Browse Prior Art Database

Vermeidung von Durchbrüchen und Abplatzungen von keramischen Hitzeschildplatten in Ringbrennkammern von Gasturbinen durch phasenversetzte Ansteuerung

IP.com Disclosure Number: IPCOM000202430D
Original Publication Date: 2010-Dec-15
Included in the Prior Art Database: 2010-Dec-15
Document File: 2 page(s) / 203K

Publishing Venue

Siemens

Related People

Juergen Carstens: CONTACT

Abstract

In Brennkammern von Gasturbinen herrschen betriebsbedingt relativ hohe Temperaturen. Durch thermoakustische Ereignisse in derartigen Brennkammern kann es zu Schwingungszuständen kommen, die hohe Kräfte zwischen Hitzeschilden und Gehäuse hervorrufen. Durch diese Kräfte kann es zu Schwingungen zwischen Gehäuse und Hitzeschild kommen. Diese Schwingungen können zum Bruch des Hitzeschildes führen, welches wiederum zu massiven Schäden in der Turbine führen kann. Diese Problematik ist besonders stark in den Ringbrennkammern ausgeprägt, die hauptsächlich mir keramischen Hitzeschilden ausgekleidet sind. Zur Lösung dieser Problematik wird nun vorgeschlagen, die Schwingungen und Kräfte der einzelnen Hitzeschildplatten oder Hitzeschildplattengruppen elektronisch zu analysieren und mittels eines elektromagnetisch-mechanischen Mechanismus nach Analyse der Messdaten den Schwingungen entgegenzuwirken. Bei dieser dynamischen Reaktion auf Schwingungs- oder Kraftzustände von Hitzeschildplatten mit elektromagnetischen Gegenkräften wird das Messsignal, also die Kraft auf die Platten, elektronisch verarbeitet und es wird somit versucht, optimale Gegenkräfte zu erzeugen. Im Idealfall ist somit die resultierende Bewegung der Platte null (siehe Abbildung 1). Dies stellt einen Regelmechanismus dar. Allerdings wird hier angenommen, dass gewisse Regelmäßigkeiten in dem auftretenden Schwingungsverhalten auftreten. Diese Regelmäßigkeiten können von Lernalgorithmen im laufenden Betrieb verstanden werden und somit kann eine optimale Regelung im laufenden Betrieb stattfinden. Hierbei kann für jede individuelle Platte oder Plattengruppe auch die Information von den Platten aus der Umgebung mit berücksichtigt werden. Die hier verwendeten Machine Learning (ML) Verfahren können entweder mit einem vom Benutzer definierten Modell arbeiten oder mit allgemeinen neuronalen Netzwerkmodellen arbeiten.

This text was extracted from a PDF file.
This is the abbreviated version, containing approximately 51% of the total text.

Page 01 of 2

(This page contains 01 pictures or other non-text object)

(This page contains 00 pictures or other non-text object)

Vermeidung von Durchbrüchen und Abplatzungen von keramischen Hitzeschildplatten in Ringbrennkammern von Gasturbinen durch phasenversetzte Ansteuerung

Idee: Michael Clossen-von Lanken Schulz, DE-Mülheim; Dr. Kai Kadau, DE-Mülheim; Stefan
Obermayr, DE-Mülheim

In Brennkammern von Gasturbinen herrschen betriebsbedingt relativ hohe Temperaturen. Durch thermoakustische Ereignisse in derartigen Brennkammern kann es zu Schwingungszuständen kommen, die hohe Kräfte zwischen Hitzeschilden und Gehäuse hervorrufen. Durch diese Kräfte kann es zu Schwingungen zwischen Gehäuse und Hitzeschild kommen. Diese Schwingungen können zum Bruch des Hitzeschildes führen, welches wiederum zu massiven Schäden in der Turbine führen kann. Diese Problematik ist besonders stark in den Ringbrennkammern ausgeprägt, die hauptsächlich mir keramischen Hitzeschilden ausgekleidet sind.

Zur Lösung dieser Problematik wird nun vorgeschlagen, die Schwingungen und Kräfte der einzelnen Hitzeschildplatten oder Hitzeschildplattengruppen elektronisch zu analysieren und mittels eines elektromagnetisch-mechanischen Mechanismus nach Analyse der Messdaten den Schwingungen entgegenzuwirken. Bei dieser dynamischen Reaktion auf Schwingungs- oder Kraftzustände von Hitzeschildplatten mit elektromagnetischen Gegenkräften wird das Messsignal, also die Kraft auf die Platten, elektronisch verarbeitet und es wird somit versucht, optimale Gegenkräfte zu erzeugen. Im Idealfall ist somit die resultierende Bewegung der Platte null (siehe Abbildung 1). Dies stellt einen Regelmechanismus dar. Allerdings wird hier angenommen, dass gewisse Regelmäßigkeiten in dem auftretenden Schwingungsverhalten auftreten. Diese Regelmäßigkeiten können von Lernalgorithmen im laufenden Betrieb verstanden werden und somit kann eine optimale Regelung im laufenden Betrieb stattfinden. Hierbei kann für jede individuelle Platte oder Plattengruppe auch die Information von den Platten aus der Umgebung mit berücksichtigt werden. Die hier verwendeten Machine Learning (ML) Verfahren können entweder mit einem vom Benutzer definierten Modell arbeiten oder mit allgemeinen neuronalen Netzwerkmodellen arbeiten.

Abbildung 1 zeigt ein Ausführungsbeispiel. Darin findet eine aktive Dämpfung von Hitzeschildplatten durch das Messen von Induktionsspannungen und ein entsprechendes Aufprägen von Strömen statt, um die Kräfte zwischen Platte und Gehäuse zu kompensieren. Darin wird Spule 1 (rot) mit konstanter Spannung beaufschlagt und verhält sich wie ein Permanentmagnet. Spule 2 (o...