JP2011094620A - タービン運転劣化判定システム及び方法 - Google Patents

Abstract

【課題】経験的結果に基づいたタービン性能劣化のモデル化を提供すること。
【解決手段】少なくとも１つのタービン（６０）の財務リスクモデルを作成するシステムは、１以上のタービンの動作特性を記憶するデータベース（４０１）と、データベースに結合され、該データベースから情報を受け取り、財務リスク判定を作成する処理モジュール（４０２）とを含む。処理モジュールは、性能データを受け取り、これからモデルを作成する性能劣化モデラー（４１６）と、性能劣化モデラーに結合され、該性能劣化モデラーから受け取ったモデルに基づき契約に対する財務エクスポージャを決定する財務リスク計算機（４２４）とを含む。
【選択図】 図４

Description

本発明は、タービンに関し、より詳細には、経験的結果に基づいたタービン性能劣化のモデル化に関する。

全てのタービンは、時間の経過と共に性能の損失を生じる。ガスタービン性能の劣化は、回復可能又は回復不能な損失として分類することができる。回復可能な損失は通常、圧縮機汚損と関連付けられ、部分的には水洗浄により、或いはより完全には、ユニットを開放した後、圧縮機ブレード及びベーンを機械的に清浄することによって是正することができる。回復不能な損失は、主として、タービン及び圧縮機のクリアランスの増大並びに表面仕上げ及び翼形部外形の変化に起因するものである。この損失は、構成部品効率の低下によって引き起こされるので、推奨検査間隔で影響を受ける部品の交換による以外は、運転手順、外部メンテナンス、又は圧縮機清浄によって回復することはできない。

整合性のある有効な現場データを得ることは困難であるので、性能劣化を定量化することは難しい。種々の現場間の相関関係は、運転モード、空気中の汚染物質、湿度、燃料、及びＮＯｘの希釈噴射レベルなど、不確定要素による影響を受ける。別の問題は、多くの場合、試験計器及び手順が大きな許容誤差によって広範に変化することである。

典型的には、運転の最初の２４，０００時間の間（高温ガス通路検査において通常推奨される間隔）の性能劣化は、保証条件に補正されたときの性能試験測定値から２％〜６＆である。これは、劣化部品が交換されていないことを前提としている。交換された場合は、予想性能劣化は１％から１．５％である。最近の現場経験では、頻繁なオフライン水洗浄は、単に回復可能な損失の低減に効果的であるだけでなく、回復不能な損失の割合も低減することを示している。

ガスタービンが設置されると、通常、発電プラント性能を決定するために性能試験を実施する。出力、燃料、熱消費量、及び十分な付属データが記録され、試験性能情報として利用可能にすることができる。

発電機施設の設備提供者は、通常、顧客に対して性能保証を提供している。ガスタービン又は複合サイクルプラント性能が契約上の値を下回った場合には、設備提供者は、顧客に対してペナルティを支払わなければならない場合がある。性能が保証値よりも優れていた場合、提供者はインセンティブを受け取ることができる。あらゆる合理的行為者は、顧客満足を維持しながら、収益を最大にするよう努める。

現在のところ、ガスタービンの温度性能を算出することができる幾つかのツール（ソフトウェアツールなど）が利用可能である。これらのツールは、基礎となる物理ベースモデルによる「データマッチング」観測センサデータに制約され、性能の低下を統計的な意味で決定するものではない。本明細書では、発電機がどの程度効率的に熱エネルギーを使用しているかを算出するためにエネルギー産業で使用される測定値を「熱消費率」と呼ぶことにする。熱消費率は、１キロワット時のエネルギーを生成するのに必要な熱のＢＴＵ値として表すことができる。発電施設の操作者は、あらゆるタイプの燃料の所与の量に対して、熱エネルギー量をかなり正確に推定することができるので、これを発電機により生成された実エネルギーと比較すると、結果として得られるこの数値によって、発電機が当該燃料を電気エネルギーにどの程度効率的に変換しているかが分かる。

米国特許第７４４１４４８号明細書

本発明の１つの態様によれば、少なくとも１つのタービンの財務リスクモデルを作成するシステムが開示される。本態様のシステムは、１以上のタービンの動作特性を記憶するデータベースと、データベースに結合され、該データベースから情報を受け取り、財務リスク判定を作成する処理モジュールとを含む。処理モジュールは、性能データを受け取り、これからモデルを作成する性能劣化モデラーと、性能劣化モデラーに結合され、該性能劣化モデラーから受け取ったモデルに基づき契約に対する財務エクスポージャを決定する財務リスク計算機とを含む。

本発明の別の態様によれば、タービンについての財務リスク評価を作成するコンピュータ実装方法が開示される。本方法は、リスク分析モジュールにて性能関連財務データを受け取る段階と、性能関連財務データをタービンの熱消費率モデルと比較する段階と、当該比較から財務損失のリスクを判断する段階と、を含む。

本発明の更に別の態様によれば、１以上のタービンを含むシステムが開示される。システムはまた、１つのタービン、或いは１以上のタービンに結合された少なくとも１つのセンサと、少なくとも１つのセンサから受け取った、１以上のタービンの動作特性を記憶するデータベースとを含む。本システムはまた、データベースに結合され、データベースからの情報を受け取って財務リスク判断を作成する処理モジュールを含む。処理モジュールは、性能データを受け取ってこれからモデルを作成する性能劣化モデラーと、性能劣化モデラーに結合され、該性能劣化モデラーから受け取ったモデルに基づき契約に対する財務エクスポージャを決定する財務リスク計算機とを含む。

これら及び他の利点並びに特徴は、図面を参照しながら以下の説明から明らかになるであろう。

本発明は、本明細書と共に提出した特許請求の範囲において具体的に指摘しかつ明確に特許請求している。本発明の上記の及びその他の特徴並びに利点は、添付図面と関連させて解釈される以下の詳細な説明から明らかである。

本発明の一実施形態によるシステムを示すデータフロー図。 本発明の実施形態を実装することができるコンピュータシステムの図。 本発明の一実施形態による方法の流れ図。 図１に示すシステムの詳細データフロー図。

この詳細な説明は、例証として図面を参照しながら本発明の例示的な実施形態をその利点及び特徴と共に説明している。

本明細書で開示される実施形態は、確率モデルにより性能低下（熱消費率）を予測することができる。１以上の実施形態は、観測及び算出された熱消費率の劣化に基づいて提供者への財務的影響（契約上のサービス賞与／違約金計算の観点から）を決定することができる。加えて、一実施形態では、予め指定した検出確率に対する性能異常を自動的に検出及び診断することができる。

図１は、一実施形態によるシステム５０のデータフロー図を示す。システム５０は、１以上のタービンシステム６０を含むことができる。タービン６０は、タービン型式のあらゆるタイプのものとすることができる。一実施形態において、タービン６０はガスタービンとすることができる。

タービン６０がガスタービンである場合、タービン６０は、空気を引き込んで加圧する圧縮機５２と、燃料を加えて加圧空気を加熱する燃焼器５４（又はバーナー）と、高温の空気流から出力を引き出すタービン５６とを含むことができる。ガスタービンは、連続燃焼プロセスを利用する内燃（ＩＣ）エンジンである。

システム５０はまた、タービン６０に結合されたセンサ６２を含むことができる。センサ６２は、タービン６０からの情報を受け取り、該情報に基づいて、システム５０が、タービン６０の熱消費量を求めることができる。

センサ６２は、性能アナライザ６４に結合される。一実施形態において、アナライザ６４は、センサ６２からの情報と、追加の情報源（図示せず）からの追加の情報６６とを受け取り、異常検出情報６８又は財務リスクレポート７０の一方又は両方を生成する。追加の情報６６は、限定ではないが、１以上のタービンシステム６０についての履歴性能データを含むことができる。

性能アナライザ６４は、ハードウェア、ソフトウェア、又はこれらの何らかの組み合わせ（ファームウェア）で実施することができる。アナライザ６４は、センサ６２からの情報と、追加の情報６６とを受け取る。中間ステップとして、アセッサは、履歴性能及び熱消費率劣化予測に基づいてフィルタ処理されたデータを生成することができる。アナライザ６４はまた、例えば、契約における財務条件に基づいて財務リスク計算を決定する機構を含むことができる。

図２を参照すると、本明細書の教示を実施するための処理システム１００の一実施形態を示している。処理システム１００は、アセッサ６４（図１）を含むことができる。この実施形態において、システム１００は、１以上の中央処理ユニット（プロセッサ）１０１ａ、１０１ｂ、１０１ｃ、その他（全体として又は総称して、プロセッサ１０１と呼ばれる）を有する。一実施形態において、各プロセッサ１０１は、縮小命令セット・コンピュータ（ＲＩＳＣ）マイクロプロセッサを含むことができる。プロセッサ１０１は、システムバス１１３を介してシステムメモリ１１４及び種々の他の構成部品に結合される。読出し専用メモリ（ＲＯＭ）１０２は、システムバス１１３に結合され、システム１００の特定の基本機能を制御する基本入出力システム（ＢＩＯＳ）を含むことができる。

図２は更に、システムバス１１３に結合された入力／出力（Ｉ／Ｏ）アダプタ１０７及びネットワークアダプタ１０６を図示している。Ｉ／Ｏアダプタ１０７は、小型コンピュータシステムインタフェース（ＳＣＳＩ）アダプタとすることができ、ハードディスク１０３及び／又はテープ記憶装置１０５又は他の何れかの同様の構成要素と通信する。Ｉ／Ｏアダプタ１０７、ハードディスク１０３及びテープ記憶装置１０５は、本明細書では全体として大容量記憶装置１０４と呼ばれる。ネットワークアダプタ１０６は、バス１１３を外部ネットワーク１１６と相互接続し、データ処理システム１００が他のこのようなシステムと通信できるようにする。スクリーン（例えば、ディスプレイモニタ）１１５は、ディスプレイアダプタ１１２によりシステムバス１１３に接続され、該ディスプレイアダプタ１１２は、グラフィック重視のアプリケーションの性能を改善するためのグラフィックアダプタ及びビデオコントローラを含むことができる。一実施形態において、アダプタ１０７、１０６、及び１１２は、１以上のＩ／Ｏバスに接続することができ、該Ｉ／Ｏバスは、中間バスブリッジ（図示せず）を介してシステムバス１１３に接続される。ハードディスクコントローラ、ネットワークアダプタ、及びグラフィックアダプタなどの周辺装置を接続するための好適なＩ／Ｏバスは通常、Ｐｅｒｉｐｈｅｒａｌ Ｃｏｍｐｏｎｅｎｔｓ Ｉｎｔｅｒｆａｃｅ （ＰＣＩ）などの共通プロトコルを含む。追加の入力／出力装置は、ユーザインタフェースアダプタ１０８及びディスプレイアダプタ１１２を介してシステムバス１１３に接続されるように図示される。キーボード１０９、マウス１１０、スピーカ１１１は全て、ユーザインタフェースアダプタ１０８を介してバス１１３に相互接続されており、該ユーザインタフェースアダプタ１０８は、例えば、複数のデバイスアダプタを単一の集積回路に統合するＳｕｐｅｒ Ｉ／Ｏ ｃｈｉｐを含むことができる。

従って、図２に構成されるように、システム１００は、プロセッサ１０１の形態の処理手段と、システムメモリ１１４及び大容量記憶装置１０４を含む記憶手段と、キーボード１０９及びマウス１１０などの入力手段と、スピーカ１１１及びディスプレイ１１５を含む出力手段とを含む。一実施形態において、システムメモリ１１４及び大容量記憶装置１０４の一部は、全体としてオペレーティングシステムを格納し、図２に示す種々の構成部品の機能を協働させる。

システム１００は、あらゆる好適なコンピュータ又はコンピュータプラットフォームとすることができ、端末、無線デバイス、情報家電、デバイス、ワークステーション、ミニコンピュータ、メインフレームコンピュータ、パーソナルデジタルアシスタント（ＰＤＡ）又は他のコンピュータデバイスを含むことができる点は理解されるであろう。システム１００は、通信ネットワークにより互いにリンクされた複数のコンピュータデバイスを含むことができる点を理解されたい。例えば、２つのシステム間にクライアント−サーバ関係が存在してもよく、２つの間で処理を分割することができる。

システム１００は、あらゆる既知の又は将来開発されるオペレーティングシステム上で動作することができる。システム１００はまた、ネットワーク１１６を介して通信するネットワークインタフェース１０６を含む。ネットワーク１１６は、ローカルエリアネットワーク（ＬＡＮ）、都市規模ネットワーク（ＭＡＮ）、又はインターネットもしくはワールドワイドウェブのような広域ネットワーク（ＷＡＮ）とすることができる。

システム１００のユーザは、標準電話回線、デジタル加入者回線、ＬＡＮ又はＷＡＮリンク（例えば、Ｔ１、Ｔ３）、ブロードバンド接続（Ｆｒａｍｅ1 Ｒｅｌａｙ、ＡＴＭ）、及び無線接続（例えば、８０２．１１（ａ）、８０２．１１（ｂ）、８０２．１１（ｇ））などのあらゆる好適なネットワークインタフェース１１６接続を通じてネットワークに接続することができる。

本明細書で開示されるように、システム１００は、機械可読媒体（例えば、ハードディスク１０４）上に格納されて、本明細書で開示される１以上の方法を実行する機械可読命令を含むことができる。本明細書で検討されるように、命令は、「ソフトウェア」１２０と呼ぶことができる。ソフトウェア１２０は、当該技術分野では公知のソフトウェア開発ツールを用いて生成することができる。ソフトウェア１２０は、当該技術分野では公知のユーザ対話能力を提供する種々のツール及び機能を含むことができる。

幾つかの実施形態では、ソフトウェア１２０は、別のプログラムに対するオーバレイとして提供される。例えば、ソフトウェア１２０は、アプリケーション（又はオペレーティングシステム）に対する「アドイン」として提供することができる。用語「アドイン」は一般に、当該術分野で公知である補助プログラムコードと呼ばれる点に留意されたい。このような実施形態では、ソフトウェア１２０は、協働するアプリケーション又はオペレーティングシステムの構造又はオブジェクトを置き換えることができる。

図３は、一実施形態による方法の高レベル流れ図を示す。本方法はブロック３０２で始まり、ここで１以上のタービンに関する履歴データを受け取る。このデータは、例えば、一般性能データを含むことができる。一実施形態において、一般性能データは、５分間隔で記憶され、１３２タグ（生データ及び算出データを含む）を含むことができる。このデータは、例えば、センサから、又はセンサから受け取ったデータを記憶するデータベースから受け取ることができる。

本方法は、任意選択のデータ妥当性確認ブロック３０４を含むことができる。データ妥当性確認は、受け取ったデータが連続時間期間におけるものであることを判定する段階を含む。勿論、状況に基づいて他のデータ妥当性確認も実施することができる。

ブロック３０６において、タービン性能モデルは、受け取ったデータから生成される。一実施形態において、タービン性能は、受け取った情報から１以上のタービンについて経時的に熱消費率を算出する。性能モデルを作成する方法は公知とすることができる。これは、受け取った種々の値の熱力学的分析を含むことができる。一実施形態において、ブロック３０６において、生の熱消費率データを作成することができる。一実施形態において、生の熱データを利用して、時間に対する熱消費率のグラフを形成することができる。勿論、作動中又は洗浄中の時期は、グラフの不連続部をもたらす可能性がある。このために、グラフ（或いは、これらを表す日付）は、一実施形態において、このような不連続部の間の時間期間に分けることもできる。

次いで、モデルは、データフィルタ処理ブロック３０８においてフィルタ処理することができる。データフィルタ処理は、データ平滑化又は動作モードフィルタ処理の１つ又は両方を含むことができる。一実施形態において、ブロック３０８において、データは、対象の信号からノイズを分離するようフィルタ処理される。データフィルタ処理は、エキスパートルール、メジアンフィルタ、非線形最小二乗フィルタ、指数平滑法、又は他の何れかのフィルタ処理技法の１以上を利用することができる。一実施形態において、データフィルタ処理は、定常状態及び過渡状態フィルタ処理などの処理に基づいたフィルタ処理を含む。

ブロック３１０では、フィルタ処理データの補正、正規化、又はその両方を行うことができる。データ正規化は、周囲／作動変動に起因する変動を低減することができる。加えて、データを正規化するために特定の物理ベース補正を利用することができる。加えて、データ駆動正規化法（統計的手法）を利用してもよい。

ブロック３１２では、フィルタ処理及び補正されたデータ、及び／又は正規化されたデータは、１以上の後処理ステップを受ける。これらのステップは、限定ではないが、データの図表化、データの変化の検出、性能劣化モデル化及びモデル更新、並びに異常検出を含むことができる。以下で検討するように、モデルの生成は、Ｂａｙｅｓｉａｎ更新技法、又はＫａｌｍａｎフィルタ、加重最小二乗フィルタ、その他などの他のモデル更新技法に基づいたモデルの変形を含むことができる。図４は、図３に示す方法の一部又は全てを実施することができるシステム４００を示す。以下の図４に関する検討はまた、図３のブロック３１０に関して上記で説明した後処理に関するより詳細な説明を含む。

システム４００は、データベース４０１及び処理モジュール４０２を含むことができる。処理モジュール４０２は、データベース４０１からのデータを受け取り、出力４０４を生成する。データベース４０１からのデータは、例えば、ガスタービンに結合された１以上のセンサ４０３から受け取ったデータとすることができる。このデータは、限定ではないが、入力燃料の量、出力パワー、温度、サイクル情報、補修又は検査情報、現場大気条件、又は他の情報を含む、タービンの作動中に観測できるあらゆるタイプのデータを含むことができる。

出力４０４は、あらゆるタイプの出力とすることができる。一実施形態において、出力４０４は、レポート、推奨事項、ダッシュボード項目とすることができる。勿論、出力４０４は、あらゆるタイプの出力とすることができ、ユーザ又は別の処理デバイスに提供することができる。加えて、出力４０４は、場合によってはデータベース４０１内に記憶することができる。

データベース４０１から受け取ったデータは、任意選択的に、データ妥当性確認部４０６により妥当性確認することができる。データ妥当性確認部は、受け取ったデータが連続時間期間におけるものであると判断することを含むことができる。勿論、状況に基づいて他のデータ妥当性確認も実施することができる。

妥当性が確認された（又は妥当性が未確認の）データがモデル化モジュール４０８に渡される。モデル化モジュール４０８は、１以上の熱力学的計算を実施し、タービン運転のモデルを作成することができる。一実施形態において、モデル化モジュールは、経時的なタービンの熱消費率の表示を作成することができる。一実施形態において、モデルは、グラフとして表すことができる。複数のタービンからのデータは、一実施形態において、全体としてモデル化され、特定のクラス又はタイプのタービンのモデルを作成することができる。

システム４００はまた、モデル化モジュール４０８に結合されたデータフィルタ処理モジュール４１０を含むことができる。データフィルタ処理モジュール４１０は、モデル化モジュール４０８から受け取ったモデル（該モデルは、複数の試行又はタービンから作成される）の変動を低減する。データフィルタ処理モジュール４１０は、エキスパートルール、メジアンフィルタ、非線形最小二乗フィルタ、指数平滑法、又は他のフィルタを適用することができる。適用されるフィルタとは関係なく、データフィルタ処理モジュール４１０は、１以上のタービンパラメータについてのフィルタ処理された時系列を作成する。例えば、データフィルタ処理モジュール４１０は、特定のタービン又はタービンのクラスに対しての熱消費率のフィルタ処理された時系列表現を作成することができる。

システム４００はまた、データフィルタ処理モジュール４１０に結合されたデータ補正及び正規化モジュール４１２を含むことができる。補正及び正規化は、本明細書では総称して正規化と呼ぶことにするが、サイズ及び場所に関係なくタービンを同じ相対スケール基づいてモデル化することができるような係数を適用することを意味するものとする。

システム４００はまた、後処理モジュール４１４を含むことができる。後処理モジュール４１４は、データ補正及び正規化モジュール４１２から正規化データを受け取り、出力４０４を生成する。後処理モジュール４１４は、１以上のサブモジュールを含むことができる。一実施形態において、これらのモジュールの一部又は全ては、構成に応じて連係して動作することができる。

一実施形態において、後処理モジュール４１４は、性能モデラー４１６を含む。以下で説明する特定の実施形態において、性能モデラーは性能劣化モデラーである。一般に、性能劣化モデラー４１６は、経時的な性能劣化を予測できる受け取ったモデルに基づいた予測モデルを作成する。一実施形態において、受け取ったモデルに基づいて、性能劣化モデラーは、時間に対するパラメータの関係を記述する関数を作成することができる。例えば、性能劣化モデラー４１６は以下の規則を適用することができる。

上式において、ｆ（ｈｒ）は熱消費率劣化の正規分布、μは平均値、σは標準偏差、ａ，ｂ及びｃは更新することができるスケール変数、Ｈｒ＿Ｄｅｇは熱消費率劣化であり、Ｈｏｕｒｓは、最終洗浄又はメンテナンスからの燃焼時間数、ＣＰＲは圧縮比である。Ｈｏｕｒｓ変数は、μについての上式で必要とされるが、他の変数も利用可能であり、或いは利用可能でない場合もある。

上記のモデルから、多くの様々な情報を作成することができる。例えば、熱消費率に対する洗浄の作用を求めることができる。加えて、モデルにおいてタービンを洗浄する回数を変えることにより、運転上の影響を観測することができる。

性能劣化モデラー４１６によりモデルが作成された場合、モデルは、タービン寿命又は劣化プロファイル変化として補正できる点は理解されたい。従って、性能劣化モデラー４１６は、新しい観測に基づいて劣化モデルパラメータを更新するためのＢａｙｅｓｉａｎモデル更新アルゴリズムを含むことができる。更新した性能劣化モデルは、性能劣化を予測するのに使用される。モデル更新技術は、Ｂａｙｅｓｉａｎに限定されず、Ｋａｌｍａｎフィルタ、加重最小二乗フィルタ、その他などの他のモデル更新技法を使用できる。後処理モジュール４１４は、同じ表示上に１以上の性能モデルを示すことができる図表モジュール４１８を含むことができる。これは、性能が変化した視覚的証拠を提供することができる。

加えて、後処理モジュール４１４はまた、変化検出器４２０を含むことができる。変化検出器４２０は、変化検出アルゴリズムを適用し、作動及び性能パラメータの有意な変化を統計的に検出することができる。これらの変化は、水洗、ハードウェア障害、メンテナンス、センサ較正問題、ソフトウェア構成問題、データ品質問題、サイクルデッキ構成問題（正しくない制御曲線、正しくないサイクルデッキモデル、その他）などの実際の作動上の問題に起因する可能性がある。このため、変化検出器４２０の変化検出アルゴリズムは、制御チャート手法、２サンプルｔ試験、尤度比試験、ホテリングＴ二乗試験、又は何れかの他の適切な試験もしくは複数の方法の融合を利用することができる。

一実施形態において、変化検出器４２０は、変化が発生し、異常検出器４２２がモデル及び変化の分析を行ったことを判定することができる。一実施形態において、変化及びモデルに基づいて、異常検出器は、問題の１又は複数の可能な原因又は事前推奨の出力を生成することができる。このため、異常検出器４２２は、エキスパートルール、ファジー推論、特徴抽出、ＡＩ技法、経験的手法、又は他のコンピュータ推論技法を適用することができる。例えば、不明の背圧上昇（検出された変化）は、ディフューザを検査する必要があることを示すことができる。

性能保証を有する現場の財務リスクを計算する財務リスク計算機４２４は、性能モデラー４１６により作成されたモデルを利用することができる。モデルは、提供者が、保証に対応できる場合又はできない場合を理解できるようにすることができる。例えば、モデルは作成されているので、ユーザは、洗浄の回数又はタイミングを変えることができる。これにより出力効率図表が作成され、財務考慮事項と比較することができる。試行錯誤又は適応推論の何れかによって、財務リスク計算は、何れの洗浄スケジュールが有利であるかを判断することができる。財務リスク計算機４２４は、提供者と顧客間の１以上の契約からの財務考慮事項を記憶して格納し、又は利用することができる点を理解されたい。これにより更に、提供者は、例えば、できる限り収益を高め、又は他の所望の目標を達成するために洗浄を実施するタイミングを調整できるようにすることができる。

一実施形態において、財務リスク計算機４２４は、ガスタービンの現在及び将来の劣化性能に関連する変数、並びに予め定められたメンテナンス活動が実施されたときのガスタービンの性能改善（メンテナンス効果要因）に関連する契約条件及び履歴データを読み込む。計算機４２４は、時間内で複数の性能劣化シナリオをシミュレートするＭｏｎｔｅ−Ｃａｒｌｏシミュレーションを実施し、予め定義された性能の上側及び下側境界を超える確率を推定することができる。シミュレーションはまた、測定誤差、較正誤差、及び性能変動が財務リスクに影響を与えない「不感帯」に起因した変動を考慮することができる。これらの確率を用いて、財務上のボーナス又はタービンに適用する約定損害賠償を推定する。所与の契約並びに単一の顧客に関する複数の契約に関連した複数のタービンの場合、リスク計算機４２４は、複数のユニット間の潜在相関関係を含む全ポートフォリオシミュレーションを実施することができる。リスク計算機４２４は、ユーザが「起こり得る事態」シナリオを実施するのを可能にし、ここではユーザは、メンテナンス活動（水洗浄）を実施する時間を指定し、各シナリオにおける財務上の影響を生成する。リスク計算機はまた、ユーザが、これらのメンテナンス活動のタイミングを改善し、収益向上、約定損害賠償の低減、関連する設備運転停止時間の低減、又は上記の多目的改善の一部の組み合わせを可能にすることができる。選択事例において、計算機４２４はまた、閉形式解を用いてリスクを計算し、Ｍｏｎｔｅ−Ｃａｒｌｏシミュレーションを実施する必要性を排除することができる。これは、性能ベース限界状態に適用されるＦＯＲＭ及びＳＯＲＭアルゴリズム（第１及び第２次信頼性手法）を用いることにより達成される。計算機４２４はまた、リスクベース契約価格決定並びにオンライン及びオフライン水洗浄のようなメンテナンス活動の特性及びタイミングを改善する際に使用することができる。

場合によっては、作成モデルは、新規に受け取ったデータと適合しない場合がある。このため、モデルは、新しいデータが例えばＢａｙｅｓｉａｎ更新又は同様のものなどに基づいて受け取られるときに更新することができる。

限られた数の実施形態のみに関して本発明を詳細に説明してきたが、本発明はこのような開示された実施形態に限定されないことは理解されたい。本発明は、上記で説明されていない多くの変形、改造、置換、又は均等な構成を組み込むように修正することができるが、これらは、本発明の技術的思想及び範囲に相応する。従って、本発明は、上述の説明によって限定されると見なすべきではなく、添付の請求項の範囲によってのみ限定される。

５０ システム
５２ 圧縮機
５４ 燃焼器
５６ タービン
６０ タービンシステム
６２ センサ
６４ アナライザ
６６ 追加の情報
６８ 異常検出
７０ リスクレポート
１００ 処理システム
１０１ システムプロセッサ
１０２ メモリ（ＲＯＭ）
１０３ ハードディスク
１０４ 大容量記憶装置
１０５ 記憶装置
１０６ ネットワークアダプタ
１０７ 入力／出力アダプタ
１０８ インタフェースアダプタ
１０９ キーボード
１１０ マウス
１１１ スピーカ
１１２ ディスプレイアダプタ
１１３ システムバス
１１４ システムメモリ
１１５ ディスプレイモニタ
１１６ 外部ネットワーク
１２０ ソフトウェア
１３２ タグ
４００ システム
４０１ データベース
４０２ 処理モジュール
４０３ センサ
４０４ 主力
４０６ データ妥当性確認部
４０８ モデル化モジュール
４１０ フィルタ処理モジュール
４１２ 正規化モジュール
４１４ 後処理モジュール
４１６ 性能劣化モデラ
４１８ 図表モジュール
４２０ 変化検出器
４２２ 異常検出器
４２４ リスク算出器

Claims (9)

1. 少なくとも１つのタービン（６０）について財務リスクモデルを作成するシステムであって、
   １以上のタービンの動作特性を記憶するデータベース（４０１）と、
   前記データベースに結合され、前記データベースから情報を受け取り、財務リスク判定を作成する処理モジュール（４０２）と、
   を備え、前記処理モジュールが、
   性能データを受け取り、これからモデルを作成する性能劣化モデラー（４１６）と、
   前記性能劣化モデラーに結合され、該性能劣化モデラーから受け取ったモデルに基づき契約に対する財務エクスポージャを決定する財務リスク計算機（４２４）と
   を含むシステム。
2. 前記処理モジュールが更に、前記データベースから受け取った情報をパラメータの経時的表現に変換するモデル化モジュール（４０８）を更に含む、請求項１記載のシステム。
3. 前記パラメータが熱消費率である、請求項２記載のシステム。
4. 前記処理モジュールが更に、前記モデル化モジュールにより作成された表示をフィルタ処理してフィルタ処理表示を作成するフィルタ処理モジュール（４１０）を含む、請求項２記載のシステム。
5. 前記フィルタ処理モジュールが、動作モードフィルタ又はデータ平滑フィルタ、或いはその両方を適用する、請求項４記載のシステム。
6. 前記処理モジュールが更に、前記フィルタ処理モジュールに結合され、物理ベースの補正に基づいたフィルタ処理表示を正規化し、その出力が性能データである正規化モジュール（４１２）を含む、請求項４記載のシステム。
7. 前記パラメータが、熱消費率及び出力である、請求項６記載のシステム。
8. 性能パラメータの変化に基づいて、タービンについての１以上の可能な動作異常を判断する異常検出器’（１２２）を更に含む、請求項１記載のシステム。
9. 前記性能劣化モデラーは、前記モデルが１以上の時間期間に適合しないときに更新アルゴリズムを適用する、請求項１記載のシステム。

Images