FR2926107A1

FR2926107A1 - Procedes et systemes pour la modelisation par reseaux neuronaux de pieces de turbines

Info

Publication number: FR2926107A1
Application number: FR0950050A
Authority: FR
Inventors: Karl Dean Minto; Jianbo Zhang; Erhan Karaca
Original assignee: General Electric Co
Current assignee: General Electric Co
Priority date: 2008-01-08
Filing date: 2009-01-06
Publication date: 2009-07-10
Also published as: US20100100248A1; US8065022B2; JP2009162231A; RU2008152896A; DE102008055593A1; RU2482307C2

Abstract

Procédés et systèmes pour empêcher des jeux dans une turbine. Dans une forme de réalisation, un procédé peut comprendre l'application (704) d'au moins un paramètre de fonctionnement comme entrée à au moins un modèle de réseau neuronal, la modélisation (706), à l'aide du modèle de réseau neuronal, d'une dilatation thermique d'au moins une pièce de turbine et l'exécution (708) d'une action de commande au moins en partie sur la base de la dilatation thermique modélisée de la ou des pièces de turbine. Un exemple de système peut comprendre une unité de commande servant à déterminer '702) et appliquer (704) les paramètres de fonctionnement comme entrées au modèle de réseau neuronal, à modéliser (706) la dilatation thermique à l'aide du modèle de réseau neuronal et à exécuter (708) une action de commande au moins en partie sur la base de la dilatation modélisée.

Description

B08-4796FR 1 Société dite : GENERAL ELECTRIC COMPANY PROCEDES ET SYSTEMES POUR LA MODELISATION PAR RESEAUX NEURONAUX DE PIECES DE TURBINES Invention de : MINTO Karl dean ZHANG Jianbo KARACA Erhan Priorité d'une demande de brevet déposée aux Etats-Unis d'amérique le 8 janvier 2008 sous le n° 11/971.022

2 PROCEDES ET SYSTEMES POUR LA MODELISATION PAR RESEAUX NEURONAUX DE PIECES DE TURBINES

L'invention concerne de façon générale les systèmes de commande de turbines, et est plus particulièrement relative à des procédés et systèmes pour réaliser la modélisation par réseaux neuronaux de pièces de turbines.

Les turbines industrielles et de production d'électricité ont des systèmes de commande qui contrôlent et commandent leur fonctionnement. Ces systèmes de commande comprennent des algorithmes de commande permettant de régir certains ou la totalité des aspects du fonctionnement de la turbine. Les algorithmes de commande actuels visent à mettre en charge (ou hors charge) le plus rapidement possible des turbines, des générateurs et divers autres organes, selon le cas, pendant des changements de valeurs de consigne de mise en charge, sans franchir les limites contribuant à un fonctionnement sûr. Cependant, dans de tels systèmes et procédés classiques, les vitesses de mise en charge sont ordinairement limitées par les contraintes structurelles telles que les contraintes mécaniques les plus fortes autorisées dans le rotor d'une turbine à vapeur afin de conserver une bonne durée de vie et de empêcher d'autres contraintes de fonctionnement telles que le jeu entre les pièces rotatives et les pièces non rotatives de la turbine. Si les vitesses de mise en charge pour diverses turbines sont très élevées, de forts gradients thermiques risquent de survenir dans les turbines et d'occasionner de fortes contraintes mécaniques et une dilatation thermique irrégulière susceptible de créer un contact ou des frottements entre les pièces fixes et les pièces tournantes. En revanche, des mises en charge lentes facilitent un fonctionnement sûr mais accroissent les coûts liés au combustible et réduisent la disponibilité des centrales. Puisqu'il est impossible de prédire avec précision les conditions régnant dans une centrale, les procédés de commande habituels utilisent un profil standard trop lent pour faciliter un fonctionnement sûr. Par exemple, en fonction des températures mesurées des métaux au début du démarrage, les commandes existantes peuvent définir des catégories de températures de démarrage hautes, moyennes ou basses. Chacun de ces régimes de démarrage utilise des vitesses de mise en charge suffisamment basses pour faciliter un fonctionnement sûr pour tout démarrage dans la même catégorie. Par conséquent, de tels procédés de commande risquent d'aboutir à des performances sub-optimales et des coûts d'exploitation plus élevés.

3 Un facteur affectant le rendement d'une turbine comme, par exemple, une turbine industrielle à gaz est constitué par le jeu, dans la turbine, entre les extrémités des aubes mobiles et l'enveloppe de la turbine. Si le jeu dans la turbine est maintenu à un niveau minime, la turbine fonctionnera plus facilement, car une quantité minime d'air/de gaz d'échappement s'échappera entre les extrémités des aubes et l'enveloppe. De la sorte, un plus grand pourcentage de l'air et du gaz entrant dans la turbine servira à entraîner les aubes de la turbine et à créer un travail. Du fait des différences dans les caractéristiques de dilatation thermique et mécanique des ensembles de rotors de turbines et de l'enveloppe d'une turbine, le jeu dans la turbine peut changer notablement à mesure que la turbine passe par différents stades de fonctionnement, notamment du démarrage initial à un régime stable de mise en charge de base. Un système de commande de jeu peut être mis en oeuvre dans la turbine pour s'occuper des états du jeu dans la turbine pendant le fonctionnement de la turbine. Cependant, il peut être avantageux de disposer d'un système de commande captable de contrôler et de prédire de manière dynamique les états du jeu et la dilatation des pièces dans la turbine pour permettre à la turbine de fonctionner dans ses plages les plus efficaces. Ainsi, il est souhaitable de disposer de systèmes et de procédés permettant à des modèles à base de réseaux neuronaux de prédire des jeux dans une turbine et destinés à être mis en oeuvre dans un système de commande afin de réguler les jeux pendant son fonctionnement transitoire. On a en outre besoin de systèmes et de procédés pour la modélisation par réseaux neuronaux de pièces de turbines.

Selon un exemple de forme de réalisation de l'invention, il est proposé un procédé pour commander un jeu dans une turbine. Le procédé peut comprendre l'application d'au moins un paramètre de fonctionnement comme entrée à au moins un modèle de réseau neuronal, la modélisation, à l'aide du modèle de réseau neuronal, d'une dilatation thermique d'au moins une pièce de turbine, et l'exécution d'une action de commande au moins en partie sur la base de la dilatation thermique modélisée d'une ou plusieurs des pièces de turbines. Selon un autre exemple de forme de réalisation de l'invention, il est proposé un système pour commander une turbine. Le système peut comprendre une unité de commande. L'unité de commande peut servir à déterminer au moins un paramètre de fonctionnement, appliquer le ou plusieurs paramètres de fonctionnement comme

4 entrée à un modèle de réseau neuronal, modéliser à l'aide du modèle de réseau neuronal la dilatation thermique d'au moins une pièce de turbine, et générer une action de commande au moins en partie sur la base de la dilatation thermique modélisée de la ou des pièces de turbines.

Selon encore un autre exemple de forme de réalisation de l'invention, il est proposé un procédé pour modéliser le jeu dans une turbine. Le procédé peut comprendre les étapes de détection d'un premier et d'un deuxième paramètres de fonctionnement, de modélisation d'au moins un paramètre de température d'enveloppe au moins en partie sur la base du premier paramètre de fonctionnement détecté, et de modélisation d'au moins un paramètre de température de rotor au moins en partie sur la base du deuxième paramètre de fonctionnement détecté. De plus, le procédé peut comprendre les étapes de détermination d'une dilatation thermique d'enveloppe en appliquant le ou les paramètres de température d'enveloppe comme entrée ou entrées à un modèle de réseau neuronal de dilatation d'enveloppe, de détermination d'une dilatation thermique de rotor en appliquant le ou les paramètres de température de rotor comme entrée ou entrées à un modèle de réseau neuronal de dilatation de rotor, et de détermination d'une dilatation différentielle au moins en partie sur la base de la différence entre la dilatation thermique du rotor et la dilatation thermique de l'enveloppe.

L'invention sera mieux comprise à l'étude de la description détaillée d'un mode de réalisation pris à titre d'exemple non limitatif et illustré par les dessins annexés sur lesquels : la Fig. 1 est un schéma d'un exemple de système selon la technique antérieure pour la commande d'une centrale à cycle combiné ; la Fig. 2 est une illustration schématique de l'action d'une unité de commande pour une centrale électrique selon une forme de réalisation de l'invention; la Fig. 3 est un organigramme qui présente un exemple de processus pour améliorer des commandes de systèmes d'après des modèles dans une centrale électrique à cycle combiné selon une forme de réalisation de l'invention ; la Fig. 4 est un exemple d'illustration schématique d'une unité de commande selon des formes de réalisation de l'invention ; la Fig. 5 est un exemple d'illustration schématique d'une turbine selon des formes de réalisation de l'invention ; la Fig. 6 est un exemple de schéma d'un modèle de réseau neuronal exécuté par des formes de réalisation de l'invention ; la Fig. 7 est un organigramme illustrant un processus pour intégrer un modèle de réseau neuronal de pièces dans un système de commande de turbine selon 5 des formes de réalisation de l'invention ; la Fig. 8 est un schéma de principe illustrant un exemple d'agencement d'un modèle de réseau neuronal de pièces pour la prédiction du jeu axial dans une turbine selon des formes de réalisation de l'invention ; et la Fig. 9 est un organigramme illustrant un exemple de processus pour exécuter un modèle de réseau neuronal de pièces dans une application à une turbine à vapeur selon des formes de réalisation de l'invention.

Des formes de réalisation de l'invention peuvent comprendre des systèmes et des procédés de commande prédictive par modèles et des modèles de réseaux neuronaux exécutés par ces systèmes et procédés de commande. Des formes de réalisation de tels systèmes et procédés peuvent améliorer en temps réel le calcul et la mise en oeuvre de profils d'entrée sub-optimaux pour la mise en charge et hors charge de divers systèmes, sous-systèmes et organes dans un système de commande de centrale électrique et renforcer les modèles proprement dits, les optimisations, les fonctions objectives, les contraintes et/ou les paramètres existant dans le système de commande afin de permettre au système de commande de prendre rapidement de meilleures mesures pour retrouver le plus possible de performances et/ou d'exploitabilité compte tenu de l'état instantané de la centrale électrique. Dans des exemples de formes de réalisation de l'invention, tout système physique, système de commande ou propriété de la centrale électrique ou tout sous-système de la centrale électrique peut être modélisé, y compris, mais sans s'y limiter, la centrale électrique elle-même, la veine gazeuse et la dynamique de la veine gazeuse ; les actionneurs, effecteurs ou autres dispositifs de commande qui modifient ou change le comportement de toute turbine ou de tout générateur ; les contrôleurs, moniteurs ou systèmes de détection ; le système de dosage de combustible ou de vapeur ; le système de fourniture de combustible ; le système de lubrification ; et/ou le système hydraulique. Les modèles de ces organes et/ou systèmes peuvent être des modèles à base physique (y compris leurs approximations linéaires). De plus ou selon une autre possibilité, les modèles peuvent reposer sur l'indentification de

6 systèmes linéaires et/ou non linéaires, sur des réseaux neuronaux et/ou des combinaisons de tous ceux-ci. Dans un autre exemple de forme de réalisation de l'invention, on peut proposer des procédés et systèmes pour commander le jeu dans une turbine. Les procédés peuvent comprendre, mais de manière nullement limitative, l'application d'au moins un paramètre de fonctionnement comme entrée pour au moins un réseau neuronal. Les procédés peuvent aussi comprendre la modélisation, à l'aide du modèle ou des modèles de réseaux neuronaux, d'une dilatation thermique d'au moins une pièce de turbine. De plus, les procédés peuvent comprendre l'exécution d'une action de commande reposant au moins en partie sur la dilatation thermique modélisée. Dans un exemple de forme de réalisation similaire peut être proposé un système pour commander une turbine. Le système peut servir à déterminer au moins un paramètre de fonctionnement et à appliquer le ou les paramètres de fonctionnement comme entrée ou entrées pour au moins un modèle de réseau neuronal. Le système peut en outre servir à modéliser, à l'aide du modèle ou des modèles de réseaux neuronaux, une dilatation thermique d'au moins une pièce de turbine et à générer une action de commande reposant au moins en partie sur la dilatation thermique modélisée. Des formes de réalisation de l'invention peuvent produire ou autrement faciliter certains effets techniques dont, mais de manière nullement limitative, l'amélioration du calcul et de la mise en oeuvre, en temps réel ou en temps quasi réel, de profils d'entrée servant à la mise en charge et hors charge de divers systèmes, sous-systèmes et organes dans un système de commande de centrale électrique. Ces profils d'entrée améliorés peuvent avoir l'effet technique de permettre au système de commande de prendre des mesures améliorées pour retrouver les performances et/ou l'exploitabilité compte tenu de l'état instantané de la centrale électrique. En outre, d'autres formes de réalisation de l'invention peuvent produire ou autrement faciliter les effets techniques de détermination d'une dilatation thermique d'au moins une pièce de turbine, par exemple, de détermination de pièces rotatives à l'aide d'au moins un modèle de réseau neuronal. Cette dilatation thermique modélisée peut avoir l'effet de permettre que soit générée une action de commande, au moins en partie sur la base de la dilatation thermique modélisée, qui peut commander ou affecter le fonctionnement de la centrale électrique ou de ses pièces. Par exemple, la dilatation thermique modélisée de pièces rotatives, ou de pièces associées à des pièces rotatives, peut servir à commander ou à produire le fonctionnement de la turbine en réponse à des jeux prédits ou modéliser de pièces, notamment des jeux axiaux.

7 Les centrales électriques sont des structures et des installations mécaniques où de l'électricité est produite par des générateurs alimentés de diverses manières, les turbines à vapeur étant les plus courantes. Normalement, dans une turbine à vapeur, de la chaleur sert à transformer de l'eau en vapeur, laquelle est amenée à passer par les aubes mobiles de la turbine pour générer un mouvement de rotation. A leur tour, les turbines entraînent un arbre et font tourner les générateurs. Quelle que soit la source de chaleur, le principe de génération d'électricité reste le même. Dans divers autres exemples, d'autres sources telles que du charbon, du gazole, du gaz naturel, de la biomasse, un combustible nucléaire peuvent être employées dans des turbines à vapeur. Certaines autres sources d'électricité connues utilisent aussi des turbines, comme les centrales hydrauliques, dans lesquelles les aubes de turbines tournent sous l'action de l'énergie cinétique de l'eau. Dans d'autres exemples classiques, des turbines à gaz sont utilisées, et ces turbines fonctionnent grâce au passage direct, à travers une turbine, des gaz chauds produits du fait de la combustion de gaz ou de gazole. Les moteurs à combustion interne tels que les générateurs diesel sont d'autres sources d'électricité déplaçables et instantanées employées en secours, ou en réserve. Dans d'autres cas, les groupes électriques peuvent utiliser plus d'un type de combustible, tels que du charbon ou du gaz naturel, et ces centrales sont appelées installations bicombustibles et peuvent être alimentées successivement ou simultanément. Les centrales à alimentation successive utilisent un combustible après l'autre, les centrales à alimentation simultanée peuvent utiliser deux combustibles à la fois. Certains autres exemples nullement limitatifs de centrales électriques comprennent : les centrales électriques à combustibles fossiles, les centrales électriques à cycle combiné, les centrales nucléaires ou autres.

On va maintenant considérer des formes de réalisation illustrées sur les figures 1 à 9.

Commande prédictive par modèles d'une centrale électrique La Fig. 1 est une illustration schématique d'un exemple de système 10 pour commander un exemple de centrale électrique 12 à cycle combiné. La centrale électrique 12 à cycle combiné représentée peut comprendre un générateur de vapeur 14 à récupération de chaleur, une turbine à gaz 16 et une turbine à vapeur 18. La turbine à vapeur 18 a normalement trois sections liées aux conditions de pression

8 variables régnant dans chacune d'elles. Dans la présente forme de réalisation, il y a une section haute pression 22, une section moyenne pression 24 et une section basse pression 26. De plus, la centrale électrique 12 comprend ordinairement un générateur 28, un transformateur 32 et un condenseur 34. Pendant le fonctionnement de la centrale électrique 12 à cycle combiné, les gaz d'échappement chauds sortant de la turbine à gaz 18 peuvent habituellement être fournis à une chaudière ou un générateur de vapeur pour créer de la chaleur servant à la production de vapeur, laquelle entraîne la turbine à vapeur 18 à travers ses trois sections différentes û la section haute pression 22, la section moyenne pression 24 et la section basse pression 26. Les turbines 16, 22, 24 et 26 peuvent entraîner un seul ou plusieurs générateurs électriques 28, qui produisent, en tandem avec le transformateur 32, de l'électricité utilisable. La turbine à gaz 16 est associée au générateur 14 de vapeur à récupération de chaleur, lequel reçoit de la vapeur condensée issue du condenseur 34 de la turbine à vapeur 18. L'électricité ainsi produite peut être fournie par un système de distribution d'électricité à divers clients dans l'industrie, le commerce et l'habitat. Dans d'autres centrales à cycle combiné, une autre quantité de chaleur peut être fournie au générateur de vapeur par l'intermédiaire de mécanismes à brûleurs supplémentaires ou complémentaires. Dans les deux cas, ces centrales à cycle combiné habituelles 12 sont par nature relativement complexes, et un nombre relativement grand de capteurs tels que des capteurs de pression, des capteurs de proximité et des mécanismes d'actionnement sont prévus pour régler, réguler et contrôler le fonctionnement des diverses turbines, du générateur et des mécanismes à brûleurs et d'autres équipements auxiliaires normalement associés à ceux-ci. Dans encore d'autres exemples de centrales électriques à cycle combiné, on peut employer des agencements de turbines à gaz et à vapeur, des sources de production de vapeur et des dispositifs de récupération de chaleur résiduelle. En référence à la fig. 1, le système de commande 10 peut également comprendre une unité de commande 36 pour commander et coordonner les activités de certains ou de la totalité des systèmes, sous-systèmes et organes de la centrale électrique 12, tels que le générateur 14 de vapeur à récupération de chaleur, la turbine à gaz 16, les trois sections de la turbine à vapeur 18 û la section haute pression 22, la section moyenne pression 24 et la section basse pression 26, le générateur 28, le transformateur 32 et le condenseur 34, et de la sorte coordonner l'ensemble du fonctionnement de la centrale électrique 12 à cycle combiné. Sur la Fig. 1, pour rendre plus clair le principe, l'unité de commande 36 est placée

9 physiquement à l'extérieur de tous les systèmes, sous-systèmes et organes de la centrale électrique 12. Dans un autre exemple de forme de réalisation, l'unité de commande 36 peut être logée à l'intérieur de la centrale électrique 12 et peut faire partie intégrante de la centrale électrique 12. En ce qui concerne sa structure, l'unité de commande 36 peut comporter un microcontrôleur ou un interrupteur à semi-conducteur conçu pour communiquer, sur le réseau de communication, avec tous les systèmes, sous-systèmes et organes de la centrale électrique. La communication entre l'unité de commande 36 et le générateur 14 de vapeur à récupération de chaleur se fait à l'aide d'une ligne de communication 42.

Cette communication comprend ordinairement la détection de signaux acheminés jusqu'à l'unité de commande 36, ainsi que de signaux d'instructions générés par l'unité de commande 36. De manière analogue, la communication entre l'unité de commande 36 et la turbine à gaz 16 peut se faire à l'aide de la ligne de communication 44, celle entre l'unité de commande 36 et la section haute pression 22 de la turbine à vapeur 18 peut se faire à l'aide de la ligne de communication 46, celle entre l'unité de commande 36 et la section moyenne pression24 de la turbine à vapeur 18 peut se faire à l'aide de la ligne de communication 48, et celle entre l'unité de commande 36 et la section basse pression 26 de la turbine à vapeur 18 peut se faire à l'aide de la ligne de communication 52. De manière analogue, la communication entre l'unité de commande 36 et le condenseur 34 peut se faire à l'aide de la ligne de communication 54, celle entre l'unité de commande 36 et le générateur 28 peut se faire à l'aide de la ligne de communication 56 et celle entre l'unité de commande 36 et le transformateur peut se faire à l'aide de la ligne de communication 58. En fonctionnement, l'unité de commande 36 contrôle et commande les paramètres de fonctionnement dans le système de commande 10 de la centrale électrique. Dans un exemple de forme de réalisation, l'unité de commande 36, l'unité de commande 36 détermine et interprète divers paramètres de fonctionnement du système de commande 10 de centrale, au moins en partie d'après les signaux de détection issus de divers systèmes, sous-systèmes et organes de la centrale électrique 12 tels que le générateur 14 de vapeur à récupération de chaleur, la turbine à gaz 16, les trois sections de la turbine à vapeur 18 û la section haute pression 22, la section moyenne pression 24 et la section basse pression 26, le générateur 28, le transformateur 32 et le condenseur 34 disposés dans le système de commande 10 de centrale. La détermination et l'interprétation par l'unité de commande 36 peuvent être effectuées conformément à un critère prédéterminé. Par exemple, dans un premier

10 cas, un critère prédéterminé peut comprendre une comparaison binaire de la température d'un organe de centrale électrique tel que le générateur 14 de vapeur à récupération de chaleur avec une valeur de référence de température prédéterminée. Dans un autre cas, un critère prédéterminé peut comprendre une comparaison de la température du même générateur 14 de vapeur à récupération de chaleur avec une valeur maximale de température prédéterminée. Dans encore un autre cas, un critère prédéterminé peut comprendre une comparaison de la température du générateur 14 de vapeur à récupération de chaleur avec une valeur minimale de température prédéterminée.

En fonction du nombre quelconque de paramètres de fonctionnement détectés et déterminés comme expliqué plus haut en divers points de détection dans la centrale électrique 12, l'unité de commande 36 contrôle et commande les profils de mise en charge et hors charge d'entrée de divers sous-systèmes et organes de la centrale électrique 12 tels que le générateur 14 de vapeur à récupération de chaleur, la turbine à gaz 16, les trois sections de la turbine à vapeur 18 û la section haute pression 22, la section moyenne pression 24 et la section basse pression 26, le générateur 28, le transformateur 32 et le condenseur 34 de façon que les conditions de fonctionnement appropriées de la centrale électrique 13 et de tous les sous-systèmes et organes soient maintenues pendant un cycle de fonctionnement normal de la centrale électrique 12 et du système de commande 10 de centrale électrique. Quel que soit le critère pour la comparaison, si les vitesses de mise en charge ou hors charge dans l'un quelconque des systèmes, sous-systèmes ou organes de la centrale électrique 12 se situe au-delà d'une marge de sécurité de référence prédéterminée, l'unité de commande 36 peut déterminer que l'état de mise en charge ou hors charge du sous-système ou de l'organe concerné n'est pas acceptable et que le sous-système ou l'organe nécessite des mesures correctrices de commande supplémentaires. Dans ces circonstances, l'unité de commande 36 peut envoyer des signaux d'instructions appropriés au sous-système ou à l'organe concerné et réguler les profils d'entrée pour la mise en charge ou hors charge du sous-système ou organe concerné. La vitesse de mise en charge ou hors charge qui en résulte pour le sous-système ou l'organe concerné peut de ce fait être corrigée pour être sûre et précise. Dans un autre exemple de forme de réalisation, si l'unité de commande 36 détecte qu'un sous-système ou un organe particulier nécessite une mesure correctrice de commande supplémentaire, l'unité de commande 36 peut envoyer un signal d'alarme au système d'alerte et, à son tour, le système d'alerte peut produire une alarme

11 appropriée pour une personne observant le processus à distance, afin qu'elle prenne une mesure adéquate. Une forme de réalisation est relative à une approche systématique pour recevoir en temps réel des profils optimaux de mise en charge ou hors charge d'entrée dans la centrale électrique 12 et les systèmes, sous-systèmes et organes correspondants. Cela peut s'effectuer en partie en actualisant les états et les paramètres des modèles dans un système de commande prédictive par modèles reposant au moins en partie sur des mesures faites par des capteurs. Les actualisations d'états dans un système de commande prédictive par modèles typique peuvent prendre en compte des changements dans le fonctionnement de la centrale, comme une hausse de température de la vapeur due à une augmentation du débit du combustible. Les actualisations de paramètres dans un système de commande prédictive par modèles habituel peuvent prendre en compte une variation d'un organe à l'autre, une détérioration, des anomalies mécaniques, électriques ou chimiques, des pannes ou des dommages dans la turbine ou le générateur ou l'un quelconque des organes de turbines ou de générateur, et des anomalies, pannes ou dommages dans le système de commande et/ou ses organes. La fig. 2 est un exemple d'illustration schématique d'un système 20 et des fonctions de son unité de commande correspondante pour la centrale électrique 12 à cycle combiné de la Fig. 1 selon un exemple de forme de réalisation de l'invention. Une unité de commande 62 peut être munie de divers composants matériels et d'un algorithme de logiciel prédictif à modèles pour permettre une mise en charge et hors charge optimale des systèmes, sous-systèmes et organes d'une centrale électrique 12. Les fonctions de l'unité de commande 62 sont désignées par une série de blocs 66, 68, 72, 74 à l'intérieur d'un seul bloc fonctionnel et le bloc fonctionnel 64 illustre l'action de multiples capteurs couplés à divers systèmes, sous-systèmes et organes de la centrale électrique 12 à cycle combiné. Au moins en partie d'après les signaux de détection fournis par les capteurs, l'estimation d'état de la centrale électrique 12 à cycle combiné peut être effectuée par l'unité de commande 62, comme illustré dans le bloc fonctionnel 66. Au moins en partie sur la base de l'estimation d'état, des modèles de systèmes de la centrale électrique 12 à cycle combiné peuvent être construits par l'unité de commande 62, comme illustré dans le bloc fonctionnel 68. En même temps, les contraintes des systèmes de la centrale électrique 12 à cycle combiné peuvent être pris en considération, comme illustré dans le bloc fonctionnel 72, pour

12 construire, un optimiseur en ligne peut réaliser une optimisation prédictive par modèles en temps réel du profil de mise en charge et hors charge d'entrée de la centrale électrique 12 à cycle combiné. Des détails de l'algorithme d'optimisation prédictive par modèles sont décrits davantage ici. Enfin, dans le bloc fonctionnel 76, le cycle de commande de la centrale électrique 12 à cycle combiné peut être achevé à l'aide d'actions de commande appropriées demandées par l'unité de commande 62. Le sujet décrit ici ne se limite pas spécifiquement à l'ensemble de la centrale électrique 12 à cycle combiné évoquée plus haut. Dans d'autres formes de réalisation, n'importe quel nombre d'estimateurs et/ou d'optimiseurs peuvent déterminer divers modèles, fonctions objectives et contraintes des autres systèmes, sous-systèmes et organes à utiliser par la commande prédictive par modèles. Une fonction logique habituelle du système 20 de la fig. 2 peut recevoir des informations à la fois d'une fonction diagnostique et d'un opérateur ou d'un contrôleur. Ces informations peuvent ensuite être traitées pour déterminer une forme adéquate des fonctions objectives, contraintes et modèles concernés. La fonctionnalité logique est décrite ici par rapport à la centrale entière 12 mais elle pourrait être généralisée à la commande et la gestion en temps réel de la mise en charge et hors charge optimale de certains ou de la totalité de ses systèmes, sous-systèmes et organes correspondants, comme décrit plus loin.

Dans un exemple de forme de réalisation, l'unité de commande 62 peut comprendre un convertisseur analogique-numérique accessible par un ou plusieurs ports analogique d'entrée. Dans une autre forme de réalisation, l'unité de commande 62 peut comporter des dispositifs d'affichage de restitution, une mémoire morte, une mémoire vive et un bus de données classique. Dans une forme de réalisation, les capteurs installés sur les systèmes, sous-systèmes et organes de la centrale électrique 12 communiquent habituellement avec l'unité de commande 62 à l'aide d'au moins un protocole de communication standard tel qu'un protocole de communication par liaison série ou Ethernet. L'unité de commande 62 peut être mise en oeuvre dans plusieurs autres manières. Dans un exemple de forme de réalisation, l'unité de commande 62 peut comprendre un processeur logique, un ensemble de circuits de détection de seuils et un système d'alerte. Ordinairement, le processeur logique est une unité de traitement qui exécute des tâches de calcul. Il peut s'agir d'une construction logicielle qui comporte des programmes logiciels d'applications ou des ressources du système d'exploitation. Dans d'autres cas, il, peut aussi être simulé par un ou plusieurs

13 processeurs physiques planifiant des tâches de traitement pour plus d'un seul fil d'exécution en simulant de ce fait plus d'une unité de traitement physique. L'unité de commande 62 aide des circuits de détection de seuils à estimer différents paramètres de fonctionnement comme la température, la pression, le niveau de contraintes mécaniques, le niveau de fatigue des systèmes, sous-systèmes et organes de la centrale électrique 12 tels que le générateur 14 de vapeur à récupération de chaleur, la turbine à gaz 16, les trois sections de la turbine à vapeur 18 û la section haute pression 22, la section moyenne pression 24 et la section basse pression 26, le générateur 28, le transformateur 32 et le condenseur 34.

Dans un exemple de forme de réalisation, portant sur le fonctionnement de la centrale électrique entière 12, des paramètres de fonctionnement liés au fonctionnement de soupapes d'une turbine à vapeur ou des paramètres de fonctionnement liés au fonctionnement de vannes d'eau d'alimentation d'un générateur de vapeur à récupération de chaleur ou des contraintes mécaniques habituelles de rotors peuvent être suivis par l'unité de commande 62. Dans une autre forme de réalisation, portant sur la turbine à gaz 16, le débit de combustible, les paramètres de fonctionnement liés au fonctionnement des aubages directeurs d'entrée pour la turbine à vapeur 18 peuvent être suivis. De plus, le profil d'entrée pour la mise en charge et hors charge de la turbine à gaz 16 peut être ajusté de façon que de forts gradients thermiques n'apparaissent pas. L'unité de commande 62 peut suivre en continu n'importe quel nombre de signaux de détection provenant de la turbine à gaz 16, de la turbine à vapeur 18 et autres organes, et peut fonctionner de façon que ces paramètres de fonctionnement des organes et de la centrale électrique 12 tout entière 12 soient en deçà de limites de commande sûres et optimales.

Un aspect relatif à l'utilisation de commandes prédictives par modèles consiste en l'utilisation des prédictions par modèles des performances au cours de laps de temps durant de plusieurs secondes à plusieurs heures, en l'optimisation des profils de mise en charge d'entrée depuis toute charge initiale jusqu'à toute charge finale à l'aide d'une optimisation avec contraintes, à partir du régime de démarrage instantané du système. En termes généraux, la commande prédictive par modèles est un paradigme de commande servant à commander des processus qui gèrent les contraintes physiques, de fonctionnement, de sûreté et/ou écologiques tout en portant à son maximum au moins un critère de performances. Les modèles présents dans le système de commande 20 peuvent être construits à l'aide de tout procédé adéquat pour modifier des états, des variables, des

14 paramètres de qualité, des contraintes, des limites ou n'importe quel autre paramètre adaptable des modèles afin que les performances et les limitations des modèles concordent ou soient autrement proches de celles de la turbine ou du générateur physique après le changement du paramètre. A l'aide des informations sur les éventuels changements détectés, conjointement avec le modèle actualisé, le système de commande prédictive 20 par modèles peut évaluer les états présents et futurs de la centrale électrique 12 et de ses systèmes, sous-systèmes et organes, et exécuter une action de commande plus optimisée que cela n'aurait été possible si les modèles n'avaient pas été actualisés et si ces informations n'avaient pas été transmises au système de commande. Un aspect de ces systèmes et procédés consiste en ce que, puisqu'ils peuvent être actualisés en temps réel, ils sont aptes à permettre des calculs de mise en charge optimaux pour n'importe quelle série d'états initiaux des organes, non pas juste un ensemble fini de profils de mise en charge standard, sub-optimaux, déjà programmés dans le système de commande. Dans un exemple de situation, l'horizon de la prédiction pendant un démarrage peut normalement aller d'environ 5 minutes à environ 2 heures. Commander les performances et/ou l'exploitabilité d'une centrale électrique 12 à cycle combiné de la fig. 1 peut comprendre l'analyse de multiples variables pour déterminer les valeurs de commande appropriées nécessaires pour atteindre la puissance de sortie voulue. Ces multiples variables peuvent s'affecter les unes les autres d'une manière non linéaire, et il faut donc agir en conséquence sur celles-ci. Créer des modèles pour représenter les divers effets que les multiples variables ont les unes sur les autres au sein d'un système spécifique peut être difficile quand la précision et la réactivité sont importantes, comme avec les systèmes modernes de production d'électricité. Comme toutes les éventualités ne sont pas susceptibles d'être couvertes par de tels modèles, il est souhaitable que ces modèles se prêtent à une réorganisation, une adaptation et un apprentissage pour faire des prédictions ou des corrections d'après des données de détecteurs d'une turbine ou d'un générateur. Dans un exemple de forme de réalisation, cette adaptabilité pour des conditions normales ou sub-optimales de mise en charge et hors charge peut être assurée par un estimateur d'état pour calculer l'état instantané de divers modèles tels que des modèles de températures de vapeur, de pressions, de températures de métaux ou autres. Dans une autre forme de réalisation, l'adaptabilité peut être assurée par un algorithme ou un système de diagnostic pour détecter des anomalies ou des défauts de fonctionnement dans des capteurs, des actionneurs ou n'importe quel autre organe

15 de la centrale électrique 12. Dans encore une autre forme de réalisation, cette adaptabilité pour des états sub-optimaux de mise en charge et hors charge peut également être assurée à l'aide de diagnostics établis à l'aide de capteurs, qui permettent de choisir entre différents modèles, de modifier des entrées, des sorties ou des paramètres intérieurs de modèles, ou peuvent modifier les optimisations, les fonctions objectives, les contraintes et/ou les paramètres existant dans la commande. Donc, compte tenu des modifications des modèles, optimisations, fonctions objectives, contraintes et/ou paramètres, un optimiseur informatiquement efficace est utilisable pour pouvoir obtenir une amélioration des performances et/ou de l'exploitabilité. De fortes non-linéarités peuvent être présentes dans divers sous-systèmes et organes de la centrale électrique 12 en raison de la grande diversité de conditions de fonctionnement et de niveaux de puissance subis pendant le fonctionnement. Par ailleurs, le fonctionnement de la centrale électrique 12 peut ordinairement être gêné par diverses limitations mécaniques, aérodynamiques, thermiques et de débit. Dans une forme de réalisation, l'utilisation de commandes prédictives par modèles peut être idéale pour de tels environnements, car celles-ci peuvent gérer spécifiquement les non-linéarités, et les contraintes d'entrée et de sortie de nombreuses variables, le tout dans une seule formulation de commande. Les commandes prédictives par modèles sont habituellement des commandes à rétroaction qui utilisent des modèles du processus/système/organe pour prédire, d'après les entrées du système et les mesures les plus récentes du processus, la puissance de sortie jusqu'à un certain instant. Les modèles dans les commandes prédictives par modèles sont conçus pour reproduire des performances transitoires et stables. Ces modèles sont utilisables sous leur forme non-linéaire, ou encore ils peuvent être linéarisés ou paramétrés pour différentes conditions de fonctionnement. Les techniques habituelles de commande prédictive par modèles bénéficient des modèles pour accéder à des paramètres ou des grandeurs physiques non mesurés directement. Ces commandes peuvent être du type à entrées multiples et sorties multiples (MIMO) pour tenir compte d'interactions des boucles de commande, elles peuvent être à base de modèles ou à base de physique et elles peuvent avoir des limites ou des contraintes faisant partie intégrante de la formulation et de l'optimisation de la commande pour se débarrasser de la conception de modes ou de boucles d'unités de commande pour chaque limite. Une forme de réalisation de la présente invention comprend le calcul des actions de l'unité de

16 commande 62 au moins en partie d'après un ensemble de fonctions objectives et un ensemble de contraintes pouvant servir dans le cadre d'un objectif d'optimisation choisi. Les fonctions objectives normales peuvent inclure divers critères de performances tels que la limitation maximale du temps de démarrage, la limitation maximale des coûts liés au combustible, la limitation maximale des rejets, l'accroissement maximal de l'exploitabilité de la centrale, et autres. Les contraintes normales considérées peuvent comprendre des contraintes mécaniques, thermiques et autres efforts apparaissant des différents systèmes, sous-systèmes et organes de la centrale électrique 12, comme la force de poussée s'exerçant sur les paliers, la saturation d'un actionneur, les jeux radiaux entre diverses pièces rotatives, la dilatation différentielle entre diverses pièces adjacentes, le maintien de la qualité de la vapeur, le maintien du niveau de l'eau dans les chaudières et les températures de la vapeur et des métaux et les pressions de la vapeur en différents endroits ou dans différents organes de la centrale électrique 12 à cycle combiné.

Afin de détecter de plus petites conditions de fonctionnement sub-optimales et de prendre des décisions de commande renforcées, le système de commande 20 a de préférence le plus d'informations d'entrée possible sur la centrale électrique 12 et ses sous-systèmes et organes qu'il commande alors. Une façon d'obtenir ces informations d'entrée sur le système consiste à utiliser des modèles dynamiques, capables de fournir des informations sur la manière dont différents paramètres de fonctionnement de la centrale électrique 12 doivent réagir compte tenu des conditions ambiantes présentes et des instructions pour les actionneurs, sur les relations entre les paramètres du système, sur les relations entre les paramètres mesurés et ceux non mesurés, et sur les paramètres qui indiquent le régime global de démarrage de la centrale électrique 12. Si les modèles sont dynamiques, une partie ou la totalité de ces informations pourra alors être trouvée dans les deux régimes, stable et transitoire. Les modèles peuvent aussi servir à analyser un profil de mesures passées ou de performances présentes, ou bien il peut servir à prédire la manière dont la centrale électrique 12 se comportera au cours d'une période donnée.

Dans un exemple de forme de réalisation, les modèles peuvent être à base de physique et/ou à base d'identifications de systèmes. Dans une autre forme de réalisation, les modèles peuvent représenter chacun des principaux organes de la centrale électrique 12 au niveau des systèmes, dont par exemple le générateur 14 de vapeur à récupération de chaleur avec et sans dispositif de chauffe supplémentaire, la turbine à gaz 16, la section haute pression 22 de la turbine à vapeur 18, la section

17 moyenne pression 24 de la turbine à vapeur 18, la section basse pression 26 de la turbine à vapeur 18, le générateur 28, le transformateur 32, le condenseur 34 et autres. Dans encore d'autres formes de réalisation, les performances nominales d'une turbine ou d'un générateur ou d'un sous-système en régimes stable et transitoire peuvent être recréées et servir à l'intérieur de la commande prédictive par modèles et de son estimateur (non représenté) ou d'un optimiseur. D'autres formes de réalisation peuvent utiliser des modèles avec des caractéristiques de fonctionnement avec anomalie, panne ou sub-optimum dans un système de diagnostic d'optimalité à un seul ou plusieurs modèles.

Comme chaque organe de la centrale électrique 12 est différent et peut fonctionner à des niveaux de conditions optimales ou sub-optimales différents, les modèles doivent pouvoir suivre ces changements ou s'y adapter. De préférence, les modèles doivent révéler des informations présentes sur la manière dont un organe particulier fonctionne à un instant donné, en particulier au moment du démarrage.

Cela permet une prédiction plus précise du comportement de la centrale électrique 12 et permet même la détection de sub-optimalités encore plus petites de la centrale électrique 12. Divers paramètres et régimes de la centrale électrique 12 constituent deux zones des modèles qui sont modifiables pour adapter le modèle de la centrale électrique 12 au régime immédiat. Un estimateur de paramètres peut servir, conjointement avec l'unité de commande 62, à déterminer les paramètres d'une turbine ou d'un générateur, et un estimateur de régime peut servir à déterminer les régimes. Dans une autre forme de réalisation, un estimateur de régime peut servir à faciliter encore le suivi des modèles de la turbine à gaz 16 ou de tout autre système ou sous-système ou organe ou de la centrale électrique entière 12. Les informations de régime peuvent également servir à initialiser l'unité de commande prédictive 62 par modèles à chaque intervalle de temps. Comme l'unité de commande prédictive 62 par modèles peut utiliser l'estimation du régime présent de la turbine ou du générateur pour une initialisation et un fonctionnement corrects. Un but d'un estimateur de régime consiste à estimer les régimes des modèles avec le moins d'erreurs en comparaison du système réel, compte tenu de la dynamique du modèle. L'utilisation de l'estimateur de régime, qui peut contenir des informations sur la dynamique de la centrale électrique 12 et le bruit provenant de divers capteurs, permet de déterminer une valeur relativement plus précise pour la position réelle. Ces mêmes types de résultats peuvent être appliqués en temps réel à une turbine à gaz 16

18 ou à tout autre système ou sous-système ou organe ou à la centrale électrique entière 12 pendant le fonctionnement en régimes stable et transitoire de la turbine ou du générateur. Il y a différents procédés que peut adopter l'optimiseur en fonction des besoins du problème d'optimisation. Dans un exemple de forme de réalisation, des procédés à ensembles actifs peuvent être utilisés pour résoudre les formulations de programmation quadratique. Cette approche est normalement très efficace pour les problèmes relativement les plus petits avec le plus faible nombre de contraintes. Dans un autre exemple de forme de réalisation peut être employée une approche par programmation quadratique séquentielle (PQS) dans laquelle le système concerné peut être périodiquement linéarisé dans les limites de l'horizon de prédiction afin de produire une version de problème avec des éléments de réalisation fixes, mais par forcément égaux pour chaque étape d'optimisation. La solution du problème qui en résulte peut ensuite servir à relinéariser dans les limites du même horizon de prédiction, et le processus se répète en vue d'une convergence jusqu'à l'apparition d'une solution satisfaisante. Dans une autre forme de réalisation, des méthodes de points intérieurs (PI) peuvent être employées pour résoudre les problèmes de programmation quadratique à contraintes survenant dans des types de commandes prédictives par modèles.

Ordinairement, les formulations pour points intérieurs ont une exécution relativement rapide en présence d'un grand nombre de contraintes (d'inégalité). Dans une telle forme de réalisation, lors de toute étape du processus itératif, un algorithme de points intérieurs peut parvenir dans un délai raisonnablement court à une solution viable, ce qui donne au système l'avantage d'une réactivité et d'une commande en temps réel.

Dans un autre cas, si, pour quelque raison, l'algorithme ne peut pas aller jusqu'à son terme, il produira une action de commande éventuellement non optimale mais pouvant satisfaire les contraintes. Dans une telle forme de réalisation, il y a des bornes théoriques au nombre d'itérations servant normalement à parvenir à une solution dans des limites de précision quelconques pour chaque cas du problème. Ces bornes associent couramment une complexité polynomiale aux algorithmes correspondants, c'est-à-dire que l'effort de calcul pour résoudre des problèmes de programmation quadratique n'augmente pas plus vite que de manière polynomiale avec les dimensions du problème. De plus, ces bornes théoriques peuvent se situer dans les limites de l'horizon de la solution en fonction d'un certain nombre de facteurs situationnels. De tels facteurs peuvent ordinairement inclure la nature du

19 problème d'optimisation, la dynamique du système, la largeur de bande des modèles, les algorithmes particuliers choisis, les contraintes liées au problème et autres. Ordinairement, une formulation efficace du problème rend la solution applicable en temps réel et l'utilité de base de l'algorithme de prédiction par modèles peut découler de la facilité et de l'adéquation de son utilisation en temps réel. En fonctionnement, dans toutes les différentes autres formulations possibles de commande prédictive par modèles, les contraintes d'égalité dans le problème sont soient utilisées explicitement pendant la résolution du problème d'optimisation, soit utilisées pour éliminer des variables de façon que la formulation de programmation quadratique obtenue ait nettement moins de variables d'optimisation. Les transformations matricielles et vectorielles habituelles qui interviennent dans cette élimination de variables peuvent modifier la structure dans les données du problème d'origine en ayant une incidence sur les économies de calculs potentielles. Cependant, la commodité d'une formulation plutôt que d'une autre dépend du problème spécifique, de l'approche par algorithme de programmation quadratique utilisée et de son aptitude à exploiter une structure de problème appropriée. Une méthode de points intérieurs est un processus itératif qui implique le passage par des étapes successives jusqu'à ce que les solutions convergent. A chaque itération, l'effort de calcul peut être dépensé en résolvant des équations linéaires pour trouver une direction de recherche adéquate. Il y a divers algorithmes classés comme algorithmes de points intérieurs, et ils peuvent avoir des mesures de performances semblables ou presque semblables. L'utilisation d'un algorithme particulier est souvent décidée par l'échelle, la précision et la vitesse de la solution nécessaire. Dans un exemple de forme de réalisation, où les variables d'états et donc les contraintes d'égalité ne sont pas éliminées, les matrices à coefficients servant pour les formulations habituelles de commandes prédictives par modèles peuvent être dispersées. Cette propriété de dispersion peut être exploitée pour réduire énormément les calculs. Ordinairement, les problèmes de commande de centrales électriques tels que la détermination de profils d'entrée pour la mise en charge et hors charge optimale en temps réel sont par nature des problèmes d'optimisation très structurés. La structure de ces problèmes d'optimisation consiste principalement dans les structures de dispersion dans les données des problèmes, et peut servir à obtenir d'énormes réductions des efforts de calculs. Il existe divers niveaux de structures de dispersion déployables pour rendre rapide la solution. Dans une forme de réalisation, la dispersion dans les données des problèmes d'optimisation est exploitée de façon

20 exhaustive pour une accélération du calcul de la solution optimale et une baisse des besoins en mémoire. La fonction objective dans un problème d'optimisation de commande prédictive par modèles peut être un moyen mathématique de définir le but du système de commande. La fonction objective détermine ce qui est défini comme optimal. Certaines fonctions objectives générales visent à limiter le plus possible la consommation de combustible, allonger au maximum la durée de vie d'une turbine ou d'un générateur, suivre les pressions de référence, limiter le plus possible le temps pour parvenir à un niveau de puissance prédéterminé, suivre la référence de rapports de pression, limiter le plus possible les rejets de polluants, suivre la puissance de référence, suivre la vitesse de référence, porter à un minimum ou un maximum une ou plusieurs instructions d'actionneurs, suivre tout nombre de débits de référence, limiter le plus possible les coûts ou autres. Dans diverses formes de réalisation, comme indiqué plus haut, l'algorithme d'optimisation utilisé à l'intérieur de l'unité de commande prédictive 62 par modèles peut être avec ou sans contraintes. La commande prédictive par modèles avec estimation permet d'obtenir des gains de performances et/ou d'exploitabilité par rapport à des commandes selon la technique antérieure en prenant en compte la variation d'un organe à un autre, la mise en charge ou hors charge sub-optimale, les approximations de planification et les changements dans la configuration des organes d'une centrale électrique. Par exemple, des gains de performances et/ou d'exploitabilité peuvent être obtenus grâce à certaines ou la totalité des caractéristiques suivantes : (1) non-linéarité et nature MIMO (ce qui donne une action coordonnée de multiples actionneurs pour améliorer le fonctionnement de la centrale) ; (2) commande à base de modèles (ce qui donne de moindres exigences de marges en fonctionnant conformément à des paramètres de modèles actualisés) ; (3) nature prédictive (ce qui donne un profilage des veines de mise en charge pour améliorer les performances tout en respectant toutes les contraintes) ; et (4) contraintes actualisables (ce qui améliore l'exploitabilité). Les systèmes de commande dans les centrales électriques à cycle combiné habituelles 12 de la Fig. 1, qui fonctionnent suivant des exemples de formes de réalisation décrits ici, peuvent assurer une maîtrise directe de variables intéressantes, telles que les contraintes mécaniques et les jeux ou autres pour les rotors, au lieu d'une maîtrise indirecte de telles variables. Ils gèrent explicitement les contraintes dans nécessiter une logique complexe supplémentaire, et ils font explicitement face à la nature MIMO du problème détecté.

21 Selon les algorithmes utilisés pour les problèmes de commande prédictive par modèles, la résolution de problèmes de programmation quadratique avec contraintes du type où les éléments de réalisation sont fixes peut être un aspect de la commande prédictive par modèles. Dans les exemples de formes de réalisation décrits ici, on peut se servir de divers outils logiciels pour résoudre des problèmes de programmation quadratique avec contraintes et exécuter une commande prédictive par modèles dans l'unité de commande 62, de façon automatisée en temps réel ou presque en temps réel. Les formes de réalisation d'outils logiciels mises au point pour des exécutions de commandes prédictives par modèles peuvent tirer profit des données très structurées dans le contexte d'une application à une centrale électrique pour produire des codes efficaces permettant une exécution rapide, en temps réel ou presque en temps réel. Une forme de réalisation d'une exécution logicielle peut exploiter la structure à dispersion décrite plus haut. Une structure à dispersion commune aux problèmes peut être déterminable, car elle ne dépend que de la taille des problèmes, comme le nombre de contraintes et l'horizon de prédiction. Cependant, en fonctionnement, la structure à dispersion peut dépendre de problèmes spécifiques et elle peut être déterminée automatiquement pendant le stade d'initialisation pour chaque problème. Plus précisément, le système est linéarisé pendant l'initialisation pour calculer les matrices de réalisation denses. A ce stade, la dimension de chaque entrée dans les matrices à coefficients habituellement utilisées est comparée avec un seuil (à savoir d'environ 10 à 14) pour déterminer si elle est égale à zéro ou différente de zéro. La structure à dispersion trouvée de cette manière peut servir dans tout le procédé de commande prédictive par modèles afin de réduire l'effort de calcul.

La Fig. 3 est un organigramme qui présente un exemple de processus pour améliorer des commandes de systèmes pour charger et décharger des profils d'entrée au moins en partie dans la base de modèles dans une centrale électrique à cycle combiné selon un exemple de forme de réalisation de l'invention. Le procédé 30 commence par une série d'éléments d'estimation d'états figurant dans le bloc fonctionnel 102. Divers paramètres de fonctionnement tels que les températures, pressions et débits de la vapeur et du gaz, le débit de l'air et du combustible, les températures des métaux, la position des actionneurs peuvent être mesurés comme indiqué dans le bloc fonctionnel 106. Le bloc 106 est suivi du bloc 108, dans lequel sont calculée des grandeurs des paramètres qui ne sont pas faciles à mesurer directement. On peut citer comme exemples de tels paramètres les températures des

22 métaux dans les enveloppes et les rotors de turbines à vapeur. Le bloc 108 est suivi du bloc 112, dans lequel l'algorithme met à 1 l'étape en cours et passe à la construction et la linéarisation de modèles qui représentent la dynamique de mise en charge d'une turbine à gaz et ses effets sur les contraintes d'une turbine à vapeur. Le bloc 114 est suivi du bloc 116, dans lequel des matrices de réalisation sont rassemblées pour construire des problèmes d'optimisation. Le bloc 116 est suivi du bloc 116, dans lequel des modèles sont en outre intégrés dans les problèmes d'optimisation pour prédire l'état du système. Le bloc 118 est suivi du bloc de décision 122, dans lequel l'algorithme procède à une vérification interne pour s'assurer de ce que, oui ou non, une étape correspondant à l'horizon de prédiction prédéfini du problème d'optimisation et énumérée par `N' est atteinte, la branche "oui" est suivie jusqu'au bloc 124, dans lequel l'étape en cours est incrémentée de 1. Le procédé 30 se poursuit au bloc 114 décrit plus haut pour l'itération suivante.

Considérant le bloc 122, une vérification interne permet de s'assurer de ce que la `N'ième étape n'est pas encore atteinte, la branche "non" est suivie jusqu'au bloc 104, dans lequel sont exécutées des fonctions d'optimisation en ligne. Dans le bloc 104 peuvent être exécutées diverses fonctions d'optimisation en ligne. Dans le bloc 128, des problèmes de programmation quadratique peuvent être construits avec des matrices de réalisation rassemblées. Le bloc 128 est suivi du bloc 132, dans lequel un optimiseur en ligne peut résoudre le problème d'optimisation. Le bloc 132 est suivi du bloc 134, dans lequel peut être exécutée une action de commande présente la meilleure. Le bloc 134 est suivi du bloc 136, dans lequel le programme d'optimisation peut préparer la réception de l'ensemble de mesures suivant. A la suite du bloc 136, le procédé 30 se poursuit au bloc 106 décrit plus haut pour l'itération suivante. Considérant de façon globale la Fig. 3, certaines ou la totalité des séquences de commande représentent un ensemble générique d'éléments fonctionnels habituellement suivis dans un grand nombre de situations. Cependant, dans n'importe quel exemple particulier, un ensemble adéquat de séquences de commande peut être déterminé en convertissant le problème d'optimisation de la centrale électrique 12, globalement comme illustré dans l'exemple de forme de réalisation de la Fig. 3, sous une forme que l'algorithme d'optimisation correspondant est capable de résoudre. Dans une forme de réalisation, par exemple, des éléments de réalisation habituels peuvent être supposés constants dans les limites d'un horizon de prédiction et

23 peuvent être calculés à l'avance pour l'ensemble d'un horizon de prédiction. Dans cette approximation, le problème d'optimisation qui en résulte est un problème de programmation quadratique avec des contraintes d'égalité et d'inégalité, se prêtant à une solution efficace. Dans une autre forme de réalisation, le problème d'optimisation peut être résolu à l'aide d'un procédé de programmation linéaire. Les informations sur l'état présent de la centrale électrique 12 peuvent consister en informations sur la turbine ou le générateur lui-même, un organe de turbine ou de générateur, un système de turbine ou de générateur, un organe de système de turbine ou de générateur, un système de commande de turbine ou de générateur, un organe de système de commande de turbine ou de générateur, une veine de gaz/de vapeur dans la turbine ou le générateur, la dynamique de la veine de gaz/de vapeur, un actionneur, un effecteur, un dispositif de commande qui modifie le comportement de la turbine ou du générateur, un capteur, un écran, un système de détection, un système de dosage de combustible, un système d'alimentation en combustible, un système de lubrification, un système hydraulique, la variation d'un organe à un autre, une détérioration, une anomalie mécanique, une anomalie électrique, une anomalie chimique, une panne mécanique, une panne électrique, une panne chimique, des dommages mécaniques, des dommages électriques, des dommages chimiques, une anomalie dans un système, une panne d'un système et/ou des dommages dans un système. Dans ces systèmes et procédés, les modèles peuvent être constitués par un modèle à base de physique, un modèle linéaire d'identification de système, un modèle non linéaire d'identification de système, un modèle de réseau neuronal, un modèle mono-ou multivariable simplifié de paramètre, un modèle à entrée unique et sortie unique, un modèle à entrées multiples et sorties multiples et/ou n'importe quelles combinaisons de ces modèles. L'actualisation peut consister à actualiser, adapter ou reconfigurer un état, une variable, un paramètre, un paramètre de qualité, un scalaire, un additionneur, une contrainte, une fonction objective, une limite et/ou tout paramètre adaptable des modèles ou une commande pendant un fonctionnement en régime stable ou transitoire. Des diagnostics ont lieu à l'aide d'approches heuristiques, à base de connaissances, à base de modèles et/ou en utilisant une hypothèse multimodèle. Les modèles peuvent être actualisés/adaptés à l'aide d'un estimateur linéaire, d'un estimateur non linéaire, d'un estimateur linéaire d'état, d'un estimateur non linéaire d'état, d'un filtre linéaire, d'un filtre non linéaire, d'un filtre linéaire de suivi, d'un filtre non linéaire de suivi, d'une logique linéaire, d'une logique

24 non linéaire, d'une logique heuristique linéaire, d'une logique heuristique non linéaire, de base de connaissances linéaire et d'une base de connaissances non linéaire ou d'un autre procédé adéquat. L'instruction de commande peut être déterminée par des optimisations avec ou sans contraintes, dont : une optimisation linéaire, une optimisation non linéaire, une optimisation convexe, une optimisation non convexe, une programmation linéaire, une programmation quadratique, une programmation semidéfinie, des procédés qui utilisent des structures à dispersion dans des données de problèmes pour réduire l'effort de calcul, et/ou des procédés d'optimisation par descente de gradient. De préférence, les opérations sont effectuées automatiquement par un ordinateur ou un dispositif de calcul pour optimiser les performances et/ou l'exploitabilité de la turbine ou du générateur. Le sujet décrit ici ne se limite pas uniquement aux fonctions ci-dessus de l'unité de commande 62 telles que l'optimisation des profils de mise en charge et hors charge d'entrée pendant le démarrage de la centrale électrique 12. Dans d'autres exemples de formes de réalisation, les fonctions de l'unité de commande 62 peuvent comprendre d'autres opérations en temps réel telles que la prédiction, la détection et la prévention de tout niveau de détérioration, d'anomalies, de pannes ou de dommages dans divers systèmes, sous-systèmes et organes de la centrale électrique 12. Dans un autre cas, la vitesse d'exécution en temps réel de l'unité de commande 62 est configurable pour s'adapter à différentes dimensions des modèles. Dans un autre cas, la vitesse d'exécution en temps réel du l'unité de commande 62 est également configurable pour s'adapter à divers autres algorithmes d'optimisation. Dans une autre forme de réalisation du système, au lieu de commander et de contrôler directement divers systèmes, sous-systèmes et organes de la centrale électrique 12, l'unité de commande 62 peut communiquer avec un certain nombre d'unités de commande et processeurs locaux installés dans divers systèmes, sous-systèmes et organes de la centrale électrique 12. On peut citer, comme exemples nullement limitatifs de telles unités de commande et processeurs locaux, une unité de commande de turbine à gaz, une unité de commande de turbine à vapeur, une unité de commande de générateur de système à récupération de chaleur, un processeur autonome communiquant avec l'unité de commande de turbine à gaz, un processeur autonome communiquant avec l'unité de commande de turbine à vapeur ou un processeur autonome communiquant avec l'unité de commande de générateur de système à récupération de chaleur.

25 Dans encore un autre exemple de forme de réalisation de l'invention, la centrale électrique 12 peut être une centrale à combustible fossile ou une centrale nucléaire. Quelle que soit la configuration de la centrale électrique 12, habituellement, les installations de turbines à vapeur, appartenant à des centrales électriques à cycle combiné ou à des centrales nucléaires ou à combustible fossile, peuvent être soumises à des contraintes sous forme d'efforts du rotor. Ordinairement, ces contraintes sous forme d'efforts peuvent survenir au niveau de l'alésage du rotor et sur la surface du rotor, avec des contraintes de dilatation différentielle dans la direction de l'axe du rotor pour empêcher des frottements axiaux, et des contraintes to de jeu radial pour empêcher des frottements radiaux dus à la dilatation différentielle dans la direction perpendiculaire au rotor. Le fonctionnement habituel de centrales nucléaires et à combustible fossile peut aussi être soumis à des contraintes similaires en maintenant le niveau d'eau de générateurs de vapeur. De plus, les centrales à combustible fossile doivent aussi tenir compte de contraintes de rejets. D'autres 15 contraintes spécifiques des centrales à combustible fossile peuvent comprendre des limitations de températures pour empêcher la formation de scories ou l'accumulation de scories. Pour un problème d'estimation courant dans les centrales à combustible fossile, on peut avoir besoin d'une estimation en ligne de la composition ou de la qualité du combustible ainsi que d'une indication du niveau de scorification et 20 d'encrassement des tubes de fours, qui peuvent avoir une grande incidence sur le transfert de chaleur vers les tubes à eau/vapeur. La fonction objective applicable dans le cas de centrales nucléaires ou à combustible fossile peut être semblable à celles applicables pour les centrales à cycle combiné. Dans un exemple de forme de réalisation, des actions de commande pour centrales à combustible fossile peuvent 25 comprendre des mesures telles que le débit total de combustible, le débit total d'air ou le rapport combustible/air, les débits individuels de combustible et d'air dans des brûleurs individuels ou dans un ensemble de brûleurs et autres. Dans un autre exemple, spécifiquement dans le contexte d'une centrale nucléaire, il peut y avoir une limitation de qualité de vapeur pour prévenir ou limiter fortement l'érosion. 30 Modélisation de réseaux neuronaux d'organes de turbines

Dans un exemple de forme de réalisation, un modèle de réseau neuronal peut servir pour modéliser la dilatation de pièces d'une turbine afin de permettre la 35 prédiction de la dilatation différentielle de pièces d'une turbine et pour empêcher

26 avantageusement les jeux entre les pièces d'une turbine pendant le fonctionnement. Des temps de démarrage raccourcis, ou une mise en charge accélérée, sans dépasser des limites mécaniques pour les jeux des pièces de la turbine, peut être obtenus, au moins partiellement, à l'aide de systèmes et de procédés qui intègrent des modèles de réseaux neuronaux pour prédire la dilatation des pièces de la turbine. Plus spécifiquement, des formes de réalisation de l'invention peuvent proposer des systèmes et des procédés qui reçoivent des paramètres de fonctionnement indiquant les états d'une seule ou de plusieurs pièces de turbine, telles que le rotor et l'enveloppe, et appliquent ces paramètres de fonctionnement comme entrées à un modèle de réseau neuronal, qui est à son tour apte à modéliser et prédire des taux de dilatation de ces pièces. De la sorte, prédire les taux de dilatation peut permettre à un système de commande de turbine de réagir convenablement afin de faire fonctionner la turbine dans son régime le plus efficace. Par exemple, une turbine peut être amenée à fonctionner avec des temps de mise en charge plus courts et des périodes de fonctionnement sous forte charge plus longs, sans risque excessif de mauvais fonctionnement résultant des frottements entre pièces. Diverses sorties du modèle de réseau neuronal, comme décrit plus en détail plus bas, comme la dilatation de l'enveloppe, la dilatation du rotor et/ou une dilatation différentielle, peuvent servir de paramètres d'entrée dans le système de commande prédictive par modèles décrit plus haut. La fig. 4 représente un schéma de principe d'un exemple d'unité de commande 400 servant à mettre en oeuvre un exemple de modèle de réseau neuronal, selon une forme de réalisation de l'invention. L'unité de commande 400 peut être l'unité de commande 36, décrite plus haut en référence aux figures 1 à 3, ou un élément de celle-ci, ou, selon une autre possibilité, l'unité de commande peut être une autre unité de commande qui exécute certaines ou la totalité des fonctions décrites plus haut en référence aux figures 1 à 3 et/ou aux figures 4 à 9 ci-après. L'unité de commande 400 peut comprendre une mémoire 402 qui stocke une logique programmée 404 (par exemple, un logiciel) et peut stocker des données 406 telles que des paramètres de fonctionnement détectés, des représentations de modèles, des fonctions de coût, des données d'apprentissage ou autres. La mémoire 402 peut aussi comprendre un système d'exploitation 408. Un processeur 410 peut utiliser le système d'exploitation 408 pour exécuter la logique programmée 404, et, ce faisant, peut également utiliser les données 406. Un bus 412 de données peut assurer la communication entre la mémoire 402 et le processeur 410. Les utilisateurs peuvent

27 se servir de l'unité de commande 400 par l'intermédiaire d'un ou de plusieurs dispositifs d'interfaçage 414 tels qu'un clavier, une souris, un tableau de commande ou n'importe quels autres dispositifs permettant de communiquer des données vers et depuis l'unité de commande 400. L'unité de commande 400 peut être en communication avec l'une et/ou l'autre des turbine à vapeur 18 et turbine à gaz 16, via une interface d'entrée/sortie 416. L'interface d'entrée-sortie 416 peut communiquer avec les turbines, des pièces de turbines ou d'autres organes de la centrale électrique par l'intermédiaire de l'interface d'entrée-sortie qui peut elle-même communiquer avec les lignes de communication par exemple les lignes de communication 44, 46, 48 et 52 pour communiquer avec la turbine à gaz 16 et la turbine à vapeur 18. Plus particulièrement, une ou plusieurs des unités de commande 400 peut procéder à l'exécution de la modélisation d'un réseau neuronal, notamment, mais de manière nullement limitative, en déterminant des paramètres de fonctionnement, qui peuvent être fournis par un ou plusieurs capteurs d'une turbine, en appliquant des paramètres comme entrées pour le modèle de réseau neuronal, en modélisant la dilatation d'une ou de plusieurs pièces de turbine, en générant une action de commande reposant au moins en partie sur la dilatation et en réalisant l'apprentissage de modèle de réseau neuronal. Par ailleurs, la ou les unités de commande 400 peuvent en outre procéder à l'exécution d'autres outils de modélisation et mettre en oeuvre la logique de commande, comme on le sait dans les systèmes de commande de turbines. De plus, les modèles de réseaux neuronaux décrits ici peuvent être un élément d'un système de commande plus grand contenant une autre logique de commande, telle que d'autres outils de modélisation, comme la commande prédictive par modèles décrite plus haut. Dans la forme de réalisation illustrée, l'unité de commande 400 peut être située à distance de la turbine 18 ; néanmoins, elle peut être située au même endroit que la turbine ou même intégrée dans la turbine 19. En outre, l'unité de commande 400 et la logique programmée 404 mise en oeuvre par celle-ci peut comprendre un logiciel, un matériel, un micrologiciel, ou toute combinaison de ceux-ci, qui peut être conçu pour fonctionner de n'importe quelle manière décrite ici. Il doit aussi être entendu qu'on peut utiliser de multiples unités de commande 400, grâce à quoi différentes fonctions décrites ici peuvent être exécutées sur une ou plusieurs unités de commande différentes 400. La Fig. 5 est une coupe transversale schématique d'un exemple de turbine 500 utilisable avec une unité de commande telle que l'unité de commande 400 de la Fig. 4, selon une forme de réalisation de l'invention. La turbine 500 évoquée ici peut

28 être une turbine à vapeur 18, comme celle décrite plus en détail plus haut en référence à la Fig. 1. Cependant, il est également entendu que, selon une autre possibilité, une turbine à gaz telle que la turbine à gaz 16 peut également être utilisée conjointement avec une unité de commande telle que 400, dans une forme de réalisation de l'invention. Comme représenté sur la fig. 5, la turbine 500 peut comprendre un carter de turbine ou une enveloppe 502 de turbine. L'enveloppe 502 de turbine peut renfermer des parties importantes de la turbine 500, telles qu'une section 504 de turbine. La section 504 de turbine peut comprendre un arbre 506 et une pluralité d'ensembles d'aubes rotatives et fixes de turbine. En fonctionnement, les gaz chaud issus d'une chambre de combustion telle que la chambre de combustion 14 décrite plus haut en référence à la fig. 1 peuvent en se détendant, être dirigés par les aubes fixes de la turbine, qui sont également appelés stators ou distributeurs 508, 510, 512, et peuvent entraîner les aubes rotatives de turbine ou les aubes de rotor 514, 516, 518. Les distributeurs 508, 510, 512 peuvent être fixés à la surface intérieure de l'enveloppe 502 de turbine et peuvent s'étendre vers l'intérieur dans la turbine 500. De plus, l'arbre 506 et les aubes rotatives 514, 516, 518 de rotor peuvent collectivement être appelés ensemble de rotor. La turbine 500 de la Fig. 5 présente trois ensembles de distributeurs et d'aubes rotatives de turbine ; cependant, pour les spécialistes de la technique, il est entendu que n'importe quel nombre d'ensembles de distributeurs et d'aubes rotatives de rotor peuvent se trouver dans une turbine 500 utilisée suivant un aspect de l'invention. Il est en outre entendu que chaque ensemble de distributeurs et d'aubes rotatives de rotor peut être appelé étage de la turbine 500. Par exemple, comme représenté sur la Fig. 5, les premiers distributeur 508 et aube rotative 514 de rotor peuvent être appelés premier étage de la turbine 500 ; les deuxième distributeur 510 et aube rotative 516 de rotor peuvent être appelés deuxième étage de la turbine 500 ; et les troisième distributeur 512 et aube rotative 518 de rotor peuvent être appelés troisième étage de la turbine 500. Une turbine 500 utilisée selon une forme de réalisation de l'invention peut comprendre n'importe quel nombre d'étages.

Il sera également entendu que, dans certaines formes de réalisation, les aubes rotatives 514, 516, 518 de turbine peuvent être appelées ailettes. Selon une autre possibilité, le terme d'ailette peut servir pour décrire à la fois la partie découverte d'une aube rotative s'étendant depuis l'arbre 506 et la partie rotative s'étendant jusque dans l'arbre 506. Dans une telle situation, l'expression aube rotative de rotor peut servir à décrire la partie découverte de l'ailette. Aux fins de la présente

29 description, le terme d'ailette peut servir pour désigner une aube rotative entière, comprenant à la fois la partie découverte d'une aube rotative et la partie d'une aube rotative s'étendant jusque dans l'arbre 506, ou la partie formant arbre d'aube rotative. L'expression aube rotative de rotor peut servir pour désigner la partie découverte d'une aube rotative ou d'une ailette. Extrémité d'ailette et extrémité d'aube rotative de rotor sont deux expressions utilisables de manière interchangeable pour désigner la même pièce. Le fonctionnement de la turbine est mesurable par plusieurs capteurs détectant divers états observables de la turbine et du milieu ambiant. Dans bien des cas, de multiples capteurs redondants peuvent mesurer le même état mesuré. Par exemple, un ou plusieurs capteurs peuvent être en communication avec et contrôler la température de pièces de turbine telles que, par exemple, l'enveloppe 502 de turbine. De même, des capteurs de température peuvent contrôler la température ambiante autour de la turbine, la température à la sortie du compresseur, la température d'échappement de la turbine, d'autres mesures connexes de température du courant gazeux passant dans une turbine à gaz, ou d'autres paramètres de turbine connus dans la technique. Au sens de la présente description, le terme "paramètres" désigne des points qui peuvent servir à définir les conditions de fonctionnement de la turbines, telles que les températures, les pressions et les débits de gaz à des endroits définis dans la turbine. Les capteurs décrits peuvent être en communication avec une ou plusieurs pièces de la turbine 500, comme on le sait dans la technique. Par exemple, dans une turbine à vapeur, des capteurs de pression et de température peuvent être montés aux points d'entrée et de refoulement de la turbine 500 pour mesurer les états de la vapeur d'entrée et de refoulement. Dans quelques exemples d'applications dans des turbines telles que des turbines à vapeur, un ou plusieurs capteurs supplémentaires pour mesurer directement la dilatation du rotor et/ou des pièces métalliques de l'enveloppe peuvent être montés au point d'entrée ou au point de refoulement ou aux deux. En tout cas, certains ou la totalité des capteurs peuvent être en communication avec l'unité de commande telle que l'unité de commande 400, par l'intermédiaire de lignes de communication ou de n'importe quel autre dispositif ou procédé. La Fig. 6 illustre un exemple de forme de réalisation d'un modèle 600 de réseau neuronal décrit ici et exécutable par l'unité de commande selon les formes de réalisation de l'invention décrites ici. Le modèle 600 de réseau neuronal peut être n'importe quel type de modèle de réseau neuronal artificiel connu dans la technique,

30 comme par exemple un réseau neuronal à action directe, un perceptron monocouche, un perceptron multicouche, un réseau à fonction de base radiale, un réseau neuronal récurrent, un réseau neuronal modulaire ou autre, comme on le sait dans la technique. Le réseau neuronal 600 peut comprendre un ou plusieurs noeuds ou groupes de noeuds, en grande partie comme dans le cerveau humain. De façon générale, le réseau neuronal 600 est un estimateur, un modélisateur ou un prédicteur qui peut être conçu et peut subir un apprentissage pour établir une correspondance avec un signal ou une série signaux d'entrée choisis afin de générer un ou plusieurs paramètres de sortie voulus qui varient en fonction du signal ou des signaux d'entrée.

Dans des exemples de formes de réalisation décrits en outre ici, il peut existe plus d'un modèle 600 de réseau neuronal, servant chacun à modéliser ou prédire un certain paramètre de sortie qu'il est souhaitable de connaître pour modéliser la dilatation différentielle survenant à l'intérieur d'une turbine. Par exemple, il peut y avoir deux modèles 600 de réseaux neuronaux, le premier modèle 600 de réseau neuronal étant conçu pour modéliser ou prédire la dilatation de l'enveloppe et le deuxième modèle 600 de réseau neuronal étant conçu pour modéliser ou prédire la dilatation de l'ensemble de rotor. Selon une autre possibilité, on notera qu'un réseau neuronal unique 600 peut être conçu pour recevoir de multiples entrées de façon à modéliser ou prédire directement la dilatation différentielle comme sortie du réseau neuronal unique 600. Plus spécifiquement, dans une forme de réalisation, chaque modèle 600 de réseau neuronal peut comprendre au moins trois groupes de neurones ou de noeuds dans une couche de neurones d'entrée 602, au moins une couche de neurones cachée 604 et une couche de neurones de sortie 606. Chacune de ces couches peut aussi être désignée ici de manière interchangeable par le terme de neurones. La couche de neurones d'entrée 602 peut prendre comme entrées, par exemple, la température de l'enveloppe mesurée par le ou les capteurs décrits plus haut, et/ou des paramètres modélisés comme entrées pour déterminer la dilatation du rotor. On notera, comme décrit plus en détail en référence à la Fig. 8 plus bas, que, concrètement certains paramètres ne sont pas modélisables dans l'environnement d'une turbine et peuvent être mieux prédits ou modélisés à l'aide d'un modèle mathématique. De la sorte, les modèles de réseaux neuronaux 600 décrits ici peuvent prendre comme entrées des paramètres de fonctionnement se prêtant à des mesures directes et/ou des paramètres modélisés qui représentent des paramètres de fonctionnement pour lesquels une mesure directe est impossible ou malcommode. Eventuellement, les entrées peuvent

31 être normalisées ou subir des opérations numériques de changement d'échelle, comme on le sait dans la technique. Dans un exemple de forme de réalisation, la couche de neurones cachée 604 peut être configurée pour exécuter la logique à action directe, grâce à quoi les signaux sont calculés et entrés "vers l'avant" dans le noeud suivant sans exécution de communication latérale ou vers l'arrière entre des noeuds. Les noeuds de la couche de neurones cachée 604 peuvent être constitués d'une seule ou de plusieurs équations, comme on le sait dans la technique. Certains exemples illustrés sur la Fig. 6 présentent une série de fonctions de sommation qui font la somme des entrées vectorielles de la couche d'entrée introduites dans une fonction tangente hyperbolique (par exemple y = tgh(u)). Cependant, on notera que d'autres équations peuvent être employées comme on le sait pour être résolues pour les paramètres des couches de réseaux neuronaux. Dans d'autres formes de réalisation possibles, la couche de neurones cachée 604 du ou des réseaux neuronaux peut être configurée sous la forme d'un réseau récurrent, ayant des connexions de retour supplémentaires entres les couches de neurones et/ou des connexions latérales de retour entre neurones au sein d'une seule couche. Les résultantes des opérations effectuées par la couche de neurones cachée 604 sont fournies comme entrées à la couche de neurones de sortie 606. La couche de neurones de sortie peut comprendre une ou plusieurs sorties de résultantes. La somme des sorties peut ensuite être faite par une fonction de sommation pour produire la sortie voulue, par exemple la dilatation d'un ou plusieurs des rotors, la dilatation de l'enveloppe de turbine, ou la dilatation différentielle du rotor en comparaison de l'enveloppe de turbine. Par ailleurs, les sorties de la couche de neurones de sortie 606 peuvent éventuellement subir une opération de dénormalisation ou une opération numérique de changement d'échelle, comme on le sait dans la technique. Dans un exemple de forme de réalisation, comme illustré et décrit en outre sur la Fig. 8, un premier modèle de réseau neuronal peut prédire la dilatation de l'enveloppe et un autre modèle de réseau neuronal peut prédire la dilatation du rotor. La dilatation différentielle peut ensuite servir, au moins en partie, à générer une action de commande or exécuter une opération sur d'autres actions de commande pendant le fonctionnement de la turbine. De plus, dans un exemple, la couche de neurones de sortie 606 peut être renvoyée comme signal de retour 610 à la couche de neurones d'entrée 602, en tant

32 que troisième entrée. Bien que la Fig. 6 illustre un exemple de signal de retour simple 610 fourni directement à la couche de neurones d'entrée 602, le signal de retour 610 peut éventuellement subir d'autres opérations. Par exemple, le signal de retour 610 peut éventuellement être fourni avec un délai unitaire avant d'être fourni comme entrée à la couche de neurones d'entrée 602. De plus, un moyen de polarisation peut éventuellement être couplé à une ou plusieurs des couches du réseau neuronal 600 pour permettre le réglage de la pondération ou de la paramétrisation interne de la ou des couches. Le moyen de polarisation peut, par exemple, être une alimentation électrique constituant une source de courant stable, variable et déterminable qui permet d'ajuster les fonctions de pondération et/ou les paramétrisations internes des diverses couches cachées. La conception (également appelée le "choix") du modèle de réseau neuronal 600, comprenant la couche de neurones d'entrée 602, l'établissement d'une correspondance entre les paramètres de fonctionnement mesurés et/ou modélisés et la couche de neurones d'entrée 602, chaque couche de neurones cachée 604 et la couche de neurones de sortie 606, peut être élaborée à l'aide d'applications logicielles de calcul et de modélisation telles que MATLAB, produit par The MathWorks, Inc. A Natick, MA, ou autre. L'application logicielle de calcul et de modélisation peut présenter une interface graphique pour construire, tester et/ou réaliser l'apprentissage de chaque modèle 600 de réseau neuronal avant sa mise en oeuvre dans l'unité de commande 400 selon des formes de réalisation de l'invention. La fig. 7 illustre un exemple de procédé selon une forme de réalisation de l'invention. Il est présenté un exemple de procédé 700 du fonctionnement de base d'un modèle de réseau neuronal, qui peut être exécuté par l'unité de commande 400, servant à modéliser la dilatation de pièces de turbine et à prédire la dilatation différentielle de pièces de turbine pendant le fonctionnement d'une turbine, par exemple la turbine 500. Au bloc fonctionnel 702, l'unité de commande 400 peut recevoir un ou plusieurs paramètres de fonctionnement indiquant les états de fonctionnement de la turbine 500. Les paramètres de fonctionnement mesurés peuvent comprendre, mais de manière nullement limitative, la température de l'enveloppe, les températures ambiantes, la vitesse de rotation de la turbine et les pressions dans la turbine. On notera également que d'autres paramètres, non mesurables, peuvent être modélisés d'après d'autres paramètres mesurés. En outre, un ou plusieurs des paramètres mesurés peuvent aussi être modélisés pour améliorer la précision et accroître les

33 redondances de systèmes. Dans un exemple de forme de réalisation, la température du rotor peut être modélisée en mesurant la température de la vapeur à certains endroits pendant le fonctionnement de la turbine et en appliquant les températures de vapeur mesurées comme entrées dans un modèle qui prédit la température du rotor, d'après des modèles thermiques connus ou dérivés. Au bloc fonctionnel 704, les paramètres de fonctionnement mesurés et/ou modélisés au bloc fonctionnel 702 peuvent être appliqués comme entrées à un ou plusieurs modèles de réseaux neuronaux. Au bloc fonctionnel 706, le modèle de réseau neuronal peut modéliser la dilatation d'une ou plusieurs des pièces de turbine conformément à la description ci-dessus de la Fig. 6 et de la Fig. 8 ci-après. La dilatation différentielle permet de comparer, par exemple, la dilatation de l'enveloppe de turbine avec la dilatation des rotors et peut être exprimée globalement par la formule : Dilatation différentielle = Dilatation du rotor û Dilatation de l'enveloppe. On notera que dans d'autres formes de réalisation la dilatation différentielle peut être modélisée pour compare la dilatation d'autres pièces de turbine, comme on le sait dans la technique. Bien que la Fig. 7 illustre globalement une forme de réalisation pendant le fonctionnement, on notera que le modèle de réseau neuronal doit être choisi (ou conçu) puis soumis à un apprentissage avant de fournir des entrées pendant le fonctionnement. Des exemples de processus de choix de réseau neuronal et d'apprentissage sont décrits plus loin en référence à la Fig. 9. Au bloc fonctionnel 708, l'unité de commande 400 peut effectuer une action de commande reposant au moins en partie sur la dilatation modélisée déterminée au bloc fonctionnel 706. L'action de commande peut servir à régler le fonctionnement de la turbine par des moyens connus dans la technique, comme par exemple en réglant les soupapes ou la vitesse de mise en charge. Par exemple, l'action de commande peut générer un signal pour accroître la vitesse de la turbine si la dilatation différentielle modélisée est inférieure à un certain seuil prédéfini et pour réduire la vitesse de la turbine si la dilatation différentielle modélisée est supérieure à un certain seuil prédéfini. On notera que les seuils prédéfinis sont spécifiques des dimensions et du fonctionnement projeté de la turbine. Ainsi, on peut identifier des valeurs, pour ces exemples de seuils prédéfinis, d'après l'application individuelle de la turbine. Selon une autre possibilité, l'action de commande peut viser à stopper le fonctionnement de la turbine ou d'une pièce de la turbine, à déclencher une alarme ou à émettre un message de notification pour un utilisateur. En outre, l'action de commande peut prendre en considération d'autres aspects du fonctionnement de la

34 turbine, tels que d'autres paramètres de fonctionnement, la vitesse de fonctionnement présente, le stade de mise en charge de la turbine et autres. De plus, l'unité de commande 400 peut avoir certains points de consigne ou seuils identifiant des limites à l'intérieur desquelles la dilatation différentielle peut exister avant de générer une action de commande afin de modifier le fonctionnement de la turbine ou la dilatation des pièces de turbine. On notera en outre que la sortie modélisée du bloc fonctionnel 706 peut servir d'entrée pour le système de commande prédictive par modèles, décrit plus en détail plus haut en référence aux figures 1 à 3, et que l'action de commande au bloc fonctionnel 708 peut se faire en réponse aux actions de commande du système de commande prédictive par modèles. La fig. 8 illustre un exemple fonctionnel de procédé 800 par lequel une forme de réalisation mise en oeuvre par l'unité de commande 400 peut servir à modéliser ou prédire la dilatation différentielle de pièces de turbine. A l'entrée 802 et l'entrée 804 peuvent être respectivement mesurées la température de la vapeur d'échappement et la température de la vapeur principale. Il peut être nécessaire de modéliser certains paramètres plutôt que de les mesurer directement, parce que, dans quelques exemples, des mesures directes sont irréalisables. Par exemple, dans une turbine à vapeur, il peut être difficile ou malcommode de mesurer la température de pièces rotatives et des surfaces internes. De la sorte, d'autres paramètres, tels que la température de la vapeur, qui se prêtent à des mesures directes peuvent être appliqués à un ou plusieurs modèles pour ensuite estimer le paramètre voulu. Les modèles peuvent être des modèles simplifiés, unidimensionnels, concentrés (aussi appelés modèles concentrés de pièces). Des exemples de modèles de pièces concentrés peuvent également être appelés équations algébriques ou équations différentielles.

Selon une autre possibilité, les modèles de paramètres peuvent être réalisés par une collection informatisée d'équations algébriques ou aux différences finies. Les blocs 806 et 808 représentent des modèles simplifiés dans le présent exemple de forme de réalisation. Le bloc 806 représente un modèle thermique d'enveloppe, par lequel l'entrée 802 de température de vapeur d'échappement et l'entrée 804 de température de vapeur principale sont fournies comme entrées pour le modèle thermique d'enveloppe. Le modèle thermique d'enveloppe peut modéliser la température de la surface intérieure de l'enveloppe extérieure et la température du métal de l'enveloppe de la section d'échappement, respectivement indiquées comme sorties 810 et 812. De même, au bloc 808, un modèle thermique de rotor peut prendre la vapeur principale comme entrée 604 et modéliser la température du métal

35 du corps, comme représenté par la sortie 814. On notera que la fig. 8 ne présente qu'un exemple de forme de réalisation et que d'autres pièces peuvent être modélisées en utilisant des entrées différentes. Par exemple, une autre forme de réalisation possible peut prendre comme entrées la température de la vapeur principale et la température de la vapeur d'échappement, et modéliser individuellement, à l'aide d'un modèle de réseau neuronal, la dilatation de l'enveloppe et la dilatation du rotor, ou modéliser directement la dilatation différentielle. Les blocs 816 et 818 illustrent deux modèles de réseaux neuronaux pouvant servir à modéliser respectivement la dilatation de l'enveloppe et la dilatation du rotor, comme décrit en référence à la fig. 6. La encore, on notera que les modèles de réseaux neuronaux tels que ceux illustrés aux blocs 816 et 818 de cette figure sont destinés à être choisis, conçus et soumis à un apprentissage. Le choix et l'apprentissage sont décrits plus en détail plus loin en référence à la fig. 9. La sortie des modèles de réseaux neuronaux, qui peut être illustrée dans le présente exemple par les sorties 820 et 822, peut ensuite être comparée, à l'aide d'un comparateur ou de toute opération similaire pour déterminer les différences entre les sorties (indiqué par le comparateur 824). La comparaison et/ou la détermination des différences entre la sortie 820 de dilatation d'enveloppe et la sortie 822 de dilatation de rotor donne la dilatation différentielle de la turbine, en particulier en comparant le jeu axial des aubes rotatives par rapport à l'enveloppe de turbine, fonctionnant dans l'environnement existant alors. La sortie de dilatation différentielle peut être modélisée dans le temps, et les résultats peuvent être analysés dans le temps pour déterminer l'effet que les états de fonctionnement présents et/ou historiques ont sur les pièces de la turbine. Par exemple, dans certains régimes de fonctionnement tels que les démarrages à froid, il peut être avantageux de modéliser (ou de prédire) la dilatation différentielle dans le temps pendant la mise en charge de la turbine, pour permettre une meilleure compréhension des limites des pièces. Modéliser la dilatation différentielle donne aussi une image plus complète des états des pièces de turbine pendant divers régimes de fonctionnement, en permettant à un opérateur et/ou un système de commande de faire fonctionner la turbine à son régime le plus efficace tout en évitant le risque de rupture d'une pièce du fait de frottements ou de conditions similaires. La Fig. 9 illustre un exemple de procédé 900 par lequel une forme de réalisation de l'invention peut servir à soumettre chaque modèle 600 de réseau neuronal à un apprentissage pour la mise en oeuvre décrite en référence aux figures 6

36 à 8. Le modèle 600 de réseau neuronal peut être soumis à un apprentissage de façon à déterminer la ou les meilleures fonctions représentatives exécutées par la couche de neurones cachée 604 et la meilleure pondération nodale pour générer une sortie relativement précise en réponse aux signaux d'entrée des paramètres de fonctionnement mesurés. Un ou plusieurs algorithmes d'apprentissage peuvent être utilisés pendant l'apprentissage afin de générer les facteurs de pondération appropriés pour un ou plusieurs des noeuds du réseau neuronal. Par ailleurs, l'algorithme d'apprentissage peut servir à déterminer les signaux de polarisation appropriés à appliquer à une ou plusieurs des couches du réseau. L'algorithme d'apprentissage peut être exécuté d'une manière itérative jusqu'à ce que le facteur d'erreur, comparant la sortie du réseau neuronal avec des données d'observations ou d'apprentissage correctes connues, soit réduit le plus possible ou converge. Ce processus peut également être appelé optimisation du modèle 600 de réseau neuronal. On peut citer, comme exemples d'algorithmes d'apprentissage exécutés pendant l'optimisation, un algorithme des moindres carrés d'erreurs, un algorithme de rétropropagation, un algorithme de Levenberg-Marquardt ou autres méthodes statistiques utilisant des fonctions d'erreurs, connues dans la technique. Tout d'abord, des valeurs connues de dilatation de pièces de turbines sont extraites pour fournir des données d'apprentissage ou des données cibles en fonction desquelles le modèle 600 de réseau neuronal est optimisé pendant l'apprentissage, comme indiqué au bloc fonctionnel 902. Comme au bloc fonctionnel 702 de la Fig. 7, des paramètres de fonctionnement de pièces de turbine sont mesurés ou modélisés au bloc fonctionnel 904 et appliqués comme entrées au modèle 600 de réseau neuronal dans le bloc fonctionnel 906. Les fonctions de la couche de neurones cachée, décrites plus haut en référence à la Fig. 6, agissent sur les entrées issues du bloc fonctionnel 906 afin de déterminer au bloc fonctionnel 908 des sorties telles que la dilatation du rotor, la dilatation de l'enveloppe ou la dilatation différentielle. Le bloc fonctionnel 910 permet de comparer la dilatation modélisée, issue du bloc fonctionnel 908, avec la dilatation connue de pièces de turbine extraite au bloc fonctionnel 902. La comparaison peut être réalisée à l'aide d'un algorithme d'apprentissage pour effectuer une opération à fonction d'erreur sur la sortie par comparaison avec les données connues, comme évoqué plus haut. Si le terme d'erreur déterminé au bloc fonctionnel 910 est suffisamment limité, de façon à démontrer une convergence des sorties modélisées avec les sorties connues, le modèle de réseau neuronal peut être considéré comme ayant subi un apprentissage et aucun autre

37 ajustement de la pondération et des paramètres n'a besoin d'être réalisé, comme illustré au bloc fonctionnel 912. Cependant, si le terme d'erreur déterminé au bloc fonctionnel 910 n'indique pas une convergence satisfaisante, la pondération du ou des paramètres d'une ou plusieurs des couches cachées peut être ajustée, comme illustré au bloc fonctionnel 914. Après l'ajustement de la couche de neurones d'entrée et/ou de la couche de neurones cachée, le modèle de réseau neuronal est à nouveau exécuté , comme au bloc fonctionnel 908, pour générer des sorties de dilatation modélisée. Les éléments illustrés aux blocs fonctionnels 908, 910 et 914 sont répétés de manière itérative, en apportant des ajustements mineurs dans la pondération et les couches de neurones cachées, jusqu'à ce que les déterminations faites au bloc fonctionnel 910 présentent une convergence satisfaisante entre les sorties de dilatation modélisée et les données de dilatation connues. On notera en outre que, en plus ou à la place, les signaux de polarisation appliqués à un ou plusieurs noeuds de l'une quelconque des couches du réseau peuvent être ajustés à la manière des ajustements faits au bloc fonctionnel 914. La terminologie utilisée ici est employée à des fins de description nullement limitative. Les détails spécifiques de structure et de fonctions décrites ici ne doivent pas être interprétés dans un sens limitatif, mais seulement comme base pour les revendications en tant que base représentative pour expliquer des exemples de formes de réalisation de l'invention. Toutes modifications ou variations dans les systèmes et procédés de commande prédictive par modèles présentés, et les autres applications des principes illustrés ici, sont considérées comme entrant dans la cadre de la présente invention. Les exemples de formes de réalisation se rapportent à des schémas de principe de systèmes, procédés, dispositifs et programmes informatiques selon au moins une forme de réalisation décrite ici. Il est entendu que chaque bloc des schémas de principe et les combinaisons de blocs des schémas de principe peuvent respectivement être mis en oeuvre au moins partiellement par des instructions de programmes informatiques. Ces instructions de programmes informatiques peuvent être chargées dans un ordinateur universel, un ordinateur spécialisé, un ordinateur spécialisé à base matérielle ou un autre appareil programmable de traitement de données pour réaliser une machine telle que les instructions exécutées dans l'ordinateur ou autre appareil programmable de traitement de données créent un moyen pour mettre en oeuvre la fonctionnalité de chaque bloc des schémas de principe, ou de combinaisons de blocs dans les schémas de principes évoqués.

38 Ces instructions de programmes informatiques peuvent aussi être stockées dans une mémoire lisible par ordinateur capable de demander à un ordinateur ou autre appareil programmable de traitement de données de fonctionner d'une manière particulière, de telle sorte que les instructions stockées dans la mémoire lisible par ordinateur produisent un article manufacturé comprenant des moyens de délivrance d'instructions qui mettent en oeuvre la fonction spécifiée dans le ou les blocs. Les instructions des programmes informatiques peuvent aussi être chargées dans un ordinateur ou autre appareil programmable de traitement de données pour amener une série d'étapes à être exécutées dans l'ordinateur ou autre appareil programmable afin de produire un processus à mis en oeuvre informatique de telle sorte que les instructions exécutées dans l'ordinateur ou autre appareil programmable fournissent des éléments servant à mettre en oeuvre les fonctions spécifiées dans le ou les blocs. Les systèmes et procédés décrits ici peuvent être mis en oeuvre à l'aide d'un programme d'application exécuté dans un système d'exploitation d'un ordinateur. Ils peuvent également être mis en pratique avec d'autres configurations de systèmes informatiques, dont des dispositifs portatifs, des systèmes multiprocesseurs, des équipements électroniques grand public à commande par microprocesseur ou programmables, des mini-ordinateurs, des ordinateurs centraux, etc. Les programmes d'applications qui font partie des systèmes et procédés décrits ici peuvent comprendre des routines, programmes, composants, structures de données, etc. qui mettent en oeuvre certains types de données abstraites et exécutent certaines tâches et actions. Dans un environnement d'informatique distribuée, le programme d'application (en totalité ou en partie) peut se trouver dans une mémoire locale ou un autre moyen de stockage. De plus, ou selon une autre possibilité, le programme d'application (en totalité ou en partie) peut se trouver dans une mémoire distante ou dans un moyen de stockage pour tenir compte de circonstances où des tâches sont effectuées par des dispositifs de traitement distants en liaison par l'intermédiaire d'un réseau de communications. De la sorte, disposer de systèmes et de procédés décrits ici permet une commande plus souple et une plus grande efficacité de fonctionnement des turbines et des centrales. Par ailleurs, disposer d'un réseau neuronal pour modéliser et donc prédire la dilatation différentielle de pièces d'une turbine pendant le fonctionnement permet de faire fonctionner la turbine dès que possible à son régime le plus efficace en poussant les vitesses de mise en charge et/ou hors charge de la turbine jusqu'à leurs limites pendant le démarrage, tout en fonctionnant en deçà de limites

39 prédéfinies et dans des plages de fonctionnement sûres. De plus, le modèle de réseau neuronal peut n'être qu'un élément unique dans l'optimiseur en ligne plus grand réalisant une optimisation prédictive par modèles en temps réel des profils de démarrage et de fonctionnement d'une turbine ou d'une turbine fonctionnant dans une centrale électrique à cycle combiné.

15 20 25 Liste des repères 10 Système 12 Centrale électrique 14 Générateur de vapeur à récupération de chaleur 16 Turbine à gaz 18 Turbine à vapeur 20 Système 22 Section haute pression 24 Section moyenne pression 26 Section basse pression 28 Générateurs électriques 30 Bloc 32 Transformateur 34 Condenseur 36 Unité de commande 42 Ligne de communication 44 Ligne de communication 46 Ligne de communication 48 Ligne de communication 52 Ligne de communication 54 Ligne de communication 56 Ligne de communication 58 Ligne de communication 62 Unité de commande 64 Bloc fonctionnel 66 Bloc fonctionnel 68 Bloc fonctionnel 72 Bloc fonctionnel 74 Bloc fonctionnel 76 Bloc fonctionnel 102 Bloc fonctionnel 104 Bloc fonctionnel 106 Bloc fonctionnel 108 Bloc fonctionnel 112 Bloc fonctionnel 114 Bloc fonctionnel 116 Bloc fonctionnel 118 Bloc fonctionnel 122 Bloc fonctionnel 124 Bloc fonctionnel 128 Bloc fonctionnel 132 Bloc fonctionnel 134 Bloc fonctionnel 136 Bloc fonctionnel 400 Unité de commande 402 Mémoire 404 Logique programmée 406 Données 408 Système d'exploitation 410 Processeur 412 Bus de données 414 Dispositif d'interface utilisateur 416 Interface d'entrée-sortie 500 Turbine 502 Enveloppe de turbine 504 Section de turbine 506 Arbre 508 Distributeur 510 Distributeur 512 Distributeur 514 Aube rotative de rotor 516 Aube rotative de rotor 518 Aube rotative de rotor 600 Modèle de réseau neuronal 602 Couche de neutrons d'entrée 604 Couche de neutrons cachée 606 Couche de neutrons de sortie 608 Sortie 610 Signal de retour 700 Procédé

Claims

REVENDICATIONS

1. Procédé pour empêcher le jeu dans une turbine (500), le procédé comprenant : l'application (704) d'au moins un paramètre de fonctionnement comme entrée à au moins un modèle (600) de réseau neuronal ; la modélisation (706), à l'aide du/des modèles (600) de réseaux neuronaux, de la dilatation thermique d'au moins une pièce de turbine ; l'exécution (708) d'une action de commande au moins en partie sur la base de la dilatation thermique modélisée de la/des pièces de turbine.

2. Procédé selon la revendication 1, comprenant en outre : la détermination (702) d'une température d'enveloppe extérieure associée à la turbine (500) ; et la détermination (702) d'une température de rotor associée à la turbine (500) le/les paramètres de fonctionnement comprenant la température de l'enveloppe extérieure et la température du rotor.

3. Procédé selon la revendication 2, dans lequel la détermination (702) de la température de l'enveloppe extérieure consiste à mesurer la température de l'enveloppe extérieure.

4. Procédé selon la revendication 2, dans lequel la détermination (702) de la température du rotor consiste à modéliser la température du rotor.

5. Procédé selon la revendication 4, dans lequel la modélisation de la température du rotor comporte : l'obtention (804) de la température de la vapeur à au moins un endroit dans la turbine ; l'application (808) de la température de la vapeur à un modèle thermique de rotor ; et la modélisation (814), à l'aide du modèle thermique de rotor, d'un paramètre de température de rotor.

6. Procédé selon la revendication 1, dans lequel la modélisation (706), à l'aide du/des modèles (600) de réseaux neuronaux, de la dilatation thermique de la/des pièces de turbine comporte : la modélisation (820) de la dilatation thermique d'une enveloppe associée à la turbine ; et 44 la modélisation (822) de la dilatation thermique d'un rotor associé à la turbine.

7. Procédé selon la revendication 6, comprenant en outre la détermination (824) d'une dilatation différentielle au moins en partie sur la base de la différence entre la dilatation thermique modélisée du rotor et de la dilatation thermique modélisée de l'enveloppe.

8. Procédé selon la revendication 1, comprenant en outre l'application de la dilatation thermique modélisée de la/des pièces de turbine comme entrée de retour (610) au/aux modèles (600) de réseaux neuronaux.

9. Procédé selon la revendication 1, dans lequel l'exécution (708) de l'action de commande comprend au moins une opération parmi les opérations d'arrêt du fonctionnement de la turbine (500), de réglage du fonctionnement de la turbine (500), de déclenchement d'une alarme, d'émission d'un message de notification ou de modification du jeu de la turbine (500).

10. Procédé selon la revendication 1, dans lequel l'exécution (708) de l'action de commande comprend l'application de la dilatation thermique modélisée de la/des pièces de turbine comme entrée à une commande prédictive par modèles pour commander une centrale électrique (12) dont fait partie la turbine (500).