JP6782943B2 - Gas turbine abnormal condition detection device and abnormal condition detection method - Google Patents
Gas turbine abnormal condition detection device and abnormal condition detection method Download PDFInfo
- Publication number
- JP6782943B2 JP6782943B2 JP2016222720A JP2016222720A JP6782943B2 JP 6782943 B2 JP6782943 B2 JP 6782943B2 JP 2016222720 A JP2016222720 A JP 2016222720A JP 2016222720 A JP2016222720 A JP 2016222720A JP 6782943 B2 JP6782943 B2 JP 6782943B2
- Authority
- JP
- Japan
- Prior art keywords
- network
- pressure
- abnormal state
- network entropy
- gas turbine
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000002159 abnormal effect Effects 0.000 title claims description 99
- 238000001514 detection method Methods 0.000 title claims description 59
- 238000002485 combustion reaction Methods 0.000 claims description 66
- 238000000034 method Methods 0.000 claims description 29
- 238000009795 derivation Methods 0.000 claims description 21
- 238000005070 sampling Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 4
- 239000007789 gas Substances 0.000 description 58
- 239000000446 fuel Substances 0.000 description 20
- 230000000875 corresponding effect Effects 0.000 description 19
- 239000000498 cooling water Substances 0.000 description 7
- 230000000737 periodic effect Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 6
- 230000007423 decrease Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 239000000203 mixture Substances 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000001816 cooling Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008033 biological extinction Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000009841 combustion method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 239000002737 fuel gas Substances 0.000 description 1
- 239000002828 fuel tank Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 230000004304 visual acuity Effects 0.000 description 1
Landscapes
- Regulation And Control Of Combustion (AREA)
- Testing And Monitoring For Control Systems (AREA)
Description
本発明は、ガスタービンの異常状態の発生を検知する異常状態検知装置、及び異常状態検知方法に関する。 The present invention relates to an abnormal state detecting device for detecting the occurrence of an abnormal state of a gas turbine, and an abnormal state detecting method.
従来、ガスタービンでは、燃焼器にて発生するＮＯｘの低減化を図る燃焼方式として、希薄予混合燃焼が知られているが、当該希薄予混合燃焼にあっては、燃焼振動、吹き消え等といった不安定な物理現象が発生することが知られている。更に、圧縮機を通過する新気の流速が一定以上になるときに回転翼が振動するフラッタ、圧縮機を通過する新気の流量を低下していくと新気の流量や圧力が周期的に激しく振動するサージ、及び旋回失速等の不安定な物理現象が発生することもある。ここで、新気は、空気のみと、空気と燃料ガスの混合気との双方の概念を含むものである。
上述したような不安定な物理現象は、突発的に発生することが多いため、これらの不安定な物理現象の発生を予め検知できる技術が望まれている。
例えば、特許文献１に開示の技術にあっては、希薄予混合燃焼を行うガスタービンにおいて突発的に発生する吹き消えの予兆を検知して回避するべく、ガスタービン燃焼器の圧力の時系列データを高速フーリエ変換して周波数領域にて解析する手法等が提案されている。
Conventionally, in gas turbines, dilute premixed combustion is known as a combustion method for reducing NOx generated in a combustor, but in the dilute premixed combustion, combustion vibration, blowout, etc. It is known that unstable physical phenomena occur. Furthermore, the flutter that the rotary blade vibrates when the flow velocity of the fresh air passing through the compressor exceeds a certain level, and the flow rate and pressure of the fresh air periodically increase as the flow rate of the fresh air passing through the compressor decreases. Unstable physical phenomena such as violently vibrating surges and turning stalls may occur. Here, fresh air includes the concept of both air alone and a mixture of air and fuel gas.
Since the unstable physical phenomena described above often occur suddenly, a technique capable of detecting the occurrence of these unstable physical phenomena in advance is desired.
For example, in the technique disclosed in Patent Document 1, time-series data of the pressure of a gas turbine combustor is used to detect and avoid a sign of sudden blowout in a gas turbine that performs dilute premixed combustion. Has been proposed as a method of performing fast Fourier transform and analyzing in the frequency domain.
特許文献１に開示の技術にあっては、不安定な物理現象である吹き消えの予兆を検知するべく、ガスタービン燃焼器の圧力の時系列データを、膨大な演算量を必要とする高速フーリエ変換する演算を経時的に実行する必要があり、高い演算能力を有する計算機を備えなければならず、設備コストがかかるといった問題があった。また、不安定な物理現象は、周波数解析のような線形解析ではその予兆を適切に検知することが難しく、新たな技術の開発が望まれていた。 In the technique disclosed in Patent Document 1, in order to detect a sign of blowout, which is an unstable physical phenomenon, time-series data of the pressure of a gas turbine combustor is obtained by fast Fourier, which requires a huge amount of calculation. There is a problem that it is necessary to execute the calculation to be converted over time, a computer having a high calculation ability must be provided, and equipment cost is high. In addition, it is difficult to properly detect signs of unstable physical phenomena by linear analysis such as frequency analysis, and the development of new technology has been desired.
本発明は、上述の課題に鑑みてなされたものであり、その目的は、比較的シンプルな解析手法で、ガスタービンの不安定な物理現象である異常状態の発生を適切に検知できる異常状態検知装置、及び異常状態検知方法を提供する点にある。 The present invention has been made in view of the above-mentioned problems, and an object of the present invention is to detect an abnormal state that can appropriately detect the occurrence of an abnormal state, which is an unstable physical phenomenon of a gas turbine, by a relatively simple analysis method. The point is to provide an apparatus and an abnormal state detection method.
上記目的を達成するための異常状態検知装置は、ガスタービンの不安定な物理現象を含む異常状態の発生を検知する異常状態検知装置であって、その特徴構成は、
前記ガスタービンの燃焼器内の圧力である燃焼器内圧力に関連する燃焼器内圧力関連値を検知する圧力関連値検出手段と、
前記圧力関連値検出手段にて検出された前記燃焼器内圧力関連値の時系列データから水平可視グラフ法によりネットワーク（すなわち、グラフ）を構築し、所定のサンプリング期間にサンプリングされた離散点に基づいて構築される前記ネットワークの次数分布から算出されるネットワークエントロピー（グラフエントロピー）を導出する導出部と、
前記ネットワークエントロピー導出部にて逐次導出される前記ネットワークエントロピーに基づいて、前記ガスタービンにて前記異常状態が発生するか否かを検知する異常状態検知部とを備え、
前記ネットワークエントロピーは、前記水平可視グラフ法を用いて下記の〔式１〕にて定義されるネットワークエントロピーｈ ｈ であり、
前記異常状態検知部は、前記ネットワークエントロピーｈ ｈ に基づいて、前記ガスタービンにて前記異常状態が発生するか否かを検知する点にある。
The abnormal state detecting device for achieving the above object is an abnormal state detecting device that detects the occurrence of an abnormal state including an unstable physical phenomenon of a gas turbine, and its characteristic configuration is as follows.
A pressure-related value detecting means for detecting a combustor pressure-related value related to a combustor pressure, which is the pressure inside the combustor of the gas turbine, and
A network (that is, a graph) is constructed by the horizontal visibility graph method from the time series data of the pressure-related values in the combustor detected by the pressure-related value detecting means, and based on the discrete points sampled in a predetermined sampling period. A derivation unit that derives the network entropy (graph entropy) calculated from the order distribution of the network constructed in
An abnormal state detecting unit for detecting whether or not the abnormal state occurs in the gas turbine based on the network entropy sequentially derived by the network entropy deriving unit is provided .
The network entropy is the network entropy h h defined by the following [Equation 1] using the horizontal visible graph method .
It said abnormal condition detecting unit, on the basis of the network entropy h h, lies in detecting whether the abnormal condition occurs in the gas turbine.
本発明において、ガスタービンの異常状態とは、燃焼振動、吹き消え、フラッタ、サージ及び旋回失速等の不安定な物理現象を含む概念であるとする。
上記特徴構成によれば、ネットワークエントロピー導出部が、圧力関連値検出手段にて検出された燃焼器内圧力関連値の時系列データから水平可視グラフ法によるネットワークを構築し、所定のサンプリング期間にサンプリングされた離散点に基づいて構築されるネットワークの次数分布から算出されるネットワークエントロピーを導出し、異常状態検知部が、ネットワークエントロピーに基づいて、ガスタービンにて異常状態が発生するか否かを検知するから、従来技術の如く、高速フーリエ変換等の演算量が大きくなる処理を実行する必要がなく、高い演算能力を有する計算機を備えなくて良いため、設備コストを低減できる。
更に、発明者らは、鋭意検討した結果、ガスタービンの燃焼器内圧力関連値の時系列データから構築される水平可視グラフの次数分布から算出されるネットワークエントロピーが、ガスタービンの異常状態と強い関連のある燃焼器内圧力関連値の波形の乱雑さに対し高い相関を有する値であることを見出した。当該知見により、該ネットワークエントロピーに基づいてガスタービンにて異常状態が発生するか否かを検知することで、ガスタービンの異常状態の発生を適切に検知することができる。
特に、水平可視グラフ法は、ネットワークを構築するアルゴリズムが他のもの（例えば、通常の可視グラフ法）よりもシンプルで高速の現象に適用でき、ガスタービンにて発生する燃焼振動（周期振動）と安定燃焼（非周期振動）との間での高速遷移過程を好適に検知できるため、ガスタービンの異常状態としての燃焼振動を適切に検知することができる。
以上より比較的シンプルな解析手法で、ガスタービンの不安定な物理現象の発生を適切に検知できる異常状態検知装置を実現できる。
In the present invention, the abnormal state of the gas turbine is a concept including unstable physical phenomena such as combustion vibration, blowout, flutter, surge and turning stall.
According to the above feature configuration, the network entropy derivation unit constructs a network by the horizontal visible graph method from the time series data of the pressure-related values in the combustor detected by the pressure-related value detecting means, and samples them in a predetermined sampling period. The network entropy calculated from the order distribution of the network constructed based on the discrete points is derived, and the abnormal state detector detects whether or not an abnormal state occurs in the gas turbine based on the network entropy. Therefore, unlike the prior art, it is not necessary to execute a process such as a fast Fourier transform that increases the amount of calculation, and it is not necessary to provide a computer having a high calculation ability, so that the equipment cost can be reduced.
Furthermore, as a result of diligent studies, the inventors have found that the network entropy calculated from the order distribution of the horizontal visible graph constructed from the time-series data of the pressure-related values in the combustor of the gas turbine is strong with the abnormal state of the gas turbine. It was found that the values have a high correlation with the disorder of the waveform of the related values in the combustor pressure. Based on this knowledge, it is possible to appropriately detect the occurrence of an abnormal state of the gas turbine by detecting whether or not an abnormal state occurs in the gas turbine based on the network entropy.
In particular, the horizontal visibility graph method can be applied to phenomena in which the algorithm for constructing the network is simpler and faster than other ones (for example, the normal visibility graph method), and the combustion vibration (periodic vibration) generated in the gas turbine. Since the high-speed transition process with stable combustion (aperiodic vibration) can be suitably detected, combustion vibration as an abnormal state of the gas turbine can be appropriately detected.
From the above, it is possible to realize an abnormal state detection device that can appropriately detect the occurrence of unstable physical phenomena in a gas turbine by a relatively simple analysis method.
ここで、可視グラフとは、時系列の離散点を棒グラフに見立て、ある２つの離散点に可視性が存在するときに、離散点に対応する頂点同士を枝で繋いで構築されるネットワーク、もしくはグラフの総称である。ある離散点に対応する頂点から伸びる枝の本数をその頂点の次数ｋと呼ぶ。更に、可視グラフには単に可視グラフと呼ばれるものと水平可視グラフと呼ばれるものがあり、水平可視グラフとは、横軸が時間ｔ、縦軸が圧力ｐの時系列を例に説明すると、任意の２つの離散点ｉ（ｔｉ、ｐｉ）、ｊ（ｔｊ、ｐｊ）の間にある全ての離散点ｎ（ｔｎ、ｐｎ）が以下の〔式２〕を満たすときに、離散点ｉ、ｊの間が水平的に可視であると判断され、離散点ｉ、ｊに対応するネットワーク上の頂点が接続されることで構築されるグラフである。 Here, the visible graph is a network constructed by connecting the vertices corresponding to the discrete points with branches when the discrete points of the time series are regarded as a bar graph and visibility exists at a certain two discrete points. It is a general term for graphs. The number of branches extending from a vertex corresponding to a certain discrete point is called the degree k of the vertex. Further, there are two types of visible graphs, one is simply called a visible graph and the other is called a horizontal visible graph. The horizontal visible graph is an arbitrary graph when the time series with time t on the horizontal axis and pressure p on the vertical axis is explained as an example. two discrete points i (t i, p i) , j (t j, p j) all discrete points n (t n, p n) that is between the when satisfies the following [formula 2], discrete It is a graph constructed by determining that the points i and j are horizontally visible and connecting the vertices on the network corresponding to the discrete points i and j.
ただし、ある頂点と、その両隣の頂点の間は必ず可視である為、枝を繋ぐ。 However, since it is always visible between a certain vertex and the vertices on both sides of it, connect the branches.
例えば、横軸が時間ｔ、縦軸が圧力ｐの図３の１本の時系列に基づいて説明する。
図３の上方の棒グラフにおいて、離散点ａ（ｔａ、ｐａ）とｆ（ｔｆ、ｐｆ）の間のすべての離散点ｂ（ｔｂ、ｐｂ）とｃ（ｔｃ、ｐｃ）とｄ（ｔｄ、ｐｄ）とｅ（ｔｅ、ｐｅ）は、〔式２〕の関係を満たし、離散点ａ−ｆ間は可視であるため、離散点ａ、ｆに対応する頂点間を枝を結ぶ。当該水平可視グラフにおいて、離散点に対応する頂点を繋ぐ枝の数（次数ｋ）は、図３の下方のグラフに示すように、ネットワーク上の頂点ａで３、頂点ｂで２、頂点ｃで５、頂点ｄで２、頂点ｅで３、頂点ｆで３となる。
因みに、２つの離散点に対応するネットワーク上の頂点は、図３の上方のグラフに示すように、離散点間を直線（図示せず）で繋いだときに、当該直線が棒グラフと交わる場合、枝で繋げないものとする。
For example, the description will be made based on one time series of FIG. 3 in which the horizontal axis is the time t and the vertical axis is the pressure p.
Above the bar graph of FIG. 3, the discrete point a (t a, p a) and f (t f, p f) all discrete points b (t b, p b) between c (t c, p c ) and d (t d, p d) and e (t e, p e) satisfies the relationship of [formula 2], between discrete points a-f is because it is visible, discrete points a, corresponding to f Connect branches between vertices. In the horizontally visible graph, the number of branches (order k) connecting the vertices corresponding to the discrete points is 3, at the vertex a on the network, at the vertex b, and at the vertex c, as shown in the lower graph of FIG. 5. Vertex d is 2, vertex e is 3, and vertex f is 3.
By the way, when the vertices on the network corresponding to two discrete points intersect with the bar graph when the discrete points are connected by a straight line (not shown) as shown in the upper graph of FIG. It shall not be connected by branches.
水平可視グラフの次数分布から算出されるネットワークエントロピーｈｈは、燃焼器内圧力関連値の波形の乱雑さに対し高い相関を有する値であるため、上記特徴構成の如く、水平可視グラフの次数分布から算出されるネットワークエントロピーｈｈに基づいて、ガスタービンにて異常状態が発生するか否かを検知することで、燃焼器内圧力関連値の波形の乱雑さに対応して発生するガスタービンの異常状態（例えば、吹き消えや燃焼振動）を、適切に検知できる。 Since the network entropy h h calculated from the order distribution of the horizontally visible graph is a value having a high correlation with the disorder of the waveform of the pressure-related value in the combustor, the order distribution of the horizontally visible graph is as shown in the above feature configuration. By detecting whether or not an abnormal state occurs in the gas turbine based on the network entropy h h calculated from, the gas turbine generated in response to the disorder of the waveform of the pressure-related value in the combustor. An abnormal state (for example, blowout or combustion vibration) can be appropriately detected.
異常状態検知装置の更なる特徴構成は、
前記ガスタービンの前記異常状態としての吹き消えが発生する直前状態のときの次数分布から算出される前記ネットワークエントロピーより吹き消え検知閾値を予め導出して記憶する記憶部を備え、
前記異常状態検知部は、前記ネットワークエントロピー導出部が導出した前記ネットワークエントロピーが前記吹き消え検知閾値を超えたときに、前記吹き消えが発生すると検知する点にある。
Further features of the anomaly detection device
A storage unit is provided which derives and stores a blowout detection threshold value in advance from the network entropy calculated from the order distribution in the state immediately before the blowout as the abnormal state of the gas turbine occurs.
The abnormal state detecting unit detects that the blowout occurs when the network entropy derived by the network entropy derivation unit exceeds the blowout detection threshold value.
これまで説明してきたように、水平可視グラフに関連するネットワークエントロピーは、燃焼器内圧力関連値の波形の乱雑さに対し高い相関を有する値であることを見出すと共に、吹き消えが発生する虞が高くなり燃焼器内圧力関連値の波形の乱雑さが高まるに従って、ネットワークエントロピーが高い値となることを見出した。
即ち、上記特徴構成の如く、前記ネットワークエントロピー導出部が導出したネットワークエントロピーが吹き消え検知閾値を超えたときに、吹き消えが発生すると検知する異常状態検知部を備えることで、吹き消えが発生することを適切に検知することができる。
As explained above, the network entropy related to the horizontal visibility graph is found to be a value having a high correlation with the disorder of the waveform of the pressure-related value in the combustor, and there is a possibility that the blowout may occur. It was found that the network entropy becomes higher as the waveform becomes higher and the waveform of the pressure-related value in the combustor becomes more disordered.
That is, as in the above-mentioned feature configuration, when the network entropy derived by the network entropy derivation unit exceeds the blowout detection threshold value, the blowout occurs by providing the abnormal state detection unit that detects that the blowout occurs. It can be detected appropriately.
異常状態検知装置の更なる特徴構成は、
前記ガスタービンにて燃焼振動が発生している場合の前記ネットワークエントロピーと、安定燃焼が発生している場合の前記ネットワークエントロピーとの間の値である燃焼振動検知閾値を予め導出して記憶する記憶部を備え、
前記異常状態検知部は、前記ネットワークエントロピー導出部が導出した前記ネットワークエントロピーが前記燃焼振動検知閾値を下回ったときに、前記燃焼振動が発生すると検知する点にある。
Further features of the anomaly detection device
A memory in which a combustion vibration detection threshold value, which is a value between the network entropy when combustion vibration is generated in the gas turbine and the network entropy when stable combustion is generated, is derived and stored in advance. With a part
The abnormal state detection unit detects that the combustion vibration is generated when the network entropy derived by the network entropy derivation unit falls below the combustion vibration detection threshold value.
上記特徴構成の如く、ネットワークエントロピー導出部が導出した水平可視グラフの次数分布から算出されるネットワークエントロピーが燃焼振動検知閾値を下回ったときに、燃焼振動が発生すると検知する異常状態検知部を備えることで、燃焼振動(周期振動)と安定燃焼(非周期振動)との間の高速遷移状態が発生することがあるガスタービンにおいて、高速現象にも良好に対応して、燃焼振動を早い段階で適切に検知することができる。 As in the above feature configuration, it is provided with an abnormal state detection unit that detects when combustion vibration occurs when the network entropy calculated from the order distribution of the horizontal visible graph derived by the network entropy derivation unit falls below the combustion vibration detection threshold. In a gas turbine where a high-speed transition state between combustion vibration (periodic vibration) and stable combustion (non-periodic vibration) may occur, the combustion vibration is appropriate at an early stage in response to high-speed phenomena. Can be detected.
上記目的を達成するための異常状態検知方法は、ガスタービンの不安定な燃焼状態を含む異常状態の発生を事前に検知する異常状態検知方法であって、その特徴構成は、
前記ガスタービンの燃焼器内の圧力である燃焼器内圧力に関連する燃焼器内圧力関連値を検知する圧力関連値検出工程と、
前記圧力関連値検出工程にて検出された前記燃焼器内圧力関連値の時系列データから水平可視グラフ法によりネットワークを構築し、所定のサンプリング期間にサンプリングされた離散点に基づいて構築される前記ネットワークの次数分布から算出されるネットワークエントロピーを導出するネットワークエントロピー導出工程と、
前記ネットワークエントロピー導出工程にて逐次導出される前記ネットワークエントロピーに基づいて、前記ガスタービンにて前記異常状態が発生するか否かを検知する異常状態検知工程とを実行するものであり、
前記ネットワークエントロピーは、前記水平可視グラフ法を用いて下記の〔式１〕にて定義されるネットワークエントロピーｈ ｈ であり、
前記異常状態検知工程は、前記ネットワークエントロピーｈ ｈ に基づいて、前記ガスタービンにて前記異常状態が発生するか否かを検知する点にある。
The abnormal state detection method for achieving the above object is an abnormal state detection method that detects the occurrence of an abnormal state including an unstable combustion state of a gas turbine in advance, and its characteristic configuration is as follows.
A pressure-related value detection step for detecting a combustor pressure-related value related to the combustor pressure, which is the pressure inside the combustor of the gas turbine,
The network is constructed by the horizontal visibility graph method from the time series data of the pressure-related values in the combustor detected in the pressure-related value detection step, and is constructed based on the discrete points sampled in a predetermined sampling period. The network entropy derivation process for deriving the network entropy calculated from the network order distribution,
Based on the network entropy sequentially derived in the network entropy derivation step, the abnormal state detection step of detecting whether or not the abnormal state occurs in the gas turbine is executed .
The network entropy is the network entropy h h defined by the following [Equation 1] using the horizontal visible graph method .
It said abnormal condition detecting step, on the basis of the network entropy h h, lies in detecting whether the abnormal condition occurs in the gas turbine.
当該異常状態検知方法を実行することにより、これまで説明してきた異常状態検知装置と同等の作用効果を奏することができる。 By executing the abnormal state detecting method, it is possible to obtain the same effect as that of the abnormal state detecting device described above.
本実施形態に係る異常状態検知装置１００及び異常状態検知方法は、比較的シンプルな解析手法で、ガスタービンの不安定な物理現象である異常状態の発生を適切に検知できるものに関する。尚、当該実施形態において、ガスタービンの異常状態とは、燃焼振動、吹き消え、フラッタ、サージ及び旋回失速等の不安定な物理現象を含む概念であるとする。
以下、当該異常状態検知装置１００及び異常状態検知方法を、図面に基づいて説明する。尚、本願に係る発明は、ガスタービンの異常状態の発生を検知するものであるが、当該実施形態にあっては、ガスタービンに替えて、ガスタービンエンジン燃焼器の部分要素を模擬した燃焼器を有するガスタービンモデル燃焼器１０を備えている構成例に基づいて説明する。
The abnormal state detecting device 100 and the abnormal state detecting method according to the present embodiment relate to a relatively simple analysis method capable of appropriately detecting the occurrence of an abnormal state which is an unstable physical phenomenon of a gas turbine. In the embodiment, the abnormal state of the gas turbine is a concept including unstable physical phenomena such as combustion vibration, blowout, flutter, surge, and turning stall.
Hereinafter, the abnormal state detecting device 100 and the abnormal state detecting method will be described with reference to the drawings. The invention according to the present application detects the occurrence of an abnormal state of a gas turbine, but in the embodiment, a combustor simulating a partial element of a gas turbine engine combustor instead of the gas turbine. The description will be made based on a configuration example including the gas turbine model combustor 10 having the above.
異常状態検知装置１００は、主要構成として、ガスタービンモデル燃焼器１０の燃焼室１１（燃焼器の一例）の圧力（燃焼器内圧力関連値の一例）を検出する圧力トランスデューサ２２（燃焼器内圧力関連値検出手段の一部の構成）と、当該圧力トランスデューサ２２にて検出された圧力の時系列データから水平可視グラフ法によりネットワークを構築し所定のサンプリング期間（例えば、１００ｍｓｅｃ）に、例えば、５０００Ｈｚでサンプリングされた離散点に基づいて構築されるネットワークの次数分布から算出されるネットワークエントロピーを導出するネットワークエントロピー導出部３０ａ（制御装置３０の機能部位）と、ネットワークエントロピー導出部３０ａにて逐次導出されるネットワークエントロピーに基づいて、ガスタービンモデル燃焼器１０にて異常状態が発生するか否かを検知する異常状態検知部３０ｂ（制御装置３０の機能部位）とを備えている。 The abnormal state detection device 100 mainly comprises a pressure transducer 22 (combustor internal pressure) that detects the pressure (an example of a combustor internal pressure-related value) in the combustion chamber 11 (an example of a combustor) of the gas turbine model combustor 10. A network is constructed by the horizontal visible graph method from the time series data of the pressure detected by the pressure transducer 22 and the related value detecting means), and during a predetermined sampling period (for example, 100 msec), for example, 5000 Hz. The network entropy derivation unit 30a (functional part of the control device 30) that derives the network entropy calculated from the order distribution of the network constructed based on the discrete points sampled in, and the network entropy derivation unit 30a are sequentially derived. It is provided with an abnormal state detection unit 30b (functional part of the control device 30) that detects whether or not an abnormal state occurs in the gas turbine model combustor 10 based on the network entropy.
ガスタービンモデル燃焼器１０は、燃料Ｆと燃焼用空気Ａとの混合気を燃焼させる予混合燃焼器であり、燃料Ｆと燃焼用空気Ａとを受け入れるインテーク部１３と、当該インテーク部１３にて受け入れられスワラー（図示せず）にて旋回された混合気を燃焼する燃焼室１１と、当該燃焼室１１からの排気を冷却する冷却室１２とから構成されている。因みに、冷却室１２には、冷却水ジャケット（図示せず）が設けられており、冷却水流入部１２ｂを介して冷却水Ｃを流入すると共に冷却水流出部１２ａを介して冷却水Ｃを流出する形態で、冷却水ジャケットに冷却水が通流する。 The gas turbine model combustor 10 is a premixed combustor that burns a mixture of fuel F and combustion air A, and has an intake unit 13 that receives the fuel F and combustion air A and the intake unit 13. It is composed of a combustion chamber 11 that burns an air-fuel mixture that has been received and swirled by a swirler (not shown), and a cooling chamber 12 that cools the exhaust from the combustion chamber 11. Incidentally, the cooling chamber 12 is provided with a cooling water jacket (not shown), and the cooling water C flows in through the cooling water inflow portion 12b and the cooling water C flows out through the cooling water outflow portion 12a. Cooling water flows through the cooling water jacket.
インテーク部１３は、燃料供給路を介して、メタン等の燃料を貯留する燃料タンク６１に連通接続されており、燃料供給路は、その中流路において、主燃料供給路Ｌ１と副燃料供給路Ｌ２とを並列に備えて構成されている。更に、主燃料供給路Ｌ１には当該主燃料供給路Ｌ１を通流する燃料Ｆの質量流量を制御する第１マスフローコントローラー３２が設けられており、副燃料供給路Ｌ２には当該副燃料供給路Ｌ２を通流する燃料Ｆの質量流量を制御する第２マスフローコントローラー３３が設けられている。第１マスフローコントローラー３２と第２マスフローコントローラー３３の夫々は、制御装置３０からの制御指令に従って質量流量を制御可能に構成されている。 The intake unit 13 is communicatively connected to a fuel tank 61 for storing fuel such as methane via a fuel supply path, and the fuel supply path is a main fuel supply path L1 and a sub fuel supply path L2 in the middle flow path thereof. And are configured in parallel. Further, the main fuel supply path L1 is provided with a first mass flow controller 32 that controls the mass flow rate of the fuel F flowing through the main fuel supply path L1, and the auxiliary fuel supply path L2 is provided with the auxiliary fuel supply path. A second mass flow controller 33 that controls the mass flow rate of the fuel F passing through L2 is provided. Each of the first mass flow controller 32 and the second mass flow controller 33 is configured to be able to control the mass flow rate according to a control command from the control device 30.
更に、インテーク部１３は、燃焼用空気供給路Ｌ４を介して、燃焼用空気Ａを圧送するコンプレッサ６２に連通接続されており、燃焼用空気供給路Ｌ４には当該燃焼用空気供給路Ｌ４を通流する燃焼用空気Ａの流量を制御する空気流量制御装置５１が設けられており、当該空気流量制御装置５１は、制御装置３０からの制御指令に従って燃焼用空気Ａの流量を制御可能に構成されている。 Further, the intake portion 13 is communicated with the compressor 62 for pumping the combustion air A via the combustion air supply path L4, and the combustion air supply path L4 is passed through the combustion air supply path L4. An air flow rate control device 51 for controlling the flow rate of the flowing combustion air A is provided, and the air flow rate control device 51 is configured to be able to control the flow rate of the combustion air A according to a control command from the control device 30. ing.
燃焼室１１には、当該燃焼室１１の入口近傍の壁面位置の圧力を検出し、検出された圧力に応じた電圧信号を出力する圧力トランスデューサ２２が設けられている。更に、当該圧力トランスデューサ２２から出力された電圧信号を増幅する増幅器２１が設けられ、増幅器２１にて増幅された電圧信号が制御装置３０に伝送される。
即ち、圧力トランスデューサ２２及び増幅器２１が、圧力関連値検出手段として機能する。
The combustion chamber 11 is provided with a pressure transducer 22 that detects the pressure at the wall surface position near the inlet of the combustion chamber 11 and outputs a voltage signal corresponding to the detected pressure. Further, an amplifier 21 for amplifying the voltage signal output from the pressure transducer 22 is provided, and the voltage signal amplified by the amplifier 21 is transmitted to the control device 30.
That is, the pressure transducer 22 and the amplifier 21 function as pressure-related value detecting means.
制御装置３０は、図２の機能ブロック図に示すように、上述したガスタービンモデル燃焼器１０の異常状態が発生するか否かを検知するための機能部位としてのネットワークエントロピー導出部３０ａ、異常状態検知部３０ｂ、記憶部３０ｃ、閾値設定部３０ｄを有する。各機能部位は、ＣＰＵ、メモリ、及び入出力デバイス等から成るハードウェアとコンピュータプログラム群から成るソフトウエアとが協働する形態で、実装されている。 As shown in the functional block diagram of FIG. 2, the control device 30 includes a network entropy deriving unit 30a as a functional part for detecting whether or not an abnormal state of the gas turbine model combustor 10 described above occurs, and an abnormal state. It has a detection unit 30b, a storage unit 30c, and a threshold value setting unit 30d. Each functional part is implemented in a form in which hardware including a CPU, a memory, an input / output device, and the like and software including a computer program group cooperate with each other.
増幅器２１から伝送された圧力に応じた電圧信号は、入出力ボードとしての圧力信号入力部３１を介して、制御装置３０のネットワークエントロピー導出部３０ａに入力される。
因みに、ネットワークエントロピー導出部３０ａは、所定期間（例えば、１００ｍｓｅｃ）の圧力に応じた電圧信号を図示しないメモリにＦＩＦＯ形式で記憶し、当該記憶された電圧信号に基づいて以下の如くネットワークエントロピーを導出する。
The voltage signal corresponding to the pressure transmitted from the amplifier 21 is input to the network entropy extraction unit 30a of the control device 30 via the pressure signal input unit 31 as an input / output board.
Incidentally, the network entropy derivation unit 30a stores a voltage signal corresponding to the pressure for a predetermined period (for example, 100 msec) in a memory (not shown) in a FIFO format, and derives the network entropy as follows based on the stored voltage signal. To do.
ネットワークエントロピー導出部３０ａは、圧力に応じた電圧信号（圧力の時系列データ）から水平可視グラフを構築し、所定のサンプリング期間（例えば、１００ｍｓｅｃ）に、例えば、５０００Ｈｚでサンプリングされた離散点に基づいて構築されるネットワークの次数分布からネットワークエントロピーを導出する。
当該実施形態にあっては、ネットワークエントロピー導出部３０ａは、水平可視グラフ法を用いて下記の〔式１〕にて定義されるネットワークエントロピーｈｈを導出する。
The network entropy derivation unit 30a constructs a horizontal visibility graph from a voltage signal (time series data of pressure) corresponding to pressure, and is based on discrete points sampled at a predetermined sampling period (for example, 100 msec) at, for example, 5000 Hz. The network entropy is derived from the order distribution of the network constructed by.
In the embodiment, the network entropy derivation unit 30a derives the network entropy h h defined by the following [Equation 1] by using the horizontal visible graph method.
ここで、可視グラフとは、時系列の離散点を棒グラフに見立て、ある２つの離散点に可視性が存在するときに、離散点に対応するネットワーク上の頂点同士を枝で繋いだネットワーク、もしくはグラフの総称である。ここで、枝の本数をその離散点に対応するネットワーク上の頂点の次数ｋと呼ぶ。更に、可視グラフの中で水平可視グラフとは、横軸が時間ｔ、縦軸が圧力ｐの時系列を例に説明すると、任意の２つの離散点ｉ（ｔｉ、ｐｉ）、ｊ（ｔｊ、ｐｊ）の間にある全ての離散点ｎ（ｔｎ、ｐｎ）が以下の〔式２〕を満たすときに、離散点ｉ、ｊに対応するネットワーク上の頂点が接続されることで構築されるグラフである。 Here, the visible graph is a network in which discrete points in a time series are regarded as a bar graph, and when visibility exists at two discrete points, the vertices on the network corresponding to the discrete points are connected by branches, or It is a general term for graphs. Here, the number of branches is referred to as the degree k of the vertices on the network corresponding to the discrete points. Furthermore, the horizontal visibility graphs in visibility graph, the horizontal axis indicates time t, the vertical axis is described as an example a time series of the pressure p, any two discrete points i (t i, p i) , j ( When all the discrete points n (t n , p n ) between t j , p j ) satisfy the following [Equation 2], the vertices on the network corresponding to the discrete points i, j are connected. It is a graph constructed by.
ただし、ある頂点と、その両隣の頂点の間は必ず可視である為、枝を繋ぐ。 However, since it is always visible between a certain vertex and the vertices on both sides of it, connect the branches.
例えば、横軸が時間ｔ、縦軸が圧力ｐの図３の時系列に基づいて説明する。
図３の上方の棒グラフにおいて、離散点ａ（ｔａ、ｐａ）とｆ（ｔｆ、ｐｆ）の間のすべての離散点ｂ（ｔｂ、ｐｂ）とｃ（ｔｃ、ｐｃ）とｄ（ｔｄ、ｐｄ）とｅ（ｔｅ、ｐｅ）は、〔式２〕の関係を満たし、離散点ａ−ｆ間は可視であるため、離散点ａ−ｆ間に対応するネットワーク上の頂点に枝を結ぶ。
当該水平可視グラフにおいて、離散点に対応するネットワーク上の頂点を繋ぐ枝の数（次数ｋ）は、図３の下方のグラフに示すように、頂点ａで３、頂点ｂで２、頂点ｃで５、頂点ｄで２、頂点ｅで３、頂点ｆで３となる。
因みに、２つの離散点に対応するネットワーク上の頂点は、図３の上方のグラフに示すように、離散点間を直線で繋いだときに、当該直線が棒グラフと交わる場合、枝で繋げないものとする。
For example, the description will be given based on the time series of FIG. 3 in which the horizontal axis is the time t and the vertical axis is the pressure p.
Above the bar graph of FIG. 3, the discrete point a (t a, p a) and f (t f, p f) all discrete points b (t b, p b) between c (t c, p c ) and d (t d, p d) and e (t e, p e) in order satisfy the relationship of [formula 2], between discrete points a-f are visible, corresponding to between discrete points a-f Connect branches to the vertices on the network.
In the horizontally visible graph, the number of branches (order k) connecting vertices on the network corresponding to the discrete points is 3 at vertex a, 2 at vertex b, and at vertex c, as shown in the lower graph of FIG. 5. Vertex d is 2, vertex e is 3, and vertex f is 3.
By the way, the vertices on the network corresponding to the two discrete points are not connected by a branch when the straight lines intersect with the bar graph when the discrete points are connected by a straight line as shown in the upper graph of FIG. And.
閾値設定部３０ｄは、ガスタービンモデル燃焼器１０の異常状態を判定するための閾値を設定するものである。当該閾値設定部３０ｄは、使用者から閾値を示す情報を受け付けても良いし、他のソフトウェアから与えられた閾値を示す情報を受け付けても構わない。受け付けた閾値は、記憶部３０ｃに記憶される。
当該実施形態では、記憶部３０ｃは、閾値として、ガスタービンモデル燃焼器１０の異常状態としての吹き消えが発生する直前状態のときのネットワークエントロピーｈｈである吹き消え検知閾値Ｔ１を記憶している。更に、記憶部３０ｃは、ガスタービンモデル燃焼器１０にて燃焼振動(周期振動)が発生している場合のネットワークエントロピーｈｈと、安定燃焼(非周期振動)が発生している場合のネットワークエントロピーｈｈとの間の値である燃焼振動検知閾値Ｔ２を記憶している。
The threshold value setting unit 30d sets a threshold value for determining an abnormal state of the gas turbine model combustor 10. The threshold value setting unit 30d may receive information indicating the threshold value from the user, or may receive information indicating the threshold value given by other software. The received threshold value is stored in the storage unit 30c.
In the embodiment, the storage unit 30c stores as a threshold value the blowout detection threshold value T1 which is the network entropy h h in the state immediately before the blowout as an abnormal state of the gas turbine model combustor 10. .. Further, the storage unit 30c has a network entropy h h when combustion vibration (periodic vibration) is generated in the gas turbine model combustor 10 and a network entropy when stable combustion (aperiodic vibration) is generated. The combustion vibration detection threshold T2, which is a value between h and h, is stored.
異常状態検知部３０ｂは、当該実施形態にあっては、ガスタービンモデル燃焼器１０の異常状態としての吹き消え、及び燃焼振動の発生を検知するものである。
異常状態検知部３０ｂは、ネットワークエントロピー導出部３０ａが逐次導出したネットワークエントロピーｈｈが、上述した吹き消え検知閾値Ｔ１を超えるか否か、及び上述した燃焼振動検知閾値Ｔ２を下回るか否かを監視する。
異常状態検知部３０ｂは、ネットワークエントロピー導出部３０ａが逐次導出したネットワークエントロピーｈｈが吹き消え検知閾値Ｔ１を超える場合、その後、吹き消えが発生する可能性が高いと検知し、ネットワークエントロピー導出部３０ａが逐次導出したネットワークエントロピーｈ ｈ が燃焼振動検知閾値Ｔ２を下回る場合、その後、燃焼振動が発生する可能性が高いと検知する。
In the embodiment, the abnormal state detection unit 30b detects that the gas turbine model combustor 10 is blown out as an abnormal state and that combustion vibration is generated.
The abnormal state detection unit 30b monitors whether or not the network entropy h h sequentially derived by the network entropy derivation unit 30a exceeds the above-mentioned blowout detection threshold value T1 and whether or not it is below the above-mentioned combustion vibration detection threshold value T2. To do.
When the network entropy h h sequentially derived by the network entropy derivation unit 30a exceeds the blowout detection threshold T1, the abnormal state detection unit 30b detects that there is a high possibility that blowout will occur thereafter, and the network entropy derivation unit 30a When the network entropy h h sequentially derived by is below the combustion vibration detection threshold T2, it is detected that there is a high possibility that combustion vibration will occur thereafter.
詳細な説明は省略するが、当該実施形態にあっては、制御装置３０は、ガスタービンモデル燃焼器１０の通常の出力制御を第１マスフローコントローラー３２による燃料Ｆの質量流量制御及び空気流量制御装置５１による燃焼用空気Ａの流量制御により実行しているのであるが、異常状態検知部３０ｂが、吹き消えが発生する可能性が高いと検知した場合、第２マスフローコントローラー３３にて燃料Ｆの質量流量を徐々に増加する制御を実行し、異常状態検知部３０ｂが、燃焼振動が発生する可能性が高いと検知した場合、第２マスフローコントローラー３３にて燃料Ｆの質量流量を減少する制御を実行する。 Although detailed description will be omitted, in the embodiment, the control device 30 controls the normal output of the gas turbine model combustor 10 by controlling the mass flow rate of the fuel F and the air flow rate control device by the first mass flow controller 32. It is executed by controlling the flow rate of the combustion air A by 51, but when the abnormal state detection unit 30b detects that there is a high possibility that the blowout will occur, the mass of the fuel F is massed by the second mass flow controller 33. Control to gradually increase the flow rate is executed, and when the abnormal state detection unit 30b detects that there is a high possibility that combustion vibration will occur, the second mass flow controller 33 executes control to reduce the mass flow rate of the fuel F. To do.
即ち、当該実施形態に係る異常状態検知装置１００の異常状態検知方法では、ガスタービンモデル燃焼器１０の圧力（燃焼器内圧力関連値の一例）を検知する圧力関連値検出工程と、圧力関連値検出工程にて検出された圧力の時系列データから水平可視グラフ法によりネットワークを構築し、所定のサンプリング期間（例えば、１００ｍｓｅｃ）に、例えば、５０００Ｈｚでサンプリングされた離散点に基づいて構築されるネットワークの次数分布を用いて上述の〔式１〕にて定義されるネットワークエントロピーｈｈ（次数分布の一例）を導出するネットワークエントロピー導出工程と、ネットワークエントロピー導出工程にて逐次導出されるネットワークエントロピーｈｈに基づいて、ガスタービンモデル燃焼器１０にて異常状態が発生するか否かを検知する異常状態検知工程とを実行する。 That is, in the abnormal state detecting method of the abnormal state detecting device 100 according to the embodiment, the pressure-related value detecting step for detecting the pressure of the gas turbine model combustor 10 (an example of the pressure-related value in the combustor) and the pressure-related value. A network is constructed by the horizontal visible graph method from the time-series data of the pressure detected in the detection step, and the network is constructed based on the discrete points sampled at, for example, 5000 Hz in a predetermined sampling period (for example, 100 msec). network entropy deriving step of deriving the network entropy h h (an example of the degree distribution) defined by the above [formula 1] by using the degree distribution of the network entropy h h the sequentially derived by the network entropy deriving step Based on the above, the abnormal state detection step of detecting whether or not an abnormal state occurs in the gas turbine model combustor 10 is executed.
次に、上記実施形態に係る異常状態検知装置１００及び異常状態検知方法にて、ガスタービンモデル燃焼器１０の異常状態を検知可能か否かを検証した試験結果を、図４、５に基づいて説明する。 Next, based on FIGS. 4 and 5, the test results for verifying whether or not the abnormal state of the gas turbine model combustor 10 can be detected by the abnormal state detecting device 100 and the abnormal state detecting method according to the above embodiment are shown. explain.
尚、当該試験結果では、比較対象として、通常の可視グラフの次数分布を用いたネットワークエントロピーｈｖに基づいた試験結果も示している。
因みに、通常の可視グラフは、横軸を時間ｔ、縦軸を圧力ｐの時系列を例とすると、任意の２つの離散点ｉ（ｔｉ、ｐｉ）、ｊ（ｔｊ、ｐｊ）の間にある全ての離散点ｎ（ｔｎ、ｐｎ）が以下の〔式３〕を満たすときに、離散点ｉ、ｊに対応するネットワーク上の頂点が接続されることで構築されるグラフである。
ただし、ある頂点と、その両隣の頂点の間は必ず可視である為、枝を繋ぐ。
更に、以下で説明する通常の可視グラフの次数分布を用いたネットワークエントロピーｈｖの試験結果では、可視できる範囲を制限する視力Ｎｖｉｓを導入している。Ｎｖｉｓは外れ値の影響を低減し、低周波数による次数の増加を少なくする効果を有する。即ち、吹き消えの近傍等、卓越周波数が存在しないデータが低周波ノイズに埋もれている場合にＮｖｉｓを適用することで、次数の増加を抑制している。吹き消えの近傍では、圧力変動に卓越周波数が存在しないことから、燃焼振動の卓越周波数を検知したい周波数帯ｆとし、燃焼振動の卓越周波数は±５〜１０Ｈｚ程で変動するため、以下の〔式４〕によりＮｖｉｓを決定する。ただし、ｆｓをサンプリング周波数とする。
Incidentally, in the test results, for comparison, also shows typical test results based on network entropy h v using degree distribution of the visibility graph.
Incidentally, a normal visible graph, the horizontal axis represents time t, when the time series of the vertical axis the pressure p as an example, any two discrete points i (t i, p i) , j (t j, p j) A graph constructed by connecting the vertices on the network corresponding to the discrete points i and j when all the discrete points n (t n , p n ) between the two satisfy the following [Equation 3]. Is.
However, since it is always visible between a certain vertex and the vertices on both sides of it, connect the branches.
Further, the test results of the network entropy h v using degree distribution of the normal visibility graphs described below introduces a vision N vis that limits the range that can be visualized. N vis has the effect of reducing the effects of outliers and reducing the increase in order due to low frequencies. That is, the increase in the order is suppressed by applying N vis when the data in which the dominant frequency does not exist is buried in the low frequency noise, such as in the vicinity of the blowout. Since there is no predominant frequency in the pressure fluctuation in the vicinity of the blowout, the predominant frequency of the combustion vibration is set to the frequency band f to be detected, and the predominant frequency of the combustion vibration fluctuates in about ± 5 to 10 Hz. 4] determines N vis . However, f s is the sampling frequency.
当該視力Ｎｖｉｓを用いて、通常の可視グラフの次数分布を用いたネットワークエントロピーｈｖは、以下の〔式５〕に基づいて表される。
Using the visual acuity N vis , the network entropy h v using the degree distribution of a normal visibility graph is expressed based on the following [Equation 5].
試験では、ガスタービンモデル燃焼器１０に導入される混合気の当量比φを、０≦ｔ〔ｓｅｃ〕≦１０において０．８４で一定とし、１０＜ｔ〔ｓｅｃ〕≦４０程度までは、０．８４から０．５０まで徐々に一定の割合で低下させたときの圧力の時系列データの二乗平均平方根Ｐｒｍｓ、水平可視グラフの次数分布を用いたネットワークエントロピーｈｈ、通常の可視グラフの次数分布を用いたネットワークエントロピーｈｖを計測した。 In the test, the equality ratio φ of the air-fuel mixture introduced into the gas turbine model combustor 10 was set to be constant at 0.84 at 0 ≦ t [sec] ≦ 10, and 0 until about 10 <t [sec] ≦ 40. root mean square P rms of the time-series data of the pressure when gradually reduced at a constant rate from .84 to 0.50, the network entropy h h using degree distribution of horizontal visibility graphs, the order of the normal visible graph the measurement of the network entropy h v using the distribution.
圧力の波形の乱雑さは、図示は省略するが、図４で、０≦ｔ〔ｓｅｃ〕≦１０の燃焼振動域（周期振動域）において低く、１０＜ｔ〔ｓｅｃ〕≦４０程度の安定燃焼域（非周期振動域）では高いことが知られている。更に、圧力の波形の乱雑さは、１０＜ｔ〔ｓｅｃ〕≦４０程度の安定燃焼域（非周期振動域）では、当量比φが低下して吹き消えするタイミングに近づくに従って、高くなることが知られている。圧力の波形の乱雑さは、ガスタービンモデル燃焼器１０の吹き消え、燃焼振動、サージ、フラッタ及び旋回失速等の異常状態に高い相関を有すると考えられている値であり、当該値に高い相関を有するパラメータを発見することは、ガスタービンモデル燃焼器１０の異常状態を検知する上で、重要となる。
尚、「圧力の波形の乱雑さ」とは、「圧力の波形から構築されるネットワーク構造の乱雑さ」を意味する。ネットワークが様々な次数で構築されていれば、それだけネットワーク構造に偏りがなく、ネットワークエントロピーは増大する。情報理論の観点から、ネットワークエントロピーが増大するにつれて、ネットワーク構造がより乱雑になっていると判断できる。
Although not shown, the disorder of the pressure waveform is low in the combustion vibration range (periodic vibration range) of 0 ≦ t [sec] ≦ 10 in FIG. 4, and stable combustion of about 10 <t [sec] ≦ 40. It is known to be high in the region (aperiodic vibration region). Further, the disorder of the pressure waveform may increase in the stable combustion region (aperiodic vibration region) of about 10 <t [sec] ≦ 40 as the equivalent ratio φ decreases and approaches the timing of extinction. Are known. The randomness of the pressure waveform is a value that is considered to have a high correlation with abnormal conditions such as blowout, combustion vibration, surge, flutter, and turning stall of the gas turbine model combustor 10, and is highly correlated with the value. It is important to discover the parameter having the above in detecting the abnormal state of the gas turbine model combustor 10.
The "randomness of the pressure waveform" means "the disorder of the network structure constructed from the pressure waveform". If the network is constructed with various orders, the network structure is not biased and the network entropy increases. From the viewpoint of information theory, it can be judged that the network structure becomes more disordered as the network entropy increases.
図４（ａ）に示すように、Ｐｒｍｓは、１０＜ｔ〔ｓｅｃ〕≦４０程度の安定燃焼域で、時間の経過に伴う当量比φの低下に従って、圧力の波形の乱雑さが高くなるにも関わらず、略一定の値を示している。このため、Ｐｒｍｓは、圧力の波形の乱雑さに対して高い相関を有しているとは言えない。従って、閾値等を設けたとしても、Ｐｒｍｓを用いて、ガスタービンモデル燃焼器１０の吹き消え等の異常状態の発生を検知することは難しいといえる。
これに対し、ｈｈは、図４（ａ）に示すように、０≦ｔ〔ｓｅｃ〕≦１０の燃焼振動域（周期振動域）において低く、１０＜ｔ〔ｓｅｃ〕≦４０程度の安定燃焼域（非周期振動域）においては、時間の経過に伴う当量比φの低下に従って略一定の割合で徐々に高くなる傾向を有しており、これは圧力の波形の乱雑さと高い相関を有していることがわかる。
特に、ｈｈは、１０＜ｔ〔ｓｅｃ〕≦４０程度の安定燃焼域（非周期振動域）においては、時間の経過に伴う当量比φの低下に従って略一定の割合で徐々に高くなる傾向を有しているから、例えば、図４（ａ）に示すように、吹き消え検知閾値Ｔ１や燃焼振動検知閾値Ｔ２を設定することで、ガスタービンモデル燃焼器１０の吹き消えや燃焼振動等の異常状態の発生を検知することができる。
即ち、結果として吹き消えや燃焼振動等の異常状態の予兆を検知できることになる。
As shown in FIG. 4 (a), P rms is the 10 <t (sec) ≦ 40 about stable combustion zone, corresponding to the decrease of equivalence ratio φ over time, randomness of the pressure waveform is high Nevertheless, it shows a substantially constant value. Therefore, P rms can not be said to have a high correlation with the randomness of the pressure waveform. Therefore, even if a threshold value or the like is set, it can be said that it is difficult to detect the occurrence of an abnormal state such as blowout of the gas turbine model combustor 10 by using Prms .
In contrast, h h, as shown in FIG. 4 (a), 0 ≦ t (sec) low in combustion vibration range of ≦ 10 (periodic oscillation region), 10 <t (sec) ≦ 40 about stable combustion In the region (aperiodic vibration region), it tends to gradually increase at a substantially constant rate as the equivalent ratio φ decreases with the passage of time, which has a high correlation with the disorder of the pressure waveform. You can see that.
In particular, h h tends to gradually increase at a substantially constant rate as the equivalent ratio φ decreases with the passage of time in a stable combustion region (aperiodic vibration region) of about 10 <t [sec] ≦ 40. Therefore, for example, as shown in FIG. 4A, by setting the blowout detection threshold T1 and the combustion vibration detection threshold T2, the gas turbine model combustor 10 has abnormalities such as blowout and combustion vibration. The occurrence of a state can be detected.
That is, as a result, it is possible to detect a sign of an abnormal state such as blowout or combustion vibration.
一方、ｈｖは、図４（ｂ）に示すように、０≦ｔ〔ｓｅｃ〕≦１０の燃焼振動域（周期振動域）において高く、１０＜ｔ〔ｓｅｃ〕≦４０程度の安定燃焼域（非周期振動域）においては、時間の経過に伴う当量比φの低下に従って略一定の割合で徐々に低くなる傾向を有しており、hvは圧力の波形の乱雑さを適切に取り扱えない。
このため、ガスタービンモデル燃焼器１０の様々な異常状態を検知するのに適しているとは言えない。
On the other hand, as shown in FIG. 4 (b), h v is high in the combustion vibration range (periodic vibration range) of 0 ≦ t [sec] ≦ 10, and the stable combustion range of about 10 <t [sec] ≦ 40 ( In the aperiodic vibration region), the equivalence ratio φ tends to gradually decrease with the passage of time at a substantially constant rate, and hv cannot properly handle the disorder of the pressure waveform.
Therefore, it cannot be said that it is suitable for detecting various abnormal states of the gas turbine model combustor 10.
因みに、図５のグラフ図には、時間を介さずに、当量比ごとのｈｈ及びＰｒｍｓを示しているが、当該図５のグラフ図においても、当量比φに関してみれば、ｈｈ及びＰｒｍｓは、上記図４で説明したものと同様の傾向を有することがわかる。 Incidentally, the graph of FIG. 5 shows h h and Prms for each equivalent ratio without time, but also in the graph of FIG. 5, when looking at the equivalent ratio φ, h h and Ph and Prms are shown. P rms is found to have the same tendency as that described in FIG 4.
〔別実施形態〕
（１）上記実施形態にあっては、燃焼器内圧力関連値は、ガスタービンの燃焼器内の圧力である例を示した。しかしながら、当該燃焼器内圧力関連値は、ＯＨ*の自発光強度であっても構わない。
[Another Embodiment]
(1) In the above embodiment, an example is shown in which the pressure-related value in the combustor is the pressure in the combustor of the gas turbine. However, the pressure-related value in the combustor may be the self-luminous intensity of OH * .
（２）上述した実施形態においては、ガスタービンモデル燃焼器１０における燃焼状態を監視する構成について述べたが、これに限定されるものではない。例えば、ジェットエンジンや産業用ガスタービンエンジンに搭載された燃焼器が対象であってもよい。 (2) In the above-described embodiment, the configuration for monitoring the combustion state in the gas turbine model combustor 10 has been described, but the present invention is not limited to this. For example, a combustor mounted on a jet engine or an industrial gas turbine engine may be targeted.
（３）上記実施形態にあっては、異常状態検知部３０ｂの検知に基づいて、燃料流量制御を実行する例を示したが、別に、燃料流量制御を実行しない構成であっても構わない。 (3) In the above embodiment, an example in which the fuel flow rate control is executed based on the detection of the abnormal state detection unit 30b is shown, but the fuel flow rate control may not be executed separately.
（４）ネットワークエントロピー導出部３０ａの演算に使用するために１００ｍｓｅｃ分の圧力に応じた電圧信号をメモリに記憶し、当該メモリの電圧信号を更新しつつ、１００ｍｓｅｃ毎に繰り返しネットワークエントロピーの導出を行う構成について述べたが、これに限定されるものではない。例えば５０ｍｓｅｃ等、１００ｍｓｅｃ以外の期間の値に基づいて、演算する構成とすることもできる。 (4) A voltage signal corresponding to a pressure of 100 msec is stored in a memory for use in the calculation of the network entropy derivation unit 30a, and the network entropy is repeatedly derived every 100 msec while updating the voltage signal of the memory. The configuration has been described, but is not limited to this. For example, it may be configured to calculate based on a value in a period other than 100 msec, such as 50 msec.
（５）また、上述した実施形態においては、コンピュータにより制御装置３０を実現する構成としたが、これに限定されるものではない。例えば、ＡＳＩＣ、ＦＰＧＡ等により燃焼制御処理を実行可能なハードウェアを構成し、これを制御装置としてもよい。また、１つのコンピュータにより制御装置３０を構成するのではなく、上述の演算処理を複数のコンピュータによる分散処理で実行する分散システムとしてもよい。 (5) Further, in the above-described embodiment, the control device 30 is realized by a computer, but the present invention is not limited to this. For example, hardware capable of executing combustion control processing may be configured by ASIC, FPGA, or the like, and this may be used as a control device. Further, the control device 30 may not be configured by one computer, but may be a distributed system in which the above-mentioned arithmetic processing is executed by distributed processing by a plurality of computers.
尚、上記実施形態（別実施形態を含む、以下同じ）で開示される構成は、矛盾が生じない限り、他の実施形態で開示される構成と組み合わせて適用することが可能であり、また、本明細書において開示された実施形態は例示であって、本発明の実施形態はこれに限定されず、本発明の目的を逸脱しない範囲内で適宜改変することが可能である。 It should be noted that the configuration disclosed in the above embodiment (including another embodiment, the same shall apply hereinafter) can be applied in combination with the configuration disclosed in other embodiments as long as there is no contradiction. The embodiments disclosed in the present specification are examples, and the embodiments of the present invention are not limited thereto, and can be appropriately modified without departing from the object of the present invention.
本発明の異常状態検知装置、及び異常状態検知方法は、比較的シンプルな解析手法で、ガスタービンの不安定な物理現象である異常状態の発生を適切に検知できる異常状態検知装置、及び異常状態検知方法として、有効に利用可能である。 The abnormal state detection device and the abnormal state detection method of the present invention are an abnormal state detection device and an abnormal state that can appropriately detect the occurrence of an abnormal state, which is an unstable physical phenomenon of a gas turbine, by a relatively simple analysis method. It can be effectively used as a detection method.
１０ ：ガスタービンモデル燃焼器
２１ ：増幅器
２２ ：圧力トランスデューサ
３０ ：制御装置
３０ａ ：ネットワークエントロピー導出部
３０ｂ ：異常状態検知部
３０ｃ ：記憶部
１００ ：異常状態検知装置
Ｔ１ ：吹き消え検知閾値
Ｔ２ ：燃焼振動検知閾値
ｈｈ ：ネットワークエントロピー
ｈｖ ：ネットワークエントロピー
ｋ ：次数
ｐ ：圧力
10: Gas turbine model combustor 21: Amplifier 22: Pressure transducer 30: Control device 30a: Network entropy derivation unit 30b: Abnormal state detection unit 30c: Storage unit 100: Abnormal state detection device T1: Blowout detection threshold T2: Combustion vibration Detection threshold h h : Network entropy h v : Network entropy k: Order p: Pressure
Claims (4)
前記ガスタービンの燃焼器内の圧力である燃焼器内圧力に関連する燃焼器内圧力関連値を検知する圧力関連値検出手段と、
前記圧力関連値検出手段にて検出された前記燃焼器内圧力関連値の時系列データから水平可視グラフ法によりネットワークを構築し、所定のサンプリング期間にサンプリングされた離散点に基づいて構築される前記ネットワークの次数分布から算出されるネットワークエントロピーを導出するネットワークエントロピー導出部と、
前記ネットワークエントロピー導出部にて逐次導出される前記ネットワークエントロピーに基づいて、前記ガスタービンにて前記異常状態が発生するか否かを検知する異常状態検知部とを備え、
前記ネットワークエントロピーは、前記水平可視グラフ法を用いて下記の〔式１〕にて定義されるネットワークエントロピーｈ ｈ であり、
前記異常状態検知部は、前記ネットワークエントロピーｈ ｈ に基づいて、前記ガスタービンにて前記異常状態が発生するか否かを検知する異常状態検知装置。
An abnormal condition detection device that detects the occurrence of abnormal conditions including unstable physical phenomena of gas turbines.
A pressure-related value detecting means for detecting a combustor pressure-related value related to a combustor pressure, which is the pressure inside the combustor of the gas turbine, and
The network is constructed by the horizontal visible graph method from the time series data of the pressure-related values in the combustor detected by the pressure-related value detecting means, and is constructed based on the discrete points sampled in a predetermined sampling period. A network entropy derivation unit that derives the network entropy calculated from the network order distribution,
An abnormal state detecting unit for detecting whether or not the abnormal state occurs in the gas turbine based on the network entropy sequentially derived by the network entropy deriving unit is provided .
The network entropy is the network entropy h h defined by the following [Equation 1] using the horizontal visible graph method .
It said abnormal condition detecting unit, on the basis of the network entropy h h, the abnormal state detecting device abnormal state detecting whether generated in the gas turbine.
前記異常状態検知部は、前記ネットワークエントロピー導出部が導出した前記ネットワークエントロピーが前記吹き消え検知閾値を超えたときに、前記吹き消えが発生すると検知する請求項１に記載の異常状態検知装置。 The gas turbine is provided with a storage unit that derives and stores the blowout detection threshold value in advance from the network entropy calculated from the order distribution in the state immediately before the blowout as the abnormal state occurs.
The abnormal state detecting device according to claim 1 , wherein the abnormal state detecting unit detects that the blowout occurs when the network entropy derived by the network entropy deriving unit exceeds the blowout detection threshold value .
前記異常状態検知部は、前記ネットワークエントロピー導出部が導出した前記ネットワークエントロピーが前記燃焼振動検知閾値を下回ったときに、前記燃焼振動が発生すると検知する請求項１又は２に記載の異常状態検知装置。 A memory in which a combustion vibration detection threshold value, which is a value between the network entropy when combustion vibration is generated in the gas turbine and the network entropy when stable combustion is generated, is derived and stored in advance. With a part
The abnormal state detecting device according to claim 1 or 2 , wherein the abnormal state detecting unit detects that the combustion vibration occurs when the network entropy derived by the network entropy deriving unit falls below the combustion vibration detection threshold value. ..
前記ガスタービンの燃焼器内の圧力である燃焼器内圧力に関連する燃焼器内圧力関連値を検知する圧力関連値検出工程と、
前記圧力関連値検出工程にて検出された前記燃焼器内圧力関連値の時系列データから水平可視グラフ法によりネットワークを構築し、所定のサンプリング期間にサンプリングされた離散点に基づいて構築される前記ネットワークの次数分布から算出されるネットワークエントロピーを導出するネットワークエントロピー導出工程と、
前記ネットワークエントロピー導出工程にて逐次導出される前記ネットワークエントロピーに基づいて、前記ガスタービンにて前記異常状態が発生するか否かを検知する異常状態検知工程とを実行するものであり、
前記ネットワークエントロピーは、前記水平可視グラフ法を用いて下記の〔式１〕にて定義されるネットワークエントロピーｈ ｈ であり、
前記異常状態検知工程は、前記ネットワークエントロピーｈ ｈ に基づいて、前記ガスタービンにて前記異常状態が発生するか否かを検知する異常状態検知方法。
It is an abnormal condition detection method that detects the occurrence of abnormal conditions including unstable physical phenomena of gas turbines in advance.
A pressure-related value detection step for detecting a combustor pressure-related value related to the combustor pressure, which is the pressure inside the combustor of the gas turbine,
The network is constructed by the horizontal visibility graph method from the time series data of the pressure-related values in the combustor detected in the pressure-related value detection step, and is constructed based on the discrete points sampled in a predetermined sampling period. The network entropy derivation process for deriving the network entropy calculated from the network order distribution,
Based on the network entropy sequentially derived in the network entropy derivation step, the abnormal state detection step of detecting whether or not the abnormal state occurs in the gas turbine is executed.
The network entropy is the network entropy h h defined by the following [Equation 1] using the horizontal visible graph method .
It said abnormal condition detecting step, on the basis of the network entropy h h, abnormal condition detection method for detecting whether the abnormal condition occurs in the gas turbine.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2016222720A JP6782943B2 (en) | 2016-11-15 | 2016-11-15 | Gas turbine abnormal condition detection device and abnormal condition detection method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2016222720A JP6782943B2 (en) | 2016-11-15 | 2016-11-15 | Gas turbine abnormal condition detection device and abnormal condition detection method |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| JP2018080621A JP2018080621A (en) | 2018-05-24 |
| JP2018080621A5 JP2018080621A5 (en) | 2018-07-05 |
| JP6782943B2 true JP6782943B2 (en) | 2020-11-11 |
Family
ID=62198065
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2016222720A Active JP6782943B2 (en) | 2016-11-15 | 2016-11-15 | Gas turbine abnormal condition detection device and abnormal condition detection method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6782943B2 (en) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7140323B2 (en) | 2018-04-17 | 2022-09-21 | 国立研究開発法人宇宙航空研究開発機構 | Observation device, observation method and program |
| CN109711632B (en) * | 2018-12-29 | 2023-04-18 | 辽宁工程技术大学 | Coal and gas outburst prediction method based on gas emission abnormal sensitive index |
| JP7406382B2 (en) | 2020-01-16 | 2023-12-27 | 三菱重工業株式会社 | Sign detection device and sign detection method |
| JP2021162397A (en) * | 2020-03-31 | 2021-10-11 | 三菱重工業株式会社 | Sign detection device and sign detection method |
| JP2023057492A (en) | 2021-10-11 | 2023-04-21 | 三菱重工業株式会社 | Sign detection device and sign detection method |
| CN115792606B (en) * | 2022-11-18 | 2024-04-02 | 苏州东剑智能科技有限公司 | Water pump motor fault detection method, device, equipment and storage medium |
-
2016
- 2016-11-15 JP JP2016222720A patent/JP6782943B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2018080621A (en) | 2018-05-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6782943B2 (en) | Gas turbine abnormal condition detection device and abnormal condition detection method | |
| US9556798B2 (en) | Systems and methods for measuring a flow profile in a turbine engine flow path | |
| JP6302152B2 (en) | System and method for monitoring airfoil health | |
| EP2977616B1 (en) | Method and systems for detection of compressor surge | |
| JP6329550B2 (en) | System and method for pre-determining the occurrence of vibration instability that is likely to occur in practical devices | |
| Song et al. | Temporal kurtosis of dynamic pressure signal as a quantitative measure of combustion instability | |
| US10352825B2 (en) | Systems and methods related to detecting blowout occurrences in gas turbines | |
| US10267519B2 (en) | System and method for detecting precursors to control blowout in combustion systems | |
| EP3239611A1 (en) | Combustion control system, combustion control method, combustion control program, and computer-readable recording medium | |
| JP6927525B2 (en) | Gas turbine abnormal condition detection device and abnormal condition detection method | |
| JP2019183810A5 (en) | ||
| JP6004392B2 (en) | Apparatus and method for controlling fuel supply to combustor, and observation apparatus and method | |
| JP6541104B2 (en) | Observation apparatus and observation method | |
| JP2023526991A (en) | Lean Blowout Precursor Detection for Gas Turbines | |
| Bothien et al. | Analysis of azimuthal thermoacoustic modes in annular gas turbine combustion chambers | |
| JP7106266B2 (en) | Model-less combustion dynamics automatic tuning | |
| CN107560864B (en) | Method and apparatus for scale monitoring and prediction in combustors | |
| JP5597143B2 (en) | Gas status judging device and trigger signal generating device | |
| KR102177227B1 (en) | Gas turbine combustion instability diagnosis system based on spectral centroid and spectral spread and method thereof | |
| JP2010139286A (en) | Determination device and determination method | |
| JP7205514B2 (en) | Learning data processing device, learning data processing method, learning data processing program, and non-transitory computer-readable medium | |
| JP5308853B2 (en) | Judging device and judging method | |
| WO2022239612A1 (en) | Plant monitoring method, plant monitoring device, and plant monitoring program | |
| KR101577015B1 (en) | Apparatus, method and system for monitoring equipment employing condition-based 3d rendering | |
| JP2008224519A (en) | Inspection apparatus and method for determining review time in inspection apparatus |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A80 | Written request to apply exceptions to lack of novelty of invention |
Free format text: JAPANESE INTERMEDIATE CODE: A80 Effective date: 20161214 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180416 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190529 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200317 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200318 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200513 |
|
| 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: 20200915 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201013 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6782943 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |