CN107066424B - 用于确定操作涡轮机的风险的系统与方法 - Google Patents
用于确定操作涡轮机的风险的系统与方法 Download PDFInfo
- Publication number
- CN107066424B CN107066424B CN201610918195.7A CN201610918195A CN107066424B CN 107066424 B CN107066424 B CN 107066424B CN 201610918195 A CN201610918195 A CN 201610918195A CN 107066424 B CN107066424 B CN 107066424B
- Authority
- CN
- China
- Prior art keywords
- risk
- historical
- turbine
- determining
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 230000009471 action Effects 0.000 claims description 23
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 14
- 238000003909 pattern recognition Methods 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000002485 combustion reaction Methods 0.000 claims description 11
- 230000006835 compression Effects 0.000 claims description 7
- 238000007906 compression Methods 0.000 claims description 7
- 239000000356 contaminant Substances 0.000 claims description 6
- 230000003247 decreasing effect Effects 0.000 claims description 6
- 239000000428 dust Substances 0.000 claims description 6
- 230000002547 anomalous effect Effects 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 5
- 230000015556 catabolic process Effects 0.000 claims description 4
- 238000006731 degradation reaction Methods 0.000 claims description 4
- 230000000116 mitigating effect Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 15
- 230000002159 abnormal effect Effects 0.000 description 11
- 238000004458 analytical method Methods 0.000 description 10
- 230000015572 biosynthetic process Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 230000006866 deterioration Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M15/00—Testing of engines
- G01M15/14—Testing gas-turbine engines or jet-propulsion engines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
Abstract
本公开的发明名称是“用于确定操作涡轮机的风险的系统与方法”。用于确定对于操作涡轮机的风险的系统与方法被提供。依据本公开的一个实施例,一种方法可包括由至少一个处理器从储存库接收与一队涡轮机相关联的历史风险简档数据。所述方法也能够包括接收涡轮机要在其中被操作的环境的周围条件。至少部分地基于所述历史风险简档数据并鉴于所述周围条件,能够形成对于至少一个已知操作简档的至少一个风险阈值。所述方法可继续以确定对于所述至少一个已知操作简档的所述至少一个风险阈值被达到。至少部分地基于所述至少一个风险阈值被达到的确定,与所述涡轮机相关联的减轻动作能够被采取。
Description
技术领域
本公开一般涉及涡轮机(turbomachine),且更特定地涉及确定对于操作涡轮机的风险。
背景技术
周围(ambient)条件对涡轮机的可操作性以及可靠性产生重大影响。某些周围条件可造成对于涡轮机的操作的问题,诸如,例如在入口导向叶片(inlet guide vane)上的冰构成(formation)、贫油熄火(lean blow out)、高动态(high dynamics)、排放、恶化等等。这些问题可使得涡轮机操作变得不可靠、引起差错(trip)、并且甚至引起对涡轮机的物理损坏。例如,在寒冷天气下,冰能够形成在入口导向叶片上。冰能够脱落、向下游行进至压缩机中,并引起重大损坏。另一个示例涉及能够在季节性温度改变期间发生的周围温度中的突然改变。当周围温度突然降低时,由于涡轮机被调谐成在更加温暖的环境中操作,且不能够在更加寒冷的环境中操作,所以涡轮机能经历可操作性问题。
常规地,由周围条件引起的操作问题在它们出现时被解决。因而,为了防止冰损坏,可分析实时温度数据,且如果冰构成条件存在,则穿过压缩机行进的空气能够被引导以加热压缩机的入口。然而,入口排出热量(IBH)的过度应用能够导致涡轮机的性能中的减退。此外,在一些情况中,采用IBH,冰构成仍然能够发生。
能够处置变化的天气条件的稳健(robust)设计已经被用来避免由周围条件引起的操作问题。然而,由于它们的稳健性,这些设计可能无法针对性能和成本被优化。
发明内容
本公开涉及用于确定操作涡轮机的风险的系统与方法。依据本公开的一个实施例,提供了一种系统。所述系统能够包括储存库(repository)以及与所述储存库通信耦合的至少一个计算机处理器。所述储存库能够配置成存储与一队涡轮机相关联的历史风险简档(profile)数据。所述计算机处理器能够配置成从所述储存库接收所述历史风险简档数据。所述历史风险简档数据能够包括历史失效以及对应的历史周围条件。所述计算机处理器能够进一步配置成接收涡轮机要在其中被操作的环境的周围条件。所述周围条件能够包括检测的或预测的天气数据,具体是,大气数据、空气组成、空气微粒、温度、湿度、压力等等。所述计算机处理器能够进一步配置成鉴于所述周围条件至少部分地基于所述历史风险简档数据,形成对于至少一个已知操作简档的至少一个风险阈值。所述涡轮机的所述至少一个已知操作简档能够包括瞬时(transient)操作、所述涡轮机的负载(load)、入口导向叶片角度、入口温度、入口湿度、以及入口露点(dew point)。所述计算机处理器能够确定对于所述至少一个已知操作简档的所述至少一个风险阈值被达到。基于所述确定,所述计算机处理器能够引起动作被采取来避免或减轻与风险相关的异常事件。此外,所述系统能够包括在场监视器,其配置成监视与所述至少一个已知操作简档相关联的所述涡轮机的操作数据,并将所述操作数据发送到所述处理器。
在本公开的另一个实施例中,提供了一种方法。所述方法可包括通过计算机处理器从储存库接收与一队涡轮机相关联的历史风险简档数据。所述方法还可包括接收涡轮机要在其中被操作的环境的周围条件。至少部分地基于所述历史风险简档数据并鉴于所述周围条件,对于至少一个已知操作简档的至少一个风险阈值能够被形成。所述风险阈值的形成能够包含使用统计技术聚类(cluster)风险事件。所述方法还可包括确定对于所述至少一个已知操作简档的所述至少一个风险阈值被达到。所述确定能够指示在所述涡轮机的一个或更多入口导向叶片(IGV)上的结冰、由大气尘埃引起的恶化、由腐蚀性污染物引起的损坏、贫油熄火、高燃烧动态(high combustion dynamics)、或过度排放。所述确定能够包括使用通过所述历史风险简档数据的子集所解析的模式识别算法来将所述至少一个已知操作简档的特性(signature)与所述风险简档数据的特性进行匹配。所述模式识别算法能够包括以下中的至少一个:动态时间规整、基于类似性的建模、以及高斯混合。所述方法还可包括基于所述确定引起动作被采取。所述动作能够包括对IGV应用排出热量、提高斜升(ramp-up)速度、降低所述斜升速度、确定对于线上水洗的最佳时间、确定对于线下水洗的最佳时间、确定燃烧系统的重调谐的必要性、湿压缩(wet compressing)、手动控制斜升周期期间的排出热量、或最佳操作时间。另外,所述方法可包括减轻与风险相关联的异常事件。
在本公开还有的另一个实施例中,提供了一种进一步的方法。所述进一步的方法能够包括通过处理器从储存库接收与一队涡轮机相关联的历史风险简档数据。所述历史风险简档数据包括历史失效以及对应的历史周围条件。所述方法还可包括接收涡轮机要在其中被操作的环境的周围条件。所述周围条件包括大气数据、温度、湿度、和/或压力。通过使用统计技术聚类风险事件,对于至少一个已知操作简档的至少一个风险阈值能够至少部分地基于所述历史风险简档数据并鉴于所述周围条件而被形成。所述方法还可包括确定对于所述至少一个已知操作简档的所述至少一个风险阈值被达到。所述方法还可包括基于所述确定迫使动作被采取,以及实现至少一个推荐来减轻与风险相关联的异常事件。
本公开由此提供以下技术方案:
技术方案1. 一种用于确定对于操作涡轮机的风险的方法,所述方法包括:
由处理器从储存库接收与一队涡轮机相关联的历史风险简档数据;
由处理器接收涡轮机要在其中被操作的环境的周围条件;
由处理器鉴于所述周围条件至少部分地基于所述历史风险简档数据来形成对于至少一个已知操作简档的至少一个风险阈值;
确定对于所述至少一个已知操作简档的所述至少一个风险阈值被达到;以及
至少部分地基于所述至少一个风险阈值被达到的确定,迫使与所述涡轮机相关联的动作被采取。
技术方案2. 如技术方案1所述的方法,进一步包括减轻与所述风险相关联的异常事件。
技术方案3. 如技术方案1所述的方法,其中所述形成所述至少一个风险阈值包括使用统计技术聚类风险事件。
技术方案4. 如技术方案1所述的方法,其中所述确定所述至少一个风险阈值被达到包括:将所述至少一个已知操作简档的特性和所述风险简档数据的特性进行匹配。
技术方案5. 如技术方案4所述的方法,其中所述确定所述至少一个风险阈值被达到包括:使用通过所述历史风险简档数据的子集所解析的模式识别算法。
技术方案6. 如技术方案5所述的方法,其中所述模式识别算法包括以下中的至少一个:动态时间规整、基于类似性的建模、以及高斯混合。
技术方案7. 如技术方案1所述的方法,其中所述历史风险简档数据包括历史失效以及对应的历史周围条件。
技术方案8. 如技术方案1所述的方法,其中所述确定所述至少一个风险阈值被达到指示以下事件中的至少一个:在所述涡轮机的一个或更多入口导向叶片(IGV)上的结冰、由大气灰尘引起的恶化、由腐蚀性污染物引起的损坏、贫油熄火、高燃烧动态、或过度排放。
技术方案9. 如技术方案1所述的方法,其中要被采取的所述动作包括以下中的至少一个:对IGV应用排出热量、提高斜升速度、降低所述斜升速度、确定对于线上水洗的最佳时间、确定对于线下水洗的最佳时间、确定燃烧系统的重调谐的必要性、湿压缩、手动控制斜升周期期间的排出热量、或最佳操作时间。
技术方案10. 如技术方案1所述的方法,其中所述涡轮机的所述至少一个已知操作简档包括以下中的至少一个:瞬时操作、所述涡轮机的负载、IGV角度、入口温度、入口湿度、或入口露点。
技术方案11. 如技术方案1所述的方法,其中所述周围条件包括天气数据。
技术方案12. 如技术方案11所述的方法,其中所述天气数据包括以下中的至少一个:大气数据、空气组成、空气微粒、温度、湿度、或压力。
技术方案13. 如技术方案11所述的方法,其中所述天气数据包括检测的天气数据或预测的天气数据。
技术方案14. 如技术方案1所述的方法,其中所述历史风险简档数据以发电厂级别被收集且被存储在所述储存库中。
技术方案15. 一种用于确定对于操作涡轮机的风险的系统,所述系统包括:
储存库,配置成存储与一队涡轮机相关联的历史风险简档数据;
处理器,与所述储存库相通信,且配置成:
接收所述历史风险简档数据;
接收涡轮机要在其中被操作的环境的周围条件;
鉴于所述周围条件至少部分地基于所述历史风险简档数据来形成对于至少一个已知操作简档的至少一个风险阈值;
确定对于所述至少一个已知操作简档的所述至少一个风险阈值被达到;以及
基于所述至少一个风险阈值被达到的确定,迫使与所述涡轮机相关联的动作被采取。
技术方案16. 如技术方案15所述的系统,进一步包括在场监视器,所述在场监视器配置成监视与所述至少一个已知操作简档相关联的所述涡轮机的操作数据,并将所述操作数据发送到所述处理器。
技术方案17. 如技术方案15所述的系统,其中所述确定所述至少一个风险阈值被达到包括:使用通过所述历史风险简档数据的子集所解析的模式识别算法将所述至少一个已知操作简档的特性和所述风险简档数据的特性进行匹配,所述模式识别算法包括以下中的至少一个:动态时间规整、基于类似性的建模、以及高斯混合。
技术方案18. 如技术方案15所述的系统,其中所述至少一个风险阈值关联于以下中的至少一个:所述涡轮机的入口导向叶片(IGV)上的结冰、由大气灰尘引起的恶化、由腐蚀性污染物引起的损坏、贫油熄火、高燃烧动态、以及过度排放。
技术方案19. 如技术方案15所述的系统,其中要被采取的所述动作包括以下中的至少一个:对IGV应用排出热量、提高斜升速度、降低所述斜升速度、确定对于线上水洗的最佳时间、确定对于线下水洗的最佳时间、确定燃烧系统的重调谐的必要性、湿压缩、手动控制斜升周期期间的排出热量、和最佳操作时间。
技术方案20. 一种用于确定对于操作涡轮机的风险的方法,所述方法包括:
由处理器从储存库接收与一队涡轮机相关联的历史风险简档数据,其中所述历史风险简档数据包括历史失效以及对应的历史周围条件;
由所述处理器接收涡轮机要在其中被操作的环境的周围条件,其中所述周围条件包括以下中的至少一个:大气数据、温度、湿度、以及压力;
由所述处理器通过使用统计技术聚类风险事件,鉴于所述周围条件至少部分地基于所述历史风险简档数据来形成对于至少一个已知操作简档的至少一个风险阈值;
由所述处理器确定对于所述至少一个已知操作简档的所述至少一个风险阈值被达到;
基于所述至少一个风险阈值被达到的确定,迫使与所述涡轮机相关联的动作被采取;以及
实现至少一个推荐来减轻与所述风险相关联的异常事件。
从结合以下的图进行的以下描述,本公开的其它实施例以及方面将变得显而易见。
附图说明
图1是示出适合于实现用于确定操作涡轮机的风险的系统与方法的示例环境的框图。
图2是示出依照本公开的一些示例实施例的、基于历史风险简档数据所识别的天气风险状况(regime)的图。
图3是示出依照某些实施例的、用于确定操作涡轮机的风险的系统的各种模块的框图。
图4是示出依照本公开的一些示例实施例的、用于确定操作涡轮机的风险的方法的过程流程图。
图5是示出依照本公开的一些示例实施例的、针对操作简档参数以及周围条件参数的风险事件的绘图。
图6是示出依照本公开的一些示例实施例的、配置成控制用于确定操作涡轮机的风险的系统的示例控制器的框图。
具体实施方式
本公开的示例实施例将参照附图在下文中更加全面地被描述,在附图中示出一些但不是所有的实施例。事实上,本公开可以许多不同形式被实施,且不应当被解释为受限于本文中所阐明的实施例;反而,这些实施例被提供,使得该公开将满足可应用的法定要求。相似的数字在各处指代相似的(但不一定是相同的或同样的)元件。
本文中描述的本公开的某些实施例涉及用于检测操作涡轮机的风险的系统与方法。具体来说,用于确定操作涡轮机的风险的系统可基于关于过往事件或事故的数据来提供精确且细粒度的(granular)风险定义和分析。历史风险简档数据可以发电厂级别从一队涡轮机被收集。所收集的数据和涉及历史风险简档数据的天气数据一起能够被存储在储存库中。用于确定操作涡轮机的风险的系统能够接收历史风险简档数据和天气数据,并且对历史风险简档数据和天气进行分析,以形成鉴于周围条件的对于操作简档的风险阈值。
涡轮机可被监视以确定风险阈值是否已经被达到,并指挥操作,该操作有关于与涡轮机相关联的什么动作能够被采取以避免异常事件的风险。另外,用于操作涡轮机的系统可基于天气预报在异常事件发生之前对异常事件进行预测。用于操作涡轮机的系统可基于天气预报数据来模拟对于涡轮机的操作条件。能够使用分析来确定与依据天气预报的周围条件下的异常事件的风险相关联的操作简档。随后,安全的以及有风险的操作简档可例如经由与用于确定操作涡轮机的风险的系统相关联的用户接口来被提供给操作员(operator)。
本公开的某些实施例的技术效果可包括改善涡轮机的可靠性以及性能、避免涡轮机的入口导向叶片上的冰累积以及造成的压缩机损坏、减少差错的数量、以及优化水洗(water wash)实践。本公开的某些实施例的进一步技术效果可包括提供关于涡轮机中异常事件的数据,以改善新单元的机械和控制设计以及现有单元的升级。此外,本公开的某些实施例的技术效果可包括将涡轮机的排气(exhaust gas)保持在预定义的排放限制内。
以下提供涉及用于操作涡轮机的系统与方法的本公开的各种示例实施例的详细描述。现在参照图1,框图示出了依照本公开的一个或更多示例实施例的、适合于实现用于确定操作涡轮机110的风险的系统与方法的示例系统环境100。操作涡轮机的风险包括异常事件的发生的可能性,具体是,在涡轮机110的一个或更多入口导向叶片(IGV)上的结冰、由大气灰尘引起的恶化、由腐蚀性污染物引起的损坏、贫油熄火、高燃烧动态、过度排放等等。
在一些示例实施例中,涡轮机110可以是与发电厂相关联的队的部分,且可包括燃气涡轮。与涡轮机110相关联的操作数据以及与队中其它涡轮机相关联的操作数据可经由在场监视器120被传递到储存库130和/或分析单元160。
队数据140可在发电厂被收集,并被存储到储存库130。队数据140能够包括历史风险简档数据(例如,历史失效和对应的历史周围条件)。统计分析能够被应用到队数据140以识别天气风险状况150(见图2)。涉及天气风险状况150的队数据140可由分析单元160从储存库130被接收。
分析单元160也能够从一个或更多外部源来接收天气预报180。天气预报180能够提供与涡轮机110要在其中被操作的环境的周围条件有关的数据,具体是,大气数据、空气组成、空气微粒、周围温度、周围湿度、入口相对湿度、压力、压力降等等。在各种实施例中,天气预报180包括检测的天气数据或预测的天气数据。
使用天气风险状况150,分析单元160能够形成在依据天气预报180的周围条件中对于涡轮机110的操作简档的风险阈值。所述操作简档能够包括一个或更多瞬时操作、涡轮机的负载、IGV角度、入口温度、入口湿度、或入口露点等等。分析单元160能够确定对于所述操作简档中的一个或更多操作简档的风险阈值被达到。当分析单元160确定风险阈值被达到时,与涡轮机110相关联的一个或更多动作170可建议被采取。动作170可允许转变到另一个操作简档,或应用具体措施来减轻或消除冰构成、贫油熄火、过度排放等等。所述动作能够包括对IGV应用排出热量、提高斜升速度、降低斜升速度、确定对于线上水洗的最佳时间、确定对于线下水洗的最佳时间、确定燃烧系统的重调谐的必要性、湿压缩、手动控制斜升周期期间的排出热量、改善的操作时间以及诸如此类。
例如,周围条件能够指示涡轮机110在满是灰尘的环境中被操作。基于关于涡轮机操作条件的历史数据和信息,分析单元160能够确定对于涡轮机110的线上或线下水洗的最佳时间,并能够提前通知操作员关于那个时间。因而,线上或线下水洗能够被高效地计划并实现。
图2是表示依据本公开的一实施例的、基于某历史风险简档数据所识别的示例天气风险状况的图200。所述天气风险状况关于IGV角度220以及压缩机入口温度230来示出。常规风险状况宽松地被定义且是本质上二元的(有风险或没有风险)。因而,区域202示出不具有分级的常规风险状况,且只能够指示某个风险是否存在。相比之下,由用于确定操作涡轮机的风险的系统所定义的天气风险状况是细粒度的,且表示了风险度,该风险度范围从区域210示出的高风险到区域204示出的极低风险。区域206示出低风险,且区域208示出中等风险。风险的细粒度定义提供了由使用具体操作简档引起的影响的精确估计。例如,如果与区域204中极低风险相关联的操作简档在其它方面中是有益的,则这个操作简档仍然能够被使用。
应当被理解的是,由图2所示出的风险定义方案仅是示例。在各种实施例中,包括更多细粒度或更少细粒度的风险状况的风险定义方案能够被使用。
图3是示出依照某些实施例的、用于操作涡轮机的系统300的各种示例模块的框图。在一些示例实施例中,系统300能够包括储存库302、处理器304、以及在场监视器306。储存库302可包括与处理器304和在场监视器306相通信的至少一个数据库。处理器304可包括可编程处理器,诸如,例如微控制器、中央处理单元等等。在其它示例实施例中,处理器304可包括专用集成电路或可编程逻辑阵列,诸如现场可编程门控阵列,其被设计成实现被用于确定操作涡轮机的风险的系统300执行的功能。
在各种实施例中,系统300能够被配置成控制发电厂的操作的控制器来部署(deploy)。系统300能够驻留在发电厂的内部或外部。如果系统300驻留在发电厂的外部,则控制器可能够远程控制该系统。
储存库302能够配置成接收并存储与一队涡轮机相关联的历史风险简档数据。历史风险简档数据能够被在场监视器306和/或另外的在场监视器来提供。储存库302能够发送历史风险简档数据到处理器304。处理器304能够从储存库302接收历史风险简档数据。各种外部源能够被用来采集涡轮机在其中被操作的环境的周围条件。基于历史风险简档数据并鉴于所述周围条件,处理器304能够形成对于至少一个已知操作简档的至少一个风险阈值,并确定对于所述至少一个已知操作简档的所述至少一个风险阈值被达到。当处理器304确定风险阈值被达到时,处理器304能够引起动作被采取以解决风险。例如,处理器304可引起指示风险阈值被达到的警报、显示修改操作简档的请求等等。
在场监视器306能够与涡轮机通信。在场监视器306能够监视与所述至少一个已知操作简档相关联的涡轮机的操作数据,并将操作数据发送到处理器304。
图4描绘示出用于操作涡轮机的示例方法400的过程流程图。方法400可由处理逻辑来执行,处理逻辑可包括硬件(例如,专用逻辑、可编程逻辑、和微码)、软件(诸如运行在通用计算机系统或专用机器上的软件)、或二者的组合。在本公开的一个示例实施例中,处理逻辑驻留在处理器304,其能够是图6中示出的控制器600的部分。控制器600能够进而驻留在远程装置或服务器上。处理器304可包括处理逻辑。应当被本领域中普通技术人员领会到的是,据称要被控制器600执行的指令可事实上被一个或更多处理器检索并执行。控制器600也可包括存储卡、服务器、和/或计算机盘(disk)。尽管控制器600可配置成执行本文中描述的一个或更多步骤,但是其它控制单元可被利用同时仍然落在本公开的各种实施例的范畴之内。
如图4中所示,方法400可在操作402开始于接收与一队涡轮机相关联的历史风险简档数据。历史风险简档数据能够包括与关联于队中涡轮机中的一个或更多涡轮机的历史失效以及当所述历史失效发生时的历史周围条件有关的信息。所述历史失效能够包括由IGV上的冰构成所引起的对涡轮机的损坏、由贫油熄火所导致的差错、由腐蚀性污染物引起的损坏、由大气灰尘引起的恶化等等。
在操作404,与涡轮机相关联的周围条件(例如、大气数据、温度、湿度、压力)能够被接收。周围条件可以是在涡轮机的位置检测的实际条件。备选的是,周围条件可基于从天气预报组织或某个其它的源所接收的天气预报被预测。
在操作406,风险阈值能够鉴于周围条件来对已知操作简档形成。系统300可考虑已知被涡轮机经历的操作简档,例如,斜升、下降、操作在最大功率等等。关于已知操作简档的信息可与周围条件(例如,温度、湿度、压力等等)相组合。所组合的信息能够在统计上被分析以基于历史风险简档数据来形成风险阈值。该统计分析可使用历史风险简档数据来聚类与历史失效相关联的风险事件或以其它方式确定风险阈值。与风险状况以及对应周围条件中的对应操作简档相关联的风险事件的聚类能够基于风险事件的数量被识别为风险简档。状况风险阈值能够对于每一个风险简档被识别。
在操作408,处理器304可确定对于操作简档的风险阈值被达到。达到风险阈值可基于实际周围条件或基于预报的周围条件所模拟的条件。因而,处理器304可实时检测异常事件的风险,并预测在使用某些操作简档的情况中可出现的风险。例如,在依据具体操作简档来操作的涡轮机中冰构成的风险能够被识别为90%。
为了确定风险,能够将操作简档的特性和关联于历史风险简档数据的操作简档的特性进行匹配。此外,通过历史风险简档数据的子集所解析的模式识别算法可被应用来确定风险阈值被达到。在各种实施例中,模式识别算法能够包括动态时间规整(warping)、基于类似性的建模、高斯混合等等。
在操作410,基于风险阈值被达到的确定,处理器304可引起与涡轮机相关联的动作被采取。动作能够对于涡轮机的操作员来显示,例如,作为以下推荐:对IGV应用排出热量、提高斜升速度、降低斜升速度、考虑对于线上水洗或线下水洗的最佳时间、重调谐燃烧系统、使用湿压缩、手动控制斜升周期期间的排出热量、确定最佳操作时间等等。例如,处理器304能够预测如果涡轮机对于某一时间段被操作在相同操作简档下,则存在高级别的结冰风险。
在一些实施例中,当涡轮机遭受由于异常事件的损坏时,减轻与风险相关联的该异常事件的推荐能够自动被实现。因而,处理器304能够在IGV上的冰构成的高风险情况中自动改变涡轮机的操作简档。
图5是示出依照本公开的一个或更多示例实施例的示例风险事件的绘图500。绘图500示出基于关于IGV角度502以及压缩机入口温度504的历史数据的冰构成事件。基于冰构成事件的时间序列分析,可确定异常事件的发生的模式。具体来说,系统300可确定冰构成事件在以下中的至少一个期间发生:涡轮机从稳态部分负载操作506、开始斜升到全负载508、通过高风险结冰区510、在斜升的结束和IGV开启512期间、当IGV全开且压缩机入口温度提高514时、以及到稳态全负载操作516进行加载。
对示出的风险事件进行分析能够允许确定模式识别算法,该模式识别算法能够被系统300用来预测异常事件的未来发生并在它们发生之前避免条件。另外,系统300能够识别低风险条件(例如,在基础负载)并通知操作员没有动作需要被采取。
图6描绘示出依照本公开的一实施例的示例控制器600的框图,其中用于确定操作涡轮机的风险的系统300能够驻留。更具体来说,控制器600的元件可被用来确定操作涡轮机的风险。控制器600可包括存储器610,存储器610存储编程的逻辑620(例如,软件)并可存储数据630,诸如与一队涡轮机相关联的历史风险简档数据、涡轮机要在其中被操作的环境的周围条件、形成的风险阈值、以及诸如此类。存储器610也可包括操作系统640。
处理器650可利用操作系统640来执行编程的逻辑620,且在这样做时,也可利用数据630。数据总线660可提供在存储器610和处理器650之间的通信。用户可经由至少一个用户接口装置670(诸如键盘、鼠标、控制面板、或能够将数据传递到控制器600和从控制器600传递数据的任何其它装置)与控制器600进行接口。控制器600可经由输入/输出(I/O)接口680在操作时与涡轮机在线上进行通信,以及在不操作时与涡轮机在线下进行通信。更具体来说,控制器600中的一个或更多可完成操作涡轮机的风险的确定,诸如(但不受限于)接收与一队涡轮机相关联的历史风险简档数据、接收涡轮机要在其中被操作的环境的周围条件、鉴于所述周围条件至少部分地基于所述历史风险简档数据形成对于至少一个已知操作简档的至少一个风险阈值、确定对于所述至少一个已知操作简档的所述至少一个风险阈值被达到、以及至少部分地基于所述至少一个风险阈值被达到的确定来迫使动作被采取。另外,应当被领会到的是,其它外部装置或多个其它发电厂可经由I/O接口680与控制器600通信。在本公开的示出实施例中,控制器600可关于涡轮机被远程定位;然而,它可以与涡轮机一起被共同定位或甚至与涡轮机相集成。此外,因此实现的控制器600和编程的逻辑620可包括软件、硬件、固件、或其任何组合。还应当被领会到的是,多个控制器600可被使用,由此本文中所描述的不同特征可在一个或更多不同控制器600上被执行。
因此,本文中所描述的本公开的某些实施例能够允许最佳的监视以及潜在的恢复服务,其导致在可靠性以及可用性上的队范围提高。另外,理解涡轮机在风险状况中操作有多频繁(如果操作员选择不采取任何避免措施)能够导致改善的中断(outage)规划以及更加严重的压缩机事件的预防(推荐检查)。对结冰风险状况的定义以及结冰的原因的改善理解能够提供对于先进涡轮机设计的基础,以及控制升级时机。
对依据本公开的示例实施例的计算机程序产品、设备、方法、以及系统的框图进行参照。将被理解的是,框图的框中的至少一些以及框图中框的组合可至少部分地由计算机程序指令来实现。这些计算机程序指令可被加载到通用计算机、特殊用途计算机、特殊用途基于硬件的计算机、或其它可编程数据处理设备上以产生机器、使得在所述计算机或其它可编程数据处理设备上执行的指令创建用于实现所讨论的框图中框的组合、或框图的框中的至少一些框的功能性的部件。
这些计算机程序指令也可被存储在计算机可读存储器中,其能够指引计算机或其它可编程数据处理设备以特定方式来运转,使得存储在计算机可读存储器中的指令产生包括实现所述框或多个框中指定功能的指令部件的制品。所述计算机程序指令也可被加载到计算机或其它可编程数据处理设备上,以引起一系列操作步骤在该计算机或其它可编程设备上被执行以产生计算机实现的过程,使得在该计算机或其它可编程设备上执行的指令提供用于实现所述框或多个框中指定功能的步骤。
本文中所描述的系统的一个或更多组件以及方法的一个或更多要素可通过运行在计算机的操作系统上的应用程序来实现。它们也可用其它计算机系统配置被实践,包括手持装置、多处理器系统、基于微处理器的或可编程的消费者电子产品(electronics)、微型计算机、大型计算机、以及诸如此类。
作为本文中所描述方法和系统的组件的应用程序可包括实现某些抽象数据类型并执行某些任务或动作的例程、程序、组件、数据结构等等。在分布式计算环境中,应用程序(整体上或部分地)可被定位在本地存储器中或在其它存储装置中。另外,或备选的是,应用程序(整体上或部分地)可被定位在远程存储器中或在存储装置中,以允许任务由通过通信网络所链接的远程处理装置来执行的情境。
受益于前面描述以及关联的图中被呈现的教导,将想到本文中阐明的示例描述的许多修改和其它实施例(这些描述与所述修改和其它实施例相关)。因而,将被领会到的是,本公开可以许多形式来实施,且不应当受限于以上所描述的示例实施例。因此,要被理解的是,本公开不是要受限于公开的本公开的具体实施例,且本公开的其它实施例以及修改旨在被包括在随附权利要求的范畴之内。尽管具体术语在本文中被采用,但它们只在一般的和描述的意义中被使用,而不是为了限制的目的。
“用于确定操作涡轮机的风险的系统与方法”的部件列表
图1
100 -系统环境
110 -涡轮机
120 -在场监视器
130 -储存库
140 -队数据
150 -天气风险状况
160 -分析单元
170 -采取的动作
180 -天气预报
图2
200 -图
202 -区域
220 -IGV角度
230 -压缩机入口温度
图3
300 -系统
302 -储存库
304 -处理器
306 -在场监视器
图4
400 -方法
402 -操作
404 -操作
406 -操作
408 -操作
410 -操作
图5
500 -绘图
502 -IGV角度
504 -压缩机入口温度
506 -稳态部分负载操作
508 -全负载
510 -高风险结冰区
512 -IGV开启
514 -压缩机入口温度
516 -稳态全负载操作
图6
600 -示例控制器
610 -存储器
620 -编程的逻辑
630 -数据
640 -操作系统
650 -处理器
660 -数据线
680 -I/O接口
Claims (7)
1.一种用于确定操作涡轮机(110)风险的系统(300),所述系统(300)包括:
储存库(302),配置成存储与一队涡轮机相关联的历史风险简档数据,其中所述历史风险简档数据包括涡轮机失效数据和所述涡轮机失效数据时的周围条件;
处理器(304),与所述储存库(302)相通信,且配置成:
接收所述历史风险简档数据;
接收涡轮机(110)要在其中被操作的环境的周围条件;
通过对风险事件进行聚类,鉴于所述涡轮机要在其中被操作的环境的所述周围条件至少部分地基于所述历史风险简档数据来形成至少一个已知操作简档的至少一个风险阈值;
通过将所述周围条件中的一些或全部与所述至少一个风险阈值进行比较,并且将模式识别应用于历史风险简档数据,来确定所述至少一个已知操作简档的所述至少一个风险阈值被达到;以及
基于所述至少一个风险阈值被达到的确定,迫使与所述涡轮机(110)相关联的动作被采取。
2.如权利要求1所述的系统(300),进一步包括在场监视器(306),所述在场监视器配置成监视与所述至少一个已知操作简档相关联的所述涡轮机(110)的操作数据,并将所述操作数据发送到所述处理器(304)。
3.如权利要求1所述的系统(300),其中所述确定所述至少一个风险阈值被达到包括:使用通过所述历史风险简档数据的子集所解析的模式识别算法将所述至少一个已知操作简档的特性和所述风险简档数据的特性进行匹配,所述模式识别算法包括以下中的至少一个:动态时间规整、基于类似性的建模、以及高斯混合。
4.如权利要求1所述的系统(300),其中所述至少一个风险阈值关联于以下中的至少一个:所述涡轮机(110)的入口导向叶片(IGV)上的结冰、由大气灰尘引起的恶化、由腐蚀性污染物引起的损坏、贫油熄火、高燃烧动态、以及过度排放。
5.如权利要求1所述的系统(300),其中要被采取的所述动作包括以下中的至少一个:对IGV应用排出热量、提高斜升速度、降低所述斜升速度、确定对于线上水洗的最佳时间、确定对于线下水洗的最佳时间、确定燃烧系统的重调谐的必要性、湿压缩、手动控制斜升周期期间的排出热量、和最佳操作时间。
6.一种用于确定操作涡轮机(110)风险的方法(400),所述方法(400)包括:
由处理器(304)从储存库(302)接收与一队涡轮机相关联的历史风险简档数据,其中所述历史风险简档数据包括历史失效以及对应的历史周围条件;
由所述处理器(304)接收涡轮机(110)要在其中被操作的环境(100)的周围条件,其中所述周围条件包括以下中的至少一个:大气数据、温度、湿度、以及压力;
由所述处理器(304)通过使用统计技术聚类风险事件,鉴于所述周围条件至少部分地基于所述历史风险简档数据来形成至少一个已知操作简档的至少一个风险阈值;
由所述处理器(304),通过将所述周围条件中的一些或全部与所述至少一个风险阈值进行比较,并且将模式识别应用于历史风险简档数据,来确定所述至少一个已知操作简档的所述至少一个风险阈值被达到;
基于所述至少一个风险阈值被达到的确定,迫使与所述涡轮机(110)相关联的动作被采取;以及
实现至少一个推荐来减轻与所述风险相关联的异常事件。
7.如权利要求6所述的方法(400),其中所述确定所述至少一个风险阈值被达到包括:将所述至少一个已知操作简档的特性和所述历史 风险简档数据的特性进行匹配。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/920,421 US10495545B2 (en) | 2015-10-22 | 2015-10-22 | Systems and methods for determining risk of operating a turbomachine |
US14/920421 | 2015-10-22 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107066424A CN107066424A (zh) | 2017-08-18 |
CN107066424B true CN107066424B (zh) | 2021-11-30 |
Family
ID=57394326
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610918195.7A Active CN107066424B (zh) | 2015-10-22 | 2016-10-21 | 用于确定操作涡轮机的风险的系统与方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10495545B2 (zh) |
EP (1) | EP3159834A1 (zh) |
JP (1) | JP6894208B2 (zh) |
CN (1) | CN107066424B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10047679B2 (en) * | 2016-06-14 | 2018-08-14 | General Electric Company | System and method to enhance lean blowout monitoring |
US20170357223A1 (en) * | 2016-06-14 | 2017-12-14 | General Electric Company | System and method to enhance turbine monitoring with environmental information |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101096916A (zh) * | 2006-06-29 | 2008-01-02 | 通用电气公司 | 用于检测涡轮机的不希望的运行的系统和方法 |
CN101231737A (zh) * | 2008-02-25 | 2008-07-30 | 北京飞天诚信科技有限公司 | 一种增强网上银行交易安全性的系统及方法 |
CN101907061A (zh) * | 2009-06-08 | 2010-12-08 | 通用电气公司 | 用于确认风力涡轮机的操作的系统、远程设备和方法 |
CN102298672A (zh) * | 2010-06-25 | 2011-12-28 | 通用电气公司 | 涡轮机翼型件寿命管理系统及方法 |
CN102567569A (zh) * | 2010-11-19 | 2012-07-11 | 通用电气公司 | 用于涡轮机的混合风险建模的系统和方法 |
CN102830666A (zh) * | 2011-05-11 | 2012-12-19 | 通用电气公司 | 优化工厂操作的系统和方法 |
CN104573906A (zh) * | 2013-10-16 | 2015-04-29 | 通用电气公司 | 用于分析电力传输系统中的振荡稳定性的系统和方法 |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3796854A (en) | 1972-09-25 | 1974-03-12 | Westinghouse Electric Corp | Ice detection system for a gas turbine |
US6725645B1 (en) | 2002-10-03 | 2004-04-27 | General Electric Company | Turbofan engine internal anti-ice device |
US7010437B2 (en) | 2003-11-03 | 2006-03-07 | Abb Research Ltd. | Electric utility storm outage management |
US7677075B2 (en) | 2006-09-29 | 2010-03-16 | General Electric Company | Methods and apparatus for evaluating sensors and/or for controlling operation of an apparatus that includes a sensor |
GB2447238B (en) | 2007-03-07 | 2009-11-18 | Rolls Royce Plc | Method for detecting ice ingestion in a gas turbine engine |
US20090030752A1 (en) * | 2007-07-27 | 2009-01-29 | General Electric Company | Fleet anomaly detection method |
JP5052375B2 (ja) * | 2008-03-21 | 2012-10-17 | インターナショナル・ビジネス・マシーンズ・コーポレーション | プロジェクト・トラブル発生予測システム、方法及びプログラム |
US8370046B2 (en) * | 2010-02-11 | 2013-02-05 | General Electric Company | System and method for monitoring a gas turbine |
US8469588B2 (en) * | 2010-05-03 | 2013-06-25 | General Electric Company | System and method for compressor inlet temperature measurement |
FI125286B (fi) | 2011-07-01 | 2015-08-14 | Teknologian Tutkimuskeskus Vtt Oy | Järjestely ja menetelmä jäätymisen havainnoimiseksi |
US8844258B2 (en) | 2011-11-23 | 2014-09-30 | General Electric Company | Systems and methods for de-icing a gas turbine engine inlet screen and dehumidifying inlet air filters |
US20130199202A1 (en) | 2012-02-07 | 2013-08-08 | General Electric Company | System and method for gas turbine inlet air heating |
ITCO20120008A1 (it) * | 2012-03-01 | 2013-09-02 | Nuovo Pignone Srl | Metodo e sistema per monitorare la condizione di un gruppo di impianti |
US20130327012A1 (en) | 2012-06-11 | 2013-12-12 | General Electric Company | Gas turbine anti-icing system |
US20140102113A1 (en) | 2012-06-15 | 2014-04-17 | General Electric Company | Exhaust heat recovery for a gas turbine system |
US9447732B2 (en) | 2012-11-26 | 2016-09-20 | General Electric Company | Gas turbine anti-icing system |
JP5855036B2 (ja) * | 2013-02-28 | 2016-02-09 | 三菱電機株式会社 | 設備点検順位設定装置 |
US9359959B2 (en) | 2013-07-31 | 2016-06-07 | General Electric Company | Anti-icing system for a gas turbine |
US20150047368A1 (en) * | 2013-08-13 | 2015-02-19 | General Electric Company | Systems and methods for controlling gas turbines |
-
2015
- 2015-10-22 US US14/920,421 patent/US10495545B2/en active Active
-
2016
- 2016-10-14 JP JP2016202157A patent/JP6894208B2/ja active Active
- 2016-10-20 EP EP16194805.4A patent/EP3159834A1/en not_active Withdrawn
- 2016-10-21 CN CN201610918195.7A patent/CN107066424B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101096916A (zh) * | 2006-06-29 | 2008-01-02 | 通用电气公司 | 用于检测涡轮机的不希望的运行的系统和方法 |
CN101231737A (zh) * | 2008-02-25 | 2008-07-30 | 北京飞天诚信科技有限公司 | 一种增强网上银行交易安全性的系统及方法 |
CN101907061A (zh) * | 2009-06-08 | 2010-12-08 | 通用电气公司 | 用于确认风力涡轮机的操作的系统、远程设备和方法 |
CN102298672A (zh) * | 2010-06-25 | 2011-12-28 | 通用电气公司 | 涡轮机翼型件寿命管理系统及方法 |
CN102567569A (zh) * | 2010-11-19 | 2012-07-11 | 通用电气公司 | 用于涡轮机的混合风险建模的系统和方法 |
CN102830666A (zh) * | 2011-05-11 | 2012-12-19 | 通用电气公司 | 优化工厂操作的系统和方法 |
CN104573906A (zh) * | 2013-10-16 | 2015-04-29 | 通用电气公司 | 用于分析电力传输系统中的振荡稳定性的系统和方法 |
Non-Patent Citations (1)
Title |
---|
Load recognition for automated demand response in microgrids;Friederich Kupzog elt;《36th Annual Conference on IEEEE Industrial Electronics Society》;20101231;第2436-2442页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107066424A (zh) | 2017-08-18 |
US20170115182A1 (en) | 2017-04-27 |
JP2017082776A (ja) | 2017-05-18 |
EP3159834A1 (en) | 2017-04-26 |
US10495545B2 (en) | 2019-12-03 |
JP6894208B2 (ja) | 2021-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10047757B2 (en) | Predicting a surge event in a compressor of a turbomachine | |
US8370046B2 (en) | System and method for monitoring a gas turbine | |
US7395188B1 (en) | System and method for equipment life estimation | |
EP3055747B1 (en) | Correlation and annotation of time series data sequences to extracted or existing discrete data | |
US9122253B2 (en) | Systems and methods for dynamic risk derivation | |
US9280617B2 (en) | Systems and methods for improved reliability operations | |
US10294869B2 (en) | System and method to enhance corrosion turbine monitoring | |
EP3055746B1 (en) | Correlation and annotation of time series data sequences to extracted or existing discrete data | |
JP2018152052A (ja) | 信頼性監視のためのシステムおよび方法 | |
US20130318018A1 (en) | Neural network-based turbine monitoring system | |
US9791351B2 (en) | Gas turbine combustion profile monitoring | |
JP2012238308A (ja) | プラント運転最適化システムおよび方法 | |
JP6523815B2 (ja) | プラント診断装置及びプラント診断方法 | |
US9852240B2 (en) | Systems and methods for gas turbine operational impact modeling using statistical and physics-based methodologies | |
US20120150334A1 (en) | Integrated Fault Detection And Analysis Tool | |
JP2012073756A (ja) | 異常診断フィルタ生成装置 | |
JP6482743B1 (ja) | リスク評価装置、リスク評価システム、リスク評価方法、及び、リスク評価プログラム | |
US20160365735A1 (en) | Systems and Methods for Power Plant Data Reconciliation | |
CN107066424B (zh) | 用于确定操作涡轮机的风险的系统与方法 | |
CN103843233A (zh) | 维护检查信息的管理方法及管理系统 | |
JP6574533B2 (ja) | リスク評価装置、リスク評価システム、リスク評価方法、及び、リスク評価プログラム | |
US20170357223A1 (en) | System and method to enhance turbine monitoring with environmental information | |
US10706361B1 (en) | Hybrid feature selection for performance prediction of fluid control valves | |
JP6482742B1 (ja) | リスク評価装置、リスク評価システム、リスク評価方法、及び、リスク評価プログラム | |
Mochi et al. | Improved Oil & Gas Plant Operations Through Advanced Remote Services Driven By Operating Data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20231226 Address after: Swiss Baden Patentee after: GENERAL ELECTRIC CO. LTD. Address before: New York State, USA Patentee before: General Electric Co. |