JP2016145574A - ガスタービン燃焼プロファイル監視 - Google Patents

Abstract

【課題】ガスタービン燃焼プロファイル監視のためのシステム及び方法を提供する。
【解決手段】ガスタービンの燃焼セクションにおける異常を検出するための方法が開示される。方法は、ガスタービンの排気セクションの周囲に配置される複数の熱センサ５０からガスタービンの排気プロファイルデータを受けることを含む。方法は、ピーク−トラフパターンと関連付けられる統計的特徴を計算するために排気プロファイルデータを更に解析する。方法は、機械学習アルゴリズムを使用して、統計的特徴が異常であることを更に決定する。決定に応じて、方法は、所定の期間にわたって排気プロファイルデータを処理し、統計的特徴が所定の期間にわたって異常なままである場合にガスタービンの燃焼セクションにおける異常を報告する。
【選択図】図１

Description

本開示は、ターボマシンの技術に関し、特に、ガスタービン燃焼プロファイル監視のシステム及び方法に関する。

ターボマシンは、共通の圧縮機／タービンシャフト及び燃焼器アセンブリを介してタービン部分に連結される圧縮機部分を含むことができる。入口空気流が圧縮機部分へ向けて空気取り入れ口を通過できる。圧縮機部分では、燃焼器アセンブリへと向かう多くの連続するステージを通じて入口空気流を圧縮できる。燃焼器アセンブリにおいて、圧縮された空気流は、可燃混合気を形成するべく燃料と混合できる。可燃混合気は、高温ガスを形成するために燃焼器アセンブリ内で燃焼され得る。移行ピースを通じて高温ガスをタービン部分の高温ガス経路に沿って案内できる。高温ガスは、出力される仕事を生み出すために、例えば発電機に給電するために、ホイールに装着されるタービンバケットエーロフォイルに作用する多くのタービンステージを通じて高温ガス経路に沿って膨張し得る。高温ガスは、タービン部分から排気システムを通じて排ガスとして出ることができる。排ガスの温度を測定するために排気システム内に多くの熱電対を配置することができる。

熱電対によって測定される排ガスの温度は、排気プロファイルを形成できる。排気プロファイルは、燃焼ハードウェアの状態を評価するために使用され得る。特定のハードウェア問題により、燃焼器が異常に高温で或いは低温で作動する場合があり、これが典型的な排気プロファイルを乱し得る。非定型の排気プロファイルパターンは、１つ又は複数の燃焼器の異常な動作を示す場合がある。個々の排気熱電対が平均から僅かにしか逸脱していない場合、幾つかのターボマシンにおける典型的な排気プロファイルは均一である。そのようなターボマシンにおいて、燃焼ハードウェア異常の検出は、平均からかなり逸脱する熱電対群を特定することによって行なわれ得る。他のターボマシンは、通常の動作中にピーク−トラフパターンを有する排気プロファイルを有し得る。一般に、ピーク−トラフパターンにおけるピークの数及びトラフの数は、ターボマシンの燃焼器の数に対応する。前述の手法は、ピーク−トラフプロファイルパターンが平均からの異常な偏差として処理される場合があるため、ピーク−トラフパターンを用いてターボマシンにおける燃焼異常を検出するのに有効でない場合がある。

この開示は、ガスタービン燃焼プロファイル監視のためのシステム及び方法に関する。特定の実施形態は、ガスタービンの燃焼セクションにおける異常を検出することを容易にし得る。本開示の１つの実施形態によれば、ガスタービンの燃焼セクションにおける異常を検出するための方法は、少なくとも１つのプロセッサによって、ガスタービンの排気セクションの周囲に配置される複数の熱センサから、ガスタービンの排気プロファイルデータを受けることを含む。方法は、ピーク−トラフパターンと関連付けられる統計的特徴を計算するために排気プロファイルデータを解析することを更に含んでもよい。方法は、機械学習アルゴリズムを使用して、統計的特徴が異常であるとの決定を容易にしてもよい。方法は、決定に応じて、所定の期間にわたって排気プロファイルデータを処理し、統計的特徴が所定の期間にわたって異常なままである場合にガスタービンの燃焼セクションにおける異常を報告することを更に含んでもよい。

本開示の他の実施形態によれば、ガスタービンの燃焼セクションにおける異常を検出するためのシステムが提供される。システムは、燃焼セクションと関連付けられる複数の燃焼器と、ガスタービンの排気セクションの周囲に配置される複数の熱センサとを含んでもよい。熱センサは、ガスタービンの排気プロファイルデータを与えるように構成される。システムは、メモリに通信状態で結合される処理回路を更に含み、この場合、メモリは、処理回路により実行されるときに工程を行なう命令を記憶する。

他の実施形態、システム、方法、特徴、及び、態様は、以下の図面と併せて解釈される以下の説明から明らかになる。

本開示の一実施形態に係る、ガスタービンの一例のブロック図である。 本開示の一実施形態に係る、ガスタービンの排気システム及び燃焼器異常検出システムの一例の軸方向図である。 本開示の一実施形態に係る、熱電対排気データの正常なプロファイルである。 本開示の一実施形態に係る、熱電対排気データの異常なプロファイルである。 本開示の一実施形態に係る、ガスタービンの燃焼セクションにおける異常を検出する方法の一例を示すフローチャートである。 本開示の一実施形態に係る、熱電対排気データにおけるピーク位置及びトラフ位置を特定するための方法の一例を示すフローチャートである。 本開示の一実施形態に係る、ガスタービンを制御するためのコントローラの一例を示すブロック図である。

以下の詳細な説明は、詳細な説明の一部を成す添付図面への言及を含む。図面は、実施形態例に係る例示を描く。本明細書中で「実施例」とも称されるこれらの実施形態例は、当業者が本発明の主題を実施できるようにするべく十分に詳しく説明される。特許請求の範囲に記載される主題の範囲から逸脱することなく、実施形態例が組み合わされてもよく、他の実施形態が利用されてもよく、或いは、構造的変更、論理的変更、及び、電気的変更が成されてもよい。したがって、以下の詳細な説明は、限定的な意味に解釈されるべきでなく、また、範囲は、添付の特許請求の範囲及びそれらの等価物によって規定される。

本開示の特定の実施形態は、ガスタービンの燃焼セクションにおける異常の検出を容易にし得るガスタービン燃焼プロファイル監視のための方法及びシステムにかかわる。開示される方法及びシステムは、ガスタービンの動作中の不均一な温度プロファイルを決定するために与えられてもよい。

本開示の幾つかの実施形態例では、処理回路が、ガスタービンの排気セクションの周囲に配置される複数の熱センサから、ガスタービンの排気プロファイルデータを受けてもよい。排気プロファイルデータは、ピーク−トラフパターンと関連付けられる統計的特徴を計算するべく解析され得る。解析は、排気プロファイルデータに基づき、各熱センサと関連付けられるピーク−トラフ対を特定して、各ピーク−トラフ対に関する統計的特徴を計算することを含んでもよい。処理回路は、機械学習アルゴリズムを使用して、統計的特徴が異常であることを更に決定してもよい。決定に応じて、排気プロファイルデータの処理が所定の期間にわたって続いてもよい。統計的特徴が所定の期間にわたって異常なままであれば、ガスタービンの燃焼セクションにおける異常が報告されてもよい。

本開示の特定の実施形態の技術的効果は、ガスタービンの燃焼監視を含んでもよい。本開示の特定の実施形態の更なる技術的効果は、燃焼異常が重大な事象又はハードウェア故障をもたらし得る前にガスタービンにおける燃焼異常を検出できる可能性を高めてもよい。本開示の開示された実施形態は、燃焼関連のトリップ、強制停止時間、及び、意図しないコストを減少させるためにガスタービンの燃焼状態における見識を与えてもよい。

以下は、統計的な方法論及び物理学ベースの方法論を使用する動作衝撃モデリングのためのシステム及び方法に関連する様々な実施形態例の詳細な説明を与える。

図１には、本開示の一実施形態例に係るガスターボマシンシステムが全体的に２で示される。ガスターボマシンシステム２は、圧縮機部分６が燃焼器アセンブリ１０を介してタービン部分８に流体的に接続されるガスターボマシン４を含んでもよい。圧縮機アセンブリ１０は、カニュラー配列を成して配置されてもよい１つ又は複数の燃焼器１２を含んでもよい。圧縮機部分６は、シャフト１４を介してタービン部分８に機械的に連結されてもよい。圧縮機部分６が空気入口１６を含んでもよく、また、タービン部分８が排気出口１８を含んでもよい。空気取り入れシステム２０が空気入口１６に流体的に接続されてもよい。空気取り入れシステム２０は、圧縮機部分６内へ入る空気を調整してもよい。例えば、空気取り入れシステム２０は、空気入口１６に入る空気によって運ばれる場合がある水分を除去してもよく或いは減少させてもよい。排気システム２２が排気出口１８に流体的に接続されてもよい。排気システム２２は、タービン部分８から出る排ガスを環境への導入前に調整してもよい。排気システム２２が複数の温度センサ５０を含んでもよい。ガスターボマシンシステム２は、発電機、ポンプ、又は、車両の形態を成し得る駆動される負荷３０を含んでもよい。ガスターボマシンシステム２は、アラーム７４に作用可能に接続されてもよい燃焼器異常検出システム６０を更に含んでもよい。

図２に示されるように、排気システム２２は、外面４２と、排ガス流路４６を画定する内面４４とを有するハウジング４０を含んでもよい。排気システム２２はハウジング４０に配置される複数の温度センサを含んでもよく、それらの温度センサのうちの１つが５０で示される。温度センサ５０は、内面４４の周囲で周方向に配列されて排ガス流路４６に晒される熱電対の形態を成してもよい。本開示の一実施形態によれば、燃焼器異常検出システム６０は、複数の温度センサ５０のそれぞれに作用可能に接続される。言うまでもなく、燃焼器異常検出システム６０は、ガスターボマシン４と同一場所に位置決めされてもよく、タービンコントローラに組み込まれてもよく、或いは、中央グローバル監視ステーション内にあってもよい。したがって、燃焼器異常検出システム６０は、世界中の任意の場所に位置決めされる複数のガスターボマシンシステムからデータを受けると同時に単一の監視位置からこれらのガスターボマシンシステムを監視してもよい。燃焼器異常検出システム６０は、中央処理ユニット（ＣＰＵ）６２と、一組のプログラム命令６８及びメモリ７０を備えるコンピュータ可読記憶媒体６４とを含んでもよい。以下で更に詳しく論じられるように、燃焼器異常検出システム６０は、燃焼異常を検出する際に視覚的な及び／又は聞き取れるアラームを与えてもよいアラーム７４に作用可能に接続されてもよい。

図３Ａ及び図３Ｂは、本開示の一実施形態に係る熱電対排気データのプロファイルの２つの例を示す。データは、極座標内のプロットとして与えられてもよい。プロット上の点の角度座標は、複数の温度センサからの温度センサの角度に対応してもよい。点の半径は、温度センサによって与えられる温度データに対応してもよい。

図３Ａは、６個の燃焼器を含むターボマシンに関する熱電対排気データの正常なプロファイルの一例を表わす。正常なプロファイルは、燃焼器の正常な動作に対応してもよい。図３Ａの例において、正常なプロファイルは、ガスターボマシン２の６個の燃焼器に対応する６個のピークを含む。６個のピークは、６個のトラフと交互に起こる。全体的に、６個のピーク及び６個のトラフは、６個の燃焼器ターボマシンにおける正常なピーク−トラフパターンを形成してもよい。

図３Ｂは、６個の燃焼器を含むターボマシンに関する熱電対排気データの異常なプロファイルの一例を表わす。図３Ａの正常なプロファイルとは異なり、図３Ｂの異常なプロファイルは、領域８０において１つのピークを欠く。ピーク−トラフパターンにおけるピークの欠如は、ターボマシン２の燃焼器の動作における異常を示し得る。

図４は、本開示の一実施形態に係る、ガスタービンの燃焼セクションにおける異常を検出するための方法４００の一例を示すフローチャートである。方法４００の工程は、燃焼器異常検出システム６０によって行なわれてもよい。方法４００の工程は、燃焼器異常検出システム６０のプログラム命令６８に組み込まれてもよい。方法４００は、熱電対排気データを解析して、異常なピーク−トラフパターンを検出してもよい。本開示の幾つかの実施形態において、システム６０は、排気データの処理を１分間につき１回行なうように構成される。

ブロック４０２において、燃焼器異常検出システム６０は、温度計センサ５０から熱電対（ＴＣ）排気データを受けてもよい。ブロック４０４において、システム６０はデータ品質チェックを行なってもよい。決定ブロック４０６において、システム６０は、ピーク−トラフパターンが予期される所定の負荷を超えてターボマシンが作動しているかどうかを決定してもよい。ターボマシンが所定の負荷を超えて作動していない場合には、ブロック４０８において、システム６０は、その後のデータ（例えば、その後の時間で受けられる熱電対排気データ）の評価を進めてもよい。

ターボマシンが所定の負荷を超えて作動している場合には、ブロック４１０において、システム６０は、それぞれの熱電対ごとに平均排気温度からの偏差を計算してもよい。ブロック４１２において、システム６０は、排気データ中のピーク及びトラフを特定してもよい。ブロック４１４において、システム６０は、ピーク−トラフ対における統計的特徴（例えば、特徴ベクトル）を計算してもよい。統計的特徴は、ピーク−トラフ間温度差（Δ）、全てのピーク又はトラフからの平均偏差、最小ピーク温度、最大ピーク温度、最小トラフ温度、最大トラフ温度、最大ピーク−トラフ間Δ、最小ピーク−トラフ間Δなどを含んでもよい。

決定ブロック４１６において、システム６０は、熱電対排気データに対応するプロファイルが異常かどうかを決定してもよい。本開示の幾つかの実施形態において、決定は、機械学習された分類モデルを通じてブロック４１４で評価された特徴ベクトルを処理することを含む。当業者であれば分かるように、適切な分類モデルのタイプは、サポートベクトルマシン（ＳＶＭ）、人工ニューラルネットワーク（ＡＮＮ）、デシジョンツリーモデル、又は、他の分類を含むことができるが、これらに限定されない。モデルは、正常な排気データサンプル及び不良排気データサンプルの両方の特徴ベクトルを使用してオフラインで訓練されてもよい。訓練されたモデルを使用して特徴ベクトルを処理することにより、システム６０は、熱電対排気データ中に異常なピーク−トラフパターンが存在するかどうかを決定してもよい。プロファイル（ピーク−トラフパターン）が正常な場合には、ブロック４１８において、システム６０は、その後の熱電対排気データの評価へ移行してもよい。

プロファイルが異常であれば、システム６０は、異常性の持続をカウントして、異常性のラッチを評価してもよい。異常なピーク−トラフパターンが所定の期間にわたって存在するとともに、所定のラッチ期間中にアラームがまだ発生されなかった場合には、ブロック４２２において、更なる評価及び措置のためにアラームが起動されてもよい。

図５は、本開示の一実施形態に係る、熱電対排気データにおけるピーク位置及びトラフ位置を特定するための方法５００の一例を示すフローチャートである。方法５００は、図４に示される方法４００のブロック４１２の詳細を与えてもよい。ブロック５０２において、方法５００は、熱電対排気データを受けることを含んでもよい。熱電対排気データは、所定の時間にわたって温度センサ５０により与えられる温度Ｙ（ｉ）を含んでもよい。ブロック５０４において、方法は、ピークの位置を検出することを含んでもよい。ピークの位置は、条件Ｙ（ｉ）＞Ｙ（ｉ−１）及びＹ（ｉ）＞Ｙ（ｉ＋１）によって規定されてもよい。ブロック５０６において、方法５００は、トラフの位置を検出することを含んでもよい。トラフのそれぞれは、２つのその後のピーク間の最小Ｙ（ｉ）として規定されてもよい。ブロック５０８において、方法５００は、空間的な位置における隙間に基づいて検出されないピークを埋めることを含んでもよい。ブロック５１０において、方法５００は、Ｍ個よりも多いピークが検出される場合にデータ補正を行なうことを含んでもよい。ここで、Ｍは、ターボマシン内の燃焼器の数である。ブロック５１２において、方法５００は、最終的なピーク及びトラフ位置の出力をもたらしてもよい。

図６は、本開示の一実施形態に係る、燃焼セクションにおける異常を検出するためのコントローラ６００の一例を示すブロック図を描く。より具体的には、コントローラ６００の要素は、複数の動作条件下であるが所定の燃焼動作境界内でガスタービンを作動させて、ガスタービンが作動している間にガスタービンと関連付けられる動作データを自動的に収集するとともに、動作データを記憶して、動作データに基づいて１つ又は複数の所定の燃焼伝達関数における一組の定数を生成し、これらの一組の定数を、ガスタービンの試運転中に使用されるべきガスタービン燃焼制御システムに記憶するために使用されてもよい。コントローラ６００はメモリ６１０を含んでもよく、メモリ６１０は、プログラムドロジック６２０（例えばソフトウェア）を記憶するとともに、ガスタービンと関連付けられる動作データ、一組の定数、及び、同様のものなどのデータ６３０を記憶してもよい。また、メモリ６１０はオペレーティングシステム６４０を含んでもよい。

プログラムドロジック６２０を実行するためにプロセッサ６５０がオペレーティングシステム６４０を利用してもよく、その際に、プロセッサがデータ６３０を利用してもよい。データバス６６０がメモリ６１０とプロセッサ６５０との間の通信をもたらしてもよい。ユーザは、キーボード、マウス、制御パネル、又は、コントローラ６００へ及びコントローラ６００からデータを通信できる任意の他の装置などの少なくとも１つのユーザインタフェース装置６７０を介してコントローラ６００とやりとりしてもよい。コントローラ６００は、動作している間、ガスタービン燃焼制御システムとオンラインで通信していてもよく、また、動作していない間、入力／出力（Ｉ／Ｏ）インタフェース６８０を介してガスタービン燃焼制御システムとオフラインで通信していてもよい。また、他の外部装置或いは複数の他のガスタービン又は燃焼器がＩ／Ｏインタフェース６８０を介してコントローラ６００と通信していてもよいことが理解されるべきである。本開示の図示の実施形態において、コントローラ６００はガスタービンに対して遠く離れて位置決めされてもよいが、コントローラがガスタービンと同じ場所に配置されてもよく或いは更にはガスタービンと一体化されてもよい。更に、コントローラ６００及びそれにより実施されるプログラムドロジック６２０は、ソフトウェア、ハードウェア、ファームウェア、又は、これらの任意の組み合わせを含んでもよい。また、複数のコントローラ６００が使用され、それにより、本明細書中に記載される異なる特徴が１つ又は複数の異なるコントローラ６００で実行されてもよいことも理解されるべきである。

本開示の実施形態例に係るシステム、方法、機器、及び、コンピュータプログラム製品のブロック図について言及する。ブロック図のブロックの少なくとも一部、及び、ブロック図中のブロックの組み合わせが、少なくとも部分的にコンピュータプログラム命令によって実施されてもよいことが理解される。これらのコンピュータプログラム命令は、コンピュータ又は他のプログラマブルデータ処理機器で実行する命令がブロック図のブロックの少なくとも一部或いは前述のブロック図中のブロックの組み合わせの機能を果たすための手段をもたらすように、汎用コンピュータ、専用コンピュータ、専用ハードウェアベースコンピュータ、又は、機械を製造するための他のプログラマブルデータ処理機器に取り込まれてもよい。

これらのコンピュータプログラム命令が、特定の態様で機能するようにコンピュータ又は他のプログラマブルデータ処理機器に命じることができるコンピュータ可読メモリに記憶され、それにより、コンピュータ可読メモリに記憶された命令が１つ又は複数のブロックで定められた機能を果たす命令手段を含む製品を製造するようになっていてもよい。また、コンピュータプログラム命令をコンピュータ又は他のプログラマブルデータ処理機器に取り込むことにより、一連の動作ステップをコンピュータ又は他のプログラマブル機器で実行して、コンピュータ実施プロセスを生み出し、それにより、コンピュータ又は他のプログラマブル機器で実行する命令が１つ又は複数のブロックで定められた機能を果たすためのステップを与えるようにしてもよい。

システムの１つ又は複数の構成要素及び本明細書中に記載される方法の１つ又は複数の要素は、コンピュータのオペレーティングシステムで実行するアプリケーションプログラムを通じて実施されてもよい。また、これらは、携帯端末、マルチプロセッサシステム、マイクロプロセッサベースの或いはプログラム可能な家庭用電化製品、ミニコンピュータ、メインフレームコンピュータ等を含む他のコンピュータシステム構成を用いて実施されてもよい。

本明細書中に記載されるシステム及び方法の構成要素であるアプリケーションプログラムは、特定の抽象データタイプを実施して特定のタスク又は作用を果たすルーチン、プログラム、コンポーネント、データ構造等を含んでもよい。分散型コンピュータ環境では、アプリケーションプログラムが（全体的に或いは部分的に）ローカルメモリに或いは他の記憶装置に位置付けられてもよい。これに加えて或いは代えて、タスクが通信ネットワークを通じてリンクされる遠隔処理装置により実行される状況を可能にするために、アプリケーションプログラムが（全体的に或いは部分的に）遠隔メモリに或いは記憶装置に位置付けられてもよい。

これらの説明が関連する本明細書中に記載される説明例の多くの変更及び他の実施形態は、前述の説明及び関連する図面で与えられる教示内容の利益を有して気にとめるようになる。したがって、本開示が多くの形態で具現化されてもよく、また、本開示が前述の実施形態例に限定されるべきでないことが分かる。

そのため、本開示が開示された特定の実施形態に限定されるべきではなく、また、変更又は他の実施形態が添付の特許請求の範囲内に含まれるように意図されることが理解されるべきである。特定の用語が本明細書中で使用されるが、これらの用語は、一般的な記述的意味でのみ使用されており、限定する目的のために使用されていない。

最後に、代表的な実施態様を以下に示す。
［実施態様１］
ガスタービン（４）の燃焼セクション（１０）における異常を検出するためのシステム（６０）において、
燃焼セクション（１０）と関連付けられる複数の燃焼器（１２）と、
ガスタービン（４）の排気セクション（２２）の周囲に配置される複数の熱センサ（５０）であって、ガスタービン（４）の排気プロファイルデータを与えるように構成される、複数の熱センサ（５０）と、
メモリ（７０）に通信状態で結合される処理回路（６２）であって、メモリ（７０）が命令（６８）を記憶し、命令（６８）は、処理回路（６２）により実行されるときに、
複数の熱センサ（５０）から、ガスタービン（４）の排気プロファイルデータを受ける工程と、
ピーク−トラフパターンと関連付けられる統計的特徴を計算するために排気プロファイルデータを解析する工程と、
機械学習アルゴリズムを使用して、統計的特徴が異常であることを決定する工程と、
決定に応じて、所定の期間にわたって排気プロファイルデータの処理を続ける工程と、
統計的特徴が所定の期間にわたって異常なままである場合にガスタービン（４）の燃焼セクション（１０）における異常を報告する工程と、
を備える工程を行なう、処理回路（６２）と、
を備える、システム（６０）。
［実施態様２］
機械学習アルゴリズムが履歴的な排気プロファイルデータを使用して訓練され、履歴的な排気プロファイルデータが正常なデータサンプルと不良データサンプルとを含む、実施態様１に記載のシステム（６０）。
［実施態様３］
複数の熱センサ（５０）は、ガスタービン（４）と関連付けられる排気ディフューザの周囲に径方向で位置決めされる、実施態様１に記載のシステム（６０）。
［実施態様４］
複数のセンサ（５０）が等間隔の配列で配置される、実施態様１に記載のシステム（６０）。
［実施態様５］
排気プロファイルデータが複数のピーク−トラフ対を含み、複数のピーク及びトラフの各ピーク−トラフ対が複数の燃焼器（１２）のうちの少なくとも１つの燃焼器（１２）に対応する、実施態様１に記載のシステム（６０）。
［実施態様６］
解析する工程は、各ピーク−トラフ対を予期されるピーク−トラフパターンに対して評価することを含む、実施態様５に記載のシステム（６０）。
［実施態様７］
解析する工程は、
排気プロファイルデータに基づいて、複数の熱センサ（５０）のそれぞれと関連付けられるピーク−トラフ対を特定すること、及び、
各ピーク−トラフ対ごとに統計的特徴を計算すること、
を含む、実施態様５に記載のシステム（６０）。
［実施態様８］
排気プロファイルデータが複数の熱センサ（５０）と関連付けられる統計的特徴を含み、統計的特徴は、最小ピーク温度、最大ピーク温度、最小トラフ温度、最大トラフ温度、最小ピーク−トラフ間Δ、及び、最大ピーク−トラフ間Δのうちの少なくとも１つを含む、実施態様１に記載のシステム（６０）。
［実施態様９］
統計的特徴が異常であることを決定する工程は、少なくとも統計的特徴に基づいて特徴ベクトルを形成して、分類モデルを通じて特徴ベクトルを処理することを含む、実施態様１に記載のシステム（６０）。
［実施態様１０］
解析する工程の前に
排気プロファイルデータの品質を決定する工程と、
品質が所定の品質レベルを下回るとの決定に応じて、排気プロファイルデータを調整する工程と、
を更に備える、実施態様１に記載のシステム（６０）。
［実施態様１１］
解析する工程は、ガスタービン（４）が所定の負荷を超えて動作している後に行なわれる、実施態様１に記載のシステム（６０）。
［実施態様１２］
ガスタービン（４）の燃焼セクション（１０）における異常の検出に少なくとも部分的に基づいてアラーム（７４）を出す工程を更に備える、実施態様１に記載のシステム（６０）。
［実施態様１３］
アラーム（７４）が更なる評価及びそれに応じた措置のうちの少なくとも１つを起動させる、実施態様１２に記載のシステム（６０）。
［実施態様１４］
ガスタービン（４）の燃焼セクション（１０）における異常を検出するための方法（４００）であって、
ガスタービン（４）の排気セクション（２２）の周囲に配置される複数の熱センサ（５０）から、ガスタービン（４）の排気プロファイルデータを受ける工程と、
ピーク−トラフパターンと関連付けられる統計的特徴を計算するために排気プロファイルデータを解析する工程と、
機械学習アルゴリズムを使用して、統計的特徴が異常であることを決定する工程と、
決定に応じて、所定の期間にわたって排気プロファイルデータの処理を続ける工程と、
統計的特徴が所定の期間にわたって異常なままである場合にガスタービン（４）の燃焼セクション（１０）における異常を報告する工程と、
を備える、方法（４００）。

２ ガスターボマシンシステム
４ ガスターボマシン
６ 圧縮機部分
８ タービン部分
１０ 燃焼器アセンブリ
１２ 燃焼器
１４ シャフト
１６ 空気入口
１８ 排気出口
２０ 空気取り入れシステム
２２ 排気システム
３０ 駆動される負荷
４０ ハウジング
４２ 外面
４４ 内面
４６ 排ガス流路
５０ 複数の温度センサ
６０ 燃焼器異常検出システム
６２ 中央処理ユニット（ＣＰＵ）
６４ コンピュータ可読記憶媒体
６８ 一組のプログラム命令
７０ メモリ
７４ アラーム
８０ 領域
４００ ガスタービンの燃焼セクションにおける異常を検出するための方法
４０２ 方法工程
４０４ 方法工程
４０６ 方法工程
４０８ 方法工程
４１０ 方法工程
４１２ 方法工程
４１４ 方法工程
４１６ 方法工程
４１８ 方法工程
４２０ 方法工程
４２２ 方法工程
５００ 熱電対排気データにおけるピーク位置及びトラフ位置を特定するための方法
５０２ 方法工程
５０４ 方法工程
５０６ 方法工程
５０８ 方法工程
５１０ 方法工程
５１２ 方法工程
６００ コントローラ
６１０ メモリ
６２０ プログラムドロジック
６３０ データ
６４０ オペレーティングシステム
６５０ プロセッサ
６６０ データバス
６７０ ユーザインタフェース装置
６８０ 入力／出力（Ｉ／Ｏ）インタフェース

Claims (20)

1. ガスタービン（４）の燃焼セクション（１０）における異常を検出するためのシステム（６０）において、
   燃焼セクション（１０）と関連付けられる複数の燃焼器（１２）と、
   ガスタービン（４）の排気セクション（２２）の周囲に配置される複数の熱センサ（５０）であって、前記ガスタービン（４）の排気プロファイルデータを与えるように構成される複数の熱センサ（５０）と、
   メモリ（７０）に通信状態で結合される処理回路（６２）であって、前記メモリ（７０）が命令（６８）を記憶し、前記命令（６８）は、前記処理回路（６２）により実行されるときに、
   前記複数の熱センサ（５０）から、前記ガスタービン（４）の前記排気プロファイルデータを受ける工程と、
   ピーク−トラフパターンと関連付けられる統計的特徴を計算するために前記排気プロファイルデータを解析する工程と、
   機械学習アルゴリズムを使用して、前記統計的特徴が異常であることを決定する工程と、
   前記決定に応じて、所定の期間にわたって前記排気プロファイルデータの処理を続ける工程と、
   前記統計的特徴が前記所定の期間にわたって異常なままである場合に前記ガスタービン（４）の前記燃焼セクション（１０）における異常を報告する工程と、
   を備える工程を行なう、処理回路（６２）と、
   を備える、システム（６０）。
2. 前記機械学習アルゴリズムが履歴的な排気プロファイルデータを使用して訓練され、前記履歴的な排気プロファイルデータが正常なデータサンプルと不良データサンプルとを含む、請求項１記載のシステム（６０）。
3. 前記熱センサ（５０）は、前記タービン（４）と関連付けられる排気ディフューザの周囲に径方向で位置決めされる、請求項１記載のシステム（６０）。
4. 前記センサ（５０）が等間隔の配列で配置される、請求項１記載のシステム（６０）。
5. 前記排気プロファイルデータが複数のピーク−トラフ対を含み、複数のピーク及びトラフの各ピーク−トラフ対が前記複数の燃焼器（１２）のうちの少なくとも１つの燃焼器（１２）に対応する、請求項１記載のシステム（６０）。
6. 解析する前記工程は、各ピーク−トラフ対を予期されるピーク−トラフパターンに対して評価することを含む、請求項５記載のシステム（６０）。
7. 解析する前記工程は、
   前記排気プロファイルデータに基づいて、各熱センサ（５０）と関連付けられるピーク−トラフ対を特定すること、及び、
   各ピーク−トラフ対ごとに前記統計的特徴を計算すること、
   を含む、請求項５記載のシステム（６０）。
8. 前記排気プロファイルデータが前記複数の熱センサ（５０）と関連付けられる統計的特徴を含み、前記統計的特徴は、最小ピーク温度、最大ピーク温度、最小トラフ温度、最大トラフ温度、最小ピーク−トラフ間Δ、及び、最大ピーク−トラフ間Δのうちの少なくとも１つを含む、請求項１記載のシステム（６０）。
9. 前記統計的特徴が異常であることを決定する前記工程は、少なくとも前記統計的特徴に基づいて特徴ベクトルを形成して、分類モデルを通じて前記特徴ベクトルを処理することを含む、請求項１記載のシステム（６０）。
10. 解析する前記工程の前に
    前記排気プロファイルデータの品質を決定する工程と、
    前記品質が所定の品質レベルを下回るとの決定に応じて、前記排気プロファイルデータを調整する工程と、
    を更に備える、請求項１記載のシステム（６０）。
11. 解析する前記工程は、前記ガスタービン（４）が所定の負荷を超えて動作している後に行なわれる、請求項１記載のシステム（６０）。
12. 前記ガスタービン（４）の前記燃焼セクション（１０）における異常の検出に少なくとも部分的に基づいてアラーム（７４）を出す工程を更に備える、請求項１記載のシステム（６０）。
13. 前記アラーム（７４）が更なる評価及びそれに応じた措置のうちの少なくとも１つを起動させる、請求項１２記載のシステム（６０）。
14. ガスタービン（４）の燃焼セクション（１０）における異常を検出するための方法（４００）であって、
    ガスタービン（４）の排気セクション（２２）の周囲に配置される複数の熱センサ（５０）から、前記ガスタービン（４）の排気プロファイルデータを受ける工程と、
    ピーク−トラフパターンと関連付けられる統計的特徴を計算するために前記排気プロファイルデータを解析する工程と、
    機械学習アルゴリズムを使用して、前記統計的特徴が異常であることを決定する工程と、
    前記決定に応じて、所定の期間にわたって前記排気プロファイルデータの処理を続ける工程と、
    前記統計的特徴が所定の期間にわたって異常なままである場合に前記ガスタービン（４）の燃焼セクション（１０）における異常を報告する工程と、
    を備える、方法（４００）。
15. 前記機械学習アルゴリズムが履歴的な排気プロファイルデータを使用して訓練され、前記履歴的な排気プロファイルデータが正常なデータサンプルと不良データサンプルとを含む、請求項１４記載の方法（４００）。
16. 前記熱センサ（５０）は、前記ガスタービン（４）の前記燃焼セクション（１０）と関連付けられる排気ディフューザの周囲に径方向で位置決めされるとともに、等間隔の配列で配置される、請求項１４記載の方法（４００）。
17. 前記排気プロファイルデータが複数のピーク−トラフ対を含み、複数のピーク及びトラフの各ピーク−トラフ対が複数の燃焼器（１２）のうちの少なくとも１つの燃焼器（１２）に対応する、請求項１４記載の方法（４００）。
18. 前記統計的特徴を計算する前記工程は、
    前記排気プロファイルデータに基づいて、各熱センサ（５０）と関連付けられるピーク−トラフ対を特定すること、及び、
    各ピーク−トラフ対ごとに前記統計的特徴を計算すること、
    を含む、請求項１７記載の方法（４００）。
19. 前記統計的特徴が異常であることを決定する前記工程は、少なくとも前記統計的特徴に基づいて特徴ベクトルを形成して、分類モデルを通じて前記特徴ベクトルを処理することを含む、請求項１４記載の方法（４００）。
20. 少なくとも１つのプロセッサ（６５０）で実行されるときに、
    ガスタービン（４）の排気セクション（２２）の周囲に配置される複数の熱センサ（５０）から、前記ガスタービン（４）の排気プロファイルデータを受ける工程と、
    ピーク−トラフパターンと関連付けられる統計的特徴を計算するために前記排気プロファイルデータを解析する工程と、
    機械学習アルゴリズムを使用して、前記統計的特徴が異常であることを決定する工程と、
    前記決定に応じて、所定の期間にわたって前記排気プロファイルデータの処理を続ける工程と、
    前記統計的特徴が前記所定の期間にわたって異常なままである場合に前記ガスタービン（４）の燃焼セクション（１０）における異常を報告する工程と、
    を備える工程を行なう記憶された命令（６８）を有する、持続性コンピュータ可読媒体（６４）。