置中，模式分析器设备或模式分解器设备可以适于根据在燃烧器中测量或推导的声学信号来确定燃烧器中的声学噪声。

在该装置中，燃烧器可以是环形燃烧器，其中，模式分解器设备可以适于根据方位模式阶次m将声场分解到模态向量上，和/或模式分析器设备可以适用于以方位模式阶次m为基础来确定模态特性。

该系统可以包括根据上述实施方式中的其中之一要求保护的装置和燃烧器。

该系统还可以包括控制器，该控制器适于根据由装置的稳定裕度确定设备或模式分析器设备确定的燃烧器的稳定裕度来控制燃烧器的操作。

在该系统中，燃烧器可以是环形燃气轮机的燃烧器。

在该系统中，燃烧器可以是燃气轮机燃烧器。

在该系统中，根据燃烧器的波动热释放率，可以获得模态特性。

在该系统中，根据燃烧器的波动热释放率中获得的至少一个谱峰的模态特性，可以确定至少一个稳定裕度。

附图说明

以下参照附图对本发明进行描述，其中示出：

图1是根据本发明的包括根据本发明的装置的系统的示意图。

图2是燃烧器(例如环形燃气轮机)的环形几何形状的示意图。

图3是产生非简并(分流)特征模的分流模式的示例性光谱。

图4是标准前驱波(precursor)的示例性图示。

图5是定制前驱波的示例性图示。

图6是识别为前驱波的衰减率的示例性图示。

具体实施方式

图1示出包括燃烧器12的系统10的示例。在图2中，燃烧器12被图示为环形燃烧器，例如环形燃气轮机。然而，本发明不限于环形燃烧器，并且可应用于任何燃烧器，其中，热声模式具有非简并特征值(nondegenerate eigenvalue)，例如环管燃烧器。具有非简并特征值的热声模式可以理解为具有相似特征频率的多个共存模式。因为如果特征频率紧密相邻，那么这些模式可能是耦合的，并且可能难以在频谱上分离。因此，它们可以被观察并可以被认为是一种热声模式。

回到图1，系统10还包括至少一个传感器设备14，该传感器设备14被布置成并且适于测量燃烧器12中的声学量。燃烧器可以包括至少一个燃烧室和燃烧器增压室。燃烧器的任一部件中的声场可以由术语“燃烧器的声场”来描述。声学量例如可以由压力传感器直接测量，也可以从测量另一个量(例如火焰的热释放波动或燃烧器部件的机械振荡)的传感器导出，诸如用于化学发光的光电倍增管或加速度计。

如本领域技术人员所已知的，声学和火焰动力学固有地以热声模式耦合。声学引起火焰的热释放波动，反之亦然。因此，热释放率可以被认为是声学的间接表示或指示。在一些实施方式中，使用表示热释放率波动的测量结果而不是声学信号。例如可借助来自燃烧过程的化学发光来量化热释放率，例如使用光电倍增管(Photomultiplier Tube，PMT)并且可选地使用光学带通滤波器来测量热释放率。

因此，将对本领域技术人员显而易见的是，用于测量指示燃烧器的声场的量的传感器可以被放置在燃烧器的任何部件中、邻近燃烧器的任何部件放置或靠近燃烧器的任何部件放置。

至少一个传感器设备14适于例如通过K个传感器输出指示声场的相应测量结果的传感器信号s₁，s₂...s_K。在至少一个传感器设备14提供模拟信号的情况下，来自至少一个传感器设备14的传感器信号可以被提供给(可选的)模数转换器设备16，然而处理步骤和设备分别需要数字信号，这在以下描述。在来自至少一个传感器设备14的模拟信号可以分别由所述处理步骤和所述处理设备进行处理的情况下，模数转换器设备16不是必需的，这在以下描述。在至少一个传感器设备14提供数字输出信号的情况下，模数转换器设备16也不是必需的。至少一个传感器设备中的每一者可以适于输出一个或多个传感器信号。

如下面进一步描述的，传感器信号s₁，s₂...s_K由模式分析器20处理。

模式分析器设备20估计并输出模态特性。估计的模态特性包括指示在燃烧器12的声场中针对每个监控到的谱峰的至少一个特征模的识别的衰减率α、模态特征向量V和/或过程噪声R的信息。模态特征向量可以具有围绕燃烧室周向和/或燃烧器增压室周向的具有阶次m的任一空间谐波函数的基。特征向量可以描述例如驻波、行波或其组合。至少一个衰减率估计值α可以直接用作热声稳定的前驱波。

在一些实施方式中，模式分析器设备20分析在燃烧器12的声场中由下文进一步描述的模式分解器设备18产生的至少一个谱峰的模态振幅A_j。

在一些实施方式中，传感器信号s₁，s₂...s_K由模式分解器设备18处理，模式分解器设备18将信号投影到模态向量基(V_j)上。所述向量基可以手动设置或者设置为由模式分析器设备20识别的特征向量估计。如果向量基是手动设置的，则其通常对应于围绕燃烧器12的周向具有空间模式阶次m的声场的行波解或驻波解。模式分解器设备18输出在对应于燃烧器12的模式阶次m的声场中的至少一个谱峰的模态振幅A_j。例如，波分解器设备18的输出可以指示声学顺时针(F)波和声学逆时针(G)波，所述声学顺时针(F)波和声学逆时针(G)波可以被提供至稳定裕度确定设备22。

模式分解器设备18的输出A_j可以被提供至稳定裕度确定设备22，该稳定裕度确定设备22确定或至少估计燃烧器12的至少一个稳定裕度D_j。为此，稳定裕度确定设备22使用模式分解器设备18的输出A_j作为基。在一些实施方式中，由模式分析器设备20识别的过程噪声R与模态振幅A_j一起被用于确定稳定裕度输出。

可以使用确定的/估计的稳定裕度来控制燃烧过程。为此，将关于确定的/估计的稳定裕度的信息提供给控制器24。控制器24可以是用于例如通过使用预先编程的算法自动控制燃烧器的技术控制器，可以是人类控制器或操作员。燃烧器可以通过致动器26来控制，致动器26改变燃烧过程参数，燃烧过程参数例如但不限于燃料分流、分级强度或流向引燃器的燃料流量。

通常，根据本发明的系统包括模式分析器设备和/或模式分解器设备，如图所示，可以根据以下考虑操作所述模式分析器设备和/或模式分解器设备。

在环形几何中对方位模式进行建模，方位模式阶次m包括具有相应特征向量的两个特征值。在一些情况下，这些特征值是相等的，并且特征向量是正交的，这导致所谓的简并特征值。然而，在实际的系统中，由于包括通过燃烧室的方位整体速度以及方位变化的火焰响应特性(火焰响应的角度变化)的副作用，两种不同的解决方案是可能的。

一方面，燃烧室(或燃烧器的环形部)中的方位整体速度引起、至少促进具有(稍微)不同的频率和衰减率的独立的声学顺时针(F)波和声学逆时针(G)波。

另一方面，方位变化的火焰响应特性会引起驻波解，其中，频率和衰减率取决于驻波的角度取向。

通常，燃烧器显示两种现象，这产生混合模式，即驻波行为和行波行为的组合。

方位特征模可以用两个复振幅来完整地描述。方位特征模的振幅以模式阶次m控制围绕周向的两个独立谐波基函数的贡献。

为了预测最低衰减率将会过零从而导致指数增长的时刻，监控两个特征模的混合将产生朝向稳定操作的偏置。为了更精确或更可靠的稳定裕度的确定，处于模式阶次m的两个特征模可以被分解并被单独考虑。

为此，可以进行测量的声学信号的模式分解。模式分解可以基于描述所考虑的模式阶次m的声场的特征向量基。提出了两种主要策略：(a)假设至少一个规定的或预定义的模态向量，诸如标准和/或已知向量；(b)通过(在线)识别系统来获取特征向量的估计。在一些实施方式中，可以执行策略(a)和(b)中的一者。可替选地，在一些实施方式中，可以组合策略(a)和(b)两者。

策略(a)主要遵循图1中的框图的外部回路，即沿着参考数字16-18-22-24的顺序。变型(a)的一个示例是分解纯行波中的信号。可以使用如下步骤将信号分解为顺时针行波和逆时针行波构建一个矩阵C，以陈述对于给定的行波振幅什么应该是传感器输出。

帽形标表示变量可能是分析型的，即复变量。针对两个传感器通道，现在可以使用C的倒数来发现分解的行波。

针对两个以上的传感器，可以使用Moore-Penrose伪逆法，产生最小二乘意义上的分解。

优选地，在傅立叶域中执行上述分解。通常在监控燃烧系统的硬件和/或软件时已经实施和优化快速傅立叶变换(Fast Fourier Transforms，FFT)。直接在频域中获得分解的波，在频域中，可以通过带通滤波器可视地分析模态峰值并将模态峰值与其它模式分离。与时域相比，在频域中，由于数据与振幅信息和相位信息一起供给，所以更容易获得每个传感器的更多信息。

在等式【3】中给出了基于平均模态振幅的前驱波的示例，该前驱波由具有N个时间步长的样本确定。

当激发声场的燃烧噪声R的强度是已知的或是估计的时，燃烧噪声R的强度可以用于定义下面的前驱波：

燃烧噪声R可以固定至合理的数量，或者在通过模式分析器设备进行仅输出模态识别时根据测量数据在线估计。等式【4】中针对前驱波定义的预期值随着相应行波的衰减率而单调递增。针对边缘稳定性，前驱波数值将归零。

可以针对不同的模态向量单独地监控基于模态振幅的前驱波的演化，优选地通过噪声水平R的估计进行标准化，这在所考虑的模式的频率附近激发系统。这里以行波为系统的基向量来解释模式分解器设备和稳定裕度确定设备的优选实现方式，但这些方法在基的任何变化下均适用，包括所有的驻波基和混合波基。

策略(b)主要遵循图1中较小的顺时针回路，即沿着参考数字16-20-24的顺序。变型(b)的示例可以涉及基于传感器信号的系统识别。通常，用于识别本文公开的热声系统的方法可以实践用于多种目的，包括但不限于用于确定稳定裕度。另外的应用包括确定模式形状以及特征频率或被动控制策略，以获得更稳定的系统。

使用的用于系统识别的模型结构是状态空间表示，其具有采用状态向量x的声学变量，例如行波和行波

x_n+1＝Ax_n+w_n

下标n表示以时间为单位的离散步长。仅输出模态识别方法可以估计矩阵A和随机扰动向量(stochastic forcing vector)w。状态空间模型全部可以通过随机子空间识别算法(Stochastic Subspace Identification，SSI)来识别。通过求解系统矩阵A的特征值问题来检索特征值λ和特征向量V，其中，w代表激发系统的噪声强度。特征值既包含衰减率又包含特征模的特征频率。当传感器噪声可以忽略时，可以利用残差w通过普通最小二乘法确定A。

可替选地或另外地，可以应用傅立叶域分解(Fourier Domain Decomposition，FDD)和拟合策略来仅估计特征向量。然后可以应用对这些特征向量的模式分解来获得特征模的动态振幅。这些模态振幅可以用于通过遵循策略(a)来发现前驱波，或者这些模态振幅可以反馈到模态分析器以发现其余的模态特性。

为了从模态振幅A中找出特征值，下面的模型被独立地用于所有的振幅：A_n+1＝λA_n+w_n【6】

可替选地，可以通过拟合模态振幅A的自相关函数包络发现衰减率。

(长)燃烧噪声扰动向量w的标准偏差给出了噪声强度R的估计。R的估计可用于如策略(a)中描述的稳定裕度确定设备中。

当对衰减率进行估计时，衰减率可以用作量化的稳定裕度。这个策略将最适合缓慢改变的系统参数，因为识别过程需要大量的数据集。基于模态振幅的前驱波(策略(a))可以被监控为可量化的测量以使用估计的衰减率(作为参考)来表示短期稳定性变化。

此外，识别可以提供关于系统参数的更多信息，这可以证明有助于采取正确的控制行动来管理系统的稳定裕度。例如，驻波的取向可以表明在什么引燃器处应该应用燃料分级以获得稳定裕度。此外，当已知关于火焰响应的足够信息时，可以借助于估计的特征频率来预测亚临界和超临界分叉点。例如，这可能是为了保持针对特定模式的更大或更小的稳定裕度的原因。

图3示出了分流(即非简并化)模式的顺时针波和逆时针波的示例性频谱。

图4示出了根据策略(a)使用等式【4】的应用至(环形)燃烧室中的(环形)热声系统的模拟数据的基于行波振幅和驻波振幅的前驱波(通常，在燃烧室中的任何热声系统的情况下，获得可比较的结果)。模型中的阻尼线性降低，使得最不稳定的模式在297秒后过零。其它参数以这样的方式固定，使得最不稳定的模式以位于混合区域。

应用指数为0.25s^-1的指数移动平均法(exponential>的值明显低于这可以通过2.6的振幅比来预期。一个驻波前驱波实际上示出相同的稳定裕度，由此可以推断该系统处于混合区域。上划线表示数量是基于有限的时间窗口进行估计的。

在一些实施方式中，可能优选的是，通过基于具有随机输入的状态空间模型结构来识别热声系统，获得模态特性。

图5示出了使用已识别的特征向量并与基于行波的分析的变型进行比较的应用于(例如环形)燃烧室中的(例如环形)热声系统的模拟数据的前驱波(已识别的特征模)。请注意，这是策略(a)和策略(b)的组合。等式【4】再次定义了前驱波，但模态的基被认为是识别的特征向量。上划线表示数量是基于有限的时间窗口进行估计的。特征向量的系统识别应用于时间序列的前半部分。使用这些向量，产生图5中的前驱波(D_v1、D_v2)。与行波解(D_f、D_g)相比，两种模式(v1、v2)之间的差异变得更加明显，主要是增加了针对更稳定的特征模的稳定裕度估计。对于相同的阻尼，两个特征模导致前驱波的相同值，对于α_i＝-10s^-1，比较这表明，在本实施方式中，基于识别的特征向量的分解在使稳定裕度确定更加准确方面是成功的。只有在最不稳定模式的指数增长一定时间后，第二种模式也受到特征向量未完成的识别的影响。振幅的瞬时值给出关于稳定性的非常少的信息；而是可以给出系统状态的可靠量化的期望值(即长时间平均值)。必须在观察系统本身的随时间发展的平均时间和能力之间进行权衡。在较长时期的稳定操作中执行识别可以产生衰减率的估计(策略(b))，基于振幅的前驱波可以与衰减率的估计相关。

在这个特定的示例中，使用行波的预定义基并且使用识别的特征向量的基的分解针对作为感兴趣的模式的最不稳定模式产生大致相同的前驱波结果。然而，根据系统，情况不一定如此。基于正确识别的向量基的前驱波将产生最好的结果。如果这是不可获得的，则可以将驻波和行波分解的最低前驱波作为系统的稳定裕度。

图6示出了遵循策略(b)后的作为稳定裕度的估计衰减率。衰减率的估计值非常接近理论值α。由于热声系统的动态参数变化缓慢，因此可以获得适当的衰减率估计。在这种情况下，其优选的前驱波，因为数量具有物理意义。