JP6983476B2 - 圧縮機の状態に基づく監視をするためのシステムおよび方法 - Google Patents

圧縮機の状態に基づく監視をするためのシステムおよび方法 Download PDF

Info

Publication number
JP6983476B2
JP6983476B2 JP2017166363A JP2017166363A JP6983476B2 JP 6983476 B2 JP6983476 B2 JP 6983476B2 JP 2017166363 A JP2017166363 A JP 2017166363A JP 2017166363 A JP2017166363 A JP 2017166363A JP 6983476 B2 JP6983476 B2 JP 6983476B2
Authority
JP
Japan
Prior art keywords
compressor
filter
turbine system
deterioration
rate
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
JP2017166363A
Other languages
English (en)
Other versions
JP2018044546A (ja
Inventor
フア・ツァン
ブラッドリー・キッペル
デビッド・トライハン
アイリス・フー
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 JP2018044546A publication Critical patent/JP2018044546A/ja
Application granted granted Critical
Publication of JP6983476B2 publication Critical patent/JP6983476B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01D—NON-POSITIVE DISPLACEMENT MACHINES OR ENGINES, e.g. STEAM TURBINES
    • F01D25/00—Component parts, details, or accessories, not provided for in, or of interest apart from, other groups
    • F01D25/002—Cleaning of turbomachines
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D46/00—Filters or filtering processes specially modified for separating dispersed particles from gases or vapours
    • B01D46/0084—Filters or filtering processes specially modified for separating dispersed particles from gases or vapours provided with safety means
    • B01D46/0086—Filter condition indicators
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D46/00—Filters or filtering processes specially modified for separating dispersed particles from gases or vapours
    • B01D46/88—Replacing filter elements
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01D—NON-POSITIVE DISPLACEMENT MACHINES OR ENGINES, e.g. STEAM TURBINES
    • F01D21/00—Shutting-down of machines or engines, e.g. in emergency; Regulating, controlling, or safety means not otherwise provided for
    • F01D21/003—Arrangements for testing or measuring
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02C—GAS-TURBINE PLANTS; AIR INTAKES FOR JET-PROPULSION PLANTS; CONTROLLING FUEL SUPPLY IN AIR-BREATHING JET-PROPULSION PLANTS
    • F02C7/00—Features, components parts, details or accessories, not provided for in, or of interest apart form groups F02C1/00 - F02C6/00; Air intakes for jet-propulsion plants
    • F02C7/04—Air intakes for gas-turbine plants or jet-propulsion plants
    • F02C7/05—Air intakes for gas-turbine plants or jet-propulsion plants having provisions for obviating the penetration of damaging objects or particles
    • F02C7/055—Air intakes for gas-turbine plants or jet-propulsion plants having provisions for obviating the penetration of damaging objects or particles with intake grids, screens or guards
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D2279/00—Filters adapted for separating dispersed particles from gases or vapours specially modified for specific uses
    • B01D2279/60—Filters adapted for separating dispersed particles from gases or vapours specially modified for specific uses for the intake of internal combustion engines or turbines
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2230/00—Manufacture
    • F05D2230/72—Maintenance
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2260/00—Function
    • F05D2260/60—Fluid transfer
    • F05D2260/607—Preventing clogging or obstruction of flow paths by dirt, dust, or foreign particles
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2260/00—Function
    • F05D2260/80—Diagnostics
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2270/00—Control
    • F05D2270/30—Control parameters, e.g. input parameters
    • F05D2270/311—Air humidity
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2270/00—Control
    • F05D2270/70—Type of control algorithm
    • F05D2270/71—Type of control algorithm synthesized, i.e. parameter computed by a mathematical model
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2270/00—Control
    • F05D2270/80—Devices generating input signals, e.g. transducers, sensors, cameras or strain gauges

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Description

本明細書で開示される発明の主題は、ターボ機械に関し、より詳細には、状態に基づく監視を使用するターボ機械の構成要素の劣化速度を予測することに関する。
ターボ機械システム（例えば、タービンシステム）は、処理に関与する様々な構成要素およびサブシステムを含むことができる。例えば、ターボ機械は、負荷、シャフト、フィルタハウス、燃料ライン、燃焼器、タービン、および排気システムなどを含むことができる。構成要素およびサブシステムは、負荷（例えば、発電機）を駆動するシャフトを回転させることによって作業出力を生成するために連動して動作することができる。時間が経つにつれて、構成要素およびサブシステムは、使用または物質の蓄積などにより劣化する可能性がある。例えば、タービンシステムのフィルタハウス内のフィルタは、ほこりの蓄積により劣化し、それにより、望ましくない入口ダクト構造における圧力降下が発生する可能性がある。別の例では、タービンシステムの圧縮機もまた、ダストの蓄積により劣化し、タービンシステムの出力に影響を及ぼす可能性がある。しばしば、構成要素およびサブシステムのメンテナンスが静的にスケジュールされることがある。しかしながら、静的スケジュールに従うと、タービンシステムの性能に影響を与える劣化状態に実際に到達する前に、構成要素を交換することによって、非効率的なリソース使用につながる可能性がある。同様に、既に劣化状態になった後に構成要素を交換する静的スケジュールに従うと、タービンシステム内での振動およびサージマージンの低下などの非効率的な他の圧縮機動作問題が生じる可能性がある。
米国特許第８４７５１１５号明細書
当初に特許請求される発明の主題に対応する実施形態について、以下で概要を説明する。これらの実施形態は、特許請求される発明の主題の範囲を限定するものではないが、これらの実施形態は、発明の主題の可能な形式の簡潔な概要を提供することのみを意図する。実際に、本発明の主題は、以下に記載する実施形態と同様か、または異なる可能性のある、様々な形式を包含することができる。
一実施形態では、タービンシステムは、圧縮機、ならびにフィルタハウスおよび入口ダクトを含む吸気部を含む。吸気部は圧縮機に連結され、フィルタハウスは入口ダクトの上流にある。タービンシステムはまた、吸気部に配置された１つまたは複数のセンサと、１つまたは複数のセンサからのセンサデータ、フィルタハウスの１つまたは複数の濾過段階に対する１つまたは複数のフィルタ劣化速度、またはそれらの何らかの組み合わせを受信し、センサデータ、１つまたは複数のフィルタ劣化速度、またはそれらの何らかの組み合わせに基づいて圧縮機の性能の関数を提供する圧縮機劣化予測モデルを使用して圧縮機に対する圧縮機劣化速度を予測し、圧縮機劣化速度予測に基づいて１つまたは複数の予防動作を実行するよう構成されるプロセッサとを含む。
一実施形態では、コンピュータ実装方法は、タービンシステムの吸気部におけるフィルタハウスの１つまたは複数の濾過段階に対する１つまたは複数のフィルタ劣化速度、タービンシステムの１つまたは複数のセンサからのセンサデータ、またはそれらの何らかの組み合わせを受信するステップと、センサデータ、１つまたは複数のフィルタ劣化速度、またはそれらの何らかの組み合わせに基づいて圧縮機の性能の関数を提供する圧縮機劣化予測モデルを使用して圧縮機に対する圧縮機劣化速度を予測するステップと、圧縮機劣化速度予測に基づいて１つまたは複数の予防動作を実行するステップとを含む。
一実施形態では、１つまたは複数の有形の非一時的なコンピュータ可読媒体が、１つまたは複数のプロセッサによって実行された場合に、１つまたは複数のプロセッサに、タービンシステムの吸気部におけるフィルタハウスの１つまたは複数の濾過段階に対する１つまたは複数のフィルタ劣化速度、タービンシステムの１つまたは複数のセンサからのセンサデータ、またはそれらの何らかの組み合わせを受信させ、センサデータ、１つまたは複数のフィルタ劣化速度、またはそれらの何らかの組み合わせに基づいて圧縮機の性能の関数を提供する圧縮機劣化予測モデルを使用して圧縮機に対する圧縮機劣化速度を予測させ、圧縮機劣化速度予測に基づいて１つまたは複数の予防動作を実行させる、コンピュータ命令を格納する。
本発明の主題のこれらの特徴、態様、および利点、ならびに他の特徴、態様、および利点が、添付の図面を参照しつつ以下の詳細な説明を検討することによって、よりよく理解されると考えられ、添付の図面において、類似の文字は、図面の全体を通して類似の部分を表している。
一実施形態による、タービンシステムの１つまたは複数の構成要素の状態に基づく監視を可能にするタービンシステムのブロック図である。 一実施形態による、様々な入力を受信するフィルタ劣化予測ロジックを含む、図１のタービンシステムのブロック図である。 フィルタ劣化予測モデルを使用してフィルタ劣化速度を予測するのに適した処理のフロー図である。 一実施形態による、様々な入力を受信する圧縮機劣化予測ロジックおよびフィルタ劣化予測ロジックを含む、図１のタービンシステムのブロック図である。 一実施形態による、圧縮機劣化速度を予測するのに適した処理のフロー図である。
本発明の主題の１つまたは複数の具体的な実施形態を以下に説明する。これらの実施形態に関する簡潔な説明を提供するために、実際の実装態様に関するすべての特徴について本明細書に説明するわけではない。いずれのそのような実際の実装態様の開発において、任意のエンジニアリングもしくは設計プロジェクトの場合と同様に、多数の実装形態特有の決定を、実装態様ごとに異なる可能性のある、システム関連の制約およびビジネス関連の制約との適合などの、開発者の特定の目的を達成するために行わなければならないことを認識すべきである。さらに、そのような開発努力は、複雑であり、時間を消費するものであろうが、本開示の利点を有する当業者とって、設計、製作、および製造の日常的な仕事であろうことを認識すべきである。
本発明の主題の様々な実施形態の要素を導入するとき、冠詞「ａ」、「ａｎ」、「ｔｈｅ」、および「ｓａｉｄ」は、１つまたは複数の要素が存在することを意味するように意図されている。「備える（ｃｏｍｐｒｉｓｉｎｇ）」、「含む（ｉｎｃｌｕｄｉｎｇ）」、および「有する（ｈａｖｉｎｇ）」という用語は、記載された要素以外の追加の要素が存在する可能性を含む、および意味することを意図する。
前述したように、タービンシステムの性能および正常動作は、その構成要素の劣化によって影響を受ける可能性がある。例えば、１つまたは複数の入口フィルタが余分な粒子を溜め込んだ場合、入口ダクトの圧力が望ましくないレベルに低下する可能性があり、濾過効率が低下する可能性がある。非効率なフィルタは、より多くの粒子がそのフィルタを通って流れ、圧縮機に到達し、それによって、圧縮機ブレードおよびベーンの汚染を引き起こす。しかしながら、フィルタにおける溜め込みは場所ごとに大きく異なる。例えば、降水量がより多い環境にあるいくつかの場所は、入口フィルタがより湿潤でより粘着性になり、より乾燥した気候にある入口フィルタよりも早く粒子を溜め込む可能性がある。同様に、海水が近くにある環境に配置された入口フィルタは、空気がタービンシステム内に引き込まれるときに、フィルタで集められる空気中の塩のために粒子をより早く溜め込む可能性がある。さらに、フィルタを通過して入口ダクトに入る粒子は、タービンシステムの圧縮機の１つまたは複数のブレードに最終的に付着する可能性があり、それにより、タービンシステムの性能に影響を及ぼす可能性がある。多くの場合、圧縮機および／または入口フィルタは、予め設定された静的スケジュールに基づいて維持または交換される。しかしながら、そのような静的スケジュールに基づく監視は、少なくとも、上述の理由により非効率的である可能性がある。
したがって、本開示のいくつかの実施形態は、劣化予測ロジックを使用するタービンシステムの構成要素の状態に基づいた監視に関する。劣化予測ロジックは、フィルタ劣化予測モデルおよび圧縮機劣化予測モデルなどの１つまたは複数のモデルを生成することができる。モデルは、経時的な測定データに基づいて予測の忠実度を改善することができることを理解されたい。
上述したように、フィルタの劣化は、タービンシステムの非効率的な動作および濾過効率の低下をもたらす望ましくない圧力降下をもたらす可能性がある。したがって、フィルタ劣化予測モデルは、１つまたは複数の予防動作を実行するためにフィルタの劣化速度を予測することができる。フィルタ劣化予測モデルは、ある条件が存在する場合のフィルタハウスのいくつかの濾過段階における１つまたは複数の入口フィルタの寿命に関する性能データ（例えば、試験データ）の入力、センサからの構成要素の実際の状態、および／または監視されているタービンシステムが配置されている環境の局所的状態を受信することができる。フィルタ劣化予測モデルは、フィルタの残りの有効寿命を判定するために使用することができる各濾過段階における各フィルタの劣化速度の予測を出力することができる。予測は、タービンシステムの停止、１つまたは複数のフィルタの維持もしくは交換のスケジューリング、ならびに／もしくは吸気のフィルタのセルフクリーニングシステムの駆動などの、１つまたは複数の予防動作を実行するために使用することができる。そのような予防動作は、タービンシステムに対する予期せぬ停止時間の可能性を低減することができ、および／または入口ダクト内の望ましくない圧力降下を低減することによってタービンシステムの性能を改善することができる。
また、上述したように、圧縮機の劣化は、タービンシステムの非効率的な動作、サージマージンの減少、および過度の振動をもたらす可能性がある。したがって、圧縮機劣化予測モデルは、１つまたは複数の予防動作を実行するために圧縮機の劣化速度を予測することができる。圧縮機劣化予測モデルは、ある条件が存在する場合の圧縮機健全性に関連する性能データ（例えば、試験データ）、センサからの構成要素の実際の状態、監視されるタービンシステムが位置する環境の局所的状態、および／またはフィルタ劣化予測モデルからの１つまたは複数のフィルタ劣化速度予測を受信することができる。圧縮機劣化予測モデルにより、圧縮機劣化速度を予測することができる。圧縮機劣化速度予測は、圧縮機から粒子を洗浄するためのオンラインおよび／またはオフラインの水洗浄のスケジューリング、スケジューリングされた水洗浄の実行、タービンシステムの停止、圧縮機の修理、ならびに／もしくは圧縮機ブレードおよび／またはベーンの交換などの１つまたは複数の予防動作を行うために使用することができる。そのような予防動作は、とりわけ、圧縮機が粒子で汚れた場合に出力を失う可能性を低減することができる。本明細書に開示される予防動作は、予防動作が、とりわけ、タービンシステムの構成要素の実際の状態、ある状態が存在する場合の構成要素の有効寿命に関する履歴性能データ、および／または環境の局所的状態に基づくので、反応的動作による単なる静的なスケジュールに基づく監視よりも本質的により動的であることを理解されたい。
ここで図面を参照すると、図１は、一実施形態による、タービンシステム１０の１つまたは複数の構成要素の状態に基づく監視を可能にするタービンシステム１０のブロック図である。タービンシステム１０は、タービン１２および後処理システム１４を含む。特定の実施形態では、タービンシステム１０は、発電システムとすることができる。タービンシステム１０は、タービンシステム１０を動作させるために、天然ガスおよび／または富水素合成ガスなどの液体または気体燃料を使用することができる。図示のように、タービンシステム１０は、吸気部１６、圧縮機１８、燃焼システム２０、およびタービン１２を含む。タービン１２は、シャフトを介して圧縮機１８に駆動可能に連結することができる。動作中、空気は、（矢印１７によって示される）吸気部１６を介してタービンシステム１０に入り、圧縮機１８内で加圧される。
吸気部１６は、入口フィルタのいくつかの濾過段階を含むフィルタハウスを含むことができる。各段階の入口フィルタは、異なるペースまたは速度で劣化する（例えば、粒子が付着する）。例えば、前の濾過段階の入口フィルタ（例えば、入ってくる空気にさらされた第１の入口フィルタ）は、後の濾過段階における続く入口フィルタよりも多くの粒子がこれらの入口フィルタに付着するため、最も早く劣化する可能性がある。そのために、フィルタハウス内の最終濾過段階の入口フィルタは、先行段階の入口フィルタと比較して、最も遅い速度で粒子を溜め込み、それにより、寿命が最長となる可能性がある。また、入口フィルタは、それらが位置する環境に基づいて異なる速度で劣化する可能性がある。例えば、海岸または塩水の近くに配置された入口フィルタは、内在する入口フィルタよりも粒子をより迅速に溜め込み、劣化する可能性がある。また、湿度の高い気候や降水量が多い気候にある入口フィルタは、入口フィルタが濡れて粘着性になると、より乾燥した気候にある場合よりもより早く劣化する可能性がある。入口フィルタが粒子を溜め込むにつれて、吸気部１６を通過する空気が少なくなり、入口ダクト構造で圧力降下が生じる可能性がある。圧力降下は、タービンシステム１０の性能低下を引き起こす可能性がある。したがって、本開示のいくつかの実施形態は、各濾過段階における複数の入口フィルタの劣化速度を予測して、入口フィルタの有効寿命を判定し、１つまたは複数の予防動作（例えば、セルフクリーニングシステムの駆動、メンテナンスおよび／または交換のスケジューリングなど）を実行することを可能にする。
圧縮機１８は、シャフトに連結されたいくつかの圧縮機ブレードを含むことができる。シャフトの回転は、圧縮機ブレードの回転を引き起こし、それにより、圧縮機１８内に空気を引き込み、燃焼システム２０に入る前に空気を圧縮する。圧縮機ブレードは、吸気部１６のフィルタハウスを通過する粒子を集めて、劣化する（例えば、汚れる）可能性がある。タービンシステム１０によって生成される作業出力の量は、圧縮機ブレードの劣化が悪化するにつれて、負の影響を受ける可能性がある。したがって、本開示のいくつかの実施形態は、圧縮機１８の劣化速度を予測し、それに応じて１つまたは複数の予防動作（例えば、圧縮機１８のオンラインおよび／またはオフライン水洗浄のスケジューリング）を実行することを可能にする。
圧縮空気１７が圧縮機１８を出て燃焼システム２０に入ると、圧縮空気１７は、１つまたは複数の燃焼缶内の燃焼のために燃料１９と混合することができる。例えば、燃焼缶は、最適な燃焼、排出物、燃料消費、および動力出力などのために適切な速度で燃焼缶に燃料−空気混合物を噴射することができる１つまたは複数の燃料ノズルを含むことができる。空気１７および燃料１９の燃焼は、高温加圧排気ガスを生成し、その後、タービン１２内の１つまたは複数のタービンブレードを駆動するために利用することができる。動作中、タービン１２に流入する燃焼ガスは、タービンブレードに対して、タービンブレードの間を流れ、それにより、タービンブレードを駆動し、したがって、シャフトを回転させて、発電プラントの発電機などの負荷２１を駆動する。上述したように、シャフトの回転はまた、圧縮機１８内のブレードに吸気部１６によって受け入れられた空気を引き込み、加圧させる。
タービン１２を通って流れる燃焼ガスは、排気ガスの流れとしてタービン１２の下流端１５から出ることができる。排気ガス流は、後処理システム１４に向かって下流方向に流れ続けることができる。例えば、下流端１５は、後処理システム１４に流体的に結合することができる。燃焼処理の結果として、排気ガスは、窒素酸化物（ＮＯx）、硫黄酸化物（ＳＯx）、炭素酸化物（ＣＯx）、および未燃焼炭化水素などの特定の副産物を含む可能性がある。特定の規制のために、後処理システム１４は、排気ガス流を大気中に放出する前に、そのような副産物の濃度を低減または実質的に最小限にするために使用することができる。
１つまたは複数のセンサ２２は、タービンシステム１０の特定の構成要素に含むことができる。例えば、いくつかの実施形態では、１つまたは複数のセンサ２２を吸気部１６の構成要素に含めることができ（例えば、フィルタハウス内、フィルタハウスの前、フィルタハウスの中間、フィルタハウスの後）、フィルタハウスの下流であるがサイレンサの前および／またはサイレンサの下流にある入口ダクトに含めることができる。いくつかの実施形態では、センサ２２は、任意のタイプの圧力センサ、ダストセンサ（例えば、光学式）、温度および湿度センサ、加速度計、またはひずみゲージなどを含むことができる。いくつかの実施形態では、圧力センサは、圧力信号または波をそれぞれの位置における任意の望ましい振幅および周波数範囲で感知するよう構成することができる。センサ２２は、圧力から生じる電気信号を生成する圧電材料を含むことができる。いくつかの実施形態では、センサ２２は、マイクロ電気機械システム（ＭＥＭ）センサ、ホール効果センサ、磁気抵抗センサ、または振動もしくは圧力などを感知するように設計された他の任意のセンサを含むことができる。いくつかの実施形態では、センサ２２は、吸気部１６に含まれるマイクロフォンまたはマイクロフォンのアレイを含むことができる。いくつかの実施形態では、マイクロフォンまたはマイクロフォンのアレイは、フィルタハウス全体の正常性（例えば、フィルタハウス構造の保全性）を示す検出された音をコントローラ２４に送信することができる。
さらに、ダストセンサは、ダスト濃度、タイプ、および／またはサイズを光学的に測定することによって、環境中の空気質の指標を提供するよう構成された光学センサを含むことができる。センサ２２は、無線（例えば、Ｂｌｕｅｔｏｏｔｈ（登録商標）Ｌｏｗ Ｅｎｅｒｇｙ、ＺｉｇＢｅｅ（登録商標）、ＷｉＦｉ（登録商標））または有線接続（例えば、Ｅｔｈｅｒｎｅｔ）を介して、センサ２２をコントローラ２４および／またはコンピューティングデバイス２６に通信可能に結合することを可能にする通信回路を含むことができる。いくつかの実施形態では、コンピューティングデバイス２６は、ラップトップ、スマートフォン、タブレット、パーソナルコンピュータ、またはヒューマンマシンインターフェイスなどを含むことができる。
センサ２２は、コントローラ２４および／またはコンピューティングデバイス２６に圧力（例えば、静的、動的）、ダスト粒子特性（例えば、濃度、タイプ、サイズ）、温度、または湿度などを示す信号を送信することができる。コントローラ２４および／またはコンピューティングデバイス２６は、フィルタ劣化予測ロジック２８および／または圧縮機劣化予測ロジック３０におけるパラメータとして信号に基づいて測定値を受信することができる。したがって、コントローラ２４および／またはコンピューティングデバイス２６は、それぞれ、フィルタ劣化予測ロジック２８および／または圧縮機劣化予測ロジック３０を実装するコンピュータ命令を記憶する１つまたは複数の有形の非一時的なコンピュータ可読媒体（例えば、メモリ３２および３４）を含むことができる。フィルタ劣化予測ロジック２８および圧縮機劣化予測ロジック３０は、コンピューティングデバイス２６のメモリ３４に記憶されているように示されているが、いくつかの実施形態では、予測ロジック２８および３０の一方または両方をさらにコントローラ２４のメモリ３２に記憶してもよいし、または予測ロジック２８および３０の一方または両方だけをコントローラ２４のメモリ３２に記憶してもよいことが理解されよう。さらに、コントローラ２４および／またはコンピューティングデバイス２６は、信号を受信してプロセッサ３６および３８に送信するよう構成されたネットワークインターフェイスなどの通信回路を含むことができる。
プロセッサ３６および３８は、コンピュータ実行可能コードを実行することができる任意のタイプのコンピュータプロセッサまたはマイクロプロセッサとすることができる。さらに、プロセッサ３６および３８は、複数のプロセッサまたはマイクロプロセッサ、１つまたは複数の「汎用」プロセッサまたはマイクロプロセッサ、１つまたは複数の専用プロセッサまたはマイクロプロセッサ、および／または１つまたは複数の特定用途向け集積回路（ＡＳＩＣＳ）またはそれらの何らかの組み合わせを含むことができる。
メモリ３２および３４は、プロセッサ実行可能命令、コード、またはデータなどを格納するメディアとして機能することができる任意の適切な製品とすることができる。これらの製品は、本開示の技術を実行するために各プロセッサ３６および３８によって使用されるプロセッサ実行可能コードまたはルーチンを記憶することができるコンピュータ可読媒体（例えば、任意の適切な形態のメモリまたはストレージ）を表すことができる。例えば、メモリ３２および３４は、揮発性メモリ（例えば、ランダムアクセスメモリ（ＲＡＭ））、不揮発性メモリ（例えば、読み出し専用メモリ（ＲＯＭ））、フラッシュメモリ、ハードドライブ、または、他の任意の適切な光学的、磁気的、もしくは固体状態の記憶媒体、またはそれらの組み合わせを含むことができる。メモリ３２および３４はまた、任意のデータ（例えば、性能データ、センサデータ、タービンシステム１０が位置する環境の局所的状態、劣化速度予測、メンテナンスおよび／または修理のスケジュール）、データの分析、フィルタ劣化予測ロジック２８、および圧縮機劣化予測ロジック３０などを格納するために使用することができる。
一般に、プロセッサ３６および／または３８は、入口フィルタおよび圧縮機１８のそれぞれの劣化速度を判定し、１つまたは複数の予防動作を実行することができるフィルタ劣化予測ロジック２８および／または圧縮機劣化予測ロジック３０を実行することができる。フィルタ劣化予測ロジック２８および圧縮機劣化予測ロジック３０は、どちらも、各フィルタおよび圧縮機１８の劣化速度を予測するためのモデル（例えば、物理ベース、数学的）を生成することができる。劣化速度予測を判定するために、モデルは１つまたは複数のパラメータを考慮することができる。
いくつかの実施形態では、パラメータのいくつかが他のパラメータよりも予測に大きな影響を及ぼすように、パラメータに異なる重み付けをすることができる。例えば、一実施形態では、入口ダクト４２に入るダストの粒径および／またはフィルタハウスの前の湿度は、周囲温度よりも重く重み付けすることができる。１つまたは複数のパラメータは、フィルタ前のセンサ２２によって取得された圧力、フィルタ内の圧力、サイレンサの前後のフィルタの下流の圧力、フィルタ前の周囲温度および相対湿度、圧縮機１８の入口前の温度および相対湿度、フィルタ前後のダスト粒径分布（例えば、粒径、タイプ、量）、フィルタ劣化（例えば、付着）速度試験室モデル、局所条件（例えば、タービンシステム１０の位置、典型的なタイプの粒子化学組成、気象予測データ）、タービンシステム１０の動作モード、タービンシステム１０の負荷および効率、入口ブリード熱のオン／オフ、パワー増強手段（例えば、湿式圧縮、霧化、蒸発冷却、冷却）、粒子負荷（例えば、サイズ、タイプ、量）に関連するような圧縮機ブレード付着速度、およびタービンシステム１０の動作時間などを含むことができる。これらのパラメータは、それぞれフィルタの劣化に影響を与える可能性があり、他のパラメータと共に存在する場合には、複合効果を有することもある。したがって、モデルは、これらのパラメータに基づいて個々に、および全体として劣化する可能性があると判断することができる。
いくつかの実施形態では、タービンシステム１０が動作している間、モデルはリアルタイムで動作することができる。さらに、または代替的に、モデルは、（例えば、タービンシステム１０が最後に動作していたときから）記憶されたセンサデータを用いてタービンシステム１０がオフラインまたは停止している間に動作することができる。モデルは、新しいデータ（例えば、ダストセンサ２２、圧力センサ２２、温度および湿度センサ２２、タービンシステムの出力および効率など）に基づいてモデルのパラメータを更新するという点で適応性であるとすることができる。例えば、センサ２２からの測定値を含む信号は、タービンシステム１０がモデルの適応能力を可能にするよう動作している間に、コンピューティングデバイス２６および／またはコントローラ２４を循環することができる。信号は、定期的に、オンデマンドで、測定値が変化する場合などに送信することができる。モデルは、タービンシステム１０の動作が継続し、さらなるセンサデータが蓄積され、処理されるにつれて、忠実度を向上させ続けることができる。さらに、後の時点のセンサデータを使用して、モデル予測を検証することができる。すなわち、３０稼働時間内にフィルタが劣化するとモデルが予測する場合、モデルが正確かどうかを判定するために圧力センサデータを３０時間読み取ることができる。そうでない場合、モデルはそれに応じて調整される。
各タービンシステム１０は様々な物理的位置に配置することができるので、タービンシステム１０の構成要素の劣化速度は、局所的状態が変化するために変化する可能性がある。例えば、海岸に近い場所にあるフィルタは、空気中の塩分によって内陸部にあるフィルタよりも早く劣化する可能性がある。さらに、建設現場または砂漠付近の場所にあるフィルタは、建設現場または砂漠の近くの空気中の余分なダスト粒子のために、建設現場または砂漠から離れた場所にあるフィルタよりも早く劣化する可能性がある。また、湿度の高い場所に設置されたフィルタは、粒子をより早く溜め込む可能性があり、非湿潤な気候にあるフィルタよりも早く劣化する可能性がある。したがって、フィルタ劣化予測ロジック２８および圧縮機劣化予測ロジック３０は、各それぞれのタービンシステム１０のセンサデータおよび局所条件に基づいて、タービンシステム１０ごとに個別に調整することができる。
しかしながら、いくつかの実施形態では、クラウドベースのシステムは、タービンシステム１０によって共有されるデータについて解析を実行することができる。例えば、クラウドベースのシステムは、各タービンシステム１０からのセンサデータおよび局所的状態、ならびにセンサデータおよび局所的状態に基づいて検証された劣化速度を受信することができる。クラウドベースのシステムは、センサデータおよび局所的状態に関連する検証された劣化速度を送信することによって、モデルの忠実度を向上させることを可能にすることができる。すなわち、類似のセンサデータおよび局所的状態を有する他のタービンシステム１０からの他の検証された劣化速度に基づくクラウドベースのシステムを使用して、フィルタ劣化予測ロジック２８および圧縮機劣化予測ロジック３０によって予測される劣化速度を改善することができる。このようにして、クラウドベースのシステムは、特定のデータ（例えば、試験室データ、センサデータ、局所的状態データ、劣化速度）のセントラルレポジトリとして、およびフィルタ劣化予測ロジック２８および／または圧縮機劣化予測ロジック３０を実行する様々なコンピューティングデバイス２６および／またはコントローラ２４と通信する中央処理システムとして、機能することができる。
いくつかの実施形態では、コンピューティングデバイス２６および／またはコントローラ２４は、ディスプレイを含むことができる。ディスプレイは、予測されたフィルタ劣化速度などに基づいて残っているフィルタ寿命の仮想的なバロメータなどの様々なグラフィック要素を表示するために使用することができる。さらに、ディスプレイは、予測されたフィルタ劣化速度、予測された圧縮機劣化速度、および／または１つもしくは複数の予防動作（例えば、予測された圧縮機劣化速度に基づく圧縮機の水洗浄スケジュール、予測されたフィルタ劣化速度に基づくフィルタのメンテナンスおよび／または交換など）の結果を表示するために使用することができる。
図２は、一実施形態による、様々な入力を受信するフィルタ劣化予測ロジック２８を含む、図１のタービンシステム１０のブロック図である。図示されているように、タービンシステム１０の吸気部１６は、フィルタハウス４０および入口ダクト４２を含む。入口ダクト４２の構造は、タービンシステム１０の性能が損なわれる前に、あるレベルの負圧をとるよう設計することができる。入口ダクト４２内の圧力は、フィルタハウス４０内の１つまたは複数の濾過段階において１つまたは複数のフィルタに堆積した粒子によってフィルタハウス４０が劣化する場合に低下する可能性がある。したがって、フィルタ劣化予測ロジック２８は、フィルタ劣化予測モデルを使用して様々な入力に基づいて劣化速度を予測することによって、１つまたは複数の濾過段階のそれぞれにおけるフィルタの有効寿命を判定することができる。
特に、入力は、フィルタ負荷率試験室モデルを使用して導出される性能データを含むことができる。性能データおよび／またはフィルタ負荷率試験室モデルは、コンピューティングデバイス２６のメモリ３４に記憶され、コントローラ２４のメモリ３２から検索され、クラウドベースのシステムから検索され、または外部サーバから検索されることができる。フィルタ負荷率試験室モデルは、タービンシステム１０の試験中に取得された特定の測定されたセンサデータ（例えば、ダスト、圧力、温度、湿度）に基づいてフィルタの負荷率を経時的にモデル化することができる。いくつかの実施形態では、フィルタ劣化予測ロジック２８は、フィルタ劣化予測モデルを初期化するために性能データを使用することができる。
入力はまた、１つまたは複数のダストセンサ４２、２２からのセンサデータと、１つまたは複数の圧力センサ４４、２２からのセンサデータとを含むことができる。図示のように、ダストセンサ４２、２２は、フィルタハウス４０の前方に（例えば、上流に）配置され、フィルタハウス４０に入る空気中のダスト粒子（例えば、サイズ、タイプ、濃度）を測定するように構成することができる。ダスト粒子の濃度は、粒子がフィルタにより早く堆積することを示す指標をもたらすことができる。また、より大きなダスト粒子は、フィルタによってフィルタリングされる可能性がより高くなる可能性があるが、より小さいダスト粒子は、体積速度をより早く増加させる可能性がある。さらに、特定のタイプのダスト粒子は、粒子をより粘着質で、またはより湿潤させるなどのような特性のために、フィルタに体積する可能性がより高い。
さらに、圧力センサ４４、２２は、フィルタハウス４０の下流に配置されているように示されているが、いくつかの実施形態では、圧力センサ４４、２２または追加の圧力センサ４４、２２は、フィルタハウス４０の正面、フィルタハウス４０の内部、および／またはサイレンサの後のフィルタハウス４０の下流に配置することができる。特定の実施形態では、２つ以上のダストセンサ４２、２２および／または圧力センサ４４、２２を使用することができることに留意されたい。
いくつかの実施形態では、入力はまた、フィルタハウス４０の前方（例えば、上流）の１つまたは複数の温度および湿度センサ４６、２２からの温度および湿度データを含むことができる。理解されるように、高湿度は、湿度によってフィルタが湿って粘着性になる可能性があるため、フィルタが粒子をより早く蓄積する可能性があるという指標であり得る。さらに、高温により、粒子の表面特性が変化する可能性があり、それによって、粒子がフィルタに堆積する可能性が減少する。
ダストセンサ４２、２２、圧力センサ４４、２２、ならびに／もしくは温度および湿度センサ４６、２２は、コントローラ２４に通信可能に接続することができ、測定されたダスト粒子、圧力、温度、および湿度などを示す信号をコントローラ２４に送信するように構成することができる。いくつかの実施形態では、フィルタ劣化予測ロジック２８を実行するコンピューティングデバイス２６のプロセッサ３８は、コントローラ２４からダストセンサデータ、圧力センサデータ、ならびに／もしくは温度および湿度センサデータを受信することができる。いくつかの実施形態では、ダストセンサ４２、２２、圧力センサ４４、２２、ならびに／もしくは温度および湿度センサ４６、２２は、フィルタ劣化予測ロジック２８を実行するコンピューティングデバイス２６と無線で直接結合することができる。
さらに、入力は、局所的状態データ４８も含むことができる。局所的状態データ４８は、タービンシステム１０が配置されている場所の位置を含むことができる。例えば、その位置は、その場所が海岸の近くにあるか、または内陸にあることを示すことができる。上述したように、海岸近くの場所（または塩濃度が高い他の地域）にあるフィルタは、近くの水からの空気中の塩分のためにより速い速度で劣化する可能性がある。さらに、その位置は、フィルタをより早く劣化させる可能性のある建設現場からのダスト、汚れ、および破片などを空気が含む可能性のある建設現場付近にその場所があることをその位置が示す可能性がある。局所的状態データ４８はまた、その場所が位置する環境において見出される典型的なタイプの粒子化学組成を含むことができる。局所的状態データ４８はまた、その場所が位置する領域の気象予測データを含むことができる。したがって、局所的状態データ４８は、気象サービスまたは外部サーバから受信することができる。気象予測データは、周囲温度、周囲圧力、相対湿度レベル、砂嵐レベル、ならびに降水または嵐の可能性などを示すことができる。そのような気象指標は、フィルタ劣化予測ロジック２８が、粒子の堆積を増加または減少させるある種の気象条件を説明するためにフィルタ劣化予測モデルを調整することを可能にすることができる。
タービンシステム１０が動作すると、フィルタ劣化予測ロジック２８は、タービンシステムのセンサ２２から測定されたセンサデータおよび／または変化する局所的状態データ４８を用いてフィルタ劣化予測モデルを更新することができる。すなわち、履歴データ（例えば、圧力、湿度、温度、ダストなど）をセンサ２２からフィルタ劣化予測ロジック２８に送信して、フィルタ劣化予測モデルが正確であるかどうかを判定することができる。したがって、フィルタ劣化予測ロジック２８は、タービンシステム１０の変化した条件および／または局所条件に基づいて、リアルタイムまたはほぼリアルタイムでフィルタ劣化予測モデルを更新することができる。さらに、フィルタ劣化予測ロジック２８は、フィルタ劣化予測モデルが正確であるかどうかを判定するために、後で取得されるセンサデータを使用することができる。結果的に、フィルタ劣化予測モデルは、経時的な測定データ（例えば、センサおよび／または局所的状態）に基づいてその予測の忠実度を改善することができる。フィルタ劣化予測モデルは、予測劣化速度を出力することができ、および／または、劣化速度に基づいて予防動作を行うことができる。
図３は、フィルタ劣化予測モデルを使用して１つまたは複数のフィルタ劣化速度を予測するのに適した処理５０のフロー図である。処理５０の以下の説明は、コンピューティングデバイス２６のプロセッサ３８を参照して説明されるが、処理５０は、コントローラ２４またはクラウドベースシステムなどの他のデバイス上に配置された他のプロセッサによって実行することができることに留意されたい。さらに、以下の処理５０は、実行され得る多数の動作を記述するが、処理５０は様々な適切な順序で実行してもよく、すべての動作が実行されなくてもよいことに留意されたい。処理５０は、コンピューティングデバイス２６によって完全に実行してもよく、または実行がコンピューティングデバイス２６および／またはコントローラ２４の間で分散されてもよいことを理解されたい。
ここで処理５０を参照すると、プロセッサ（例えば、図１のプロセッサ３８）は、性能データ、センサデータ、および／または局所的状態データ４８を受信することができる（ブロック５２）。上述のように、性能データは、試験中に得られたセンサデータに基づいてフィルタ負荷率試験室モデルから導き出すことができる。センサデータは、フィルタハウス４０の上流および下流のダスト粒子データ（例えば、タイプ、サイズ、濃度）を含むことができる。センサデータはまた、フィルタハウス４０の上流、フィルタハウス４０内、フィルタハウス４０の下流であるがサイレンサの前、およびサイレンサの下流の圧力データを含むことができる。また、センサデータは、フィルタハウス４０の上流の周囲温度および相対湿度を含むことができる。
プロセッサ３８は、性能データ、センサデータ、および／または局所的状態データ４８に基づいてフィルタ劣化予測モデルを生成することができる（ブロック５４）。いくつかの実施形態では、プロセッサ３８は、フィルタ劣化予測モデルを初期化するために性能データを使用することができる。例えば、様々なパラメータ（例えば、湿った領域での高粒子蓄積など）に関するフィルタの履歴データおよびその関数を判定することができる。
さらに、プロセッサ３８は、フィルタ劣化予測モデルを使用して、フィルタハウス４０の各濾過段階における各フィルタの劣化速度の予測を生成することができる（ブロック５６）。すなわち、フィルタハウス４０の各濾過段階におけるフィルタの劣化速度を判定することができ、監視されたデータ（例えば、圧力、温度、湿度、ダスト粒子、局所的状態）を経時的に追跡し、メモリ３４に記録することができる。いくつかの実施形態では、プロセッサ３８は、劣化速度を使用して、フィルタハウス４０の各濾過段階における各フィルタの残りの有効寿命を予測することができる。タービンシステム１０の動作時間を、追跡し、メモリ３４に記録することができる。例えば、プロセッサ３８は、入ってくる空気に直ちにさらされる第１の濾過段階のフィルタの残りの有効寿命が３０時間であると劣化速度から予測することができ、中間濾過段階のフィルタの残りの有効寿命が３５時間であると劣化速度から予測することができ、および最終濾過段階のフィルタの残りの有効寿命が４８時間であると劣化速度から予測することができる。
測定されたデータおよび動作時間が追跡されるので、予測された劣化速度は、プロセッサ３８によって検証することができる。例示のために、プロセッサ３８は、フィルタ劣化予測モデルを使用して、ある濾過段階のフィルタが、入口ダクト４２内の圧力降下を３０時間で閾値量にすることができる速度（例えば、劣化速度）で粒子を堆積すると予測することができる。３０時間に達すると、圧力センサが入口ダクト４２内の圧力を読み取って、モデルが劣化速度に基づいて正確に圧力降下を予測したかどうかを判定することができる。このようにして、フィルタ劣化予測モデルの予測を検証することができる。時間の経過と共に、測定されたセンサデータおよび／または局所的状態に基づく予測の忠実度を改善することできる。
さらに、プロセッサ３８は、フィルタ劣化速度の予測を出力し、および／または予測されたフィルタ劣化速度に基づいて１つまたは複数の予防動作を実行することができる（ブロック５８）。前述のように、予測された劣化速度に基づいてフィルタ寿命を確認することができる。劣化速度および／または有効寿命は、仮想バロメータまたは任意の好適なグラフィック要素として表示することができる。
また、予防動作は、劣化速度に関連して変化させることができる。例えば、劣化速度が特に高く、フィルタの残りの有効寿命がほぼ終了している場合、プロセッサ３８は、タービンシステム１０を停止させることができ、劣化したフィルタのメンテナンスおよび／または交換をできる限り早く行うことができる。いくつかの実施形態では、予防動作は、劣化フィルタのメンテナンスおよび／または交換のスケジューリングを含むことができる。一部のタービンシステム１０には、吸気部１６内にセルフクリーニングシステムを含むことができる。セルフクリーニングシステムは、フィルタハウス４０内のフィルタから粒子を吹き飛ばすことを試みるために、運転中に空気が吸気部１６に流入する方向とは反対の方向に高速で空気を断続的に吹き付けることができる。セルフクリーニングシステムは予防動作のためのメンテナンスの一形態としてスケジュールすることができる。したがって、セルフクリーニングシステムは、圧力降下測定のみではなく、センサデータ（例えば、圧力、ダスト）および／または局所的状態（例えば、湿度、温度）に基づいて駆動することができる。
さらに、プロセッサ３８は、フィルタハウス４０の各濾過段階における各フィルタの劣化速度を予測するためにフィルタ劣化予測モデルを使用することができるので、予防動作は、濾過段階におけるフィルタのメンテナンス動作および／または交換動作のスケジュールを決定することを含むことができる。例えば、最も多い量のダスト粒子にさらされる段階のフィルタは、予測された劣化速度に基づき、残りの寿命が比較的短い可能性があり、メンテナンスを実行し、および／またはフィルタを交換するための第１の日付をスケジュールすることができる。最小量のダスト粒子にさらされる第２段階（例えば、最終段階）のフィルタは、予測された劣化速度に基づくと、残りの寿命が比較的長い可能性があり、メンテナンスを実行し、および／またはフィルタを交換するための、第１の日付よりも遅い第２の日付をスケジュールすることができる。フィルタハウス４０内の様々な他の濾過段階の交換および／またはメンテナンスを最適化することによって、最後の濾過段階における最終フィルタの寿命が強化される（例えば、最大化される）ようにスケジューリングを実施することができる。
場合によっては、タービンシステム１０を停止して、フィルタハウス４０の最終段階でフィルタを交換またはメンテナンスすることができる。したがって、様々な他の濾過段階の交換および／またはメンテナンスを最適化することによって最終濾過段階の寿命を延ばすことにより、タービンシステム１０の稼働時間を改善することができる。さらに、プロセッサ３８は、毎回同じ順序ではなく、フィルタハウス４０の段階、領域、またはゾーンによってセルフクリーニングシステムの実行を駆動することができる。さらに、またはあるいは、セルフクリーニングシステムは、予め設定された順序で実行してもよい。
プロセッサ３８は、タービンシステム１０が動作している間に、性能データ、センサデータ、および／または局所的状態データ４８を受信し続け、受信したデータを使用してフィルタ劣化予測モデルを更新することができる。このようにして、フィルタ劣化予測モデルは、タービンシステム１０の変化する条件およびタービンシステム１０の周囲の環境の局所的状態に適応する。理解されるように、開示技術は、より細かいレベル（例えば、濾過段階による）で、より良好なフィルタメンテナンスおよび／または交換スケジューリングを可能にすることができる。また、開示技術は予防メンテナンスを可能にすることができる。さらに、開示技術は、入口ダクト４２に望ましくない圧力降下が生じる前に劣化したフィルタをメンテナンスおよび／または交換することにより、タービンシステムのより高い信頼性を提供することができる。
さらに、圧縮機劣化予測ロジック３０は、フィルタ劣化予測ロジック２８と併用して、圧縮機１８の劣化速度を予測することができる。それに応じて、図４は、一実施形態による、様々な入力を受信する圧縮機劣化予測ロジック３０およびフィルタ劣化予測ロジック２８を含む、図１のタービンシステム１０のブロック図である。図４に示すタービンシステム１０は、吸気部１６（例えば、フィルタハウス４０、入口ダクト４２）、圧縮機１８、燃焼システム２０、タービン１２、コントローラ２４、フィルタ劣化予測ロジック２８などを含む図１および図２と同様の構成要素を多く含む。しかしながら、図４はまた、水洗浄部６０と圧縮機劣化予測ロジック３０とを含む。いくつかの実施形態では、フィルタ劣化予測ロジック２８および圧縮機劣化予測ロジック３０は、メモリ３４に記憶され、コンピューティングデバイス２６のプロセッサ３８によって実行することができることに留意されたい。さらに、またはあるいは、フィルタ劣化予測ロジック２８および圧縮機劣化予測ロジック３０のいずれかまたは両方をメモリ３２に記憶し、コントローラ２４のプロセッサ３６によって実行することができる。
理解されるように、圧縮機１８の性能は、粒子が圧縮機１８のブレードに堆積され、ブレードが汚れると劣化する可能性がある。水洗浄部６０は、粒子を洗い流して圧縮機１８を洗浄するよう機能する。水洗浄にはオンラインとオフラインの２種類がある。比較的軽い付着物が存在する場合、または初期段階の圧縮機ブレードが汚れた場合に、オンライン水洗浄を行うことができる。オンライン水洗浄は、タービンシステム１０が作動している間に行うことができる。実質的にまたは比較的多くの汚れが存在する場合、または後期段階の圧縮機ブレードが汚れた場合に、オフライン水洗浄を行うことができる。オフライン水洗浄は、タービンシステム１０が停止している場合に行うことができる。
本実施形態のいくつかは、様々な圧縮機段の実際の汚染状態を監視し、圧縮機劣化予測ロジック３０を使用して圧縮機１８の劣化速度を予測することを可能にする。圧縮機劣化予測ロジックは、圧縮機劣化速度を予測する圧縮機劣化予測モデルを生成することができる。圧縮機劣化予測モデルは、上述したように、１つまたは複数の重み付きパラメータを含む圧縮機関数を提供するモデル（例えば、物理学ベースの数学モデル）とすることができる。
圧縮機劣化予測モデルは、フィルタ劣化予測ロジック２８のフィルタ劣化予測モデルからの出力などの、１つまたは複数の入力を受信することができる。すなわち、圧縮機劣化予測モデルは、フィルタハウス４０の濾過段階における１つまたは複数のフィルタの予測された劣化速度を判断することができる。したがって、フィルタ劣化予測ロジック２８は、フィルタ劣化速度の予測に局所的状態データ４８を含むので、圧縮機劣化予測モデルは、圧縮機劣化速度の予測における局所的状態データ４８も考慮する。
圧縮機劣化予測モデルへの追加入力は、ダストセンサ４４、２２、ダストセンサ６２、２２、圧力センサ４４、２２、ならびに／もしくは温度および湿度センサ４６、２２からのデータなどのセンサデータを含むことができる。図示のように、ダストセンサ４４、２２は、フィルタハウス４０の上流に配置され、ダストセンサ６２、２２は入口ダクト６２、２２のフィルタハウスの下流に配置される。したがって、プロセッサ３８は、フィルタハウス４０を通過して入口ダクト４２に入る粒子の濃度、タイプ、および／またはサイズなどの、吸気部１６に入るダスト粒子に関連するデータを追跡することができる。いくつかの実施形態では、プロセッサ３８は、過去の測定値を分析することによって、ある時間にわたるダスト粒子データの傾向を判定することができる。
さらに、圧力センサ４４、２２は、フィルタハウス４０の下流に配置されているように示されているが、いくつかの実施形態では、圧力センサ４４、２２または追加の圧力センサ４４、２２は、フィルタハウス４０の正面、フィルタハウス４０の内部、および／またはサイレンサの後のフィルタハウス４０の下流に配置することができる。特定の実施形態では、追加のまたはより少ないダストセンサおよび／または圧力センサを使用してもよく、図４に示される場所とは異なる場所に配置してもよいことに留意されたい。
いくつかの実施形態では、入力はまた、圧縮機１８の前方（例えば、上流）の１つまたは複数の温度および湿度センサ６４、２２からの温度および湿度データを含むことができる。温度および湿度センサ６４、２２は、圧縮機入口の前の温度および相対湿度を取得することができる。理解されるように、高湿度は、湿度によってブレードおよび／または粒子が湿って粘着性になる可能性があるため、圧縮機ブレードが粒子をより早く蓄積する可能性があるという指標であり得る。さらに、高温は、粒子の表面特性を変化させる可能性があり、それによって、粒子がブレードに堆積する可能性が減少する。さらに、入力には、タービン動作モード、タービンシステム１０の負荷および効率（例えば、質量流量）、入口抽気熱オン／オフ、ならびに湿式圧縮、霧化、および蒸発冷却などの動力補助手段などを含むことができる。
フィルタ劣化予測モデルからのフィルタの予測される劣化速度、趨勢ダスト粒子データ（例えば、粒子サイズ、量、および／またはタイプ）、湿度、温度、ならびに／もしくはタービン質量流量に基づいて、圧縮機劣化予測モデルは、圧縮機１８の圧縮速度を出力することができる。劣化速度は、粒子が堆積することによって圧縮機が汚れる速度に近い可能性がある。圧縮機劣化速度を使用して、以下に詳細に説明するように、１つまたは複数の予防動作を実行することができる。
図５は、一実施形態による、圧縮機劣化速度を予測するのに適した処理７０のフロー図である。処理７０の以下の説明は、コンピューティングデバイス２６のプロセッサ３８を参照して説明されるが、処理７０は、コントローラ２４のプロセッサ３６などの他のデバイス上に配置された他のプロセッサによって実行することができることに留意されたい。さらに、以下の処理７０は、実行され得る多数の動作を記述するが、処理７０は様々な適切な順序で実行してもよく、すべての動作が実行されなくてもよいことに留意されたい。処理７０は、コンピューティングデバイス２６によって完全に実行してもよく、または実行がコンピューティングデバイス２６および／またはコントローラ２４の間で分散されてもよいことを理解されたい。
ここで処理７０を参照すると、ブロック７２、７４、および７６は、図３の処理５０のブロック５２、５４、および５６と同様である。すなわち、プロセッサ３８は、性能データ、センサデータ、および／または局所的状態データ４８を受信し（ブロック７２）、性能データ、センサデータ、および／または局所的状態データ４８に基づいてフィルタ劣化予測モデルを生成し（ブロック７４）、フィルタ劣化予測モデルを用いて１つまたは複数のフィルタ劣化速度予測を生成する（ブロック７６）ことができる。そのようなステップは、フィルタ劣化予測ロジック２８に含まれるコンピュータ命令として実施することができる。
図５の処理７０はまた、圧縮機劣化予測ロジック３０に含まれるコンピュータ命令として実施することができる圧縮機劣化速度を予測することに関連する追加のステップを含む。例えば、プロセッサ３８は、性能データ、センサデータ、および／またはフィルタ劣化速度に基づいて圧縮機劣化速度モデルを生成することができる（ブロック７８）。いくつかの実施形態では、初期化中に、プロセッサ３８は、試験中のセンサ測定値から得られた性能データ（例えば、圧力、ダスト粒子、温度、湿度）を使用して、圧縮機劣化予測ロジック３０を生成することができる。さらに、いくつかの実施形態では、タービンシステム１０が作動している間に得られたセンサデータを使用して、圧縮機劣化予測モデルを生成することができる。例えば、趨勢ダスト粒子データを使用することができる。趨勢ダスト粒子データは、フィルタハウス４０を通過し、経時的に入口ダクト４２に入るダスト粒子の濃度、タイプ、および／またはサイズの履歴変化を示すことができる。また、圧縮機入口前の温度および相対湿度、および／または質量流量などの、他のセンサデータを圧縮機劣化予測モデルで説明することができる。いくつかの実施形態では、局所的状態データ４８を、圧縮機劣化予測モデルにおいて考慮してもよい。
プロセッサ３８はまた、圧縮機劣化速度モデルを使用して圧縮機劣化速度の予測を生成することができる（ブロック８０）。プロセッサ３８は、予測された圧縮機劣化速度を出力することができ、および／または予測された圧縮機劣化速度に基づいて１つまたは複数の予防動作を実行することができる（ブロック８２）。例えば、プロセッサ３８は、予測された圧縮機劣化速度に基づいて圧縮機１８の残りの有効寿命を確認することができる。プロセッサ３８は、１つまたは複数のグラフィック要素（例えば、グラフ、ゲージ、および／またはチャート）を使用して、圧縮機１８の予測された劣化速度および／または残りの有効寿命を表示することができる。
１つまたは複数の予防動作は、オンラインおよび／またはオフラインの水洗浄のスケジューリング、オンラインおよび／またはオフラインの水洗浄のスケジュールの実行、タービンシステム１０の停止、または圧縮機ブレードおよびベーン１８のメンテナンスおよび修理／交換のスケジューリングなどを含むことができる。例えば、プロセッサ３８は、フィルタに粒子が堆積すると出力を変化させるフィルタ劣化予測モデルに基づいて圧縮機劣化速度を最適化するために水洗浄を開始することができる。すなわち、水洗浄は、タービンシステム１０内の条件（例えば、ダスト粒子データの趨勢）を監視することによって、および／またはフィルタ劣化速度予測に基づいて、動的にスケジュールすることができる。水洗浄は、タービンシステム１０が作動すると同時に瞬間的に（例えば、リアルタイムで）吸気部１６に摂取される粒子のタイプ、濃度、および／またはサイズに基づくことができる。プロセッサ３８は、比較的少ない量のダスト粒子が圧縮機入口近くの圧縮機ブレードの段に堆積した場合に、より頻繁にオンライン水洗浄をスケジュールすることができる。プロセッサ３８は、圧縮機１８の後段のブレードがより深く洗浄されることが望ましいと判断された場合、またはかなりの量のダスト粒子が圧縮機１８のブレードに堆積したと判定された場合、オフライン水洗浄をスケジュールすることができる。したがって、プロセッサ３８は、タービンシステム１８を停止する時間をスケジュールして、オフライン水洗浄を実行することもできる。
本発明の技術的効果には、フィルタハウス４０および圧縮機１８内のフィルタの状態ベースの監視を可能にすることが含まれる。特に、性能データ、センサデータ、および／または局所的状態データに基づくフィルタ劣化予測モデルを使用して、フィルタハウスの濾過段階のフィルタについて、１つまたは複数のフィルタ劣化速度を予測することができる。フィルタ劣化速度予測に基づいて、セルフクリーニングシステムの制御、メンテナンスおよび／または交換のスケジューリング、タービンシステム１０の停止などの１つまたは複数の予防動作を実行することができる。また、性能データ、センサデータ、および／またはフィルタ劣化予測モデルによって出力された予測フィルタ劣化速度に基づく圧縮機劣化予測モデルを使用して、圧縮機劣化速度を予測することができる。圧縮機劣化速度に基づいて、タービンシステム１０のダウンタイムの量を低減するために何らかの最適な方法でオンラインおよび／またはオフラインの水洗浄をスケジュールすること、圧縮機１８のメンテナンスおよび／または交換をスケジューリングすること、ならびに／もしくはタービンシステム１０を停止することなどの、１つまたは複数の予防動作を実行することができる。このように、開示した実施形態は、メンテナンススケジューリングおよびタービンシステム効率を向上させ、予防メンテナンスを可能にし、タービンシステム１０のダウンタイムを低減する（例えば、信頼性をより高める）効果を有する。
本明細書は最良の形態を含む発明の主題を開示するため、および、あらゆるデバイスまたはシステムを製作し、ならびに使用し、およびあらゆる組込方法を実行することを含む任意の当業者が本発明の主題を実施することを可能にするための例を用いる。本発明の主題の特許可能な範囲は、特許請求の範囲によって定義され、当業者が想到するその他の実施例を含むことができる。このような他の例が特許請求の範囲の文字通りの言葉と異ならない構造要素を有する場合、または、それらが特許請求の範囲の文字通りの言葉と実質的な差異のない等価な構造要素を含む場合には、このような他の例は特許請求の範囲内であることを意図している。
１０ タービンシステム
１２ タービン
１４ 後処理システム
１５ 下流端
１６ 吸気部
１７ 圧縮空気
１８ 圧縮機、圧縮機ブレードおよびベーン、タービンシステム
１９ 燃料
２０ 燃焼システム
２１ 負荷
２２ 温度および湿度センサ、ダストセンサ、圧力センサ
２４ コントローラ
２６ コンピューティングデバイス
２８ フィルタ劣化予測ロジック
３０ 圧縮機劣化予測ロジック
３２ メモリ
３４ メモリ
３６ プロセッサ
３８ プロセッサ
４０ フィルタハウス
４２ 入口ダクト、ダストセンサ
４４ 圧力センサ、ダストセンサ
４６ 温度および湿度センサ
４８ 局所的状態データ
５０ 処理
５２ ブロック
５４ ブロック
５６ ブロック
５８ ブロック
６０ 水洗浄部
６２ ダストセンサ、入口ダクト
６４ 温度および湿度センサ
７０ 処理
７２ ブロック
７４ ブロック
７６ ブロック
７８ ブロック
８０ ブロック
８２ ブロック

Claims (15)

  1. タービンシステム（１０）であって、当該タービンシステム（１０）が、
    圧縮機（１８）と、
    フィルタハウス（４０）及び入口ダクト（４２、６２）を備える吸気部（１６）であって、前記吸気部（１６）が前記圧縮機（１８）に結合され、前記フィルタハウス（４０）が前記入口ダクト（４２、６２）の上流にある、吸気部（１６）と、
    プロセッサ（３６、３８）と
    を備えており、前記プロセッサ（３６、３８）が、
    前記フィルタハウス（４０）の１つ又は複数の濾過段階に対する１つ又は複数のフィルタ劣化速度を受信し、
    前記１つ又は複数のフィルタ劣化速度に基づいて前記圧縮機（１８）の性能の関数を提供する圧縮機劣化予測モデルを使用して前記圧縮機（１８）の圧縮機劣化速度を予測し、
    前記圧縮機劣化速度予測に基づいて１つ又は複数の予防動作を実行する
    ように構成されている、タービンシステム（１０）。
  2. 前記１つ又は複数のフィルタ劣化速度が、フィルタ劣化予測モデルによって決定される、請求項１に記載のタービンシステム（１０）。
  3. 前記１つ又は複数の予防動作が、前記圧縮機（１８）のオンライン水洗浄、前記圧縮機（１８）のオフライン水洗浄又はその両方を、前記圧縮機劣化速度予測に基づいてスケジューリングすることを含む、請求項１又は請求項２に記載のタービンシステム（１０）。
  4. 当該タービンシステム（１０）が、前記吸気部（１６）に配置された１つ又は複数のセンサ（２２）をさらに備えており、前記プロセッサが、前記１つ又は複数のセンサ（２２）からのセンサデータを受信するように構成されており、
    前記圧縮機劣化予測モデルが、１つ又は複数のフィルタ劣化速度と前記センサデータとの組合せに基づいて前記圧縮機（１８）の性能の関数を提供し、
    前記１つ又は複数のセンサ（２２）が、
    前記フィルタハウス（４０）の上流に、前記入口ダクト（４２、６２）内に又はそれらの組合せで配置された１つ又は複数のダストセンサ（４２、６２）、或いは
    前記フィルタハウス（４０）の上流、前記フィルタハウス（４０）内、前記フィルタハウス（４０）の下流又はそれらの組合せで配置された１つ又は複数の圧力センサ（４４）、或いは
    前記圧縮機（１８）の上流に配置された１つ又は複数の温度及び湿度センサ（４６、６４）、或いは
    それらの組合せ
    を備える、請求項１乃至請求項３のいずれか１項に記載のタービンシステム（１０）。
  5. 前記センサデータが、ダスト粒子サイズ、ダスト粒子タイプ、ダスト粒子濃度、温度、湿度、質量流量又はそれらの組合せを含む、請求項４に記載のタービンシステム（１０）。
  6. 前記センサデータが、前記タービンシステム（１０）が動作する場合に経時的に前記フィルタハウス（４０）を通過して前記入口ダクト（４２、６２）に入るダスト粒子の趨勢履歴ダスト粒子データを備え、前記趨勢履歴ダスト粒子データが、ダスト粒子サイズ、ダスト粒子タイプ、ダスト粒子濃度又はそれらの組合せを含む、請求項４又は請求項５に記載のタービンシステム（１０）。
  7. 前記圧縮機劣化予測モデルが、前記タービンシステム（１０）が動作する場合に経時的に、新しいセンサデータ、新しいフィルタ劣化速度又はそれらの組合せを含むことによってリアルタイムで適合される、請求項４乃至請求項６のいずれか１項に記載のタービンシステム（１０）。
  8. 前記１つ又は複数の予防動作が、前記圧縮機劣化速度予測、前記圧縮機劣化速度予測に基づく前記圧縮機（１８）の残りの有効寿命又はその両方を表示することを含む、請求項１乃至請求項７のいずれか１項に記載のタービンシステム（１０）。
  9. 前記プロセッサ（３６、３８）が、前記タービンシステム（１０）の動作モード、前記タービンシステム（１０）の負荷及び効率、入口抽気熱が有効であるか、電力増量措置、又はそれらの組合せに関係する情報を受信する、請求項１乃至請求項８のいずれか１項に記載のタービンシステム（１０）。
  10. コンピュータ実装方法であって、
    タービンシステム（１０）の吸気部（１６）におけるフィルタハウス（４０）の１つ又は複数の濾過段階に対する１つ又は複数のフィルタ劣化速度を受信するステップと、
    前記１つ又は複数のフィルタ劣化速度に基づいて前記タービンシステム（１０）の圧縮機（１８）の性能の関数を提供する圧縮機劣化予測モデルを使用して前記圧縮機（１８）に対する圧縮機劣化速度を予測するステップと、
    前記圧縮機劣化速度予測に基づいて１つ又は複数の予防動作を実行するステップと
    を含む、コンピュータ実装方法。
  11. 前記１つ又は複数の予防動作が、前記圧縮機劣化速度予測に基づいて、圧縮機（１８）の１つ又は複数のオンライン水洗浄か、前記圧縮機（１８）の１つ又は複数のオフライン水洗浄か、又はその両方のスケジュールを生成するステップと、前記スケジュールを実行するステップとを含む、請求項１０に記載のコンピュータ実装方法。
  12. 前記１つ又は複数のフィルタ劣化速度が、フィルタ劣化予測モデルによって判定される、請求項１０又は請求項１１に記載のコンピュータ実装方法。
  13. 当該コンピュータ実装方法が、前記タービンシステム（１０）の１つ又は複数のセンサ（２２）からのセンサデータを受信するステップを含み、前記センサデータが、ダスト粒子サイズ、ダスト粒子タイプ、ダスト粒子濃度、温度、湿度、質量流量、又はそれらの組合せを含む、請求項１０乃至請求項１２のいずれか１項に記載のコンピュータ実装方法。
  14. 前記センサデータによって示されるように、動作中の前記タービンシステム（１０）の変化の状態としてリアルタイムで前記圧縮機劣化速度予測値を生成するステップを含む、請求項１３に記載のコンピュータ実装方法。
  15. １つ又は複数の有形の非一時的なコンピュータ可読媒体であって、タービンシステム（１０）の１つ又は複数のプロセッサ（３６、３８）によって実行された場合に、前記１つ又は複数のプロセッサ（３６、３８）に、請求項１０乃至請求項１３のいずれか１項に記載の方法を実行させる、コンピュータ命令を格納しており、前記タービンシステム（１０）が、圧縮機（１８）と、フィルタハウス（４０）及び入口ダクト（４２、６２）を備える吸気部（１６）であって、前記吸気部（１６）が前記圧縮機（１８）に結合され、前記フィルタハウス（４０）が前記入口ダクト（４２、６２）の上流にある、吸気部（１６）とを備える、１つ又は複数の有形の非一時的なコンピュータ可読媒体。
JP2017166363A 2016-09-12 2017-08-31 圧縮機の状態に基づく監視をするためのシステムおよび方法 Active JP6983476B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/263,024 US10724398B2 (en) 2016-09-12 2016-09-12 System and method for condition-based monitoring of a compressor
US15/263,024 2016-09-12

Publications (2)

Publication Number Publication Date
JP2018044546A JP2018044546A (ja) 2018-03-22
JP6983476B2 true JP6983476B2 (ja) 2021-12-17

Family

ID=59846396

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017166363A Active JP6983476B2 (ja) 2016-09-12 2017-08-31 圧縮機の状態に基づく監視をするためのシステムおよび方法

Country Status (4)

Country Link
US (1) US10724398B2 (ja)
EP (1) EP3293384B1 (ja)
JP (1) JP6983476B2 (ja)
CN (1) CN208057242U (ja)

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3095654B1 (en) * 2015-05-19 2017-12-27 KNORR-BREMSE Systeme für Nutzfahrzeuge GmbH Prediction of remaining lifetime for compressed air supply system component
US10780385B2 (en) 2017-05-30 2020-09-22 General Electric Company System and method for condition-based monitoring of filters
US11473800B2 (en) * 2018-06-14 2022-10-18 Mitsubishi Electric Corporation Device management system
EP3617478B1 (de) * 2018-08-30 2021-04-21 Carl Freudenberg KG Auslegung, steuerung und betreiben von filtern für turbomaschinen
US11261800B2 (en) 2018-10-24 2022-03-01 Raytheon Technologies Corporation Adaptive bleed schedule in a gas turbine engine
US11125168B2 (en) * 2018-10-24 2021-09-21 Raytheon Technologies Corporation Dirt mitigation in a gas turbine engine
CA3123632A1 (en) * 2018-12-21 2020-06-25 Canscan Softwares And Technologies Inc. Automated inspection system and associated method for assessing the condition of shipping containers
KR102171642B1 (ko) * 2018-12-28 2020-10-29 주식회사 포스코아이씨티 공기압축기 세정시기 예측시스템 및 방법
CN109916634B (zh) * 2019-02-26 2021-03-23 武汉科技大学 一种航空涡扇发动机剩余使用寿命预测方法及系统
BE1027431B1 (fr) * 2019-07-16 2021-02-15 Safran Aero Boosters Sa Banc d'essai de turbomachines dépollué
EP3785786A1 (de) * 2019-08-29 2021-03-03 Carl Freudenberg KG Verfahren zur vorhersage der standzeit eines filters
EP3812029B1 (de) * 2019-10-25 2023-03-01 Carl Freudenberg KG Vorhersage von zustandsgrössen für luftfilter
CN113090394B (zh) * 2021-03-19 2022-02-15 清华大学 一种燃气轮机进气过滤效率异常监测方法
US11643942B2 (en) * 2021-07-28 2023-05-09 General Electric Company Turbine system with particulate presence and accumulation model for particulate ingress detection
CN117501010A (zh) 2021-09-21 2024-02-02 株式会社日立产机系统 气体压缩机
CN115013299B (zh) * 2022-06-28 2023-07-25 四川虹美智能科技有限公司 压缩机测试方法
US20240117755A1 (en) * 2022-10-11 2024-04-11 Pratt & Whitney Canada Corp. Method of mitigating corrosion and erosion in an aircraft engine

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3400967B2 (ja) * 2000-02-01 2003-04-28 川崎重工業株式会社 ガスタービン発電設備
WO2005090764A1 (de) 2004-02-23 2005-09-29 Siemens Aktiengesellschaft Verfahren und vorrichtung zur diagnose einer turbinenanlage
US7677032B2 (en) 2005-09-15 2010-03-16 Cummins, Inc. Apparatus, system, and method for determining the distribution of particulate matter on a particulate filter
US8475115B2 (en) 2010-06-02 2013-07-02 General Electric Company Pre-filtration bypass for gas turbine inlet filter house
ITCO20120008A1 (it) 2012-03-01 2013-09-02 Nuovo Pignone Srl Metodo e sistema per monitorare la condizione di un gruppo di impianti
US20140202334A1 (en) * 2013-01-23 2014-07-24 Bha Altair, Llc Filter system and method for leak identification
US8747533B1 (en) 2013-01-28 2014-06-10 Bha Altair, Llc Systems and methods to determine fouling in a gas turbine filter
JP6196574B2 (ja) * 2014-03-28 2017-09-13 三菱日立パワーシステムズ株式会社 フィルタ監視装置、吸気ダクト及び圧縮空気供給装置
CN107889469B (zh) * 2014-12-05 2020-05-19 诺沃皮尼奥内股份有限公司 用于预测空气过滤器的剩余使用寿命的方法及系统
US20180073386A1 (en) 2016-09-12 2018-03-15 General Electric Company System and method for condition-based monitoring of turbine filters

Also Published As

Publication number Publication date
EP3293384B1 (en) 2020-08-05
CN208057242U (zh) 2018-11-06
JP2018044546A (ja) 2018-03-22
US20180073389A1 (en) 2018-03-15
US10724398B2 (en) 2020-07-28
EP3293384A1 (en) 2018-03-14

Similar Documents

Publication Publication Date Title
JP6983476B2 (ja) 圧縮機の状態に基づく監視をするためのシステムおよび方法
JP2018076863A (ja) タービンフィルタの状態に基づく監視をするためのシステムおよび方法
JP7337485B2 (ja) フィルタの状態に基づく監視をするためのシステムおよび方法
CN107889469B (zh) 用于预测空气过滤器的剩余使用寿命的方法及系统
EP3236230B1 (en) System and method for condition based monitoring of a gas turbine filter house
JP2012180831A (ja) ターボ機械の解析方法及びシステム
JP2020503468A (ja) 弁および作動装置監視システムのための緊密試験評価モジュール
JP6304313B2 (ja) ガスタービンのタービン出口温度予測方法及びその装置
JP2020503469A (ja) 弁および作動装置監視システムのための高度なスタートアップカウンタモジュール
CN110168208B (zh) 涡轮机械过滤器更换预报器
JP2020503470A (ja) 弁および作動装置監視システムのためのガイド状態査定モジュール
JP2020504794A (ja) 弁および作動装置監視システムのための固体粒子腐食インジケータモジュール
Hanachi et al. Enhancement of prognostic models for short-term degradation of gas turbines
EP3373233A1 (en) Scheduling maintenance to reduce degradation of a power generation system
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
Liu et al. Effect of Ambient Temperature on Performance of Gas Turbine Engine
JP7130389B2 (ja) 適応学習による発電システムの制御
Cicciotti et al. Online performance monitoring of industrial compressors using meanline modelling
JP2017187018A (ja) 燃料燃焼システムのための物理パラメータを予測するためのシステムおよび方法
WO2024112585A1 (en) Systems and methods for timely addressing particulates in a gas turbine with a wash system

Legal Events

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

Free format text: JAPANESE INTERMEDIATE CODE: A7424

Effective date: 20190527

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200820

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20210531

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210604

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210902

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: 20211026

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20211123

R150 Certificate of patent or registration of utility model

Ref document number: 6983476

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