JP7130389B2

JP7130389B2 - 適応学習による発電システムの制御

Info

Publication number: JP7130389B2
Application number: JP2018037110A
Authority: JP
Inventors: デビッド・スペンサー・エウェンス; ウィリアム・フォレスター・シーリー
Original assignee: General Electric Co
Current assignee: General Electric Co
Priority date: 2017-03-09
Filing date: 2018-03-02
Publication date: 2022-09-05
Anticipated expiration: 2038-03-02
Also published as: EP3373083A1; JP2018189081A; US20180259917A1; US10474113B2

Description

本発明は、適応学習による発電システムの制御に関する。

本開示は、一般に、発電システムに関する。特に、本開示は、適応学習により発電システムを制御することに関する。

発電システム（たとえば、ガスタービンシステム）は、発電システムをモデル化して発電システムのある特定のパラメータを推定することによって制御することができる。推定されたパラメータは、発電システムの効率的な動作を容易にするために使用されてもよい。たとえば、推定されたパラメータを使用して、効率的なスケジューリング、メンテナンス（発電システムを停止することができる）、動作設定（たとえば、速度および／または時間）などを決定することができる。

発電システムのモデルは、発電システムへの入力および補正またはチューニング係数に基づいて生成することができる。モデル化出力が補正係数（たとえば、モデルに適用された乗数）を介して対応する測定出力とほぼ一致するように、モデルはリアルタイムでチューニングされてもよい。しかし、チューニングは、周囲および／または動作条件の違いによって変化し、有限の応答時間に起因する遅延を含むことがある。これは遅い状態変化に対しては許容可能であるが、遅延は十分に速い過渡事象（たとえば、発電システムがその電力出力を急速に変化させるとき）中の制御にとって重要であり得、推定されたパラメータの精度が低下する。この精度の低下は、発電システムの可制御性が悪くなり、性能と寿命目標のバランスが悪くなる可能性がある。

米国特許第９０４３１１８号明細書

出願時に特許請求された発明の範囲に相応するある特定の実施形態を、以下に要約する。これらの実施形態は特許請求される実施形態の範囲を限定しようとするものではなく、むしろ、これらの実施形態は本発明の可能性がある形態の概要を提供しようとするものにすぎない。実際、ここで特許請求される実施形態は、以下に記載する実施形態に類似してもよく、あるいは異なってもよい様々な形態を含むことができる。

一実施形態では、システムは、発電システムと、前記発電システムを制御するコントローラとを含む。前記コントローラは、前記発電システムに関する動作パラメータを含む前記発電システムに関連する第１の組の入力を受け取るプロセッサを含む。前記プロセッサはまた、前記発電システムのモデルおよび前記第１の組の入力に基づいて前記発電システムの第１の組のモデル化出力を生成する。前記プロセッサはさらに、前記発電システムのセンサを介して前記発電システムの第１の組の測定出力を受け取る。前記第１の組の測定出力は、前記第１の組のモデル化出力に対応する。前記プロセッサはまた、前記第１の組のモデル化出力および前記第１の組の測定出力に基づいて第１の補正係数を決定する。前記第１の補正係数は、前記第１の組のモデル化出力と前記第１の組の測定出力との間の差を含む。前記プロセッサはさらに、前記発電システムに関連する第２の組の入力を受け取る。前記第２の組の入力は、前記発電システムに関する動作パラメータを含む。前記プロセッサはまた、前記発電システムの前記モデル、前記第２の組の入力、および前記第１の補正係数に基づいて前記発電システムの第２の組のモデル化出力を生成する。前記プロセッサはさらに、前記第２の組のモデル化出力に基づいて前記発電システムの動作を制御する。

別の実施形態では、方法は、プロセッサを介して、発電システムに関連する第１の組の入力を受け取ることを含む。前記第１の組の入力は、前記発電システムに関する動作パラメータを含む。前記方法はまた、前記プロセッサを介して、前記発電システムのモデルおよび前記第１の組の入力に基づいて前記発電システムの第１の組のモデル化出力を生成することを含む。前記方法はさらに、前記プロセッサを介して、前記発電システムのセンサを介して前記発電システムの第１の組の測定出力を受け取ることを含む。前記第１の組の測定出力は、前記第１の組のモデル化出力に対応する。前記方法はまた、前記プロセッサを介して、前記第１の組のモデル化出力および前記第１の組の測定出力に基づいて第１の補正係数を決定することを含む。前記第１の補正係数は、前記第１の組のモデル化出力と前記第１の組の測定出力との間の差を含む。前記方法はさらに、前記プロセッサを介して、前記発電システムに関連する第２の組の入力を受け取ることを含む。前記第２の組の入力は、前記発電システムに関する前記動作パラメータを含む。前記方法はまた、前記プロセッサを介して、前記発電システムの前記モデル、前記第２の組の入力、および前記第１の補正係数に基づいて前記発電システムの第２の組のモデル化出力を生成することを含む。前記方法はさらに、前記プロセッサを介して、前記第２の組のモデル化出力に基づいて前記発電システムの動作を制御することを含む。

さらに別の実施形態では、有形の非一時的機械可読媒体は、プロセッサに、発電システムに関連する第１の組の入力を受け取らせる機械可読命令を含む。前記第１の組の入力は、前記発電システムに関する動作パラメータを含む。前記機械可読命令はまた、プロセッサに、前記発電システムのモデルおよび前記第１の組の入力に基づいて前記発電システムの第１の組のモデル化出力を生成させる。前記機械可読命令はさらに、前記プロセッサに、前記発電システムのセンサを介して前記発電システムの第１の組の測定出力を受け取らせる。前記第１の組の測定出力は、前記第１の組のモデル化出力に対応する。前記機械可読命令はまた、前記プロセッサに、前記第１の組のモデル化出力および前記第１の組の測定出力に基づいて第１の補正係数を決定させる。前記第１の補正係数は、前記第１の組のモデル化出力と前記第１の組の測定出力との間の差を含む。前記機械可読命令はさらに、前記プロセッサに、前記発電システムに関連する第２の組の入力を受け取らせる。前記第２の組の入力は、前記発電システムに関する動作パラメータを含む。前記機械可読命令はまた、前記プロセッサに、前記発電システムの前記モデル、前記第２の組の入力、および前記第１の補正係数に基づいて前記発電システムの第２の組のモデル化出力を生成させる。前記機械可読命令はさらに、前記プロセッサに、前記第２の組のモデル化出力に基づいて前記発電システムの動作を制御させる。

ここで開示する技術のこれらの、ならびに他の特徴、態様、および利点は、添付の図面を参照しつつ以下の詳細な説明を読めば、よりよく理解されよう。添付の図面では、図面の全体にわたって、類似する符号は類似する部分を表す。

本開示の一実施形態による、ガスタービンシステムのブロック図である。本開示の一実施形態による、適応学習を使用して図１のガスタービンシステムを制御するためのシステムの流れ図である。本開示の一実施形態による、補正係数の適応成分を使用する前の、ガスタービンシステムの第１の測定出力に関して図１のガスタービンシステムの補正係数の第１のフィルタ成分を表すグラフである。本開示の一実施形態による、適応成分を使用する前の、図１のガスタービンシステムの第２の測定出力に関して第１のフィルタ成分を表すグラフである。本開示の一実施形態による、適応成分を使用する前の、第１の測定出力に関して補正係数の第２のフィルタ成分を表すグラフである。本開示の一実施形態による、適応成分を使用する前の、第２の測定出力に関して第２のフィルタ成分を表すグラフである。本開示の一実施形態による、適応学習を使用して図１のガスタービンシステムを制御するための方法のフローチャートである。本開示の一実施形態による、第１の適応成分を使用した後の、図３に示す第１の測定出力に関して第１のフィルタ成分を表すグラフである。本開示の一実施形態による、第２の適応成分を使用した後の、図４に示す第２の測定出力に関して第１のフィルタ成分を表すグラフである。本開示の一実施形態による、第３の適応成分を使用した後の、図５に示す第１の測定出力に関して第２のフィルタ成分を表すグラフである。本開示の一実施形態による、第４の適応成分を使用した後の、図６に示す第２の測定出力に関して第２のフィルタ成分を表すグラフである。

以下に、ここで開示する実施形態の１つまたは複数の具体的な実施形態を説明する。これらの実施形態の簡潔な説明を提供しようと努力しても、実際の実装のすべての特徴を本明細書に記載することができるというわけではない。任意のエンジニアリングまたは設計プロジェクトにおけるような、任意のこのような実際の実装の開発においては、たとえば、システム関連およびビジネス関連の制約の遵守のような開発者の特定の目標を達成するために、別の実装によって異なる可能性がある多くの実装の詳細が決定される必要があることを理解されたい。さらに、そのような開発の努力が、複雑かつ時間を必要とするものであり得るが、それでもなお本開示の恩恵を被る当業者にとって設計、製作、および製造の日常的な取り組みにすぎないと考えられることを、理解すべきである。

ここで開示する実施形態の様々な実施形態の要素を導入する場合に、冠詞「１つの（ａ）」、「１つの（ａｎ）」、「この（ｔｈｅ）」、および「前記（ｓａｉｄ）」は、１つまたは複数の要素があることを意味するものである。「備える（ｃｏｍｐｒｉｓｉｎｇ）」、「含む（ｉｎｃｌｕｄｉｎｇ）」、および「有する（ｈａｖｉｎｇ）」という用語は、包括的なものであって、列挙された要素以外の付加的な要素があり得ることを意味するものである。

発電システム（たとえば、ガスタービンシステム）は、発電システムをモデル化して発電システムのある特定のパラメータを推定することによって効率的に動作させることができる。モデル化は、発電システムへの入力および補正またはチューニング係数に基づいて生成することができる、発電システムのモデルによって実行されてもよい。モデルは、発電システムの測定出力に対応するモデル化出力を生成することができる。モデル化出力が補正係数（たとえば、モデルに適用された乗数）を介して対応する測定出力とほぼ一致するように、モデルはチューニングされてもよい。補正係数は、発電システムをより正確にモデル化し、マシンツーマシンのハードウェアの変動、時間の経過によるハードウェアの劣化、ハードウェアの変更（たとえば、サービスインターバルで発生する）など、対応する測定出力と一致しないモデル化出力に寄与する様々な要因を考慮に入れるために使用することができる。任意の数のモデル化出力を任意の数の対応する測定出力にほぼ一致させるために、任意の数の補正係数を使用することができる。モデル精度を改善することにより、発電システムの可制御性を改善し、（発電システムの）性能と寿命目標の良好なバランスが得られる。

モデルは、リアルタイムでチューニングされ、現在の周囲および／または動作条件を考慮に入れることができる。しかし、周囲および／または動作条件の違いによって異なる時間において、チューニングは異なる可能性がある。したがって、リアルタイムモデルチューニングは、条件が変化すると補正係数を変化させる可能性がある。補正係数は、モデルに適用されたときに、モデル化出力を対応する測定出力にほぼ一致させるフィルタ成分を含むことができる。たとえば、フィルタ成分は、一組のモデル化出力と一組の対応する測定出力との間の１つまたは複数の差を含むことができる。補正係数はまた、発電システムの出力および前回の補正係数に基づく適応成分を含むことができる。特に、適応成分は、前回の補正係数を入力として使用して次回の補正係数を推定することができる。モデル化出力は、その後、発電システムへの入力および補正係数に基づいて生成することができる。このようにして、補正係数は、発電システムの周囲および／または動作条件が変化した場合であっても、遅延を低減してリアルタイムで決定することができる。したがって、モデル精度を改善することにより、発電システムの可制御性を改善し、（発電システムの）性能と寿命目標の良好なバランスが得られる。

本開示は、ガスタービンシステムに関連する実施形態を論じているが、本開示に記載されるシステムおよび方法は、蒸気タービンシステム、風力タービンシステム、水力タービンシステム、燃焼機関、水力機関、発電機など、任意の適切な発電システムに適用され得ることを理解されたい。

図１は、本開示の一実施形態による、圧縮機１２、燃焼器１４、タービン１６、およびコントローラ１８を有する発電システム（たとえば、ガスタービンシステム）１０のブロック図である。吸気ダクト２１は、周囲空気を圧縮機１２に供給することができる。吸気口２１は、吸気口２１を通って入口ガイドベーン２２に流れる周囲空気の圧力損失に寄与するダクト、フィルタ、スクリーン、および／または吸音装置を含んでもよい。排気ダクト２４は、タービン１６に背圧を加える吸音材料および排気制御装置を含んでもよい。吸気圧力損失および背圧の量は、吸気ダクト２１および排気ダクト２４への構成要素の追加および塵埃の詰まりによって経時的に変化し得る。タービン１６は、電力を発生する発電機２６を駆動することができる。

ガスタービンシステム１０の動作は、ガスタービンシステム１０の１つまたは複数の構成要素（たとえば、発電機２６、吸気口２１など）および／または周囲環境の様々な観察可能な状態を検出し得る、１つまたは複数のセンサ２８によって監視することができる。いくつかの実施形態では、複数の冗長センサを使用して同じ測定条件を測定することができる。たとえば、複数の冗長温度センサ２８は、ガスタービンシステム１０を取り囲む周囲温度、圧縮機吐出温度、タービン排気ガス温度、およびガスタービンシステム１０を通るガス流の他の温度測定値を監視することができる。同様に、複数の冗長圧力センサ２８は、吸気ダクト２１、排気ダクト２４、および／またはガスタービンシステム１０を通るガス流の他の位置で、周囲圧力ならびに静的および動的圧力レベルを監視することができる。複数の冗長湿度センサ２８（たとえば、湿球温度計および／または乾球温度計）が、吸気ダクト２１内の周囲湿度を測定してもよい。冗長センサ２８はまた、ガスタービンシステム１０の動作に関連する様々なパラメータを感知する流量センサ、速度センサ、火炎検出器センサ、バルブ位置センサ、ガイドベーン角センサなどを含むことができる。

本明細書で使用する場合、「パラメータ」は、ガスタービンシステム１０の規定された位置での温度、圧力、ガス流などのガスタービンシステム１０の動作条件を規定するために使用することができる測定可能なおよび／または推定可能な品質を指す。一部のパラメータは、測定され（すなわち、感知され）て直接的に知られる。他のパラメータは、モデルによって推定されて間接的に知られる。測定および推定されたパラメータは、所与のタービン動作状態を表すために使用することができる。

コントローラ１８は、人間のオペレータからのセンサ入力および命令を使用してガスタービンシステム１０の動作を制御するソフトウェアプログラムを実施することができる、１つまたは複数のプロセッサ１９（たとえば、マイクロプロセッサ）を有するコンピュータシステムを含むことができる。さらに、プロセッサ１９は、複数のマイクロプロセッサ、１つまたは複数の「汎用」マイクロプロセッサ、１つまたは複数の専用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）、またはそれらのいくつかの組合せを含んでもよい。たとえば、プロセッサ１９は、１つまたは複数の縮小命令セット（ＲＩＳＣ）プロセッサを含むことができる。コントローラ１８は、制御ロジックおよび／またはソフトウェア、ルックアップテーブル、構成データなどの情報を記憶することができる１つまたは複数のメモリ装置２０に結合することができる。いくつかの実施形態では、プロセッサ１９および／またはメモリ装置２０は、コントローラ１８の外部にあってもよい。メモリ装置２０は、揮発性メモリ（たとえば、ランダムアクセスメモリ（ＲＡＭ））および／または不揮発性メモリ（たとえば、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、または任意の他の適切な光学、磁気、もしくはソリッドステート記憶媒体、またはそれらの組合せ）などの有形の非一時的機械可読媒体を含むことができる。メモリ装置２０は、様々な情報を記憶し、様々な目的のために使用することができる。たとえば、メモリ装置２０は、ガスタービンシステム１０を制御するための命令など、プロセッサ１９が実施するための機械可読および／またはプロセッサ実行可能命令（たとえば、ファームウェアまたはソフトウェア）を記憶することができる。

本開示は単一のコントローラ１８を指すが、コントローラ１８は複数のコントローラ、コンピュータシステム、および／またはコンピュータプラットフォームを含むことができることを理解されたい。たとえば、第１のコントローラは、ガスタービン１６を制御してもよく（たとえば、センサ情報を収集することを含む制御機能を実行する）、第２のコントローラは、第１の制御ロジックとは別個のコンピュータプラットフォームであり、ガスタービン１６に関連するデータ分析を実行してもよい（たとえば、劣化の特徴付け、経済分析の実施、コストに対するユーザ入力の収集、分析結果の提供など）。このような例では、第２のコントローラは、センサ情報を受け取るために第１のコントローラと通信することができる。本開示では、第１のコントローラと第２のコントローラの両方を、単一のコントローラ１８と総称することがある。

図２は、本開示の一実施形態による、適応学習を使用して図１のガスタービンシステム１０を制御するためのシステム４０の流れ図である。制御ロジック４１は、ガスタービンシステム１０の１つまたは複数の入力（たとえば、入力値または入力パラメータ）４２を受け取り、または設定することができる。制御ロジック４１は、コントローラ１８のメモリ装置２０に記憶され、プロセッサ１９によって実施されてもよい。入力４２は、ガスタービンシステム１０のセンサによって直接測定される動作パラメータであってもよく、たとえば、周囲条件、入口ガイドベーン２２の角度、燃焼器１４に流れる燃料の量、ガスタービンシステム１０の回転速度などを含むことができる。上記の入力４２は例示的なものであり、感知された入力が収集されることを示すために提供される。具体的な感知された入力は、本開示にとって重要ではなく、制御システムおよび特定のガスタービン設備で利用可能なセンサに依存する。制御ロジック４１はまた、入力４２をモデル４４に送ることができる。

モデル４４は、ガスタービンシステム１０のコンピュータ生成モデルであってもよい。モデル４４は、コントローラ１８のメモリ装置２０に記憶され、プロセッサ１９によって実施されてもよい。モデル４４は、入力４２に基づいてガスタービンシステム１０の動作をシミュレートすることによって、１つまたは複数のモデル化出力４６を生成することができる。いくつかの実施形態では、モデル４４は、モデル化出力４６の数学的表現の配列であってもよい。これらの表現の各々は、入力値（たとえば、入力４２）を使用してモデル化出力４６を生成することができる。いくつかの実施形態では、数学的表現は、測定されたパラメータ値が利用できない状況で使用され得る推定出力値を生成することができる。モデル４４は、物理学ベースの空気熱力学コンピュータモデル、回帰適合モデル、ニューラルネットモデル、または発電システムの他の適切なコンピュータモデルとすることができる。いくつかの実施形態では、モデル４４は、適応物理学ベースのエンジンモデルであってもよい。

ある特定のモデル化出力４６は、ガスタービンシステム１０の第１の測定出力４８（たとえば、第１の組の１つまたは複数の測定出力）に対応してもよく、モデル４４の精度を決定するために第１の測定出力４８と比較されてもよい。たとえば、ある特定のモデル化出力４６は、（たとえば、発電機２６の）モデル化電力出力、モデル化排気温度、モデル化圧縮機条件など、またはそれらの任意の組合せを含むことができる。モデル化出力４６に対応する数および特定のパラメータは、異なるガスタービンモデル間で変化し得る。モデル化出力４６はまた、ガスタービンシステム１０の動作中に変化してもよい。いくつかのモデル化出力４６は、直接測定されるガスタービンシステム１０のパラメータ（たとえば、所望の燃料流量）に対応しない場合がある。モデル化出力４６は、（たとえば、効率的なスケジューリング、メンテナンス、動作設定などのために）ガスタービンシステム１０を動作させるように制御ロジック４１によって使用されてもよい。

第１の測定出力４８は、これらに限定されないが、発電機もしくは電力出力、排気温度（たとえば、タービン排気温度）、圧縮機条件（たとえば、圧縮機圧力比）など、またはそれらの任意の組合せを含むことができる。いくつかの実施形態では、第１の測定出力４８は、１つまたは複数の周囲パラメータ（たとえば、周囲温度、周囲圧力など）を含むことができる。制御ロジック４１は、モデル化出力４６と第１の測定出力４８との間の差５０を決定し、差５０をフィルタブロック５２（たとえば、カルマンフィルタ利得行列）に提供することで、フィルタ成分６２を出力することによってモデル化出力４６を第１の測定出力４８にさらに正確に適合させるために、モデル４４を自動的にまたは定期的に調整またはチューニングすることができる。フィルタブロック５２は、任意の適切な周波数（たとえば、リアルタイムで、非同期的になど）でフィルタ成分６２を出力することができる。フィルタブロック５２は、コントローラ１８のメモリ装置２０に記憶され、プロセッサ１９によって実施されてもよい。

フィルタブロック５２は、フィルタ成分６２を使用して第１の測定出力４８における確率的ノイズに関して、モデル化出力４６を第１の測定出力４８に正確に適合させることができる。フィルタ成分６２は、モデル化出力４６が第１の測定出力４８とほぼ一致するように、モデル４４に適用される乗数を含むことができる。確率的ノイズは、モデル化されていない第１の測定出力４８におけるランダム変動または測定誤差に関するノイズ（たとえば、センサノイズ）であり得る。しかし、ある状況では、フィルタブロック５２は、適時に（たとえば、閾値時間内に）第１の測定出力４８における決定論的ノイズに関して、モデル化出力４６を第１の測定出力４８に適合させることができない。決定論的ノイズは、モデル化または学習するには複雑または困難すぎるガスタービンシステム１０に関するノイズであり得る。代わりに、制御ロジック４１は、決定論的ノイズに対処するために適応ブロック５４を使用することができる。適応ブロック５４は、コントローラ１８のメモリ装置２０に記憶され、プロセッサ１９によって実施されてもよい。したがって、制御ロジック４１は、第２の測定出力５６（たとえば、第２の組の１つまたは複数の測定出力）を適応ブロック５４に送ることができる。第２の測定出力５６は、これらに限定されないが、発電機もしくは電力出力、排気温度（たとえば、タービン排気温度）、圧縮機条件（たとえば、圧縮機圧力比）など、またはそれらの任意の組合せを含むことができる。いくつかの実施形態では、第２の測定出力５６は、１つまたは複数の周囲パラメータ（たとえば、周囲温度、周囲圧力など）を含むことができる。第２の測定出力５６は、第１の測定出力４８の一部またはすべてを含んでも含まなくてもよい。

制御ロジック４１はまた、１つまたは複数の前回の補正係数５８を適応ブロック５４に送ることができる。制御ロジック４１は、モデル４４によって生成されたモデル化出力４６がガスタービンシステム１０の第１の測定出力４８に良好に適合するように、任意の適切な周波数（たとえば、リアルタイムで、非同期的になど）でモデル４４をチューニングするために補正係数５８を送ることができる。図示のように、補正係数５８は、フィルタ成分６２と適応成分６４との積６０である。補正係数５８は、フィルタ成分６２と適応成分６４との積６０として示されているが、フィルタ成分６２と適応成分６４との任意の適切な数学的組合せを使用して補正係数５８を生成することができることを理解されたい。次いで、補正係数５８は、モデル４４に入力される。適応ブロック５４は、第２の測定出力５６の関数として補正係数５８を表すアルゴリズムに基づいて適応成分６４を生成することができる。最小二乗回帰、自己回帰移動平均、部分空間同定、線形二次推定器などに基づくアルゴリズムなど、任意の適切なアルゴリズムを使用して、第２の測定出力５６の関数として補正係数５８を表すことができる。適応ブロック５４は、アルゴリズムを正確に生成するために、前回の補正係数５８を使用することができる。制御ロジック４１は、任意の適切な周波数（たとえば、リアルタイムで、非同期的になど）でアルゴリズムを更新するよう適応ブロック５４に指示することができる。前回の補正係数５８は、第２の測定出力５６の前回の値と共に経時的に記憶されてもよい（たとえば、メモリ装置２０に）。適応ブロック５４は、任意の数の第２の測定出力５６の関数としての任意の数の補正係数５８を表す任意の適切な数のアルゴリズムに基づいて、任意の適切な数の適応成分６４を生成することができる。たとえば、図８～図１１に示すように、適応ブロック５４は、第２の補正係数５８（たとえば、フィルタ成分１およびフィルタ成分２）と２つの第２の測定出力５６（測定出力１および測定出力２）との間の関係に基づいて、４つの適応成分６４を生成することができる。

いくつかの実施形態では、オフラインコンピューティングプラットフォームは、制御ロジック４１の代わりに、または制御ロジック４１に加えて、補正係数５８を送ってモデル４４をチューニングするか、またはアルゴリズムを更新するように適応ブロック５４に指示することができる。いくつかの実施形態では、制御ロジック４１は、リアルタイムで（たとえば、同期的に）フィルタブロック５２を使用してフィルタ成分６２を生成する一方、非同期的に（たとえば、１分、１０分、３０分、１時間、１２時間、１日、１週間など）適応成分６４を生成することができる。このように、補正係数５８は、（常に更新され得る）リアルタイムフィルタ成分６２と（定期的に更新され得る）非同期適応成分６４との積であり得る。

制御ロジック４１は、アルゴリズムを使用して次回の補正係数５８を推定することができる。制御ロジック４１は、推定された次回の補正係数５８をモデル４４に入力して、変化する周囲および動作条件（たとえば、第２の測定出力５６によって表される）における次回の補正係数５８の変動を低減することができる。したがって、高速過渡事象中のモデル４４およびモデル化出力４６の精度が改善され、ガスタービンシステム１０の制御精度を向上させることができる。

システム４０が適応学習を介して図１のガスタービンシステム１０をどのように制御するかの例として、図３～図６は、まず、適応学習が使用される前のフィルタ成分と測定出力との間の関係の例を示す。具体的には、図３は、本開示の一実施形態による、補正係数５８における適応成分６４を使用する前の、測定出力１に関してフィルタ成分１を表す例示的なグラフ７０である。フィルタ成分１は、ガスタービンシステム１０が測定出力１を出力し、データ点（たとえば、７２）としてプロットされるときに生成されるフィルタ成分６２とすることができる。たとえば、フィルタ成分１は、燃焼器１４に流れる燃料の量であってもよく、測定出力１は、ガスタービンシステム１０の電力出力であってもよい。この例の目的のために、測定出力１は、第１の測定出力４８と第２の測定出力５６の両方であってもよい。グラフ７０は、フィルタブロック５２がある特定の時間に各フィルタ成分６２を生成することを示している。このように、各フィルタ成分（たとえば、フィルタ成分１）は、データ点の集合（７２を含む）によって示されるように、単一の対応する測定出力（たとえば、測定出力１）に基づく。しかし、適応ブロック５４は、データ点の集合（７２を含む）に基づいて適応成分６４を生成することができる。適応成分６４は、データ点７２に良好な（たとえば、最良の）適合を提供する関数であってもよい。グラフ７０において、適応ブロック５４は、フィルタ成分１（たとえば、燃焼器１４に流れる燃料の量）が測定出力１（たとえば、ガスタービンシステム１０の電力出力）によって直接変化すると判定する。

図４は、本開示の一実施形態による、補正係数５８における適応成分６４を使用する前の、測定出力２に関してフィルタ成分１を表す例示的なグラフ８０である。図３のグラフ７０の測定出力１と同様に、フィルタ成分１は、ガスタービンシステム１０が測定出力２を出力し、データ点（たとえば、８２）としてプロットされるときに生成されるフィルタ成分６２とすることができる。すなわち、各フィルタ成分（たとえば、フィルタ成分１）は、データ点の集合（８２を含む）によって示されるように、単一の対応する測定出力（たとえば、測定出力２）に基づく。フィルタ成分１は、燃焼器１４に流れる燃料の量であってもよく、測定出力２は、ガスタービンシステム１０の排気温度であってもよい。この例の目的のために、測定出力２は、第１の測定出力４８と第２の測定出力５６の両方であってもよい。適応ブロック５４は、データ点の集合（８２を含む）に基づいて適応成分６４を生成することができる。適応成分６４は、データ点８２に良好な（たとえば、最良の）適合を提供する関数であってもよい。ここで、適応ブロック５４は、フィルタ成分１（たとえば、燃焼器１４に流れる燃料の量）が測定出力２（たとえば、ガスタービンシステム１０の排気温度）の影響を受けないと判定する。

図５は、本開示の一実施形態による、補正係数５８における適応成分６４を使用する前の、測定出力１に関してフィルタ成分２を表す例示的なグラフ９０である。図３のグラフ７０のフィルタ成分１と同様に、フィルタ成分２は、ガスタービンシステム１０が測定出力１を出力し、データ点（たとえば、９２）としてプロットされるときに生成されるフィルタ成分６２とすることができる。すなわち、各フィルタ成分（たとえば、フィルタ成分２）は、データ点の集合（９２を含む）によって示されるように、単一の対応する測定出力（たとえば、測定出力１）に基づく。フィルタ成分２は、ガスタービンシステム１０の回転速度であってもよく、測定出力１は、ガスタービンシステム１０の電力出力であってもよい。適応ブロック５４は、データ点の集合（９２を含む）に基づいて適応成分６４を生成することができる。適応成分６４は、データ点９２に良好な（たとえば、最良の）適合を提供する関数であってもよい。ここで、適応ブロック５４は、フィルタ成分２（たとえば、ガスタービンシステム１０の回転速度）が測定出力１（たとえば、ガスタービンシステム１０の電力出力）との二次関係を有すると判定する。

図６は、本開示の一実施形態による、補正係数５８における適応成分６４を使用する前の、測定出力２に関してフィルタ成分２を表す例示的なグラフ１００である。図５のグラフ９０のフィルタ成分２と同様に、フィルタ成分２は、ガスタービンシステム１０が測定出力２を出力し、データ点（たとえば、１０２）としてプロットされるときに生成されるフィルタ成分６２とすることができる。すなわち、各フィルタ成分（たとえば、フィルタ成分２）は、データ点の集合（１０２を含む）によって示されるように、単一の対応する測定出力（たとえば、測定出力２）に基づく。フィルタ成分２は、ガスタービンシステム１０の回転速度であってもよく、測定出力２は、ガスタービンシステム１０の排気温度であってもよい。適応ブロック５４は、データ点の集合（１０２を含む）に基づいて適応成分６４を生成することができる。適応成分６４は、データ点１０２に良好な（たとえば、最良の）適合を提供する関数であってもよい。ここで、適応ブロック５４は、フィルタ成分２（たとえば、ガスタービンシステム１０の回転速度）が測定出力２（たとえば、ガスタービンシステム１０の排気温度）と逆に変化すると判定する。

これを念頭において、図７は、本開示の一実施形態による、適応学習を使用して図１のガスタービンシステム１０を制御するための方法１１０のフローチャートである。コントローラ１８のようなガスタービンシステム１０の構成要素を制御することができる任意の適切な装置は、方法１１０を実施することができる。方法１１０は、特定のシーケンスのステップを使用して説明されているが、本開示は、説明ステップが図示されたシーケンスとは異なるシーケンスで実行されてもよく、また説明されたある特定のステップは省略されるか、または全く実行されなくてもよいことを意図していることを理解されたい。いくつかの実施形態では、方法１１０は、プロセッサ１９などのプロセッサを使用して、メモリ装置２０などの有形の非一時的コンピュータ可読媒体に記憶された命令を実施することによって実施されてもよい。ある特定の実施形態では、コントローラ１８は、方法１１０を実行することができるが、任意の適切なコンピューティングシステムが方法１１０を実行してもよいことに留意されたい。

方法１１０は、コントローラ１８が少なくとも第１の補正係数５８を生成した後に実施することができる。たとえば、コントローラ１８の制御ロジック４１は、ガスタービンシステム１０の入力４２に基づいてガスタービンシステム１０のモデル化出力４６を生成することができる。次に、制御ロジック４１は、モデル化出力４６に対応するガスタービンシステム１０の第１の測定出力を受け取ることができる。制御ロジック４１は、モデル４４に適用されたときにモデル化出力４６を第１の測定出力にほぼ一致させる少なくとも第１の補正係数５８のフィルタ成分６２を決定することができる。このように、第１の補正係数５８は、適応成分６４を生成するために使用される前回の補正係数５８がないので、適応成分６４を含まなくてもよい。

制御ロジック４１が少なくとも第１の補正係数５８を生成すると、制御ロジック４１は、ガスタービンシステム１０の入力４２を受け取る（ブロック１１２）。入力４２は、複数の入力４２を表すベクトルの形式であってもよい。次に、制御ロジック４１は、入力４２および前回の補正係数５８に基づいてガスタービンシステム１０のモデル化出力４６を生成することができる（ブロック１１４）。モデル化出力４６は、複数のモデル化出力４６を表すベクトルの形式であってもよい。モデル化出力４６は、モデル４４を使用して生成することができ、たとえば、（たとえば、発電機２６の）モデル化電力出力、モデル化排気温度、モデル化圧縮機条件などを含むことができる。前回の補正係数５８は、ガスタービンシステム１０の前回のモデル化出力４６と前回の第１の測定出力４８との間の差５０に基づいて制御ロジック４１によって生成されてもよい。

制御ロジック４１はまた、モデル化出力４６に対応するガスタービンシステム１０の第１の測定出力４８を受け取ることができる（ブロック１１６）。第１の測定出力４８は、複数の第１の測定出力４８を表すベクトルの形式であってもよい。第１の測定出力４８は、発電機または電力出力、排気温度（たとえば、タービン排気温度）、圧縮機条件（たとえば、圧縮機圧力比）などを含むことができる。

制御ロジック４１は、ガスタービンシステム１０のモデル化出力４６を生成し（ブロック１１４から）、ガスタービンシステム１０のモデル化出力４６を受け取ると（ブロック１１６から）、制御ロジック４１は、モデル４４に適用されたときにモデル化出力４６を第１の測定出力４８にほぼ一致させる現在の補正係数５８のフィルタ成分６２を決定することができる（ブロック１１８）。フィルタ成分６２および／または補正係数５８は、複数のフィルタ成分６２および／または複数の補正係数５８を表すベクトルの形式であってもよい。フィルタ成分６２は、モデル化出力４６を第１の測定出力４８に正確に適合させるために、フィルタブロック５２によって生成されてもよい。

その後、制御ロジック４１は、第２の測定出力５６および前回の補正係数５８に基づいて現在の補正係数５８の適応成分６４を決定することができる（ブロック１２０）。第２の測定出力５６は、複数の第２の測定出力５６を表すベクトルの形式であってもよい。第２の測定出力５６は、発電機または電力出力、排気温度（たとえば、タービン排気温度）、圧縮機条件（たとえば、圧縮機圧力比）などを含むことができる。第２の測定出力５６は、第１の測定出力４８の一部またはすべてを含んでも含まなくてもよい。適応成分６４は、第２の測定出力５６の関数として補正係数５８を表す適応ブロック５４によって生成されるアルゴリズムに基づくことができる。適応ブロック５４は、アルゴリズムを正確に生成するために、前回の補正係数５８を使用することができる。

現在の補正係数５８の適応成分６４を決定した後（ブロック１２０から）、制御ロジック４１は、ガスタービンシステム１０の次の入力４２（後続の組の入力４２）を受け取ることができる（ブロック１２２）。次に、制御ロジック４１は、次の入力４２および現在の補正係数５８に基づいて次のモデル化出力４６（後続の組のモデル化出力４６）を生成することができる（ブロック１２４）。制御ロジック４１は、フィルタ成分６２に適応成分６４を乗算することによって現在の補正係数を決定することができる（６０）。制御ロジック４１は、前回の適応成分６４を含む前回の補正係数５８に基づいて適応成分６４を（ブロック１２０において）決定するので、制御ロジック４１は、フィルタ成分６２によって低減されないノイズ（たとえば、決定論的ノイズ）を引き起こす挙動に適応するか、それを学習して適合する。たとえば、制御ロジック４１は、前回の補正ファクタ５８が入力として使用されるので、適応成分６４を使用して次回の補正係数５８を推定することができる。このようにして、補正係数５８は、ガスタービンシステム１０の周囲および／または動作条件が変化した場合であっても、遅延を低減してリアルタイムで決定することができる。したがって、モデル精度を改善することにより、ガスタービンシステム１０の可制御性を改善し、（ガスタービンシステム１０の）性能と寿命目標の良好なバランスが得られる。

制御ロジック４１は、次のモデル化出力４６を使用して、ガスタービンシステム１０を制御することができる。特に、モデル化出力４６は、制御ロジック４１に入力されて、ガスタービンシステム１０の制御を駆動してもよい。たとえば、制御ロジック４１は、次のモデル化出力４６を使用して、ガスタービンシステム１０を停止および／または再始動する効率的な時間を決定することができる。制御ロジック４１はまた、次のモデル化出力４６を使用して、ガスタービンシステム１０を稼働させる効率的な速度および持続時間を決定することができる。したがって、制御ロジック４１は、ガスタービンシステム１０の動作（たとえば、稼働時間、開始時間、停止時間）を効率的にスケジューリングし、ガスタービンシステム１０のメンテナンス（発電システムを停止させることになる）をスケジューリングし、ガスタービンシステム１０の動作設定（たとえば、動作速度および／または時間）を調整するためなどに、次のモデル化出力４６を使用してもよい。

図８は、本開示の一実施形態による、補正係数５８における第１の適応成分６４を使用した後の、図３に示す測定出力１に関してフィルタ成分１を表すグラフ１３０である。データ点（たとえば、１３２）は、ガスタービンシステム１０が測定出力１を出力するときに生成されるフィルタ成分１を表し、補正係数５８は、フィルタ成分１と第１の適応成分６４の両方を含む。データ点（１３２を含む）は、一般に１の傾きを有する直線の形態であるので、グラフ１３０は、フィルタ成分１が測定出力１の影響を受けないことを示している。データ点によって示されるノイズは、フィルタブロック５２が対処する（たとえば、低減する）のに適し得る確率的ノイズを示す。

図９は、本開示の一実施形態による、補正係数５８における第２の適応成分６４を使用した後の、図４に示す測定出力２に関してフィルタ成分１を表すグラフ１４０である。データ点（たとえば、１４２）は、ガスタービンシステム１０が測定出力２を出力するときに生成されるフィルタ成分１を表し、補正係数５８は、フィルタ成分１と第２の適応成分６４の両方を含む。データ点（１４２を含む）は、一般に１の傾きを有する直線の形態であるので、グラフ１４０は、フィルタ成分１が測定出力２の影響を受けないことを示している。データ点によって示されるノイズは、フィルタブロック５２が対処する（たとえば、低減する）のに適し得る確率的ノイズを示す。

図１０は、本開示の一実施形態による、補正係数５８における第３の適応成分６４を使用した後の、図５に示す測定出力１に関してフィルタ成分２を表すグラフ１５０である。データ点（たとえば、１５２）は、ガスタービンシステム１０が測定出力１を出力するときに生成されるフィルタ成分２を表し、補正係数５８は、フィルタ成分２と第３の適応成分６４の両方を含む。データ点（１５２を含む）は、一般に１の傾きを有する直線の形態であるので、グラフ１５０は、フィルタ成分２が測定出力１の影響を受けないことを示している。データ点によって示されるノイズは、フィルタブロック５２が対処する（たとえば、低減する）のに適し得る確率的ノイズを示す。

図１１は、本開示の一実施形態による、補正係数５８における第４の適応成分６４を使用した後の、図６に示す測定出力２に関してフィルタ成分２を表すグラフ１６０である。データ点（たとえば、１６２）は、ガスタービンシステム１０が測定出力２を出力するときに生成されるフィルタ成分２を表し、補正係数５８は、フィルタ成分２と第４の適応成分６４の両方を含む。データ点（１６２を含む）は、一般に１の傾きを有する直線の形態であるので、グラフ１６０は、フィルタ成分２が測定出力２の影響を受けないことを示している。データ点によって示されるノイズは、フィルタブロック５２が対処する（たとえば、低減する）のに適し得る確率的ノイズを示す。

このようにして、補正係数５８は、ガスタービンシステム１０の周囲および／または動作条件が変化した場合であっても、遅延を低減してリアルタイムで決定することができる。したがって、モデル精度を改善することにより、ガスタービンシステム１０の可制御性を改善し、（ガスタービンシステム１０の）性能と寿命目標の良好なバランスが得られる。

本明細書に開示される主題の技術的効果には、適応学習を使用してガスタービンシステム１０を制御することが含まれるが、これに限定されない。特に、ガスタービンシステム１０は、ガスタービンシステム１０の測定出力５６および前回の補正係数５８に基づいて、ガスタービンシステム１０のモデル化出力４６をチューニングするための補正係数５８を決定することによって制御することができる。前回の補正係数５８を使用して（現在の）補正係数５８を決定することによって、補正係数５８は、ガスタービンシステム１０の周囲および／または動作条件が変化した場合であっても、遅延を低減してリアルタイムで決定することができる。したがって、モデル精度を改善することにより、ガスタービンシステム１０の可制御性を改善し、（ガスタービンシステム１０の）性能と寿命目標の良好なバランスが得られる。

本明細書は、本実施形態を説明するために実施例を用いており、最良の形態を含んでいる。また、いかなる当業者もここで開示された実施形態を実施することができるように実施例を用いており、任意の装置またはシステムを製作し使用し、任意の組み込まれた方法を実行することを含んでいる。ここで開示された実施形態の特許され得る範囲は、特許請求の範囲によって定義され、当業者が想到する他の実施例を含むことができる。このような他の実施例は、特許請求の範囲の文言との差がない構造要素を有する場合、または特許請求の範囲の文言との実質的な差がない等価の構造要素を含む場合、特許請求の範囲内にある。

１０発電システム、ガスタービンシステム
１２圧縮機
１４燃焼器
１６タービン
１８コントローラ
１９プロセッサ
２０メモリ装置
２１吸気口／吸気ダクト
２２入口ガイドベーン
２４排気ダクト
２６発電機
２８センサ／冗長センサ／冗長湿度センサ／冗長圧力センサ／冗長温度センサ
４０システム
４１制御ロジック
４２入力
４４モデル
４６モデル化出力
４８第１の測定出力
５０差
５２フィルタブロック
５４適応ブロック
５６第２の測定出力
５８補正係数／補正ファクタ
６０積
６２フィルタ成分
６４適応成分
７０グラフ
７２データ点
８０グラフ
８２データ点
９０グラフ
９２データ点
１００グラフ
１０２データ点
１３０グラフ
１３２データ点
１４０グラフ
１４２データ点
１５０グラフ
１５２データ点
１６０グラフ
１６２データ点

Claims

発電システム（１０）と、
前記発電システム（１０）を制御するように構成され、１つまたは複数のプロセッサ（１９）を含むコントローラ（１８）とを含み、前記１つまたは複数のプロセッサ（１９）は、
前記発電システム（１０）に関連する第１の組の入力（４２）を受け取ることであって、前記第１の組の入力（４２）は、前記発電システム（１０）に関する１つまたは複数の動作パラメータを含む、第１の組の入力（４２）を受け取ること、
前記発電システム（１０）のモデル（４４）および前記第１の組の入力（４２）に基づいて前記発電システム（１０）の第１の組のモデル化出力（４６）を生成すること、
前記発電システム（１０）の１つまたは複数のセンサ（２８）を介して前記発電システム（１０）の第１の組の測定出力（４８）を受け取ることであって、前記第１の組の測定出力（４８）は、前記第１の組のモデル化出力（４６）に対応する、第１の組の測定出力（４８）を受け取ること、
フィルタ成分を決定することであって、前記フィルタ成分が前記発電システムのモデルに適用された場合、前記第１の組のモデル化出力を第１の組の測定出力にほぼ一致させる前記フィルタ成分を決定すること、
前回の補正係数を前記第１の組の測定出力の関数として表すアルゴリズムに基づいて適応成分を決定すること、
前記フィルタ成分と前記適応成分との積を含む現在の補正係数を決定すること、
前記発電システム（１０）に関連する第２の組の入力（４２）を受け取ることであって、前記第２の組の入力（４２）は、前記発電システム（１０）に関する前記１つまたは複数の動作パラメータを含む、第２の組の入力（４２）を受け取ること、
前記発電システム（１０）の前記モデル（４４）、前記第２の組の入力（４２）、および前記現在の補正係数（５８）に基づいて前記発電システム（１０）の第２の組のモデル化出力（４６）を生成すること、および
前記第２の組のモデル化出力（４６）に基づいて前記発電システム（１０）の動作を制御すること、
を実行するように構成される、システム（４０）。
前記１つまたは複数のプロセッサ（１９）が、
前記発電システム（１０）の前記１つまたは複数のセンサ（２８）を介して前記発電システム（１０）の第２の組の測定出力（５６）を受け取ることであって、前記第２の組の測定出力（５６）が、前記第２の組のモデル化出力（４６）に対応する、受け取ることと、
前記第２の組のモデル化出力（４６）および前記第２の組の測定出力（５６）に基づいて次回の補正係数（５８）を決定することとによって前記第２の組のモデル化出力（４６）を生成するように構成され、前記次回の補正係数（５８）が、
前記第２の組のモデル化出力（４６）と前記第２の組の測定出力（５６）との間の１つまたは複数の差（５０）を含む第２のフィルタ成分（６２）と、
前記第２の組の測定出力（５６）および前記現在の補正係数（５８）に基づく第２の適応成分（６４）とを含む、請求項１に記載のシステム（４０）。
前記適応成分（６４）が、前記第２の組の測定出力（５６）に関して前記次回の補正係数（５８）を表す第２のアルゴリズムに関連付けられる、請求項２に記載のシステム（４０）。
前記第２のフィルタ成分（６２）が、前記第１の組の測定出力（４８）における確率的ノイズを低減するように構成される、請求項２に記載のシステム（４０）。
前記第２の適応成分（６４）が、前記第１の組の測定出力（４８）における決定論的ノイズを低減するように構成される、請求項２に記載のシステム（４０）。
前記第２の組の測定出力（５６）が、電力出力、排気温度、圧縮機条件、またはそれらの任意の組合せを含む、請求項２に記載のシステム（４０）。
前記第１の組の測定出力（４８）が、前記第２の組の測定出力（５６）の少なくとも１つの測定出力を含む、請求項２に記載のシステム（４０）。
前記第１の組の測定出力（４８）と前記第２の組の測定出力（５６）とが異なる、請求項２に記載のシステム（４０）。
前記１つまたは複数のプロセッサ（１９）が、前記第２の組のモデル化出力（４６）に基づいて前記発電システム（１０）の前記動作をスケジューリングすることによって、前記発電システム（１０）の前記動作を制御するように構成される、請求項１に記載のシステム（４０）。
前記動作が、前記第２の組のモデル化出力（４６）に基づいて前記発電システム（１０）のメンテナンスに関連付けられる、請求項１に記載のシステム（４０）。
前記１つまたは複数のプロセッサ（１９）が、前記第２の組のモデル化出力（４６）に基づいて前記発電システム（１０）の１つまたは複数の動作設定を調整することによって、前記発電システム（１０）の前記動作を制御するように構成される、請求項１に記載のシステム（４０）。
前記１つまたは複数の動作設定が、前記発電システム（１０）の動作速度、前記発電システム（１０）の動作時間、またはそれらの任意の組合せを含む、請求項１１に記載のシステム（４０）。
１つまたは複数のプロセッサ（１９）によって、発電システム（１０）に関連する第１の組の入力（４２）を受け取ることであって、前記第１の組の入力（４２）は、前記発電システム（１０）に関する１つまたは複数の動作パラメータを含む受け取ることと、
前記１つまたは複数のプロセッサ（１９）によって、前記発電システム（１０）のモデル（４４）および前記第１の組の入力（４２）に基づいて前記発電システム（１０）の第１の組のモデル化出力（４６）を生成することと、
前記１つまたは複数のプロセッサ（１９）によって、前記発電システム（１０）の１つまたは複数のセンサ（２８）を介して前記発電システム（１０）の第１の組の測定出力（４８）を受け取ることであって、前記第１の組の測定出力（４８）は、前記第１の組のモデル化出力（４６）に対応する、受け取ることと、
前記１つまたは複数のプロセッサ（１９）によって、フィルタ成分を決定することであって、前記フィルタ成分が前記発電システムのモデルに適用された場合、前記第１の組のモデル化出力を第１の組の測定出力にほぼ一致させる前記フィルタ成分を決定すること、
前記１つまたは複数のプロセッサ（１９）によって、前回の補正係数を前記第１の組の測定出力の関数として表すアルゴリズムに基づいて適応成分を決定すること、
前記１つまたは複数のプロセッサ（１９）によって、前記フィルタ成分と前記適応成分との積を含む現在の補正係数を決定すること、
前記１つまたは複数のプロセッサ（１９）によって、前記発電システム（１０）に関連する第２の組の入力（４２）を受け取ることであって、前記第２の組の入力（４２）は、前記発電システム（１０）に関する前記１つまたは複数の動作パラメータを含む、受け取ることと、
前記１つまたは複数のプロセッサ（１９）によって、前記発電システム（１０）の前記モデル（４４）、前記第２の組の入力（４２）、および前記現在の補正係数（５８）に基づいて前記発電システム（１０）の第２の組のモデル化出力（４６）を生成することと、
前記１つまたは複数のプロセッサ（１９）によって、前記第２の組のモデル化出力（４６）に基づいて前記発電システム（１０）の動作を制御することとを含む、方法。
前記第１の組のモデル化出力（４６）が、モデル化電力出力、モデル化排気温度、モデル化圧縮機条件、またはそれらの任意の組合せを含む、請求項１３に記載の方法。
前記第２の組のモデル化出力（４６）が、モデル化電力出力、モデル化排気温度、モデル化圧縮機条件、またはそれらの任意の組合せを含む、請求項１３に記載の方法。
前記第１の組の測定出力（４８）が、電力出力、排気温度、圧縮機条件、またはそれらの任意の組合せを含む、請求項１３に記載の方法。
１つまたは複数の有形の非一時的機械可読媒体であって、１つまたは複数のプロセッサ（１９）に、
発電システム（１０）に関連する第１の組の入力（４２）を受け取らせることであって、前記第１の組の入力（４２）は、前記発電システム（１０）に関する１つまたは複数の動作パラメータを含む、第１の組の入力（４２）を受け取らせること
前記発電システム（１０）のモデル（４４）および前記第１の組の入力（４２）に基づいて前記発電システム（１０）の第１の組のモデル化出力（４６）を生成させること、
前記発電システム（１０）の１つまたは複数のセンサ（２８）を介して前記発電システム（１０）の第１の組の測定出力（４８）を受け取らせることであって、前記第１の組の測定出力（４８）は、前記第１の組のモデル化出力（４６）に対応する、第１の組の測定出力（４８）を受け取らせること、
フィルタ成分を決定することであって、前記フィルタ成分が前記発電システムのモデルに適用された場合、前記第１の組のモデル化出力を第１の組の測定出力にほぼ一致させる前記フィルタ成分を決定すること、
前回の補正係数を前記第１の組の測定出力の関数として表すアルゴリズムに基づいて適応成分を決定すること、
前記フィルタ成分と前記適応成分との積を含む現在の補正係数を決定すること、
前記発電システム（１０）に関連する第２の組の入力（４２）を受け取らせることであって、前記第２の組の入力（４２）は、前記発電システム（１０）に関する前記１つまたは複数の動作パラメータを含む、第２の組の入力（４２）を受け取らせること、
前記発電システム（１０）の前記モデル（４４）、前記第２の組の入力（４２）、および前記現在の補正係数（５８）に基づいて前記発電システム（１０）の第２の組のモデル化出力（４６）を生成させること、および
前記第２の組のモデル化出力（４６）に基づいて前記発電システム（１０）の動作を制御させることを実行させるための機械可読命令を含む、機械可読媒体。
前記１つまたは複数の動作パラメータが、前記発電システム（１０）の１つまたは複数の周囲条件、前記発電システム（１０）の１つまたは複数の入口ガイドベーン（２２）の１つまたは複数の角度、前記発電システム（１０）の燃焼器（１４）に流れる燃料の量、前記発電システム（１０）の回転速度、またはそれらの任意の組合せを含む、請求項１７に記載の機械可読媒体。
前記発電システム（１０）が、ガスタービンシステム（１０）、蒸気タービンシステム、風力タービンシステム、水力タービンシステム、燃焼機関、水力機関、または発電機（２６）を含む、請求項１７に記載の機械可読媒体。
前記第２の組のモデル化出力（４６）が、前記第１の組のモデル化出力（４６）より少ない決定論的ノイズを含む、請求項１７に記載の機械可読媒体。