JP2022537440A - コンバインド・サイクル・ガス・タービン運転の最適化のための方法及びシステム - Google Patents
コンバインド・サイクル・ガス・タービン運転の最適化のための方法及びシステム Download PDFInfo
- Publication number
- JP2022537440A JP2022537440A JP2021576168A JP2021576168A JP2022537440A JP 2022537440 A JP2022537440 A JP 2022537440A JP 2021576168 A JP2021576168 A JP 2021576168A JP 2021576168 A JP2021576168 A JP 2021576168A JP 2022537440 A JP2022537440 A JP 2022537440A
- Authority
- JP
- Japan
- Prior art keywords
- data
- ccgt
- manipulated variables
- plant
- models
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000005457 optimization Methods 0.000 title claims abstract description 59
- 239000000446 fuel Substances 0.000 claims description 43
- 238000004088 simulation Methods 0.000 claims description 26
- 230000008569 process Effects 0.000 claims description 25
- 238000001514 detection method Methods 0.000 claims description 22
- 238000011156 evaluation Methods 0.000 claims description 14
- 238000012360 testing method Methods 0.000 claims description 14
- 230000015654 memory Effects 0.000 claims description 11
- 239000000203 mixture Substances 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 9
- 238000001816 cooling Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 6
- 239000003344 environmental pollutant Substances 0.000 claims description 4
- 231100000719 pollutant Toxicity 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims 1
- 208000018910 keratinopathic ichthyosis Diseases 0.000 claims 1
- 206010000117 Abnormal behaviour Diseases 0.000 abstract description 4
- 238000010248 power generation Methods 0.000 abstract description 2
- 230000005856 abnormality Effects 0.000 abstract 1
- 239000007789 gas Substances 0.000 description 51
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 15
- 230000003068 static effect Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 230000008859 change Effects 0.000 description 7
- 230000002123 temporal effect Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 239000000498 cooling water Substances 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000003546 flue gas Substances 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000007637 random forest analysis Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 239000004215 Carbon black (E152) Substances 0.000 description 2
- 239000006227 byproduct Substances 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 229930195733 hydrocarbon Natural products 0.000 description 2
- 150000002430 hydrocarbons Chemical class 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 238000004540 process dynamic Methods 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000013400 design of experiment Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000002283 diesel fuel Substances 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000008214 highly purified water Substances 0.000 description 1
- 238000009396 hybridization Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000009533 lab test Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 238000010238 partial least squares regression Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000012628 principal component regression Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000000246 remedial effect Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 229910052717 sulfur Inorganic materials 0.000 description 1
- 239000011593 sulfur Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
- F01K—STEAM ENGINE PLANTS; STEAM ACCUMULATORS; ENGINE PLANTS NOT OTHERWISE PROVIDED FOR; ENGINES USING SPECIAL WORKING FLUIDS OR CYCLES
- F01K23/00—Plants characterised by more than one engine delivering power external to the plant, the engines being driven by different fluids
- F01K23/02—Plants characterised by more than one engine delivering power external to the plant, the engines being driven by different fluids the engine cycles being thermally coupled
- F01K23/06—Plants characterised by more than one engine delivering power external to the plant, the engines being driven by different fluids the engine cycles being thermally coupled combustion heat from one cycle heating the fluid in another cycle
- F01K23/10—Plants characterised by more than one engine delivering power external to the plant, the engines being driven by different fluids the engine cycles being thermally coupled combustion heat from one cycle heating the fluid in another cycle with exhaust fluid of one cycle heating the fluid in another cycle
- F01K23/101—Regulating means specially adapted therefor
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
- F01K—STEAM ENGINE PLANTS; STEAM ACCUMULATORS; ENGINE PLANTS NOT OTHERWISE PROVIDED FOR; ENGINES USING SPECIAL WORKING FLUIDS OR CYCLES
- F01K13/00—General layout or general methods of operation of complete plants
- F01K13/02—Controlling, e.g. stopping or starting
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
- F05D2220/00—Application
- F05D2220/70—Application in combination with
- F05D2220/72—Application in combination with a steam turbine
- F05D2220/722—Application in combination with a steam turbine as part of an integrated gasification combined cycle
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
- F05D2260/00—Function
- F05D2260/20—Heat transfer, e.g. cooling
- F05D2260/232—Heat transfer, e.g. cooling characterized by the cooling medium
- F05D2260/2322—Heat transfer, e.g. cooling characterized by the cooling medium steam
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
- F05D2260/00—Function
- F05D2260/80—Diagnostics
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
- F05D2260/00—Function
- F05D2260/85—Starting
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
- F05D2270/00—Control
- F05D2270/01—Purpose of the control system
- F05D2270/05—Purpose of the control system to affect the output of the engine
- F05D2270/053—Explicitly mentioned power
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
- F05D2270/00—Control
- F05D2270/70—Type of control algorithm
- F05D2270/709—Type of control algorithm with neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Feedback Control In General (AREA)
Abstract
Description
のようになる。したがって、
として相当するポイントが得られる。他のKPIについて同様に、
として相当するポイントが得られる。
a)ステップ314において、RewardFinal<lowerthresである場合、そのことは、単に、オプティマイザのMVが選択されたときのより悪いKPI値を指し、したがってMVfinal=MVconである。
b)ステップ316において、RewardFinal>upperthresである場合、オプティマイザによって操作変数が導出されるときに関連付けられる高い報酬があり、この場合、MVfFinal=MVoptである。
c)ステップ318において、lowerthres<RewardFinal>upperthresである場合、MVFinal=f(MVcon、MVopt)である。
Claims (16)
- コンバインド・サイクル・ガス・タービン(CCGT)プラントの運転を最適化するためのプロセッサ実装方法(400)であって、前記方法は、
前記CCGTプラントの1つ又は複数のデータベースから所定の頻度で複数のデータを受信することであって、前記複数のデータがリアルタイム・データ及び非リアルタイム・データを含む、複数のデータを受信すること(402)と、
1つ又は複数のハードウェア・プロセッサを介して、前記複数のデータを前処理すること(404)と、
前記1つ又は複数のハードウェア・プロセッサを介して、複数のソフト・センサーを使用してソフト・センサー・パラメータのセットを推定すること(406)と、
前記1つ又は複数のハードウェア・プロセッサを介して、ソフト・センサー・パラメータの前記セットを前記前処理された複数のデータと統合することであって、前記統合されたデータが操作変数の第1のセットを含む、ソフト・センサー・パラメータの前記セットを前記前処理された複数のデータと統合すること(408)と、
前記1つ又は複数のハードウェア・プロセッサを介して、複数の異常検出モデルを使用して、前記CCGTプラント及び前記CCGTプラントの個々のユニットに関係するプロセス異常及び機器異常を検出することであって、前記複数の異常検出モデルが前記データベースから取り出される、前記CCGTプラント及び前記CCGTプラントの個々のユニットに関係するプロセス異常及び機器異常を検出すること(410)と、
前記1つ又は複数のハードウェア・プロセッサを介して、複数の異常診断モデルを使用して、前記検出された異常の少なくとも1つの原因を特定することであって、前記複数の異常診断モデルが前記データベースから取り出される、前記検出された異常の少なくとも1つの原因を特定すること(412)と、
前記1つ又は複数のハードウェア・プロセッサを介して、複数の状態決定モデルを使用して、前記CCGTプラントの運転状態を決定することであって、前記状態が定常状態又は非定常状態であり得る、前記CCGTプラントの運転状態を決定すること(414)と、
1つ又は複数のハードウェア・プロセッサを介して、複数の予測モデル及び前記統合されたデータを使用してCCGTプラントの複数の重要業績評価パラメータを予測することであって、前記複数の予測モデルが前記データベースから取り出される、CCGTプラントの複数の重要業績評価パラメータを予測すること(416)と、
前記1つ又は複数のハードウェア・プロセッサを介して、前記CCGTプラントの前記複数の重要業績評価パラメータを最適化するために、前記複数の予測モデルを使用してオプティマイザを構成すること(418)と、
前記1つ又は複数のハードウェア・プロセッサを介して、前記構成されたオプティマイザを使用して操作変数の第2のセットを生成すること(420)と、
前記1つ又は複数のハードウェア・プロセッサを介して、
前記検出された異常の前記原因と、
前記CCGTプラントの前記決定された状態と、
前記CCGTプラントの前記複数の重要業績評価パラメータの重要度であって、前記重要度が、ユーザによって定義されるか、又は前記データベースから取得されるかのいずれかである、重要度と
に基づいて、操作変数の前記第1のセットと操作変数の前記第2のセットとを使用して操作変数の最適セットを決定すること(422)と、
前記1つ又は複数のハードウェア・プロセッサを介して、操作変数の前記第1のセットと前記第2のセットの両方について、前記業績評価パラメータの各々についての決定された重要度を使用して、前記複数の重要業績評価パラメータの各々についての格付けポイントを計算すること(424)と、
前記1つ又は複数のハードウェア・プロセッサを介して、操作変数の第1のセット及び第2のセットについて計算された格付けポイントを利用して報酬値を計算すること(426)と、
前記1つ又は複数のハードウェア・プロセッサを介して、前記報酬値と上限しきい値及び下限しきい値との比較を伴う、事前定義された条件のセットを使用して操作変数の前記最適セットを選定すること(428)と
を含む、方法(400)。 - 複数のソースが、分散型制御システム(DCS)、ヒストリアン、ラボラトリー情報管理システム(LIMS)、製造実行システム(MES)、又は手動入力のうちの1つ又は複数を含む、請求項1に記載の方法。
- 前処理が、アウトライアーの削除、異なるデータ・シリーズの同期、又は高周波数非プロセス関係雑音の識別及び削除によって、履歴データをクリーニングすることを含む、請求項1に記載の方法。
- 前記CCGTプラントの前記運転を最適化するために操作変数の前記最適セットを与えることをさらに含む、請求項1に記載の方法。
- オフライン・モードにおいて前記CCGTプラントに関するシミュレーション・タスクを実行し、それにより、高忠実度物理ベース・モデル及びデータ駆動型モデルを使用して、リアルタイム最適化プロセスが特定のテスト・ケースを生成し、シミュレートするのを支援することをさらに含む、請求項1に記載の方法。
- 操作変数の前記最適セットを決定する前記プロセスに、燃料組成センサー及び発熱量計からのリアルタイム出力を与えることをさらに含む、請求項1に記載の方法。
- 前記複数の異常検出モデルが、前記個々のユニットと前記CCGTプラント全体との各々についての異常スコアを計算するために、変数の特定のサブセットのうちの1つ又は複数を利用する、データ駆動型モデルである、請求項1に記載の方法。
- 前記複数の異常診断モデルが、前記個々のユニットと前記CCGTプラント全体との各々についての異常の前記原因を特定するために、変数の前記特定のサブセットのうちの1つ又は複数を利用する、データ駆動型モデルである、請求項1に記載の方法。
- 前記複数の状態決定モデルが、プロセス変数のセットのリアルタイム値を利用することによって、前記CCGTプラントの運転モードを、定常状態と、負荷上昇状態と、負荷降下状態と、始動状態と、停止状態とのうちの1つに分類するためのデータ駆動型分類器である、請求項1に記載の方法。
- 複数の重要業績評価指標が、熱効率と、生成された電力と、生成された電力の周波数と、排ガス温度と、運転コストと、排ガス中の汚染物質とを含む、請求項1に記載の方法。
- 前記事前定義された条件のセットは、
前記報酬値が前記下限しきい値を下回る場合、操作変数の前記最適セットとして操作変数の第1のセットを選定することと、
前記報酬値が前記上限しきい値を上回る場合、操作変数の前記最適セットとして操作変数の第2のセットを選定することと、
前記報酬値が前記上限しきい値と前記下限しきい値との間である場合、操作変数の前記最適セットとして、操作変数の前記第1のセットと前記第2のセットとの間の関数関係である操作変数を選定することであって、関数関係が、前記複数のKPIと前記操作変数の各々との間の物理的関係に基づいて定義される、操作変数の前記第1のセットと前記第2のセットとの間の関数関係である操作変数を選定することと
を含む、請求項1に記載の方法。 - 前記操作変数が、1つ又は複数の燃料制御弁の開度のパーセンテージと、入口案内翼(IGV)の開度と、タービン冷却流量と、異なる燃料の混合比率と、蒸気制御弁のパーセンテージ開度とを含む、請求項1に記載の方法。
- 前記複数のソフト・センサーが、ガス・タービンによって生成された電力と、蒸気タービンによって生成された電力と、加湿後の流入空気の相対湿度と、タービン入口温度(TIT)と、ガス・タービン冷却空気の流量及び温度とを含む、物理ベース・ソフト・センサー及びデータ駆動型ソフト・センサーである、請求項1に記載の方法。
- コンバインド・サイクル・ガス・タービン(CCGT)プラント(102)の運転を最適化するためのシステム(100)であって、前記システムは、
入出力インターフェース(106)と、
1つ又は複数のハードウェア・プロセッサ(110)と、
前記1つ又は複数のハードウェア・プロセッサと通信しているメモリ(108)と
を備え、前記1つ又は複数の第1のハードウェア・プロセッサは、
前記CCGTプラントの1つ又は複数のデータベースから所定の頻度で複数のデータを受信することであって、前記複数のデータがリアルタイム・データ及び非リアルタイム・データを含む、複数のデータを受信することと、
前記複数のデータを前処理することと、
複数のソフト・センサーを使用してソフト・センサー・パラメータのセットを推定することと、
ソフト・センサー・パラメータの前記セットを前記前処理された複数のデータと統合することであって、前記統合されたデータが操作変数の第1のセットを含む、ソフト・センサー・パラメータの前記セットを前記前処理された複数のデータと統合することと、
複数の異常検出モデルを使用して、前記CCGTプラント及び前記CCGTプラントの個々のユニットに関係するプロセス異常及び機器異常を検出することであって、前記複数の異常検出モデルが前記データベースから取り出される、前記CCGTプラント及び前記CCGTプラントの個々のユニットに関係するプロセス異常及び機器異常を検出することと、
前記複数の異常診断モデルを使用して、前記検出された異常の少なくとも1つの原因を特定することであって、前記複数の異常診断モデルが前記データベースから取り出される、前記検出された異常の少なくとも1つの原因を特定することと、
複数の状態決定モデルを使用して、前記CCGTプラントの運転状態を決定することであって、前記状態が定常状態又は非定常状態であり得る、前記CCGTプラントの運転状態を決定することと、
複数の予測モデル及び前記統合されたデータを使用してCCGTプラントの複数の重要業績評価パラメータを予測することであって、前記複数の予測モデルが前記データベースから取り出される、CCGTプラントの複数の重要業績評価パラメータを予測することと、
前記CCGTプラントの前記複数の重要業績評価パラメータを最適化するために、前記複数の予測モデルを使用してオプティマイザを構成することと、
前記構成されたオプティマイザを使用して操作変数の第2のセットを生成することと、
前記検出された異常の前記原因と、
前記CCGTプラントの前記決定された状態と、
前記CCGTプラントの前記複数の重要業績評価パラメータの重要度であって、前記重要度が、ユーザによって定義されるか、又は前記データベースから取得されるかのいずれかである、重要度と
に基づいて、操作変数の前記第1のセットと操作変数の前記第2のセットとを使用して操作変数の最適セットを決定することと、
操作変数の前記第1のセットと前記第2のセットの両方について、前記業績評価パラメータの各々についての決定された重要度を使用して、前記複数の重要業績評価パラメータの各々についての格付けポイントを計算することと、
操作変数の第1のセット及び第2のセットについて計算された格付けポイントを利用して報酬値を計算することと、
前記報酬値と上限しきい値及び下限しきい値との比較を伴う、事前定義された条件のセットを使用して操作変数の前記最適セットを推奨することと
を行うために、前記メモリに記憶されたプログラムされた命令を実行するように構成された、システム(100)。 - 燃料の燃料密度及び発熱量のリアルタイム値を与えるための、燃料制御弁の入口における燃料組成センサーと発熱量計とをさらに備える、請求項14に記載のシステム。
- 1つ又は複数の命令を含む1つ又は複数の非一時的機械可読情報記憶媒体であって、前記命令は、1つ又は複数のハードウェア・プロセッサによって実行されたとき、
CCGTプラントの1つ又は複数のデータベースから所定の頻度で複数のデータを受信することであって、前記複数のデータがリアルタイム・データ及び非リアルタイム・データを含む、複数のデータを受信することと、
前記複数のデータを前処理することと、
複数のソフト・センサーを使用してソフト・センサー・パラメータのセットを推定することと、
ソフト・センサー・パラメータの前記セットを前記前処理された複数のデータと統合することであって、前記統合されたデータが操作変数の第1のセットを含む、ソフト・センサー・パラメータの前記セットを前記前処理された複数のデータと統合することと、
複数の異常検出モデルを使用して、前記CCGTプラント及び前記CCGTプラントの個々のユニットに関係するプロセス異常及び機器異常を検出することであって、前記複数の異常検出モデルが前記データベースから取り出される、前記CCGTプラント及び前記CCGTプラントの個々のユニットに関係するプロセス異常及び機器異常を検出することと、
前記複数の異常診断モデルを使用して、前記検出された異常の少なくとも1つの原因を特定することであって、前記複数の異常診断モデルが前記データベースから取り出される、前記検出された異常の少なくとも1つの原因を特定することと、
前記1つ又は複数のハードウェア・プロセッサを介して、複数の状態決定モデルを使用して、前記CCGTプラントの運転状態を決定することであって、前記状態が定常状態又は非定常状態であり得る、前記CCGTプラントの運転状態を決定することと、
複数の予測モデル及び前記統合されたデータを使用してCCGTプラントの複数の重要業績評価パラメータを予測することであって、前記複数の予測モデルが前記データベースから取り出される、CCGTプラントの複数の重要業績評価パラメータを予測することと、
前記CCGTプラントの前記複数の重要業績評価パラメータを最適化するために、前記複数の予測モデルを使用してオプティマイザを構成することと、
前記構成されたオプティマイザを使用して操作変数の第2のセットを生成することと、
前記検出された異常の前記原因と、
前記CCGTプラントの前記決定された状態と、
前記CCGTプラントの前記複数の重要業績評価パラメータの重要度であって、前記重要度が、ユーザによって定義されるか、又は前記データベースから取得されるかのいずれかである、重要度と
に基づいて、操作変数の前記第1のセットと操作変数の前記第2のセットとを使用して操作変数の最適セットを決定することと、
操作変数の前記第1のセットと前記第2のセットの両方について、前記業績評価パラメータの各々についての決定された重要度を使用して、前記複数の重要業績評価パラメータの各々についての格付けポイントを計算することと、
操作変数の第1のセット及び第2のセットについて計算された格付けポイントを利用して報酬値を計算することと、
前記報酬値と上限しきい値及び下限しきい値との比較を伴う、事前定義された条件のセットを使用して操作変数の前記最適セットを推奨することと
を行わせる、1つ又は複数の非一時的機械可読情報記憶媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
IN201921024605 | 2019-06-20 | ||
IN201921024605 | 2019-06-20 | ||
PCT/IN2020/050544 WO2020255173A2 (en) | 2019-06-20 | 2020-06-20 | Method and system for optimization of combined cycle gas turbine operation |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022537440A true JP2022537440A (ja) | 2022-08-25 |
JP7314323B2 JP7314323B2 (ja) | 2023-07-25 |
Family
ID=74040723
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021576168A Active JP7314323B2 (ja) | 2019-06-20 | 2020-06-20 | コンバインド・サイクル・ガス・タービン運転の最適化のための方法及びシステム |
Country Status (4)
Country | Link |
---|---|
US (1) | US20220235676A1 (ja) |
EP (1) | EP3987363A4 (ja) |
JP (1) | JP7314323B2 (ja) |
WO (1) | WO2020255173A2 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114764538B (zh) * | 2020-12-30 | 2024-04-26 | 河北云酷科技有限公司 | 一种设备声音信号模式识别方法 |
CN113738510A (zh) * | 2021-09-27 | 2021-12-03 | 上海电气燃气轮机有限公司 | 一种双压无再热联合循环电厂及其性能优化方法 |
CN117349797B (zh) * | 2023-12-04 | 2024-02-06 | 四川航空股份有限公司 | 基于人工智能的飞机故障检测方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002526852A (ja) * | 1998-10-06 | 2002-08-20 | パヴィリオン・テクノロジーズ・インコーポレイテッド | 製造システムを監視、かつ制御する方法およびシステム |
US20090138324A1 (en) * | 2000-06-22 | 2009-05-28 | Naoyuki Nagafuchi | Power Plant Operation Control System and a Power Plant Maintaining and Managing Method |
US20090320493A1 (en) * | 2008-06-27 | 2009-12-31 | Alstom Technology Ltd | Method for primary control of a combined gas and steam turbine arrangement |
JP2012099071A (ja) * | 2010-11-05 | 2012-05-24 | Yokogawa Electric Corp | プラント解析システム |
US20150185716A1 (en) * | 2013-12-31 | 2015-07-02 | General Electric Company | Methods and systems for enhancing control of power plant generating units |
US20170068226A1 (en) * | 2015-09-09 | 2017-03-09 | International Business Machines Corporation | Hybrid estimation of transition probability values in markov decision processes |
WO2018181009A1 (ja) * | 2017-03-29 | 2018-10-04 | 三菱重工業株式会社 | プラント評価システム、プラント評価方法及びプログラム |
US20180313224A1 (en) * | 2017-05-01 | 2018-11-01 | General Electric Company | Method and system for improved design and implementation of turbomachinery |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004211587A (ja) * | 2002-12-27 | 2004-07-29 | Toshiba Corp | 発電プラントの運用支援システム |
US9477214B2 (en) * | 2013-03-07 | 2016-10-25 | General Electric Company | Plant control systems and methods |
US10287988B2 (en) * | 2015-03-27 | 2019-05-14 | General Electric Company | Methods and systems for enhancing operation of power plant generating units and systems |
US10161269B2 (en) * | 2015-07-17 | 2018-12-25 | Nec Corporation | Output efficiency optimization in production systems |
US10704427B2 (en) * | 2017-01-04 | 2020-07-07 | General Electric Company | Method to diagnose power plant degradation using efficiency models |
-
2020
- 2020-06-20 WO PCT/IN2020/050544 patent/WO2020255173A2/en active Application Filing
- 2020-06-20 JP JP2021576168A patent/JP7314323B2/ja active Active
- 2020-06-20 EP EP20825753.5A patent/EP3987363A4/en active Pending
- 2020-06-20 US US17/596,817 patent/US20220235676A1/en active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002526852A (ja) * | 1998-10-06 | 2002-08-20 | パヴィリオン・テクノロジーズ・インコーポレイテッド | 製造システムを監視、かつ制御する方法およびシステム |
US20090138324A1 (en) * | 2000-06-22 | 2009-05-28 | Naoyuki Nagafuchi | Power Plant Operation Control System and a Power Plant Maintaining and Managing Method |
US20090320493A1 (en) * | 2008-06-27 | 2009-12-31 | Alstom Technology Ltd | Method for primary control of a combined gas and steam turbine arrangement |
JP2012099071A (ja) * | 2010-11-05 | 2012-05-24 | Yokogawa Electric Corp | プラント解析システム |
US20150185716A1 (en) * | 2013-12-31 | 2015-07-02 | General Electric Company | Methods and systems for enhancing control of power plant generating units |
US20170068226A1 (en) * | 2015-09-09 | 2017-03-09 | International Business Machines Corporation | Hybrid estimation of transition probability values in markov decision processes |
WO2018181009A1 (ja) * | 2017-03-29 | 2018-10-04 | 三菱重工業株式会社 | プラント評価システム、プラント評価方法及びプログラム |
US20180313224A1 (en) * | 2017-05-01 | 2018-11-01 | General Electric Company | Method and system for improved design and implementation of turbomachinery |
Also Published As
Publication number | Publication date |
---|---|
JP7314323B2 (ja) | 2023-07-25 |
EP3987363A2 (en) | 2022-04-27 |
EP3987363A4 (en) | 2023-07-26 |
WO2020255173A2 (en) | 2020-12-24 |
US20220235676A1 (en) | 2022-07-28 |
WO2020255173A3 (en) | 2021-02-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7314323B2 (ja) | コンバインド・サイクル・ガス・タービン運転の最適化のための方法及びシステム | |
Tsoutsanis et al. | A component map tuning method for performance prediction and diagnostics of gas turbine compressors | |
Tsoutsanis et al. | Transient gas turbine performance diagnostics through nonlinear adaptation of compressor and turbine maps | |
JP6232066B2 (ja) | プラント制御最適化システム | |
US8577822B2 (en) | Data-driven approach to modeling sensors wherein optimal time delays are determined for a first set of predictors and stored as a second set of predictors | |
US7389151B2 (en) | Systems and methods for multi-level optimizing control systems for boilers | |
US20140257526A1 (en) | Plant control systems and methods | |
Benyounes et al. | Gas turbine modeling based on fuzzy clustering algorithm using experimental data | |
US10107205B2 (en) | Computer-aided control and/or regulation of a technical system | |
WO2009025560A1 (en) | System and method for empirical ensemble-based virtual sensing of gas emission | |
US20180165384A1 (en) | System and method for issue detection of industrial processes | |
Tsoutsanis et al. | Part-Load performance of gas turbines: Part II—multi-point Adaptation with compressor map generation and GA optimization | |
US20180307997A1 (en) | Systems and methods for improved quantification of uncertainty in turbomachinery | |
Rezazadeh | Environmental pollution prediction of NOx by predictive modelling and process analysis in natural gas turbine power plants | |
EP3982225B1 (en) | Method and system for regime-based process optimization of industrial assets | |
US10392963B2 (en) | Systems and methods related to transmitting and receiving sensor data | |
Allen et al. | Gas turbine machinery diagnostics: A brief review and a sample application | |
US20220246248A1 (en) | Method and system for performance optimization of flue gas desulphurization (fgd) unit | |
US11475186B2 (en) | Apparatus and method for deriving boiler combustion model | |
US20130138937A1 (en) | Method And System For Managing Plant Operation | |
Kiakojoori et al. | Dynamie neural networks for jet engine degradation prediction and prognosis | |
Hafaifa et al. | Control of an industrial gas turbine based on fuzzy model | |
US20230333521A1 (en) | Machine learning-based optimization of thermodynamic power generation | |
EP3991001B1 (en) | Method and system for performance optimization of flue gas desulphurization (fgd) unit | |
Qosim et al. | Fault Detection System Using Machine Learning on Synthesis Loop Ammonia Plant |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220218 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220218 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230328 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230421 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230707 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230712 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7314323 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |