| Revista: | Respuestas |
| Base de datos: | PERIÓDICA |
| Número de sistema: | 000444176 |
| ISSN: | 2422-5053 |
| Autores: | Cárdenas Escorcia, Yulineth1 Valencia Ochoa, Guillermo1 Campos Avella, Juan1 |
| Instituciones: | 1Universidad del Atlántico, Barranquilla, Atlántico. Colombia |
| Año: | 2020 |
| Periodo: | Ene-Abr |
| Volumen: | 25 |
| Número: | 1 |
| Paginación: | 15-24 |
| País: | Colombia |
| Idioma: | Inglés |
| Tipo de documento: | Artículo |
| Enfoque: | Aplicado, descriptivo |
| Resumen en español | Este artículo describe la combinación de técnicas estadísticas y modelos matemáticos para desarrollar un sistema de detección de fallas en un motor de gas natural de 2 MW bajo condiciones reales de operación. La cámara de mezcla, los turbocompresores, los múltiples de admisión y escape, los cilindros, las válvulas throttle, bypass y el generador eléctrico, que son los principales componentes del motor de gas, fueron estudiados bajo un motor de valor medio para complementar el análisis estadístico. El objetivo principal de este trabajo es integrar dos enfoques para relacionar los fallos con los cambios de los valores medios termodinámicos del sistema, ayudando a mantener el motor en condiciones óptimas de funcionamiento en términos de confiabilidad. El Análisis de Componentes Principales (PCA), una técnica estadística multivariante de detección de fallas, se utilizó para analizar los datos históricos del motor a gas para detectar condiciones anormales de operación, por medio de indicadores estadísticos tales como el Error de Predicción Cuadrado (SPE) y T2. Estas condiciones anormales de operación se categorizan mediante técnicas de clústeres y diagramas de contribuciones, para luego examinar sus causas con el apoyo de los resultados de un modelo matemático de valor medio propuesto para el sistema. La integración de los métodos propuestos permitió identificar satisfactoriamente qué componente o componentes del motor podrían estar funcionando mal. Una vez combinados, estos dos métodos fueron capaces de predecir e identificar con precisión las fallas, así como las paradas del motor de gas durante un mes de funcionamiento. Se utilizó el análisis estadístico para detectar fallas en un motor de gas industrial de 2 MW, también se comparó el resultado con un modelo de valor medio para detectar variaciones de las propiedades termodinámicas del sistema en condiciones anormales |
| Resumen en inglés | This paper describes the combination of statistical techniques and mathematical modeling in order to developed a fault detection system in a 2 MW natural gas engine under actual operation conditions. The Mixing chamber, turbochargers, intake and exhaust manifolds, cylinders, throttle and bypass valves, and the electric generator, which are the main components of the gas engine, were studied under a mean value engine to complement the statistical analysis. Objective: The main objective of this paper is to integrate two approaches in order to relate the faults with the changes of mean thermodynamic values of the system, helping to sustain the engine in optimal operating conditions in terms of reliability. The Principal Component Analysis (PCA), a multivariate statistical fault detection technique, was used to analyze the historical data from the gas engine to detect abnormal operation conditions, by means of statistical measures such as Square Prediction Error (SPE) and T2. These abnormal operation conditions are categorized using cluster techniques and contributions plots, to later examine its causes with the support of the results of a mean value mathematical model proposed for the system. The integration of the proposed methods allowed successfully identify which component or components of the engine might be malfunctioning. Once combined, these two methods were able to accurately predict and identify faults as well as shut downs of the gas engine during a month of operation. Statistical analysis was used to detect faults on a 2 MW industrial gas engine, also the result were compared with a mean value model in order to detect variations of the thermodynamic properties of the system at abnormal conditions |
| Disciplinas: | Ingeniería |
| Palabras clave: | Ingeniería mecánica, Motores a gas, Detección de fallas, Modelos termodinámicos, Análisis de componentes principales |
| Keyword: | Mechanical engineering, Gas engines, Fault detection, Thermodynamic models, Principal component analysis |
| Texto completo: | https://revistas.ufps.edu.co/index.php/respuestas/article/view/2401/2997 |
