蒸汽輪機自1884年被發明以來,使得工業世界不停地運轉。被稱為理想發動機的蒸汽輪機之所以能夠迅速地取代蒸汽機的地位,全憑其能夠以更高的效率將熱能轉換為動能,然后再將動能轉換為電能。此外,它們的旋轉功能也成為驅動發電機發電的最主要動力來源。

    蒸汽輪機目前的發電量占全球發電量的80%,而且預計將來也會保持這一良好態勢。但鑒于能源市場的不斷變化,經濟與環境對高效率和低二氧化碳排放量需求而造成的壓力,蒸汽輪機的性能需要在設計和優化階段進行嚴格的審查。對制造商與發電運營商來說,從可用能源中最大限度地掘取電力才是首要目標。

制勝電力競賽

    現代蒸汽輪機相比早期蒸汽輪機面臨著更大的壓力。蒸汽輪機進入運行狀態進入越快,其能夠發出的電力就越多。這樣的快速啟動將給輪機帶來巨大的熱應力,因為溫度會在不到一個小時的時間內上升數百度。在過去,供電商在啟動階段總是不緊不慢,通常一次啟動可能會花上4個多小時,由此產生的應力也會低得多。現今的發電運營商則需要大幅縮短啟動時間來最大限度地增加發電量并提高效率。

    此外,過去的發電廠能夠長時間連續不斷地運行,而現代電廠和負責驅動發電機的蒸汽輪機則需要適應如下不斷變化的運行條件:供應峰值用電的發電廠需要在用電高峰時段提高輸電能力,然后回歸日常水平;燃氣—蒸汽聯合循環發電廠(CCPP)需要在其同時采用的燃氣輪機與蒸汽輪機兩種能源之間定期轉換;為可持續能源提供后備電源的發電廠需要在天氣狀況發生變化時迅速聯機。

    由于這些可變的運行條件,瞬態事件已成為常見現象。非常規運行,比如兩班制運行或者負荷跟蹤運行,也成為常見現象。瑞士Alstom Power公司項目經理Andreas Ehrsam表示:“蒸汽輪機必須能夠快速啟動,并以迅速、可預測的方式對負荷變化做出積極響應,同時還應能夠承受這些運行條件下的內在壓力。對于現代發電廠和我們的工程團隊來說,這些都是關鍵性的技術挑戰。”Ehrsam同時還表示:“新一代CCPP蒸汽輪機的熱啟動目標是不及30分鐘。”Alstom Power在設計和制造蒸汽輪機方面已有上百年的經驗,不斷尋求能最大限度地提高渦輪機性能和發電量的途徑,一直為全球25%的發電廠供應主要設備。

    簡單來說,蒸汽輪機的轉子是由成行的旋轉葉片構成的,其能夠捕獲從葉片行間的固定噴嘴中噴出的高速蒸汽所含的能量。在蒸汽輪機運行過程中的瞬態事件中,熱應力的出現會導致高疲勞負荷,而且這些應力在厚壁組件中特別明顯。與此同時,高溫下的常規運行也會造成渦輪機承受蠕變負荷。蠕變負荷和疲勞負荷相結合,長時間地給渦輪帶來應力,最終可導致裂紋的萌生和發展,從而縮短渦輪機的壽命。

啟動仿真的自動化

    Alstom Power在優化蒸汽輪機的啟動流程已有多年的歷史。他們之所以采用Abaqus FEA,是因為其具有強大的熱機械模擬功能。在此之前,Alstom Power的早期優化分析都是基于有限差分編碼和簡化的組件模型。在采用FEA后,Alstom的工程人員會首先根據一系列預定義的流程參數,來推算出整個啟動仿真的瞬態熱邊界條件。隨后他們會執行有限元分析來對這些熱邊界條件進行驗證。這種順序執行的方法需要反復進行多次(而且是費時費力的手工流程),才能計算出理想的流程參數。

    基于對更高的運行靈活性和更準確的建模的需要,Ehrsam的工程團隊選擇了Abaqus的自動化功能,進而避開了費時的反復模擬流程。為實現優化的自動化,該團隊開發出了一個能夠將Abaqus與Alstom內部使用Python開發的熱動態代碼相互連接的設計工具。Python是Abaqus內核腳本界面的腳本語言。據Ehrsam稱,該解決方案“可以實現我們的專有代碼和Abaqus/CAE之間直接、輕松的溝通。”最終開發出的工具能夠根據實時熱應力確定理想的瞬態熱邊界條件,并且把通過使用反饋控制算法搜索出理想的流程參數的過程給自動化。Ehrsam還補充道:“有了該工具可以避免進行以前必需的大量反復手工運算,從而實現了效率更高的流程。”

    該自動化仿真的操作方法如下:Abaqus調用一個子程序來將熱邊界條件應用到渦輪機轉子的模型上。然后Abaqus將查詢Alstom的熱動力程序,找出第一步的熱邊界條件。在此輸入基礎上,由Abaqus完成熱機械分析。為了計算下一步的熱邊界條件,Abaqus將從輸出數據庫中抽取關鍵位置的實際應力,調用控制算法來確認理想的質量流量,根據該信息查詢Alstom代碼以了解熱邊界條件,最終執行熱機械分析。該計算環路會每步重復,時間根據應用從10秒到60秒不等,然后將計算得出的關鍵位置的應力與材料的應力限制進行比較,同時還需確保質量流量接近但不超過應力限值。

自動化取代反復仿真

    為了讓該工具投入實用,Alstom Power選擇模擬蒸汽輪機轉子在典型的60分鐘啟動過程中的情況。他們將Abaqus用于以下多個步驟:預處理;創建和網格簡單零部件的2D模型,比如軸對稱轉子模型;使用Python腳本對自動化進行優化。隨后在CATIA V5中創建更為復雜的3D模型,然后根據應用,使用CATIA V5 Associative Interface for Abaqus或者CATIA V5的導入功能完成導入。團隊隨后使用Abaqus進行模型的網格化,然后完成轉子的有限元分析。質量流量控制和自動化的時間被設定為60秒。

    為啟動仿真,Ehrsam的團隊對啟動之前組件的初始溫度分布進行了建模。首先,渦輪機需被加速到額定速度,以與電網同步。隨后,在60分鐘的啟動過程中,團隊將對負荷梯度進行優化,讓轉子溫度最高部分的最大應力恰好低于轉子材料(見圖1)的材料應力限值,直到最終實現基本負荷下的穩態溫度分布(見圖2)。該自動優化可在標準的工程PC上運行,自動優化的過程需要大約16分鐘。雖然早期的手工計算每次大約只需要自動優化運行時間的三分之一,但前者需要消耗更長的設置時間,因為它們基于的估算需要每次運行時進行手工調整。

    Ehrsam表示:“該自動化流程使得我們能夠在不超出應力限值的情況下確定最快的啟動參數和流程。”這將導致需要根據整體形變和熱流情況對轉子溝槽進行調整。Ehrsam還表示:“將順序法與自動化方法相比較,使用自動化工具體現出可節省時間和改善精度的兩大優勢。”使用以前的手工方法完成啟動優化需要大約10個工作日。而采用新工具后,時間則縮短為5個工作日。Alstom Power團隊根據以往的流程對自動化分析進行了驗證,發現結果數據間有著良好的一致性。

實現最大發電量

    流程自動化的優勢促使Alstom Power開始測試Isight的使用,因為Isight能夠幫助他們更加深入地進行渦輪機設計方面的研究工作。Ehrsam稱:“在發電行業,效率的微小進步即可每年節省數百萬美元的燃料成本。”由于能夠帶來如此大規模的節省,同時使用仿真和優化還能使渦輪機實現最大發電量,因此這些對于未來的發電廠來說,將具有越來越重要的意義。
 

圖1(左):在60分鐘的啟動過程中轉子模型的非定態溫度分布。圖2(右):轉子模型在基本負荷下的穩態溫度分布。圖片經由阿爾斯通提供