Bayesianskt nätverk i ett system för övervakning av en gasturbin (aw)

Bakgrund:
SIEMENS i Finspång tillverkar gasturbiner i effektområdet 15 ¿ 45 MW vilka används både för elgenerering och mekanisk drivning av exempelvis en gaskompressor.Huvudkontoret för DDIT AB (dotterbolag till SIEMENS) i Sverige är beläget i Finspång i norra Östergötland. Verksamheten omfattar utveckling, tillverkning och leverans av komponenter och kompletta anläggningar för kraft- och värmeproduktion. Produktprogrammet omfattar avancerade ång- och gasturbiner för kraftgenerering, drivning av kompressorer och pumpar samt marina framdrivningssystem och offshore-applikationer.

I gasturbinen sker under drifttiden förändringar som på olika sätt påverkar prestanda och som genom mätsystemet visar sig som förändrade temperatur- och trycknivåer. Förändringarna beror på flera olika saker såsom slitage och försmutsning som är normala, men även på onormala och direkt felaktiga driftbetingelser.
Intresset för att kunna övervaka dessa förändringar i gasturbinen har ökat starkt bland kunder men även för oss som tillverkare finns ett stort intresse för ett sådant system. Intresset grundar sig framförallt på att om man känner till förändringar som sker i gasturbinen kan man på ett mer optimalt sätt bestämma underhållet. Förhoppningsvis ökar också chansen att kunna förutse stora förändringar vilka kan, om de ej åtgärdas, leda till haverier.
Ett projekt i Finspång har startat med att ta fram ett sk. Condition Monitoring.

System CMS, där avsikten är just att övervaka gasturbinen och upptäcka förändringar. Detta system är uppbyggt med ett mätsystem varifrån olika mätsignaler skickas till ett programpaket som utvärderar dessa signaler. En svårighet
är dock att särskilja om det är ett fel i mätkedjan eller om det är en verklig förändring i en komponent som ger en skillnad vid utvärdering. Det är för denna analys som det vore intressant att undersöka om Bayesianska nätverk kan vara ett lämpligt verktyg.

Syfte:
Syftet med examensarbetet är att undersöka hur Bayesianska nätverk kan användas i ett övervakningssystem för en gasturbin. En del av gasturbinen väljs ut och en diagnostik med Bayesianska nätverk byggs upp kring den. Målet med diagnostiken är att kunna detektera och isolera ett antal fel i en turbin och dess sensorer. Diagnostiken testas med data från verkliga gasturbiner där resultaten ska kunna användas för vidareutveckling och implementering.

Lämplig bakgrund/intresse:
Intresse för energisystem och speciellt gasturbiner är lämplig bakgrund. Nyfikenhet på nya metoder och intresse för datorer samt programmering är också lämpligt. Omfattningen på arbetet gör att det passar för en person.