JP6894208B2 - ターボ機械を運転するリスクを判定するためのシステム及び方法 - Google Patents

ターボ機械を運転するリスクを判定するためのシステム及び方法 Download PDF

Info

Publication number
JP6894208B2
JP6894208B2 JP2016202157A JP2016202157A JP6894208B2 JP 6894208 B2 JP6894208 B2 JP 6894208B2 JP 2016202157 A JP2016202157 A JP 2016202157A JP 2016202157 A JP2016202157 A JP 2016202157A JP 6894208 B2 JP6894208 B2 JP 6894208B2
Authority
JP
Japan
Prior art keywords
risk
turbomachinery
failure data
processor
risk threshold
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
Application number
JP2016202157A
Other languages
English (en)
Other versions
JP2017082776A (ja
Inventor
マシュー・エヴェレット・ムーア
サミール・ヴィッタル
サンジェーヴ・シャム・ヘーダ
アレクサンダー・ジェームス・ピストナー
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
General Electric Co
Original Assignee
General Electric Co
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by General Electric Co filed Critical General Electric Co
Publication of JP2017082776A publication Critical patent/JP2017082776A/ja
Application granted granted Critical
Publication of JP6894208B2 publication Critical patent/JP6894208B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M15/00—Testing of engines
    • G01M15/14—Testing gas-turbine engines or jet-propulsion engines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Software Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Algebra (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Control Of Positive-Displacement Air Blowers (AREA)
  • Control Of Turbines (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Description

本開示は、一般に、ターボ機械に関し、より詳細には、ターボ機械を運転することに対するリスクを判定することに関する。
周囲条件は、ターボ機械の運転性及び信頼性に対して重大な影響を生じる。或る周囲条件は、例えば、入口ガイドベーン上での氷の形成、希薄ブローアウト、高ダイナミクス、放出、劣化等のようなターボ機械についての運転上の問題をもたらす場合がある。これらの問題は、ターボ機械の運転を信頼できなくし、トリップをもたらし、また更に、ターボ機械に対する物理的損傷をもたらす場合がある。例えば、寒い天候において、入口ガイドベーン上に氷が生成する可能性がある。氷は、もぎ取られ、下流に移動して圧縮機に入り、重大な損傷をもたらす可能性がある。別の例は、季節の温度変化中に起こる可能性がある周囲温度の突然の変化に関連する。周囲温度が突然下がると、ターボ機械は、より暖かい環境で運転するようチューニングされ、より冷たい環境で運転することが可能でないため、運転性の問題に遭遇する可能性がある。
従来、周囲条件によってもたらされる運転上の問題は、問題が生じると対処される。そのため、氷損傷を防止するため、リアルタイム温度データが解析される場合があり、また、氷形成条件が存在する場合、圧縮機を通って移動する空気は、圧縮機の入口を加熱するために方向付けられる可能性がある。しかし、入口ブリード熱（ＩＢＨ：ｉｎｌｅｔ ｂｌｅｅｄ ｈｅａｔ）の過剰な適用は、ターボ機械の性能の低下をもたらす可能性がある。更に、幾つかの場合には、氷形成は、ＩＢＨによって依然として起こる可能性がある。
変動する天候条件を扱うことが可能な頑健な設計が、周囲条件によって引起される運転上の問題を回避するために使用されてきた。しかし、これらの設計は、その頑健性のせいで、性能及びコストについて最適化されない場合がある。
米国特許出願公開第２０１５／００３３６９８号明細書
本開示は、ターボ機械を運転するリスクを判定するためのシステム及び方法に関する。本開示の一実施形態によれば、システムが提供される。システムは、リポジトリ及びリポジトリに通信可能に結合された少なくとも１つのコンピュータプロセッサを含む可能性がある。リポジトリは、ターボ機械のフリートに関連する履歴リスクプロファイルデータを格納するように構成される可能性がある。コンピュータプロセッサは、リポジトリから履歴リスクプロファイルデータを受信するように構成される可能性がある。履歴リスクプロファイルデータは、履歴的故障及び対応する履歴的周囲条件を含む可能性がある。コンピュータプロセッサは、ターボ機械が運転される環境の周囲条件を受信するように更に構成される可能性がある。周囲条件は、検出済み天候データ又は予測済み天候データ、特に、大気データ、空気組成、空気粒子状物質、温度、湿度、圧力等を含む可能性がある。コンピュータプロセッサは、周囲条件を考慮して履歴リスクプロファイルデータに少なくとも部分的に基づいて、少なくとも１つの知られている運転プロファイルについて少なくとも１つのリスク閾値を生成するように更に構成される可能性がある。ターボ機械の少なくとも１つの知られている運転プロファイルは、過渡的運転、ターボ機械の負荷、入口ガイドベーン角度、入口温度、入口湿度、及び入口露点を含む可能性がある。コンピュータプロセッサは、少なくとも１つの知られている運転プロファイルについての少なくとも１つのリスク閾値に達したと判定する可能性がある。判定に基づいて、コンピュータプロセッサは、リスクに関連する異常事象を回避又は軽減する対策がとられるようにさせる可能性がある。更に、システムは、少なくとも１つの知られている運転プロファイルに関連するターボ機械の運転データをモニターし、運転データをプロセッサに送出するように構成されるオンサイトモニターを含む可能性がある。
本開示の別の実施形態において、方法が提供される。方法は、ターボ機械のフリートに関連する履歴リスクプロファイルデータを、リポジトリから、コンピュータプロセッサによって受信することを含んでもよい。方法はまた、ターボ機械が運転される環境の周囲条件を受信することを含んでもよい。履歴リスクプロファイルデータに少なくとも部分的に基づいて、また、周囲条件を考慮して、少なくとも１つの知られている運転プロファイルについての少なくとも１つのリスク閾値が生成される可能性がある。リスク閾値の生成は、統計技法を使用してリスク事象をクラスタ化することを必要とする可能性がある。方法はまた、少なくとも１つの知られている運転プロファイルについての少なくとも１つのリスク閾値に達したと判定することを含んでもよい。判定は、ターボ機械の１つ又は複数の入口ガイドベーン（ＩＧＶ：ｉｎｌｅｔ ｇｕｉｄｅ ｖａｎｅ）上の氷結、大気中の塵によって引起される劣化、腐食性汚染物質によって引起される損傷、希薄ブローアウト、高燃焼ダイナミクス、又は過剰な放出を示す可能性がある。判定は、履歴リスクプロファイルデータのサブセットを通して構文解析されたパターン認識アルゴリズムを使用して、リスクプロファイルデータのシグネチャに対して少なくとも１つの知られている運転プロファイルのシグネチャを照合することを含む可能性がある。パターン認識アルゴリズムは、動的タイムワーピング、類似度ベースモデリング、及びガウシアンミックスのうちの少なくとも１つを含む可能性がある。方法はまた、判定に基づいて対策がとられるようにさせることを含んでもよい。対策は、ＩＧＶにブリード熱を加えること、ランプアップ速度を上げること、ランプアップ速度を下げること、オンライン水洗浄のための最適時間を決定すること、オフライン水洗浄のための最適時間を決定すること、燃焼システムの再チューニングの必要性を判定すること、湿式圧縮、ランプアップサイクル中にブリード熱を手動で制御すること、又は最適運転時間を含む可能性がある。加えて、方法は、リスクに関連する異常事象を軽減することを含んでもよい。
本開示の更に別の実施形態において、更なる方法が提供される。更なる方法は、ターボ機械のフリートに関連する履歴リスクプロファイルデータを、リポジトリから、プロセッサによって受信することを含む可能性がある。履歴リスクプロファイルデータは、履歴的故障及び対応する履歴的周囲条件を含む。方法はまた、ターボ機械が運転される環境の周囲条件を受信することを含んでもよい。周囲条件は、大気データ、温度、湿度、及び／又は圧力を含む。少なくとも１つの知られている運転プロファイルについての少なくとも１つのリスク閾値は、統計技法を使用してリスク事象をクラスタ化することによって、履歴リスクプロファイルデータに少なくとも部分的に基づいて、また、周囲条件を考慮して生成される可能性がある。方法はまた、少なくとも１つの知られている運転プロファイルについての少なくとも１つのリスク閾値に達したと判定することを含んでもよい。方法はまた、判定に基づいて対策がとられることを余儀なくさせること、及び、リスクに関連する異常事象を軽減するため、少なくとも１つの推奨を実装することを含んでもよい。
本開示の他の実施形態及び態様は、添付図面に関連して行われる以下の説明から明らかになろう。
ターボ機械を運転するリスクを判定するためのシステム及び方法を実装するのに適した例示的な環境を示すブロック線図である。 本開示の幾つかの例示的な実施形態による、履歴リスクプロファイルデータに基づいて識別される天候リスクレジームを示すグラフである。 或る実施形態による、ターボ機械を運転するリスクを判定するためのシステムの種々のモジュールを示すブロック線図である。 本開示の幾つかの例示的な実施形態による、ターボ機械を運転するリスクを判定するための方法を示すプロセスフロー線図である。 本開示の幾つかの例示的な実施形態による、運転プロファイルパラメータ及び周囲条件パラメータに対するリスク事象を示すプロットである。 本開示の幾つかの例示的な実施形態による、ターボ機械を運転するリスクを判定するためのシステムを制御するように構成される例示的なコントローラを示すブロック線図である。
本開示の例示的な実施形態は、全てではないが幾つかの実施形態がその中で示される添付図面を参照して、以降でより完全に述べられる。実際には、本開示は、多くの異なる形態で具現化されてもよく、また、本明細書に記載される実施形態に限定されるものと解釈されるべきでなく、むしろ、これらの実施形態は、本開示が適用可能な法的要求事項を満たすように提供される。類似の数字は、必ずしも同じか又は同一ではないが、類似の要素を、全体を通して指す。
本明細書で述べる開示の或る実施形態は、ターボ機械を運転することに対するリスクを判定するための方法及びシステムに関する。詳細には、ターボ機械を運転することに対するリスクを判定するためのシステムは、過去の事象又は事故に関するデータに基づいて正確でかつ粒度が細かいリスク定義及び解析を提供してもよい。履歴リスクプロファイルデータは、発電プラントレベルでターボ機械のフリートから収集されてもよい。収集されたデータは、履歴リスクプロファイルデータに関連する天候データと共に、リポジトリに格納される可能性がある。ターボ機械を運転するリスクを判定するためのシステムは、履歴リスクプロファイルデータ及び天候データを受信し、履歴リスクプロファイルデータ及び天候データを解析して、周囲条件を考慮して運転プロファイルについてのリスク閾値を生成する可能性がある。
ターボ機械がモニターされて、リスク閾値に達したかどうかを判定し、異常事象のリスクを回避するためターボ機械に関連するどんな対策がとられる可能性があるかに関してオペレーションを指令してもよい。加えて、ターボ機械を運転するためのシステムは、天気予報に基づいて、異常事象を、それが起こる前に予測してもよい。ターボ機械を運転するためのシステムは、天気予報データに基づいて、ターボ機械についての運転条件をシミュレートしてもよい。解析が使用されて、天気予報に従って、周囲条件下での異常事象のリスクに関連する運転プロファイルを決定する可能性がある。その後、安全でかつリスクのある運転プロファイルが、例えば、ターボ機械を運転するリスクを判定するためのシステムに関連するユーザインタフェースを介してオペレータに提供されてもよい。
本開示の或る実施形態の技術的効果は、ターボ機械の信頼性及び性能を改善すること、ターボ機械の入口ガイドベーン上への氷の蓄積及び結果として生じる圧縮機損傷を回避すること、トリップの回数を減少させること、及び水洗浄作業を最適化することを含んでもよい。本開示の或る実施形態の更なる技術的効果は、新しいユニットの機械設計及び制御設計並びに既存のユニットのアップグレードを改善するためにターボ機械内の異常事象に関するデータを提供することを含んでもよい。更に、本開示の或る実施形態の技術的効果は、ターボ機械の排気ガスを、予め規定された放出限界内に維持することを含んでもよい。
以下は、ターボ機械を運転するためのシステム及び方法に関連する本開示の種々の例示的な実施形態の詳細な説明を提供する。ここで、図１を参照すると、ブロック線図は、本開示の１つ又は複数の例示的な実施形態による、ターボ機械１１０を運転するリスクを判定するためのシステム及び方法を実装するのに適した例示的なシステム環境１００を示す。ターボ機械を運転するリスクは、異常事象、特に、ターボ機械１１０の１つ又は複数の入口ガイドベーン（ＩＧＶ：ｉｎｌｅｔ ｇｕｉｄｅ ｖａｎｅ）上の氷結、大気中の塵によって引起される劣化、腐食性汚染物質によって引起される損傷、希薄ブローアウト、高燃焼ダイナミクス、過剰な放出等の発生確率を含む。
幾つかの例示的な実施形態において、ターボ機械１１０は、発電プラントに関連するフリートの一部であってよく、また、ガスタービンを含んでもよい。ターボ機械１１０に関連する運転上のデータ並びにフリート内の他のターボ機械に関連する運転上のデータは、オンサイトモニター１２０を介して、リポジトリ１３０及び／又は解析ユニット１６０に通信されてもよい。
フリートデータ１４０は、発電プラントで収集され、リポジトリ１３０に格納されてもよい。フリートデータ１４０は、履歴リスクプロファイルデータ（例えば、履歴的故障及び対応する履歴的周囲条件）を含む可能性がある。統計解析がフリートデータ１４０に適用されて、天候リスクレジーム１５０を識別する可能性がある（図２参照）。天候リスクレジーム１５０に関連するフリートデータ１４０は、リポジトリ１３０から、解析ユニット１６０によって受信されてもよい。
解析ユニット１６０は、同様に、１つ又は複数の外部ソースから天気予報１８０を受信する可能性がある。天気予報１８０は、ターボ機械１１０が運転される環境の周囲条件に関するデータ、特に、大気データ、空気組成、空気粒子状物質、周囲温度、周囲湿度、入口相対湿度、圧力、圧力低下等を提供する可能性がある。種々の実施形態において、天気予報１８０は、検出済み天候データ又は予測済み天候データを含む。
天候リスクレジーム１５０を使用して、解析ユニット１６０は、天気予報１８０による周囲条件においてターボ機械１１０の運転プロファイルのためのリスク閾値を生成する可能性がある。運転プロファイルは、１つ又は複数の過渡的運転、ターボ機械の負荷、ＩＧＶ角度、入口温度、入口湿度、又は入口露点等を含む可能性がある。解析ユニット１６０は、運転プロファイルの１つ又は複数についてのリスク閾値に達したと判定する可能性がある。リスク閾値に達したと解析ユニット１６０が判定すると、ターボ機械１１０に関連する１つ又は複数の対策１７０がとられることを忠告されてもよい。対策１７０は、氷の形成、希薄ブローアウト、過剰な放出等を軽減するか又はなくすために、別の運転プロファイルに遷移すること、又は、特定の対応策を適用することを可能にしてもよい。対策は、ＩＧＶにブリード熱を加えること、ランプアップ速度を上げること、ランプアップ速度を下げること、オンライン水洗浄のための最適時間を決定すること、オフライン水洗浄のための最適時間を決定すること、燃焼システムの再チューニングの必要性を判定すること、湿式圧縮、ランプアップサイクル中にブリード熱を手動で制御すること、及び運転時間の改善等を含む可能性がある。
例えば、周囲条件は、ターボ機械１１０が埃っぽい環境内で運転されることを示す可能性がある。ターボ機械運転条件に関する履歴データ及び情報に基づいて、解析ユニット１６０は、ターボ機械１１０のオンライン又はオフライン水洗浄についての最適時間を決定する可能性があり、また、オペレータにその時間を前もって知らせる可能性がある。そのため、オンライン又はオフライン水洗浄は、効率的に計画され実施される可能性がある。
図２は、本開示の一実施形態による、或る履歴リスクプロファイルデータに基づいて識別される例示的な天候リスクレジームを示すグラフ２００である。天候リスクレジームは、ＩＧＶ角度２２０及び圧縮機入口温度２３０に対して示される。従来のリスクレジームは、ゆるく定義され、本質的にバイナリ（リスク又は非リスク）である。そのため、エリア２０２は、段階的移行を全く持たない従来のリスクレジームを示し、或るリスクが存在するかどうかを示すだけである可能性がある。対照的に、ターボ機械を運転するリスクを判定するためのシステムによって定義される天候リスクレジームは、粒度が細かく、エリア２１０で示す高いリスクから、エリア２０４で示す非常に低いリスクに及ぶリスクの程度を示す。エリア２０６は低いリスクを示し、エリア２０８は中程度のリスクを示す。リスクの粒度が細かい定義は、特定の運転プロファイルを使用することによってもたらされた影響についての正確な推定を可能にする。例えば、エリア２０４内の非常に低いリスクに関連する運転プロファイルは、この運転プロファイルが他の態様において有益である場合、依然として使用される可能性がある。
図２に示すリスク定義スキームが例に過ぎないことが理解されるべきである。種々の実施形態において、より粒度が細かい又はより粒度が細かくないリスクレジームを含むリスク定義スキームが使用される可能性がある。
図３は、或る実施形態による、ターボ機械を運転するリスクを判定するためのシステム３００の種々の例示的なモジュールを示すブロック線図である。幾つかの例示的な実施形態において、システム３００は、リポジトリ３０２、プロセッサ３０４、及びオンサイトモニター３０６を含む可能性がある。リポジトリ３０２は、プロセッサ３０４及びオンサイトモニター３０６と通信状態にある少なくとも１つのデータベースを含んでもよい。プロセッサ３０４は、例えば、マイクロコントローラ、中央処理ユニット等のようなプログラマブルプロセッサを含んでもよい。他の例示的な実施形態において、プロセッサ３０４は、ターボ機械を運転するリスクを判定するためのシステム３００によって実施される機能を実装するように設計された、特定用途向け集積回路、又は、フィールドプログラマブルゲートアレイ等のプログラマブルロジックアレイを含んでもよい。
種々の実施形態において、システム３００は、発電プラントの運転を制御するように構成されるコントローラによって配備される可能性がある。システム３００は、発電プラントの内側又は外側に常駐する可能性がある。システム３００が発電プラントの外側に常駐する場合、コントローラは、システムを遠隔で制御できる場合がある。
リポジトリ３０２は、ターボ機械のフリートに関連する履歴リスクプロファイルデータを受信し格納するように構成される可能性がある。履歴リスクプロファイルデータは、オンサイトモニター３０６及び／又は更なるオンサイトモニターによって提供される可能性がある。リポジトリ３０２は、履歴リスクプロファイルデータをプロセッサ３０４に送出する可能性がある。プロセッサ３０４は、リポジトリ３０２から履歴リスクプロファイルデータを受信する可能性がある。種々の外部ソースが使用されて、ターボ機械が運転される環境の周囲条件を取得する可能性がある。履歴リスクプロファイルデータに基づいて、また、周囲条件を考慮して、プロセッサ３０４は、少なくとも１つの知られている運転プロファイルについて少なくとも１つのリスク閾値を生成し、少なくとも１つの知られている運転プロファイルについての少なくとも１つのリスク閾値に達したと判定する可能性がある。リスク閾値に達したとプロセッサ３０４が判定するとき、プロセッサ３０４は、リスクに対処する対策がとられるようにさせる可能性がある。例えば、プロセッサ３０４は、リスク閾値に達したことを示すアラームをもたらす、運転プロファイルを修正する要求を表示する等を行ってもよい。
オンサイトモニター３０６は、ターボ機械と通信できる。オンサイトモニター３０６は、少なくとも１つの知られている運転プロファイルに関連するターボ機械の運転データをモニターし、運転データをプロセッサ３０４に送出する可能性がある。
図４は、ターボ機械を運転するための例示的な方法４００を示すプロセスフロー線図を示す。方法４００は、ハードウェア（例えば、専用ロジック、プログラマブルロジック、及びマイクロコード）、ソフトウェア（汎用コンピュータシステム又は専用機械上で実行されるソフトウェア等）、又は両方の組合せを含んでもよい処理ロジックによって実施されてもよい。本開示の１つの例示的な実施形態において、処理ロジックは、図６に示すコントローラ６００の一部である可能性があるプロセッサ３０４に常駐する。コントローラ６００は、ひいては、リモートデバイス又はサーバ上に常駐する可能性がある。コントローラ６００によって実行されると言われる命令が、実際には、１つ又は複数のプロセッサによって取出され実行されてもよいことが当業者によって認識されるべきである。コントローラ６００は、同様に、メモリカード、サーバ、及び／又はコンピュータディスクを含んでもよい。コントローラ６００は、本明細書で述べる１つ又は複数のステップを実施するように構成されてもよいが、他の制御ユニットが、本開示の種々の実施形態の範囲内に依然として入りながら、利用されてもよい。
図４に示すように、方法４００は、ターボ機械のフリートに関連する履歴リスクプロファイルデータを受信することを有するオペレーション４０２で始まってもよい。履歴リスクプロファイルデータは、フリート内のターボ機械の１つ又は複数に関連する履歴的故障及び履歴的故障が起こったときの履歴的周囲条件に関する情報を含む可能性がある。履歴的故障は、ＩＧＶ上の氷形成によってターボ機械にもたらされる損傷、希薄ブローアウトに起因するトリップ、腐食性汚染物質によってもたらされる損傷、大気中の塵によってもたらされる劣化等を含む可能性がある。
オペレーション４０４において、ターボ機械に関連する周囲条件（例えば、大気データ、温度、湿度、圧力）が受信される可能性がある。周囲条件は、ターボ機械の場所で検出される実際の条件であってよい。代替的に、周囲条件は、天気予報協会又は何らかの他のソースから受信される天気予報に基づいて予測されてもよい。
オペレーション４０６において、リスク閾値は、周囲条件を考慮して、知られている運転プロファイルについて生成される可能性がある。システム３００は、ターボ機械が受けることがわかっている運転プロファイル、例えば、ランプアップすること、降下すること、最大電力で運転すること等を考慮してもよい。知られている運転プロファイルに関する情報は、周囲条件（例えば、温度、湿度、圧力等）と組合されてもよい。組合された情報は、統計的に解析されて、履歴リスクプロファイルデータに基づいてリスク閾値を生成する可能性がある。統計解析は、履歴的故障に関連するリスク事象をクラスタ化してもよい、そうでなければ、履歴リスクプロファイルデータを使用してリスク閾値を決定してもよい。リスクレジーム及び対応する周囲条件内の対応する運転プロファイルに関連するリスク事象のクラスタは、リスク事象の数に基づいてリスクプロファイルとして識別される可能性がある。レジームリスク閾値は、各リスクプロファイルについて識別される可能性がある。
オペレーション４０８において、プロセッサ３０４は、運転プロファイルについてのリスク閾値に達したと判定してもよい。リスク閾値に達することは、予報済み周囲条件に基づいてシミュレートされた１つ又は複数の実際の周囲条件に基づいてもよい。そのため、プロセッサ３０４は、異常事象のリスクをリアルタイムに検出し、或る運転プロファイルを使用する場合に生じる場合があるリスクを予測してもよい。例えば、特定の運転プロファイルに従って運転されるターボ機械における氷形成のリスクは、９０％として識別される可能性がある。
リスクを判定するため、運転プロファイルのシグネチャは、履歴リスクプロファイルデータに関連する運転プロファイルのシグネチャに対して照合される可能性がある。更に、履歴リスクプロファイルデータのサブセットを通して構文解析されたパターン認識アルゴリズがム適用されて、リスク閾値に達したと判定してもよい。種々の実施形態において、パターン認識アルゴリズは、動的タイムワーピング、類似度ベースモデリング、及びガウシアンミックス等を含む可能性がある。
オペレーション４１０において、プロセッサ３０４は、リスク閾値に達したという判定に基づいて、ターボ機械に関連する対策がとられるようにさせてもよい。対策は、例えば、ＩＧＶにブリード熱を加える、ランプアップ速度を上げる、ランプアップ速度を下げる、オンライン水洗浄又はオフライン水洗浄のための最適時間を考慮する、燃焼システムを再チューニングする、湿式圧縮を使用する、ランプアップサイクル中にブリード熱を手動で制御する、最適運転時間を決定する等の推奨としてターボ機械のオペレータのために表示される可能性がある。例えば、プロセッサ３０４は、ターボ機械が、ある期間の間、同じ運転プロファイルの下で運転される場合、高いレベルの氷結リスクが存在していると予測する可能性がある。
幾つかの実施形態において、リスクに関連する異常事象を軽減する推奨は、ターボ機械が異常事象によって損傷を受けるときに自動的に実装される可能性がある。そのため、プロセッサ３０４は、ＩＧＶ上での氷形成のリスクが高い場合、ターボ機械の運転プロファイルを自動的に変更する可能性がある。
図５は、本開示の１つ又は複数の例示的な実施形態による、例示的なリスク事象を示すプロット５００である。プロット５００は、ＩＧＶ角度５０２及び圧縮機入口温度５０４に対する履歴データに基づく氷形成事象を示す。氷形成事象の時系列解析に基づいて、異常事象の発生のパターンが決定される可能性がある。特に、システム３００は、ターボ機械が、定常状態部分負荷運転５０６から負荷印加している、全負荷５０８へのランプアップの開始から負荷印加している、高リスク氷結ゾーン５１０を通って負荷印加している、ランプアップ及びＩＧＶ開口５１２の終了の間、負荷印加している、ＩＧＶが完全に開いて圧縮機入口温度が増加しているとき（５１４）、及び定常状態負荷運転５１６になるよう負荷印加している、のうちの少なくとも１つの負荷印加中に氷形成事象が起こると判定してもよい。
示すリスク事象を解析することは、異常事象の将来の発生を予測し、異常事象が起こる前に条件を回避するための、システム３００によって使用される可能性があるパターン認識アルゴリズムを決定することを可能にする可能性がある。加えて、システム３００は、（例えば、ベース負荷の）低リスク条件を識別し、対策がとられる必要がないことをオペレータに知らせる可能性がある。
図６は、本開示の一実施形態による、ターボ機械を運転するリスクを判定するためのシステム３００が常駐する可能性がある例示的なコントローラ６００を示すブロック線図を示す。より具体的には、コントローラ６００の要素が、ターボ機械を運転するリスクを判定するために使用されてもよい。コントローラ６００は、プログラム式ロジック６２０（例えば、ソフトウェア）を格納するメモリ６１０を含んでもよく、また、ターボ機械のフリートに関連する履歴リスクプロファイルデータ、ターボ機械が運転される環境の周囲条件、生成済みリスク閾値等のようなデータ６３０を格納してもよい。メモリ６１０はまた、オペレーティングシステム６４０を含んでもよい。
プロセッサ６５０は、プログラム式ロジック６２０を実行するためにオペレーティングシステム６４０を利用してもよく、また、そうするとき、同様に、データ６３０を利用してもよい。データバス６６０は、メモリ６１０とプロセッサ６５０との間の通信を提供してもよい。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／からデータを通信することが可能な任意の他のデバイス等の少なくとも１つのユーザインタフェースデバイス６７０を介してコントローラ６００とインタフェースしてもよい。コントローラ６００は、入力／出力（Ｉ／Ｏ）インタフェース６８０を介して、運転している間、ターボ機械とオンラインで通信状態にあると共に、運転していない間、ターボ機械とオフラインで通信状態にあってもよい。より具体的には、コントローラ６００の１つ又は複数は、限定はしないが、ターボ機械のフリートに関連する履歴リスクプロファイルデータを受信すること、ターボ機械が運転される環境の周囲条件を受信すること、周囲条件を考慮して履歴リスクプロファイルデータに少なくとも部分的に基づいて、少なくとも１つの知られている運転プロファイルについて少なくとも１つのリスク閾値を生成すること、少なくとも１つの知られている運転プロファイルについての少なくとも１つのリスク閾値に達したと判定すること、少なくとも１つのリスク閾値に達したという判定に少なくとも部分的に基づいて、対策がとられることを余儀なくさせること等、ターボ機械を運転するリスクを判定することを実施してもよい。加えて、他の外部デバイス又は複数の他の発電所がＩ／Ｏインタフェース６８０を介してコントローラ６００と通信状態であってもよいことを理解が認識されるべきである。本開示の示す実施形態において、コントローラ６００は、ターボ機械に対して遠隔に位置付けられてもよい。しかし、コントローラ６００は、ターボ機械と同じ場所に位置付けられる又は更にターボ機械と一体化されてもよい。更に、コントローラ６００及びそれにより実装されるプログラム式ロジック６２０は、ソフトウェア、ハードウェア、ファームウエア又はその任意の組合せを含んでもよい。複数のコントローラ６００が使用され、それにより、本明細書で述べる異なる特徴が１つ又は複数の異なるコントローラ６００上で実行されてもよいことが同様に認識されるべきである。
したがって、本明細書で述べる開示の或る実施形態は、最適化されたモニタリング及び可能性のある回復サービスを可能にすることができ、信頼性及び可用性のフリート全体の増加をもたらす。加えて、（オペレータが回避対策を全くとらないと決める場合）ターボ機械がリスクレジーム内でどれほどの頻度で運転されるかを理解することは、停電計画の改善及びより重大な圧縮機事象の防止（検査の推奨）をもたらす可能性がある。氷結の原因の改善された理解及び氷リスクレジームの定義は、高度ターボ機械設計についての基礎を提供する可能性があり、アップグレード機会をコントロールする。
本開示の例示的な実施形態による、システムのブロック線図、方法、装置、及びコンピュータプログラム製品に対して参照が行われる。ブロック線図のブロックの少なくとも幾つかのブロック及びブロック線図内のブロックの組合せが、コンピュータプログラム命令によって少なくとも部分的に実装されてもよいことが理解されるであろう。これらのコンピュータプログラム命令は、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、又は他のプログラマブルデータ処理装置上にロードされて、コンピュータ又は他のプログラマブルデータ処理装置上で実行される命令が、論じたブロック線図のブロックの少なくとも幾つかのブロック又はブロック線図内のブロックの組合せの機能を実装するための手段を作成するような機械を生成してもよい。
これらのコンピュータプログラム命令は、同様に、コンピュータ可読メモリに格納されてもよく、コンピュータプログラム命令は、特定の方法で機能するようコンピュータ又は他のプログラマブルデータ処理装置に指示する可能性があり、それにより、コンピュータ可読メモリに格納された命令は、１つ又は複数のブロックで指定される機能を実装する命令手段を含む製品を生成する。コンピュータプログラム命令は、同様に、コンピュータ又は他のプログラマブルデータ処理装置上にロードされて、一連のオペレーショナルステップをコンピュータ又は他のプログラマブル装置上で実施させ、それにより、コンピュータ又は他のプログラマブル装置上で実行される命令が、１つ又は複数のブロックで指定される機能を実装するためのステップを提供するようなコンピュータ実装式プロセスを生成してもよい。
本明細書で述べるシステムの１つ又は複数のコンポーネント及び方法の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上で実行されるアプリケーションプログラムを通して実装されてもよい。それらは、同様に、手持ち式デバイス、マルチプロセッサシステム、マイクロプロセッサベース又はプログラマブル家電機器、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によって実践されてもよい。
本明細書で述べるシステム及び方法のコンポーネントであるアプリケーションプログラムは、或る抽象データ型を実装し、或るタスク又はアクションを実施する、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。分散コンピューティング環境において、アプリケーションプログラムは、（全体的に又は部分的に）ローカルメモリ内に又は他のストレージ内に位置付けられてもよい。加えて又は代替的に、アプリケーションプログラムは、（全体的に又は部分的に）リモートメモリ内に、又は、通信ネットワークを通してリンクされたリモート処理デバイスによってタスクが実施される状況を可能にするストレージ内に位置付けられてもよい。
例示的な説明が関係する本明細書に記載される例示的な説明の多くの修正及び他の実施形態は、先の説明及び関連する図面内で提示される教示の利益を持つ心に浮かぶであろう。そのため、本開示が、多くの形態で具現化されてもよく、また、上述した例示的な実施形態に限定されるべきでないことが認識されるであろう。したがって、本開示が、開示される開示の特定の実施形態に限定されないこと、及び、本開示の修正及び他の実施形態が、添付特許請求項の範囲内に含まれることを意図されることが理解されるべきである。特定の用語は、本明細書で使用されるが、制限のためではなく、一般的でかつ記述的な意味でのみ使用される。
最後に、代表的な実施形態を以下に示す。
［実施形態１］
ターボ機械（１１０）を運転することに対するリスクを判定するための方法（４００）であって、
ターボ機械のフリートに関連する履歴リスクプロファイルデータを、リポジトリ（３０２）から、プロセッサ（３０４）によって受信する（４０２）こと、
ターボ機械（１１０）が運転される環境の周囲条件（１００）を、前記プロセッサ（３０４）によって受信すること（４０４）、
前記周囲条件を考慮して前記履歴リスクプロファイルデータに少なくとも部分的に基づいて、前記少なくとも１つの知られている運転プロファイルについて少なくとも１つのリスク閾値を、前記プロセッサ（３０４）によって生成すること（４０６）、
前記少なくとも１つの知られている運転プロファイルについての前記少なくとも１つのリスク閾値に達したと判定すること（４０８）、及び、
前記少なくとも１つのリスク閾値に達したという判定に少なくとも部分的に基づいて、前記ターボ機械（１１０）に関連する対策がとられることを余儀なくさせること（４１０）を含む、方法（４００）。
［実施形態２］
前記リスクに関連する異常事象を軽減することを更に含む、実施形態１記載の方法（４００）。
［実施形態３］
前記少なくとも１つのリスク閾値を前記生成することは、統計技法を使用してリスク事象をクラスタ化することを含む、実施形態１記載の方法（４００）。
［実施形態４］
前記少なくとも１つのリスク閾値に達したと前記判定することは、前記リスクプロファイルデータのシグネチャに対して前記少なくとも１つの知られている運転プロファイルのシグネチャを照合することを含む、実施形態１記載の方法（４００）。
［実施形態５］
前記少なくとも１つのリスク閾値に達したと前記判定することは、前記履歴リスクプロファイルデータのサブセットを通して構文解析されたパターン認識アルゴリズムを使用することを含む、実施形態４記載の方法（４００）。
［実施形態６］
前記パターン認識アルゴリズムは、動的タイムワーピング、類似度ベースモデリング、及びガウシアンミックスのうちの少なくとも１つを含む、実施形態５記載のシステム（３００）。
［実施形態７］
前記履歴リスクプロファイルデータは、履歴的故障及び対応する履歴的周囲条件を含む、実施形態１記載の方法（４００）。
［実施形態８］
前記少なくとも１つのリスク閾値に達したと前記判定することは、前記ターボ機械（１１０）の１つ又は複数の入口ガイドベーン（ＩＧＶ）上の氷結、大気中の塵によって引起される劣化、腐食性汚染物質によって引起される損傷、希薄ブローアウト、高燃焼ダイナミクス、及び過剰な放出のうちの少なくとも１つの要素を示す、実施形態１記載の方法（４００）。
［実施形態９］
とられる前記対策は、ＩＧＶにブリード熱を加えること、ランプアップ速度を上げること、ランプアップ速度を下げること、オンライン水洗浄のための最適時間を決定すること、オフライン水洗浄のための最適時間を決定すること、燃焼システムの再チューニングの必要性を判定すること、湿式圧縮、ランプアップサイクル中に前記ブリード熱を手動で制御すること、及び最適運転時間のうちの少なくとも１つを含む、実施形態１記載の方法（４００）。
［実施形態１０］
前記ターボ機械（１１０）の前記少なくとも１つの知られている運転プロファイルは、過渡的運転、前記ターボ機械（１１０）の負荷、ＩＧＶ角度、入口温度、入口湿度、又は入口露点のうちの少なくとも１つを含む、実施形態１記載の方法（４００）。
［実施形態１１］
前記周囲条件は天候データを含む、実施形態１記載の方法（４００）。
［実施形態１２］
前記天候データは、大気データ、空気組成、空気粒子状物質、温度、湿度、又は圧力のうちの少なくとも１つを含む、実施形態１１記載の方法（４００）。
［実施形態１３］
前記天候データは、検出済み天候データ又は予測済み天候データを含む、実施形態１１記載の方法（４００）。
［実施形態１４］
前記履歴リスクプロファイルデータは、発電プラントレベルで収集され、前記リポジトリに格納される、実施形態１記載の方法（４００）。
［実施形態１５］
ターボ機械（１１０）を運転することに対するリスクを判定するためのシステム（３００）であって、
ターボ機械のフリートに関連する履歴リスクプロファイルデータを格納するように構成されるリポジトリ（３０２）と、
プロセッサ（３０４）とを備え、前記プロセッサ（３０４）は、前記リポジトリ（３０２）と通信状態にあり、また、
前記履歴リスクプロファイルデータを受信し、
ターボ機械（１１０）が運転される環境の周囲条件を受信し、
前記周囲条件を考慮して前記履歴リスクプロファイルデータに少なくとも部分的に基づいて、少なくとも１つの知られている運転プロファイルについて少なくとも１つのリスク閾値を生成し、
前記少なくとも１つの知られている運転プロファイルについての前記少なくとも１つのリスク閾値に達したと判定し、
前記少なくとも１つのリスク閾値に達したという判定に基づいて、前記ターボ機械（１１０）に関連する対策がとられることを余儀なくさせる
ように構成される、システム（３００）。
［実施形態１６］
前記少なくとも１つの知られている運転プロファイルに関連する前記ターボ機械（１１０）の運転データをモニターし、前記運転データを前記プロセッサ（３０４）に送出するように構成されるオンサイトモニター（３０６）を更に備える、実施形態１５記載のシステム（３００）。
［実施形態１７］
前記少なくとも１つのリスク閾値に達したと前記判定することは、前記履歴リスクプロファイルデータのサブセットを通して構文解析されたパターン認識アルゴリズムを使用して、前記リスクプロファイルデータのシグネチャに対して前記少なくとも１つの知られている運転プロファイルのシグネチャを照合することを含み、前記パターン認識アルゴリズムは、動的タイムワーピング、類似度ベースモデリング、及びガウシアンミックスのうちの少なくとも１つを含む、実施形態１５記載のシステム（３００）。
［実施形態１８］
前記少なくとも１つのリスク閾値は、前記ターボ機械（１１０）の入口ガイドベーン（ＩＧＶ）上の氷結、大気中の塵によって引起される劣化、腐食性汚染物質によって引起される損傷、希薄ブローアウト、高燃焼ダイナミクス、及び過剰な放出のうちの少なくとも１つに関連する、実施形態１５記載のシステム（３００）。
［実施形態１９］
とられる前記対策は、ＩＧＶにブリード熱を加えること、ランプアップ速度を上げること、前記ランプアップ速度を下げること、オンライン水洗浄のための最適時間を決定すること、オフライン水洗浄のための最適時間を決定すること、燃焼システムの再チューニングの必要性を判定すること、湿式圧縮、ランプアップサイクル中に前記ブリード熱を手動で制御すること、及び最適運転時間のうちの少なくとも１つを含む、実施形態１５記載のシステム（３００）。
［実施形態２０］
ターボ機械（１１０）を運転することに対するリスクを判定するための方法（４００）であって、
ターボ機械のフリートに関連する履歴リスクプロファイルデータであって、履歴的故障及び対応する履歴的周囲条件を含む、履歴リスクプロファイルデータを、リポジトリ（３０２）から、プロセッサ（３０４）によって受信する（４０２）こと、
ターボ機械（１１０）が運転される環境の周囲条件を、前記プロセッサ（３０４）によって受信することであって、前記周囲条件は、大気データ、温度、湿度、及び圧力のうちの少なくとも１つを含む、受信すること、
統計技法を使用してリスク事象をクラスタ化することによって、前記周囲条件を考慮して前記履歴リスクプロファイルデータに少なくとも部分的に基づいて、前記少なくとも１つの知られている運転プロファイルについて少なくとも１つのリスク閾値を、前記プロセッサ（３０４）によって生成すること、
前記少なくとも１つの知られている運転プロファイルについての前記少なくとも１つのリスク閾値に達したと、前記プロセッサ（３０４）によって判定すること、
前記少なくとも１つのリスク閾値に達したという判定に基づいて、前記ターボ機械（１１０）に関連する対策がとられることを余儀なくさせること、及び、
前記リスクに関連する異常事象を軽減するため、少なくとも１つの推奨を実装することを含む、方法（４００）。
１００ システム環境
１１０ ターボ機械
１２０ オンサイトモニター
１３０ レポジトリ
１４０ フリートデータ
１５０ 天候リスクレジーム
１６０ 解析ユニット
１７０ 取られる対策１７０
１８０ 天気予報
２００ グラフ
２０２ エリア
２２０ ＩＧＶ角度
２３０ 圧縮器入口温度
３００ システム
３０２ レポジトリ
３０４ プロセッサ
３０６ オンサイトモニター
４００ 方法
４０２ オペレーション
４０４ オペレーション
４０６ オペレーション
４０８ オペレーション
４１０ オペレーション
５００ プロット
５０２ ＩＧＶ角度
５０４ 圧縮器入口温度
５０６ 定常状態部分負荷運転
５０８ 全負荷
５１０ 高リスク氷結ゾーン
５１２ ＩＧＶ開口
５１４ 圧縮器入口温度
５１６ 定常状態全負荷運転
６００ 例示的なコントローラ
６１０ メモリ
６２０ プログラム式ロジック
６３０ データ
６４０ 運転システム
６５０ プロセッサ
６６０ データバス
６７０ ユーザインタフェースデバイス（複数可）
６８０ Ｉ／Ｏインタフェース（複数可）

Claims (9)

  1. ターボ機械（１１０）を運転するためのシステム（３００）であって、
    複数のターボ機械のフリートに関連する履歴故障データを格納するように構成されるリポジトリ（３０２）と、
    プロセッサ（３０４）とを備え、
    前記履歴故障データは、ターボ機械故障データと、前記ターボ機械故障データが起こったときの履歴周囲条件を含み、
    前記プロセッサ（３０４）は、前記リポジトリ（３０２）と通信状態にあり、また、
    前記履歴故障データを受信し、
    第１のターボ機械（１１０）が運転される環境の周囲条件を受信し、
    リスク事象をクラスタ化することによって、前記第１のターボ機械（１１０）が運転される前記環境の前記周囲条件を考慮して前記履歴故障データに少なくとも部分的に基づいて、少なくとも１つの知られている運転プロファイルについて少なくとも１つのリスク閾値を生成し、
    前記周囲条件の全てまたは一部を前記少なくとも１つのリスク閾値を比較し、履歴故障データにパターン認識アルゴリズムを適用することにより、前記少なくとも１つの知られている運転プロファイルについての前記少なくとも１つのリスク閾値に達したと判定し、
    前記少なくとも１つのリスク閾値に達したという判定に基づいて、前記第１のターボ機械（１１０）の運転を変更する動作を発生させるように構成され、
    前記運転を変更する前記動作が、入口ガイドベーン（ＩＧＶ）にブリード熱を加えること、ランプアップ速度を上げること、ランプアップ速度を下げること、ランプアップサイクル中にブリード熱を制御することの少なくとも１つを含む、システム（３００）。
  2. 前記少なくとも１つの知られている運転プロファイルに関連する前記ターボ機械（１１０）の運転データをモニターし、前記運転データを前記プロセッサ（３０４）に送出するように構成されるオンサイトモニター（３０６）を更に備える、請求項１記載のシステム（３００）。
  3. 前記少なくとも１つのリスク閾値に達したと前記判定することは、前記履歴故障データのサブセットを通して構文解析されたパターン認識アルゴリズムを使用して、前記履歴故障データのシグネチャに対して前記少なくとも１つの知られている運転プロファイルのシグネチャを照合することを含み、前記パターン認識アルゴリズムは、動的タイムワーピング、類似度ベースモデリング、及びガウシアンミックス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（３００）。
  4. 前記少なくとも１つのリスク閾値は、前記入口ガイドベーン（ＩＧＶ）上の氷結、大気中の塵によって引起される劣化、腐食性汚染物質によって引起される損傷、希薄ブローアウト、高燃焼ダイナミクス、及び過剰な放出のうちの少なくとも１つに関連する、請求項１乃至３のいずれかに記載のシステム（３００）。
  5. ターボ機械（１１０）を運転するための方法（４００）であって、
    ２以上のターボ機械のフリートに関連する履歴故障データであって、ターボ機械故障データ及び前記ターボ機械故障データが起こったときの周囲条件を含む、履歴故障データを、リポジトリ（３０２）から、プロセッサ（３０４）によって受信する（４０２）こと、
    第１のターボ機械（１１０）が運転される環境の周囲条件（１００）を、前記プロセッサ（３０４）によって受信すること（４０４）と、
    リスク事象をクラスタ化することによって、前記第１のターボ機械（１１０）が運転される前記環境の前記周囲条件を考慮して前記履歴故障データに少なくとも部分的に基づいて、少なくとも１つの知られている運転プロファイルについて少なくとも１つのリスク閾値を、前記プロセッサ（３０４）によって生成すること（４０６）、
    前記周囲条件の全てまたは一部を前記少なくとも１つのリスク閾値を比較し、履歴故障データにパターン認識アルゴリズムを適用することにより、前記少なくとも１つの知られている運転プロファイルについての前記少なくとも１つのリスク閾値に達したと、前記プロセッサ（３０４）によって判定すること（４０８）、
    前記少なくとも１つのリスク閾値に達したという判定に基づいて、前記第１のターボ機械（１１０）の運転を変更する動作を発生させること（４１０）を含み、
    前記運転を変更する前記動作が、入口ガイドベーン（ＩＧＶ）にブリード熱を加えること、ランプアップ速度を上げること、ランプアップ速度を下げること、ランプアップサイクル中にブリード熱を制御することの少なくとも１つを含む、方法（４００）。
  6. ターボ機械（１１０）を運転するための方法（４００）であって、
    複数のターボ機械のフリートに関連する履歴故障データであって、ターボ機械故障データ及び前記ターボ機械故障データが起こったときの周囲条件を含む、履歴故障データを、リポジトリ（３０２）から、プロセッサ（３０４）によって受信する（４０２）こと、
    第１のターボ機械（１１０）が運転される環境の周囲条件（１００）を、前記プロセッサ（３０４）によって受信すること（４０４）と、
    統計技法を使用してリスク事象をクラスタ化することによって、前記第１のターボ機械（１１０）が運転される前記環境の前記周囲条件を考慮して前記履歴故障データに少なくとも部分的に基づいて、少なくとも１つの知られている運転プロファイルについて少なくとも１つのリスク閾値を、前記プロセッサ（３０４）によって生成すること（４０６）、
    前記周囲条件の全てまたは一部を前記少なくとも１つのリスク閾値を比較し、履歴故障データにパターン認識アルゴリズムを適用することにより、前記少なくとも１つの知られている運転プロファイルについての前記少なくとも１つのリスク閾値に達したと、前記プロセッサ（３０４）によって判定すること（４０８）、
    前記少なくとも１つのリスク閾値に達したという判定に基づいて、前記第１のターボ機械（１１０）の運転を変更する動作を発生させること（４１０）を含み、
    前記周囲条件（１００）が、大気データ、温度、湿度、及び圧力の少なくとも１つを含み、
    前記運転を変更する前記動作が、入口ガイドベーン（ＩＧＶ）にブリード熱を加えること、ランプアップ速度を上げること、ランプアップ速度を下げること、ランプアップサイクル中にブリード熱を制御することの少なくとも１つを含む、方法（４００）。
  7. 前記少なくとも１つのリスク閾値を前記生成することは、統計技法を使用してリスク事象をクラスタ化することを含む、請求項５に記載の方法（４００）。
  8. 前記少なくとも１つのリスク閾値に達したことを前記判定することは、前記故障データのシグネチャに対して前記少なくとも１つの知られている運転プロファイルのシグネチャを照合することを含む、請求項５乃至７のいずれかに記載の方法（４００）。
  9. 前記少なくとも１つのリスク閾値は、前記入口ガイドベーン（ＩＧＶ）上の氷結、大気中の塵によって引起される劣化、腐食性汚染物質によって引起される損傷、希薄ブローアウト、高燃焼ダイナミクス、及び過剰な放出のうちの少なくとも１つに関連する、請求項５乃至７のいずれかに記載の方法（４００）。
JP2016202157A 2015-10-22 2016-10-14 ターボ機械を運転するリスクを判定するためのシステム及び方法 Active JP6894208B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US14/920,421 US10495545B2 (en) 2015-10-22 2015-10-22 Systems and methods for determining risk of operating a turbomachine
US14/920,421 2015-10-22

Publications (2)

Publication Number Publication Date
JP2017082776A JP2017082776A (ja) 2017-05-18
JP6894208B2 true JP6894208B2 (ja) 2021-06-30

Family

ID=57394326

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2016202157A Active JP6894208B2 (ja) 2015-10-22 2016-10-14 ターボ機械を運転するリスクを判定するためのシステム及び方法

Country Status (4)

Country Link
US (1) US10495545B2 (ja)
EP (1) EP3159834A1 (ja)
JP (1) JP6894208B2 (ja)
CN (1) CN107066424B (ja)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170357223A1 (en) * 2016-06-14 2017-12-14 General Electric Company System and method to enhance turbine monitoring with environmental information
US10047679B2 (en) * 2016-06-14 2018-08-14 General Electric Company System and method to enhance lean blowout monitoring
CN115821269A (zh) * 2022-11-04 2023-03-21 宁德时代新能源科技股份有限公司 刹车盘的防腐方法、装置、终端设备和存储介质

Family Cites Families (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3796854A (en) 1972-09-25 1974-03-12 Westinghouse Electric Corp Ice detection system for a gas turbine
US6725645B1 (en) 2002-10-03 2004-04-27 General Electric Company Turbofan engine internal anti-ice device
US7010437B2 (en) 2003-11-03 2006-03-07 Abb Research Ltd. Electric utility storm outage management
US7632059B2 (en) * 2006-06-29 2009-12-15 General Electric Company Systems and methods for detecting undesirable operation of a turbine
US7677075B2 (en) 2006-09-29 2010-03-16 General Electric Company Methods and apparatus for evaluating sensors and/or for controlling operation of an apparatus that includes a sensor
GB2447238B (en) 2007-03-07 2009-11-18 Rolls Royce Plc Method for detecting ice ingestion in a gas turbine engine
US20090030752A1 (en) * 2007-07-27 2009-01-29 General Electric Company Fleet anomaly detection method
CN101231737B (zh) * 2008-02-25 2014-06-04 飞天诚信科技股份有限公司 一种增强网上银行交易安全性的系统及方法
JP5052375B2 (ja) * 2008-03-21 2012-10-17 インターナショナル・ビジネス・マシーンズ・コーポレーション プロジェクト・トラブル発生予測システム、方法及びプログラム
US8155923B2 (en) * 2009-06-08 2012-04-10 General Electric Company System, remote device, and method for validating operation of a wind turbine
US8370046B2 (en) * 2010-02-11 2013-02-05 General Electric Company System and method for monitoring a gas turbine
US8469588B2 (en) * 2010-05-03 2013-06-25 General Electric Company System and method for compressor inlet temperature measurement
US8135568B2 (en) * 2010-06-25 2012-03-13 General Electric Company Turbomachine airfoil life management system and method
US8972067B2 (en) * 2011-05-11 2015-03-03 General Electric Company System and method for optimizing plant operations
FI125286B (fi) 2011-07-01 2015-08-14 Teknologian Tutkimuskeskus Vtt Oy Järjestely ja menetelmä jäätymisen havainnoimiseksi
US8844258B2 (en) 2011-11-23 2014-09-30 General Electric Company Systems and methods for de-icing a gas turbine engine inlet screen and dehumidifying inlet air filters
US20130199202A1 (en) 2012-02-07 2013-08-08 General Electric Company System and method for gas turbine inlet air heating
ITCO20120008A1 (it) * 2012-03-01 2013-09-02 Nuovo Pignone Srl Metodo e sistema per monitorare la condizione di un gruppo di impianti
US20130327012A1 (en) 2012-06-11 2013-12-12 General Electric Company Gas turbine anti-icing system
US20140102113A1 (en) 2012-06-15 2014-04-17 General Electric Company Exhaust heat recovery for a gas turbine system
US9447732B2 (en) 2012-11-26 2016-09-20 General Electric Company Gas turbine anti-icing system
JP5855036B2 (ja) * 2013-02-28 2016-02-09 三菱電機株式会社 設備点検順位設定装置
US9359959B2 (en) 2013-07-31 2016-06-07 General Electric Company Anti-icing system for a gas turbine
US20150047368A1 (en) 2013-08-13 2015-02-19 General Electric Company Systems and methods for controlling gas turbines
US10025336B2 (en) * 2013-10-16 2018-07-17 General Electric Company System and method for analyzing oscillatory stability in electrical power transmission systems

Also Published As

Publication number Publication date
CN107066424A (zh) 2017-08-18
US20170115182A1 (en) 2017-04-27
JP2017082776A (ja) 2017-05-18
CN107066424B (zh) 2021-11-30
EP3159834A1 (en) 2017-04-26
US10495545B2 (en) 2019-12-03

Similar Documents

Publication Publication Date Title
US10437241B2 (en) Systems and methods for generating maintenance packages
JP6159059B2 (ja) プラント運転最適化システムおよび方法
JP6250942B2 (ja) 信頼性が改善されたオペレーションのためのシステム及び方法
US8370046B2 (en) System and method for monitoring a gas turbine
US9122253B2 (en) Systems and methods for dynamic risk derivation
US20170370368A1 (en) Predicting a Surge Event in a Compressor of a Turbomachine
US9280617B2 (en) Systems and methods for improved reliability operations
JP6055188B2 (ja) ターボ機械の解析方法及びシステム
US10294869B2 (en) System and method to enhance corrosion turbine monitoring
US20170024649A1 (en) Anomaly detection system and method for industrial asset
JP2018152052A (ja) 信頼性監視のためのシステムおよび方法
US20130318018A1 (en) Neural network-based turbine monitoring system
US9791351B2 (en) Gas turbine combustion profile monitoring
US20160123175A1 (en) Hybrid model based detection of compressor stall
JP6894208B2 (ja) ターボ機械を運転するリスクを判定するためのシステム及び方法
US10352825B2 (en) Systems and methods related to detecting blowout occurrences in gas turbines
US20180165384A1 (en) System and method for issue detection of industrial processes
US20180101639A1 (en) Systems and methods for predictive events of turbomachinery
JPWO2019049523A1 (ja) リスク評価装置、リスク評価システム、リスク評価方法、及び、リスク評価プログラム
JP6574533B2 (ja) リスク評価装置、リスク評価システム、リスク評価方法、及び、リスク評価プログラム
US20180051588A1 (en) System and method for gas turbine compressor cleaning
US20170357223A1 (en) System and method to enhance turbine monitoring with environmental information
JP6482742B1 (ja) リスク評価装置、リスク評価システム、リスク評価方法、及び、リスク評価プログラム
Kumar et al. Prediction of exhaust gas temperature in GTE by multivariate regression analysis and anomaly detection
Mochi et al. Improved Oil & Gas Plant Operations Through Advanced Remote Services Driven By Operating Data

Legal Events

Date Code Title Description
RD04 Notification of resignation of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7424

Effective date: 20190522

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20190930

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20200917

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20201002

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20201028

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210226

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210324

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: 20210507

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20210603

R150 Certificate of patent or registration of utility model

Ref document number: 6894208

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

S111 Request for change of ownership or part of ownership

Free format text: JAPANESE INTERMEDIATE CODE: R313113

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250