KR102635721B1 - 가스터빈 연소 최적화 분석설비를 위한 시스템 및 방법 - Google Patents
가스터빈 연소 최적화 분석설비를 위한 시스템 및 방법 Download PDFInfo
- Publication number
- KR102635721B1 KR102635721B1 KR1020230100761A KR20230100761A KR102635721B1 KR 102635721 B1 KR102635721 B1 KR 102635721B1 KR 1020230100761 A KR1020230100761 A KR 1020230100761A KR 20230100761 A KR20230100761 A KR 20230100761A KR 102635721 B1 KR102635721 B1 KR 102635721B1
- Authority
- KR
- South Korea
- Prior art keywords
- gas turbine
- combustion
- data
- variables
- optimization
- Prior art date
Links
- 238000002485 combustion reaction Methods 0.000 title claims abstract description 172
- 238000013433 optimization analysis Methods 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 title claims description 26
- 238000004364 calculation method Methods 0.000 claims abstract description 60
- 238000005457 optimization Methods 0.000 claims abstract description 55
- 238000012544 monitoring process Methods 0.000 claims abstract description 48
- 230000007613 environmental effect Effects 0.000 claims abstract description 11
- 230000010349 pulsation Effects 0.000 claims abstract description 8
- 239000007789 gas Substances 0.000 claims description 147
- 239000000446 fuel Substances 0.000 claims description 21
- 238000004458 analytical method Methods 0.000 claims description 15
- 238000001514 detection method Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 12
- 238000010248 power generation Methods 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 238000004088 simulation Methods 0.000 claims description 8
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 7
- 229910052760 oxygen Inorganic materials 0.000 claims description 7
- 239000001301 oxygen Substances 0.000 claims description 7
- 238000013461 design Methods 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 6
- 238000004868 gas analysis Methods 0.000 claims description 4
- 230000036541 health Effects 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 229910052709 silver Inorganic materials 0.000 claims 1
- 239000004332 silver Substances 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 14
- 238000012545 processing Methods 0.000 description 7
- 230000005856 abnormality Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 6
- 239000000284 extract Substances 0.000 description 6
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 6
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 230000006835 compression Effects 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 2
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 229910002091 carbon monoxide Inorganic materials 0.000 description 2
- 238000010835 comparative analysis Methods 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- XTQHKBHJIVJGKJ-UHFFFAOYSA-N sulfur monoxide Chemical class S=O XTQHKBHJIVJGKJ-UHFFFAOYSA-N 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- TXKMVPPZCYKFAC-UHFFFAOYSA-N disulfur monoxide Inorganic materials O=S=S TXKMVPPZCYKFAC-UHFFFAOYSA-N 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 229910052815 sulfur oxide Inorganic materials 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- 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
- F02C9/00—Controlling gas-turbine plants; Controlling fuel supply in air- breathing jet-propulsion plants
- F02C9/26—Control of fuel supply
- F02C9/28—Regulating systems responsive to plant or ambient parameters, e.g. temperature, pressure, rotor speed
-
- 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
- F02C9/00—Controlling gas-turbine plants; Controlling fuel supply in air- breathing jet-propulsion plants
- F02C9/16—Control of working fluid flow
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/041—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a variable is automatically adjusted to optimise the performance
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0286—Modifications to the monitored process, e.g. stopping operation or adapting control
- G05B23/0294—Optimizing process, e.g. process efficiency, product quality
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Fluid Mechanics (AREA)
- Quality & Reliability (AREA)
- Engine Equipment That Uses Special Cycles (AREA)
Abstract
가스터빈 연소 최적화 분석설비를 위한 시스템은 가스터빈의 운전상태, 배출가스(NOx), 연소진동(Pulsation), 연소산물의 농도, 온도, 압력을 포함하는 가스터빈 모니터링 데이터, 환경정보를 수집하는 수집부; 모니터링 데이터를 저장된 데이터와 비교하여, 연소 최적화 연산 필요 여부를 판단하는 판단부; 연소 최적화 연산이 필요한 경우, 가스터빈 제어 변수의 연소 최적값을 산출하는 산출부; 산출된 연소 최적값을 가스터빈의 가스터빈 제어 변수의 설정값으로 설정하는 설정부; 를 포함한다.
Description
본 개시는 가스터빈 연소 최적화 분석설비를 위한 시스템 및 방법에 관한 것으로 구체적으로, 가스터빈 연소 최적화에 필요한 모니터링 데이터 분석 방법 및 이를 수행하는 컴퓨터 장치에 관한 것이다.
본 명세서에서 달리 표시되지 않는 한, 이 섹션에 설명되는 내용들은 이 출원의 청구항들에 대한 종래 기술이 아니며, 이 섹션에 포함된다고 하여 종래 기술이라고 인정되는 것은 아니다.
가스터빈 연소 최적화 분석설비 시스템은 가스터빈 발전소에서 연료를 효율적으로 연소시켜 전력 생산을 최대화하기 위한 시스템이다. 가스터빈 연소 최적화 분석설비 시스템은 연료의 화학적 구성, 공기 공급, 연소 온도 및 압력 등을 모니터링하여 최적의 연소 조건을 설정하고 유지하는 데 사용된다.
가스터빈 연소 최적화 분석설비 시스템에는 연소 최적화를 위한 여러 가지 기술을 사용한다. 예컨대, 연소 조건을 조절하는 제어 장치, 연소 공기를 선별하는 에어 인테이크 제어, 연소실에서의 온도 및 압력을 측정하는 측정 장치, 연소 프로세스의 화학적 특성을 분석하는 센서 등이 포함될 수 있다.
가스터빈 연소 최적화 분석설비 시스템은 가스터빈 발전소의 효율성을 높이고 에너지 손실을 최소화하여 더 많은 전기를 생산할 수 있도록 도와주고. 에너지 생산과 동시에 환경 보호에도 큰 역할을 한다.
하지만, 선행 업체들은 연소 최적화에 필요한 데이터, 연소실 내부 온도, 계산에 필요한 절차 및 분석 장비를 지식재산권의 명목으로 공개하지 않고 있다. 이 때문에, 종래에는 연소 최적화 계산을 위해 필요한 데이터를 운전정보 시스템으로부터 수동으로 추출하여 값을 입력하고 있는 실정이다. 수동 입력 방식은 매우 번거로우며, 시간과 비용이 많이 소요된다. 또한, 운전정보 시스템을 통한 데이터 취득 조건으로, 최적화 연산에 필요한 데이터 종류 및 해상도에 대한 제약이 있어 최적화 결과의 정확성과 신뢰성이 떨어질 수 있다.
또한, 종래 연소 최적화를 위한 알고리즘은 모니터링 데이터 상태에 따라 연소 최적화 변수를 다시 산출하는 것이 아니라, 설정된 주기에 따라 가스터빈의 제어 변수를 다시 산출하는 방식이다. 종래의 산출 방식은 가스터빈의 연소 최적화를 실시간으로 구현하지 못하는 한계가 있다.
또한, 가스터빈 연소 최적화를 위해, 연소실에서 발생하는 데이터와 가스터빈에서 생성되는 모든 정보를 수집하여 빅데이터화 하고, 가스터빈에 따라 연소 최적값을 산출하는 시스템에 대한 수요가 크다.
실시예에 따른 가스터빈 연소 최적화 분석설비를 위한 시스템 및 방법은 DCS(Distributed Control System) 데이터를 수집하고, 동기화한다. 또한, 실시예에서는 연소최적화 결과를 자동 문서화하고, 가스터빈 연소 데이터의 실측 및 계산값을 산출하여 분석한다. 또한, 실시예에서는 수집된 DSC데이터와 산출 데이터를 빅데이터로 구축한다.
또한, 실시예를 통해, 가스터빈의 운전상태, 배출가스(NOx), 연소진동(Pulsation) 등의 모니터링 데이터를 수집하고, 수집된 데이터를 기저장된 데이터와 비교 분석하여, 최적화가 필요한 변수를 선별하고 선별된 변수를 산출하여 제어 대상에 적용한다.
또한, 실시예를 통해 분석된 데이터를 비교, 분석, 저장하고, 분석된 데이터를 기반으로 가스터빈 모니터링 결과 및 최적 제어에 대한 보고서 생성하고 편집할 수 있는 소프트웨어 도구와 HMI(Human Machine Interface) 기능을 제공한다.
또한, 실시예에서는 가스터빈 연소 최적화 데이터를 비교 분석하고, 비교 분석 결과에 대한 보고서를 생성한다.
실시예에 따른 가스터빈 연소 최적화 분석설비를 위한 시스템은 가스터빈의 운전상태, 배출가스(NOx), 연소진동(Pulsation), 연소산물의 농도, 온도, 압력, 연소실 내부 조건 데이터를 포함하는 가스터빈 모니터링 데이터 및 환경정보를 수집하는 수집부; 연소실 내부에서 측정된 온도, 압력, 연료 공급량, 공기 공급량, 산소농도, 배출가스 분석 결과를 포함하는 연소실 내부 조건 데이터를 분석하여 연소실의 이상 데이터를 검출하는 검출부; 모니터링 데이터를 저장된 데이터와 비교하여, 연소 최적화 연산 필요 여부를 판단하는 판단부; 연소 최적화 연산이 필요한 경우, 가스터빈 제어 변수의 연소 최적값을 산출하는 산출부; 산출된 연소 최적값을 가스터빈의 가스터빈 제어 변수의 설정값으로 설정하는 설정부; 를 포함한다.
이상에서와 같은 가스터빈 연소 최적화 분석설비를 위한 시스템 및 방법은 가스터빈 출력증대 목적으로 사용되는 외산 연소 최적화 분석 설비를 국산화하여 외산 제품 대비 동등 이상의 성능을 제공할 수 있도록 한다.
또한, 실시예를 통해 자체 연소 최적화 분석 장비 확보를 통한 기술력 향상을 통해 가스터빈 출력증대 및 설비 신뢰도를 향상시킨다.
또한, 실시예를 통해 최적화 연산을 위한 소프트웨어 도구를 도입하여 연료 연소의 효율성을 높이고, 전력 생산을 최대화하며, 동시에 시간과 비용을 절약할 수 있도록 한다.
구체적으로 실시예를 통해, 가스터빈 전 호기(1 내지 6호기) 1회 연소최적화 시행으로 500억 이상의 비용을 절감할 수 있다. 또한, 외산 자재의 국산화에 따른 분석장비 확보로 조달기간 및 수행기간 단축할 수 있다. 또한, 실시예에서는 연소실 내부조건 자체 분석으로 가스터빈 출력 증대도모 및 설비 신뢰성 확보하고, 자체 분석장비 확보를 통한 기술력 향상으로 노하우 축적 및 튜닝기술 향상시킬 수 있다.
본 발명의 효과는 상기한 효과로 한정되는 것은 아니며, 본 발명의 상세한 설명 또는 특허청구범위에 기재된 발명의 구성으로부터 추론 가능한 모든 효과를 포함하는 것으로 이해되어야 한다.
도 1은 실시예에 따른 가스터빈 연소 최적화 분석설비를 위한 시스템 구성을 나타낸 도면
도 2는 실시예에 따른 서버의 데이터 처리 구성을 나타낸 도면
도 3은 실시예에 따른 빅데이터 인터페이스를 나타낸 도면
도 4및 도5는 실시예에 따른 시각화 객체를 나타낸 도면
도 6은 실시예에 제공하는 HMI 기능 중 그룹 설정 기능을 나타낸 도면
도 7 및 도 8은 실시예에 따른 실시간 태그 데이터 조회 기능을 나타낸 도면
도 9는 실시예에 따른 연소 최적화 알고리즘 연산과정을 나타낸 도면
도 10은 실시예에 따른 연소 최적화 모니터링 인터페이스를 나타낸 도면
도 11은 실시예에 따른 서버의 데이터 처리 과정을 나타낸 도면
도 2는 실시예에 따른 서버의 데이터 처리 구성을 나타낸 도면
도 3은 실시예에 따른 빅데이터 인터페이스를 나타낸 도면
도 4및 도5는 실시예에 따른 시각화 객체를 나타낸 도면
도 6은 실시예에 제공하는 HMI 기능 중 그룹 설정 기능을 나타낸 도면
도 7 및 도 8은 실시예에 따른 실시간 태그 데이터 조회 기능을 나타낸 도면
도 9는 실시예에 따른 연소 최적화 알고리즘 연산과정을 나타낸 도면
도 10은 실시예에 따른 연소 최적화 모니터링 인터페이스를 나타낸 도면
도 11은 실시예에 따른 서버의 데이터 처리 과정을 나타낸 도면
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 도면부호는 동일 구성 요소를 지칭한다.
본 발명의 실시 예들을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들은 본 발명의 실시 예에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
도 1은 실시예에 따른 가스터빈 연소 최적화 분석설비를 위한 시스템 구성을 나타낸 도면이다.
도 1을 참조하면, 실시예에 따른 가스터빈 연소 최적화 분석설비를 위한 시스템은 가스터빈(100) 및 서버(200)를 포함하여 구성될 수 있다.
가스터빈(Gas Turbine)(100)은 고속 회전하는 가스통 안에서 공기를 압축하고, 압축된 공기를 연소시켜 열을 발생시키고 태진된 가스를 가스터빈 블레이드로 유도하여 회전력을 획득한다. 이후 가스터빈(100)은 전기를 생산하는 발전기를 구동한다. 서버(200)는 가스터빈에 설치된 센서로부터 가스터빈 모니터링 데이터를 수집하고, 수집된 데이터를 분석하여 연소 최적값 산출 필요여부를 판단한다. 이후, 서버(200)는 연소 최적값 산출이 필요한 경우, 연소 최적값을 산출하여 가스터빈을 실시간으로 연소 최적화 상태로 유지되도록 한다. 실시예에서 서버(200)는 프로그램을 구현, 실행할 수 있는 컴퓨터 장치로서, PC, 태블릿, 스마트폰 등 핸드핼드 기반의 무선 통신장치를 포함한다.
또한, 실시예에 따른 가스터빈 연소 최적화 분석설비를 위한 시스템 및 방법은 컴퓨터 장치는 가스터빈 튜닝 데이터를 비교 분석하고, 비교 분석 결과에 대한 보고서를 생성한다. 또한, 실시예를 통해 가스터빈 연소 최적화 시 운전상태, 배출가스(NOx), 연소진동(Pulsation) 데이터 등을 수집하고, 수집된 데이터를 기저장된 데이터와 비교 분석하여, 최적화가 필요한 가스터빈 제어 변수를 선별하고 선별된 변수를 산출하여 제어 대상에 적용한다.
또한, 실시예를 통해 분석된 데이터를 비교, 분석, 저장하고, 분석된 데이터를 기반으로 보고서 생성하고 편집할 수 있는 소프트웨어 도구와 HMI 기능을 제공한다.
도 2는 실시예에 따른 서버의 데이터 처리 구성을 나타낸 도면이다.
도 2를 참조하면, 실시예에 따른 서버(200)는 수집부(210), 전처리부(220), 검출부(230), 판단부(240), 산출부(250), 설정부(260) 및 생성부(270)를 포함하여 구성될 수 있다. 본 명세서에서 사용되는 '부' 라는 용어는 용어가 사용된 문맥에 따라서, 소프트웨어, 하드웨어 또는 그 조합을 포함할 수 있는 것으로 해석되어야 한다. 예를 들어, 소프트웨어는 기계어, 펌웨어(firmware), 임베디드코드(embedded code), 및 애플리케이션 소프트웨어일 수 있다. 또 다른 예로, 하드웨어는 회로, 프로세서, 컴퓨터, 집적 회로, 집적 회로 코어, 센서, 멤스(MEMS; Micro-Electro-Mechanical System), 수동 디바이스, 또는 그 조합일 수 있다.
수집부(210)는 가스터빈 모니터링 데이터를 수집한다. 가스터빈 모니터링 데이터는 가스터빈의 각 기관에 설치된 센서로부터 수집한 데이터와 가스터빈 제어 시스템으로부터 수집한 데이터 로서, 가스터빈의 운전상태, 배출가스(NOx), 연소진동(Pulsation) 데이터, 연소산물의 농도, 온도, 압력, 연료 유량, 공기 유량, TIT, 배기온도, 터빈 출력 등을 포함할 있고, 이에 한정하지 않는다.
수집부(210)는 가스터빈 모니터링 데이터, 산출된 가스터빈 제어 변수의 연소 최적값, 분산제어 시스템 데이터를 수집하여 빅데이터를 구축한다. 실시예에서 분산제어 시스템 데이터는 공정 상태, 센서 측정값, 액추에이터 상태, 경보 및 이벤트정보를 포함할 수 있다.
실시예에서 수집부(210)는 가스터빈 모니터링 데이터와 모니터링 데이터를 기반으로 산출된 최적값을 누적하여 빅데이터를 구축한다.
실시예에서 수집부(210)는 누적된 데이터의 빅데이터 구축을 위해, 데이터 수집 계획을 수립한다. 실시예에서 수집부(210)는 수집하는 모니터링 데이터의 종류를 정의한다. 예컨대, 수집부(210)는 가스터빈의 운전상태, 배출가스(NOx), 연소진동(Pulsation) 데이터, 연소산물의 농도, 온도, 압력 및 연소실 모니터링 데이터를 수집하는 것으로 결정할 수 있다. 이후, 수집부(110)는 수집한 데이터를 정제 및 변환한다. 실시예에서 수집부(210)는 수집한 데이터 형식을 표준화하고, 누락된 값이나 오류를 처리하여 정확성을 높인다. 이후, 수집부(210)는 정제된 데이터를 저장하는 데이터베이스나 데이터 웨어하우스에 저장하여 도 3에 도시된 바와 같이 빅데이터를 구축하고, 빅데이터에서 필요한 데이터를 로딩하여 디스플레이 한다.
전처리부(220)는 가스터빈 모니터링 데이터를 전처리한다. 실시예에서 전처리는 결측치 처리, 이상치 처리, 변수 스케일링, 데이터 분할, 데이터 정규화, 데이터 인코딩 등을 포함할 수 있고, 이에 한정하지 않는다.
검출부(230)는 연소실 내부 조건 데이터를 연소실에 설치된 센서로부터 수집하여 분석하고 분석 결과에 따라 연소실 이상 데이터를 검출한다. 실시예에서 연소실 이상 데이터는 연소실에서 감지되는 정상 동작과는 다른 불규칙한 상황을 나타내는 데이터이다. 검출부(230)는 연소실 이상 데이터를 연소 공정의 문제나 잠재적인 고장을 식별하고 예방하기 위해 검출한다. 실시예에서 연소실 내부 조건 데이터는 연소 공정을 모니터링하고 제어하기 위해 연소실 내부에서 측정된 데이터로서, 온도, 압력, 연료 공급량, 공기 공급량, 산소농도, 배출가스 분석 결과를 포함할 수 있다. 또한, 실시예에서 연소실은 연소가 발생하는 공간으로, 가스터빈의 엔진, 보일러, 가열로 등을 포함할 수 있다. 연소실 내부 조건 데이터 중 연료 공급량 (Fuel Supply)은 연소실에 공급되는 연료의 유량이나 압력 등을 포함하고, 공기 공급량 (Air Supply)은 연소실에 공급되는 공기의 유량이나 압력을 포함할 수 있다. 실시예에서 산소 농도 (Oxygen Concentration)는 연소실 내부의 산소 농도 측정값으로, 산소농도는 연소 반응에 필요한 산소 농도를 유지하기 위해 모니터링되며, 연소 효율과 배출가스 특성에 영향을 준다. 배출가스 분석 (Exhaust Gas Analysis) 정보는 연소실에서 발생하는 배출가스의 구성을 분석한 데이터로서, 실시예에서는 이산화탄소, 일산화 탄소, 질소산화물, 황산화물 등의 배출가스 농도를 측정하여 연소 프로세스의 효율성과 환경 영향을 평가데이터로 이용한다.
실시예에서 검출부(230)는 연소실 내부 조건 데이터가 정상 범위를 벗어나는 경우, 이상데이터로 검출할 수 있다. 예컨대, 검출부(230)는 연소실 내부의 온도가 정상 범위를 벗어나는 경우 해당 데이터를 이상 데이터로 검출한다. 실시에서 검출부(230)는 과열, 과도한 냉각, 온도 변동이 불안정한 등의 상황이 온도 이상 데이터로 검출할 수 있다. 또한, 연소실 내부의 압력이 정상 범위를 벗어나는 경우, 과압 또는 저압 상태가 지속되는 것을 압력 이상 데이터로 검출할 수 있다. 또한, 실시예에서 검출부(230)는 연소실에 공급되는 연료의 유량이나 압력이 비정상적으로 증가하거나 감소하는 경우, 연료 공급 장애, 누설, 막힘 등과 관련된 이상데이터로 검출할 수 있다. 또한, 연소실에 공급되는 공기의 유량이나 압력이 비정상적으로 변동하는 경우, 공기 공급 장애, 오염, 손상된 공기 필터 등으로 인한 이상데이터로 검출할 수 있다. 또한, 연소실에서 발생하는 배출가스의 구성이 정상 범위를 벗어나는 경우의 이상데이터를 검출할 수 있다. 예컨대, 이산화탄소, 일산화탄소, 질소 산화물 및 황산화물 등의 농도가 비정상적으로 증가하는 경우의, 배출가스 이상 데이터를 검출할 수 있다.
판단부(240)는 모니터링 데이터를 분석하여 연소 최적화 연산 필요 여부를 판단한다. 예컨대, 판단부(240)는 모니터링 데이터를 기저장된 데이터와 비교하여 일정수준 이상 차이 나는 데이터가 검출되는 경우, 연소 최적화 연산이 필요한 것으로 판단한다. 이후, 판단부(240)는 운전조건변수, 설계변수, 연소변수, 기계변수, 환경변수, 경제변수 및 신뢰성 변수 중 최적화 연산이 필요한 가스터빈 제어 변수를 적어도 하나 선별한다. 실시예에서 판단부(240)는 기저장된 데이터와 일정 수준 이상 차이가 나는 데이터가 부하, 압력, 온도, 습도 중 어느 하나 인 경우, 운전조건 변수를 최적화 연산이 필요한 변수로 선별한다.
또한, 판단부(240)는 기저장된 데이터와 일정 수준 이상 차이가 나는 데이터가 연료 흡입량, 공기 흡입량, 연소 온도, 연소 압력 중 어느 하나인 경우, 연소 변수를 최적화 연산이 필요한 변수로 선별한다.
또한, 판단부(240)는 기저장된 데이터와 일정 수준 이상 차이가 나는 데이터가 회전 속도, 부하, 진동, 마찰 중 어느 하나인 경우, 기계 변수를 최적화 연산이 필요한 변수로 선별한다.
또한, 판단부(240)는 기저장된 데이터와 일정 수준 이상 차이가 나는 데이터가 연료 가격, 전력 요금, 유지 보수 비용 주 어느 하나인 경우, 경제변수를 연소 최적화 연산이 필요한 변수로 선별할 수 있다.
또한, 판단부(240)는 가스터빈의 발전효율에 따라 변수의 최적화 연산 수행 필요여부를 판단할 수 있다. 예컨대, 판단부(240)는 가스터빈의 발전효율을 모니터링 하고, 발전 효율이 일정 수준 미만으로 모니터링 되는 경우, 모든 변수의 최적화 연산이 필요한 것으로 판단할 수 있다.
또한, 실시예에서 판단부(240)는 가스터빈의 발전 효율을 수학식 1을 통해 산출하고, 발전 효율이 일정 수준 미만으로 산출되는 경우 모든 변수의 최적화 연산이 필요한 것으로 판단할 수 있다.
수학식 1
발전효율 = (발전 출력/연료소비량) × 100
수학식 1에서 발전출력은 가스터빈에 의해 구동되는 전기 발전기의 출력이고, 연료소비량은 가스터빈에 공급된 연료의 양이다.
또한, 실시예에서 판단부(240)는 가스터빈을 구성하는 연소기, 압축기, 터빈 각각의 효율을 산출하고, 산출된 각 구성의 효율이 일정 수준 미만인 경우, 일정 수준 미만으로 산출된 가스터빈 구성에 대한 연소 최적화 연산이 필요한 것으로 판단할 수 있다.
실시예에서 판단부(240)는 수학식 2를 통해, 연소기의 효율을 산출할 수 있다.
수학식 2
연소기 효율(%) = (실제 발생한 열의 양/이론적으로 발생할 수 있는 최대 열의 양) x 100
실시예에서 판단부(240)는 수학식 3을 통해, 압축기의 효율을 산출할 수 있다.
수학식 3
압축기 효율 = (압축기 출구 압력 - 압축기 입구 압력) / (압축기 출구 압력 - 압축기 입구 압력 × (1/압축비) ^ (γγ
수학식 3에서 압축기 출구 압력은 압축기에서 나오는 가스의 압력이고,
압축기 입구 압력은 압축기에 들어가는 공기의 압력이다. 압축비는 압축기에서 공기를 압축하는 비율이다. γ 는 공기의 비열 비율값(1.4)이다.
실시예에서 압축기 효율은 압축기의 입구와 출구 압력 차이를 이용하여 계산되며, 압축비와 공기의 비열 비율도 함께 고려된다.
또한, 실시예에서 판단부(240)는 터빈의 효율을 수학식 4내지 6을 통해 산출할 수 있다.
수학식 4
터빈 출력 = (탈진 후 가스 유량) x (탈진 후 가스 엔탈피 - 배기 가스 엔탈피)
수학식 5
터빈 입구 엔탈피 = (연소기 출구 가스 엔탈피) - (압축기 출구 가스 엔탈피)
수학식 6
터빈 효율 = (터빈 출력)/(압축기 출구 가스 유량 x (터빈 입구 엔탈피 - 배기 가스 엔탈피))
또한, 실시예에서 판단부(240)는 가스터빈의 발전 효율이 일정 수준 미만인 경우, 가스터빈의 상태나 고장을 진단하는 고장률을 산출한다. 이후, 판단부(240)는 산출된 고장률이 임계치 미만인 경우, 모든 변수의 최적화 연산이 필요한 것으로 판단한다. 즉, 실시예에서는 가스터빈의 발전 효율이 낮음에도 가스터빈 상태에 특별한 이상이 없는 경우, 가스터빈의 전 부분에 연소 최적화 연산이 필요한 것으로 판단한다.
실시예에서 판단부(240)는 모니터링 데이터를 전처리하고, 데이터에서 고장 여부와 연관성이 높은 특징(feature)을 추출한다. 예컨대, 판단부(240)는 진동 데이터에서 FFT(Fast Fourier Transform)를 이용해 주파수 영역에서의 특징을 추출할 수 있다.
또한, 판단부(240)는 가스터빈의 모니터링 데이터 및 유지보수 정보, 건전성 감지 정보를 분석하여 고장률을 산출한다. 실시예에서 유지보수 정보는 가스터빈의 고장빈도, 고장시간, 고장유형, 고장 원인 등을 포함할 수 있고, 건전성 감지 정보는 가스터빈의 운전 안전성과 효율 파악을 위한 데이터로서, 가스터빈의 온도, 진동, 소음, 전류 등을 포함할 수 있다.
실시예에서 판단부(240)는 가스터빈의 모니터링 데이터, 유지보수 정보 및 건전성 감지 정보를 파라미터 분석(Parameter Analysis), 잔차 분석(Residual Analysis)을 통해 분석하여 분석결과에 따라 고장률을 산출할 수 있다.
실시예에서 판단부(240)는 파라미터 분석(Parameter Analysis)을 통해, 정상적인 상태의 데이터로 계산한 파라미터와 실제 데이터로 계산한 파라미터 차이에 따라 고장률을 산출할 수 있다. 또한, 판단부(240)는 잔차 분석(Residual Analysis)방법을 통해, 정상적인 상태의 데이터 값과 모니터링된 데이터의 차이에 따라 고장률을 산출할 수 있다.
실시예에서 판단부(240)는 산출된 고장률이 임계치 미만인 경우, 최적화 연산이 필요한 변수를 적어도 하나 선별한다. 예컨대, 판단부(240)는 산출된 고장률 중 가장 높은 수치의 고장률을 추출하고, 추출된 고장률의 산출 데이터가 부하, 압력, 온도, 습도 중 어느 하나 인 경우, 운전조건 변수를 최적화 연산이 필요한 변수로 선별한다.
또한, 판단부(240)는 산출된 고장률 중 가장 높은 수치의 고장률을 추출하고, 추출된 고장률의 산출 데이터가 연료 흡입량, 공기 흡입량, 연소 온도, 연소 압력 중 어느 하나인 경우, 연소 변수를 최적화 연산이 필요한 변수로 선별한다. 또한, 판단부(240)는 산출된 고장률 중 가장 높은 수치의 고장률을 추출하고, 추출된 고장류의 산출 데이터가 회전 속도, 부하, 진동, 마찰 중 어느 하나인 경우, 기계 변수를 최적화 연산이 필요한 변수로 선별한다.
산출부(250)는 연소 최적화 연산이 필요한 경우, 가스터빈 제어 변수의 연소 최적값을 산출한다. 실시예에서 가스터빈 제어 변수는 가스터빈 출력 제어를 위해, 조작되는 변수이다. 가스터빈 제어변수는 운전조건변수, 설계변수, 연소변수, 기계변수, 환경변수, 경제변수 및 신뢰성 변수 등을 포함할 수 있다. 실시예에서 운전조건변수는 가스터빈이 운전되는 환경에 대한 변수로서, 압력, 습도, 고도, 연료 품질 변수 등이 있다. 실시예에선 설계 변수는 가스터빈 설계에 대한 변수로서, 압축기, 터빈, 연소실, 냉각장치 등의 설계 변수를 포함한다. 연소 변수는 가스터빈 연소에 대한 변수로서, 공기 비율, 연료 비율, 연소 온도, 연소 압력, 연소 시간 등을 포함할 수 있다. 기계 변수는 가스터빈 기계에 대한 변수들 로서, 회전 속도, 부하, 진동, 마찰 등을 포함한다. 환경 변수는 가스터빈이 설치되는 환경에 대한 변수로서 지형, 풍속, 태양광, 빛 등을 포함할 수 있다. 경제 변수는 가스터빈을 운전하고 유지하는데 필요한 비용과 관련된 변수로서, 예를 들어, 연료 가격, 전력 요금, 유지 보수 비용 등을 포함할 수 있다. 신뢰성 변수는 가스터빈이 운전되는 동안의 신뢰성과 안정성과 관련된 변수로서, 예를 들어, 장애 발생 확률, 수명 등을 포함할 수 있다.
이후, 산출부(250)는 산출된 연소 최적값으로 가스터빈 연소 프로세스를 파악하고, 시뮬레이션을 수행하여 시뮬레이션 결과에 따라 연소 최적값을 보정(calibration)한다. 예컨대, 산출부(250)는 산출된 연소 최적값에 의한 가스터빈의 운전 데이터와 시뮬레이션 결과를 비교하여 일정 수준 이상 차이가 있는 부분을 검출한다. 이후, 산출부(250)는 시뮬레이션의 입력값 또는 입력값의 가중치를 조정하여 시뮬레이션 결과를 실제 운전 데이터와 일치하도록 조정한다. 이후, 산출부(250)는 보정된 시뮬레이션을 이용하여 최적 제어 변수 값을 다시 산출한다.
설정부(260)는 산출된 연소 최적값을 가스터빈의 가스터빈 제어 변수의 설정값으로 설정한다.
생성부(270)는 가스터빈에 모니터링 결과 및 연소 최적화 산출 결과에 대한 보고서를 생성한다. 실시예에서 생성부(270)는 서버에 저장된 데이터, 모니터링 데이터, 환경정보, 모니터링 데이터를 저장된 데이터와 비교한 결과, 선별된 제어 변수, 선별된 변수의 연소 최적값 산출과정 및 연소 최적값을 포함하는 보고서를 생성한다.
또한, 실시예에서 생성부(270)는 모니터링된 데이터, 저장된 데이터 및 연소 최적화 산출 결과를 적용한 시뮬레이션 결과를 시각적 객체로 생성한다. 실시예에서 시각적 객체는 그래프, 선그래프 막대그래프, 원그래프, 산점도, 히스토그램, 상자 그림, 히트맵, 네트워크 그래프 등을 포함할 수 있고 이에 한정하지 않는다.
또한, 실시예에서 생성부(270)는 시각적 객체로 레이더 차트(radar chart)를 생성할 수 있다. 레이더 차트는 도 4 및 도 5에 도시된 바와 같이, 여러 개의 그래프를 한 화면에 모두 표시하여 적어도 30 개의 데이터의 모니터링 결과를 출력하는 시각적 객체이다. 도 4및 도 5를 참조하면, 실시예에서는 레이더 차트를 통해, 다양한 변수와 데이터를 감시할 수 있도록 한다.
또한, 생성부(270)는 최적값 산출과정을 스크립트로 출력한다. 실시예에서 생성부(270)는 최적값 산출 후, 해당 최적값에 관련된 모니터링 데이터, 최적값을 산출한 알고리즘 및 알고리즘의 계산 과정을 도 9에 도시된 스크립트 형식으로 출력할 수 있다.
도 6은 실시예에 제공하는 HMI 기능 중 그룹 설정 기능을 나타낸 도면이다. 도 6을 참조하면, 실시예에서는 그룹 설정 기능을 통해 모니터링 데이터의 그룹을 설정하고 설정된 그룹에 따라 모니터링 데이터를 출력할 수 있다. 실시예에서 1500개의 태그를 모니터링 하는 경우, 30개의 태그가 포함된 500개의 그룹을 출력하여 모니터링 데이터를 출력할 수 있다.
도 7 및 도 8은 실시예에 따른 실시간 태그 데이터 조회 기능을 나타낸 도면이다.
도 7을 참조하면, 실시예에서는 실시간으로 발생되는 태그 별 상태 모니터링을 위해, 일정시간(예컨대, 1초) 내 발생되는 모든 데이터를 조회 가능하도록 한다.
또한, 도 8을 참조하면, 실시예에서는 태그 데이터베이스를 조회할 수 있도록 하여 연소 최적화 관련 전체 태그 정보를 조회하고, 전체 태그 정보에서 필요한 정보를 추출할 수 있도록 한다.
도 9는 실시예에 따른 연소 최적화 알고리즘 연산과정을 나타낸 도면이다.
도 9를 참조하면, 실시예에서는 계산 스크립트 기능을 통해, 연소 최적화 알고리즘의 연산 과정을 출력할 수 있다.
도 10은 실시예에 따른 연소 최적화 모니터링 인터페이스를 나타낸 도면이다. 도 10에 도시된 바와 같이, 실시예에서는 연소 최적화 실시간 연산 상태 및 모니터링 데이터를 가공하여, 원그래프, 선그래프, 히스토그램, 산점도 등을 포함하는 다양한 데이터 분석 객체를 생성할 수 있다. 또한, 아울러, 생성된 분석객체와 분석객체에 대한 해석을 포함하는 보고서를 생성하여 출력할 수 있다. 아울러, 오버뷰(overview) 감시 화면, 가스터빈의 플로우 감시 화면, 데이터 모니터링 화면 및 리포트 화면을 각각 출력할 수 있다.
이하에서는 가스터빈 연소 최적화 분석설비를 위한 방법에 대해서 차례로 설명한다. 실시예에 따른 가스터빈 연소 최적화 분석설비를 위한 방법의 작용(기능)은 가스터빈 연소 최적화 분석설비를 위한 시스템의 기능과 본질적으로 같은 것이므로 도 1 내지 도 10과 중복되는 설명은 생략하도록 한다.
도 11은 실시예에 따른 서버의 데이터 처리 과정을 나타낸 도면이다.
도 11을 참조하면, S100 단계에서는 수집부에서 가스터빈의 운전상태, 배출가스(NOx), 연소진동(Pulsation), 연소산물의 농도, 온도, 압력을 포함하는 가스터빈 모니터링 데이터 및 환경정보를 수집한다. S200 단계에서는 모니터링 데이터를 저장된 데이터와 비교하여, 연소 최적화 연산 필요 여부를 판단한다. S300 단계에서는 산출부에서 연소 최적화 연산이 필요한 경우, 가스터빈 제어 변수의 연소 최적값을 산출한다. S400 단계에서는 설정부에서 산출된 연소 최적값을 가스터빈의 가스터빈 제어 변수의 설정값으로 설정한다.
이상에서와 같은 가스터빈 연소 최적화 분석설비를 위한 시스템 및 방법은 가스터빈 출력증대 목적으로 사용되는 외산 연소 최적화 분석 설비를 국산화하여 외산 제품 대비 동등 이상의 성능을 제공할 수 있도록 한다.
또한, 실시예를 통해 자체 연소 최적화 분석 장비 확보를 통한 기술력 향상을 통해 가스터빈 출력증대 및 설비 신뢰도를 향상시킨다.
또한, 실시예를 통해 최적화 연산을 위한 소프트웨어 도구를 도입하여 연료 연소의 효율성을 높이고, 전력 생산을 최대화하며, 동시에 시간과 비용을 절약할 수 있도록 한다.
개시된 내용은 예시에 불과하며, 특허청구범위에서 청구하는 청구의 요지를 벗어나지 않고 당해 기술분야에서 통상의 지식을 가진 자에 의하여 다양하게 변경 실시될 수 있으므로, 개시된 내용의 보호범위는 상술한 특정의 실시예에 한정되지 않는다.
Claims (7)
- 가스터빈 연소 최적화 분석설비를 위한 시스템에 있어서,
가스터빈의 운전상태, 배출가스(NOx), 연소진동(Pulsation), 연소산물의 농도, 온도, 압력, 연소실 내부 조건 데이터를 포함하는 가스터빈 모니터링 데이터 및 환경정보를 수집하는 수집부;
연소실 내부에서 측정된 온도, 압력, 연료 공급량, 공기 공급량, 산소농도, 배출가스 분석 결과를 포함하는 연소실 내부 조건 데이터를 분석하여 연소실의 이상 데이터를 검출하는 검출부;
상기 모니터링 데이터를 저장된 데이터와 비교하여, 연소 최적화 연산 필요 여부를 판단하는 판단부;
연소 최적화 연산이 필요한 경우, 가스터빈 제어 변수의 연소 최적값을 산출하는 산출부;
산출된 연소 최적값을 가스터빈의 가스터빈 제어 변수의 설정값으로 설정하는 설정부; 를 포함하고
상기 수집부; 는
가스터빈 모니터링 데이터, 산출된 가스터빈 제어 변수의 연소 최적값, 분산 제어 시스템 데이터로 빅데이터를 구축하고
상기 분산제어 시스템 데이터는 공정 상태, 센서 측정값, 액추에이터 상태, 경보 및 이벤트정보를 포함하는 것을 특징으로 하는 가스터빈 연소 최적화 분석설비를 위한 시스템.
- 제1항에 있어서, 상기 가스터빈 연소 최적화 분석설비를 위한 시스템; 은
저장된 데이터, 모니터링 데이터, 환경정보, 모니터링 데이터를 저장된 데이터와 비교한 결과, 선별된 가스터빈 제어 변수, 선별된 가스터빈 제어변수의 연소 최적값 산출과정 및 연소 최적값을 포함하는 보고서를 생성하는 생성부; 를 더 포함하고,
상기 생성부; 는
연소 최적값 산출과정을 스크립트로 출력하는 것을 특징으로 하는 가스터빈 연소 최적화 분석설비를 위한 시스템.
- 삭제
- 제1항에 있어서, 상기 판단부; 는
모니터링 데이터와 저장된 데이터가 일정 수준 이상 차이나는 경우, 연소 최적화 연산이 필요한 것으로 판단하고, 운전조건변수, 설계변수, 연소변수, 기계변수, 환경변수, 경제변수 및 신뢰성 변수 중 최적화 연산이 필요한 변수를 적어도 하나 선별하고
가스터빈의 발전효율일 일정 수준 미만으로 모니터링 되는 경우, 모든 가스터빈 제어 변수의 최적화 연산이 필요한 것으로 판단하는 것을 특징으로 하는 가스터빈 연소 최적화 분석설비를 위한 시스템.
- 제1항에 있어서, 상기 산출부; 는
산출된 연소 최적값으로 가스터빈 연소 프로세스를 파악하고, 상기 연소 프로세스의 시뮬레이션을 수행하여 시뮬레이션 결과에 따라 연소 최적값을 보정하는 것을 특징으로 하는 가스터빈 연소 최적화 분석설비를 위한 시스템.
- 제1항에 있어서, 상기 판단부; 는
가스터빈의 발전효율일 일정 수준 미만으로 모니터링 되는 경우, 모든 가스터빈 제어 변수의 최적화 연산이 필요한 것으로 판단하는 것을 특징으로 하는 가스터빈 연소 최적화 분석설비를 위한 시스템.
- 제5항에 있어서, 상기 판단부; 는
가스터빈의 발전 효율이 일정 수준 미만인 경우, 가스터빈 모니터링 데이터를 통해 고장률을 산출하고, 산출된 고장률이 임계치 미만인 경우, 모든 변수의 최적화 연산이 필요한 것으로 판단하고,
가스터빈의 모니터링 데이터 및 유지보수 정보 및 온도, 진동, 소음, 전류를 포함하는 건전성 감지 정보를 파라미터 분석(Parameter Analysis) 또는 잔차 분석(Residual Analysis)을 통해 분석하여 분석결과에 따라 고장률을 산출하고, 산출된 고장률이 임계치 미만인 경우, 최적화 연산이 필요한 변수를 적어도 하나 선별하는 것을 특징으로 하는 가스터빈 연소 최적화 분석설비를 위한 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230100761A KR102635721B1 (ko) | 2023-08-02 | 2023-08-02 | 가스터빈 연소 최적화 분석설비를 위한 시스템 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230100761A KR102635721B1 (ko) | 2023-08-02 | 2023-08-02 | 가스터빈 연소 최적화 분석설비를 위한 시스템 및 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102635721B1 true KR102635721B1 (ko) | 2024-02-13 |
Family
ID=89899493
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230100761A KR102635721B1 (ko) | 2023-08-02 | 2023-08-02 | 가스터빈 연소 최적화 분석설비를 위한 시스템 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102635721B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118194026A (zh) * | 2024-05-15 | 2024-06-14 | 江苏华电通州热电有限公司 | 一种燃气发电数据分析系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101864487B1 (ko) * | 2016-08-03 | 2018-06-04 | 한국전력공사 | 가스터빈 연소튜닝 지원장치 및 그 방법 |
| KR20190129243A (ko) * | 2018-05-10 | 2019-11-20 | 두산중공업 주식회사 | 가상 엔진 모델을 통한 터빈 효율 최적화 장치 및 방법 |
| KR102390528B1 (ko) | 2017-12-07 | 2022-04-25 | 미츠비시 파워 가부시키가이샤 | 라만 산란광 취득 장치, 이것을 구비하는 조성 분석 장치 및 가스 터빈 플랜트 |
| KR102415574B1 (ko) | 2020-10-27 | 2022-07-05 | 한국전력공사 | 가스터빈 블레이드의 내부 유동장 분석 방법 |
-
2023
- 2023-08-02 KR KR1020230100761A patent/KR102635721B1/ko active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101864487B1 (ko) * | 2016-08-03 | 2018-06-04 | 한국전력공사 | 가스터빈 연소튜닝 지원장치 및 그 방법 |
| KR102390528B1 (ko) | 2017-12-07 | 2022-04-25 | 미츠비시 파워 가부시키가이샤 | 라만 산란광 취득 장치, 이것을 구비하는 조성 분석 장치 및 가스 터빈 플랜트 |
| KR20190129243A (ko) * | 2018-05-10 | 2019-11-20 | 두산중공업 주식회사 | 가상 엔진 모델을 통한 터빈 효율 최적화 장치 및 방법 |
| KR102415574B1 (ko) | 2020-10-27 | 2022-07-05 | 한국전력공사 | 가스터빈 블레이드의 내부 유동장 분석 방법 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118194026A (zh) * | 2024-05-15 | 2024-06-14 | 江苏华电通州热电有限公司 | 一种燃气发电数据分析系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN100526835C (zh) | 用于监测气轮机系统的性能的方法和设备 | |
| JP5393693B2 (ja) | ガスタービンの運転を分析するための方法 | |
| CN102680235B (zh) | 用于涡轮机的分析的方法和系统 | |
| US9500563B2 (en) | System and method for detecting an at-fault combustor | |
| US9494490B2 (en) | Creep life management system for a turbine engine and method of operating the same | |
| AU2013224891B2 (en) | Method and system for real time dry low nitrogen oxide (DLN) and diffusion combustion monitoring | |
| JP6116466B2 (ja) | プラントの診断装置及び診断方法 | |
| JP5897824B2 (ja) | ターボ機械のリスク解析を実施するシステム及び、コンピュータにターボ機械に対する検査勧告の作成を実施させる機械可読命令を格納する機械可読媒体 | |
| US20110293403A1 (en) | Blade monitoring system | |
| US20120259585A1 (en) | Methods and systems for monitoring operation of equipment | |
| KR102635721B1 (ko) | 가스터빈 연소 최적화 분석설비를 위한 시스템 및 방법 | |
| EP3757696A1 (en) | Control of power generation system by visually monitoring valve during operation | |
| US20160365735A1 (en) | Systems and Methods for Power Plant Data Reconciliation | |
| EP3757356A1 (en) | Control of power generation system by visually monitoring gauge during operation | |
| JP6830414B2 (ja) | 診断装置及び診断方法 | |
| EP3757357B1 (en) | Control of power generation system by visually monitoring component during operation | |
| US20180087489A1 (en) | Method for windmill farm monitoring | |
| JP6554162B2 (ja) | 発電プラント性能評価方法及び発電プラント性能評価プログラム | |
| Ozgur et al. | Remote Monitoring and Diagnostics System for GE Heavy Duty Gas Turbines | |
| JP7539551B2 (ja) | プラント監視方法、プラント監視装置及びプラント監視プログラム | |
| CN118734022B (zh) | 基于多维度数据分析的燃气机组耗差分析方法及其系统 | |
| CN109341780A (zh) | 一种多手段低成本风机故障监测方法 | |
| KR20240024969A (ko) | 플랜트 감시 장치, 플랜트 감시 방법 및 플랜트 감시 프로그램 | |
| Andersen et al. | Advanced Gas Turbine Monitoring and Diagnostic Technology for Modern Power Plants | |
| KR20190024183A (ko) | 가스터빈 발전설비용 정비 시스템 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PA0109 | Patent application |
Patent event code: PA01091R01D Comment text: Patent Application Patent event date: 20230802 |
|
| PA0201 | Request for examination | ||
| PA0302 | Request for accelerated examination |
Patent event date: 20230802 Patent event code: PA03022R01D Comment text: Request for Accelerated Examination |
|
| PE0902 | Notice of grounds for rejection |
Comment text: Notification of reason for refusal Patent event date: 20231011 Patent event code: PE09021S01D |
|
| E701 | Decision to grant or registration of patent right | ||
| PE0701 | Decision of registration |
Patent event code: PE07011S01D Comment text: Decision to Grant Registration Patent event date: 20231218 |
|
| GRNT | Written decision to grant | ||
| PR0701 | Registration of establishment |
Comment text: Registration of Establishment Patent event date: 20240206 Patent event code: PR07011E01D |
|
| PR1002 | Payment of registration fee |
Payment date: 20240206 End annual number: 3 Start annual number: 1 |
|
| PG1601 | Publication of registration |