KR20220144627A - 물리모델 기반 가스터빈 압축기 오염에 따른 성능변화 분석을 통한 세정주기 최적화 방법 - Google Patents

물리모델 기반 가스터빈 압축기 오염에 따른 성능변화 분석을 통한 세정주기 최적화 방법 Download PDF

Info

Publication number
KR20220144627A
KR20220144627A KR1020210051177A KR20210051177A KR20220144627A KR 20220144627 A KR20220144627 A KR 20220144627A KR 1020210051177 A KR1020210051177 A KR 1020210051177A KR 20210051177 A KR20210051177 A KR 20210051177A KR 20220144627 A KR20220144627 A KR 20220144627A
Authority
KR
South Korea
Prior art keywords
physical model
compressor
gas turbine
pollution
contamination
Prior art date
Application number
KR1020210051177A
Other languages
English (en)
Inventor
박규상
강해수
방명환
장성호
최우성
Original Assignee
한국전력공사
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 한국전력공사 filed Critical 한국전력공사
Priority to KR1020210051177A priority Critical patent/KR20220144627A/ko
Publication of KR20220144627A publication Critical patent/KR20220144627A/ko

Links

Images

Classifications

    • 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
    • G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
    • 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
    • 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
    • G05B17/00—Systems involving the use of models or simulators of said systems
    • G05B17/02—Systems involving the use of models or simulators of said systems electric

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Control Of Positive-Displacement Air Blowers (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

본 발명은 가스터빈이 실제 운전되는 부분부하 운전구간에서 파울링을 모사한 가스터빈 성능저하 모델링을 구축하고 실제 발전소 데이터와 비교하여 보다 정확한 세정주기를 제시할 수 있도록 한 물리모델 기반 가스터빈 압축기 오염에 따른 성능변화 분석을 통한 세정주기 최적화 방법에 관한 것이다.
본 발명에 따른 물리모델 기반 가스터빈 압축기 오염에 따른 성능변화 분석을 통한 세정주기 최적화 방법은, 가스터빈의 성능해석 프로그램으로 상기 가스터빈의 데이터가 입력되는 데이터 입력 단계(S110); 상기 가스터빈이 실제 운전되는 구간에서 가스터빈 출력, 가스터빈 효율, 압축기 효율, 가스터빈 출구온도-압력을 계산하여 데이터베이스화시켜 정상상태의 물리모델을 설정하는 정상상태 물리모델 설정 단계(S121); 상기 압축기의 오염으로 인한 압축기 입구 압력 강하로 상기 압축기의 오염의 물리모델로 설정하는 오염 물리모델 설정 단계(S131); 상기 정상상태 물리모델 설정 단계(S121)에서 설정된 물리모델에 의한 압축기 오염도와 오염 물리모델 설정 단계(S131)에서 설정된 물리모델에 의한 압축기 오염도를 서로 비교하는 평가 및 검증 단계(S140) 및 상기 압축기의 오염도를 최종적으로 판단하는 압축기 오염도 판별 단계(S150)를 포함 한다.

Description

물리모델 기반 가스터빈 압축기 오염에 따른 성능변화 분석을 통한 세정주기 최적화 방법{METHOD FOR OPTIMIZING CLEANING CYCLE BY ANALYZING THE PERFORMANCE CHANGE DUE TO CONTAMINATION OF THE GAS TURBINE COMPRESSOR BASED ON THE PHYSICAL MODEL}
본 발명은 가스터빈이 실제 운전되는 부분부하 운전구간에서 파울링을 모사한 가스터빈 성능저하 모델링을 구축하고 실제 발전소 데이터와 비교하여 보다 정확한 세정주기를 제시할 수 있도록 한 물리모델 기반 가스터빈 압축기 오염에 따른 성능변화 분석을 통한 세정주기 최적화 방법에 관한 것이다.
친환경을 요구하는 전세계적 발전시장의 수요에 따라, LNG 발전의 핵심인 발전용 가스터빈에 대한 기술개발이 활발하다. 상기 가스터빈은 대기조건 변화와 운전시간의 경과에 따라 성능저하가 크기 때문에, 이들의 성능감시와 분석을 통한 주기적인 유지보수가 필요하다.
가스터빈의 압축기는 연소기, 터빈과 함께 가스터빈을 구성하는 가장 핵심적인 구성으로, 공기를 압축시켜 연소기로 공급하는 역할을 한다. 상기 압축기는 압력비가 높을수록 열효율이 향상되고, 상기 가스터빈의 상기 압축기의 압력비를 높이는 방향으로 기술개발이 진행되고 있다.
이러한 압력비에 영향을 미치는 압축기의 오염은 대기중의 부유물질, 각종 불순물이 상기 가스터빈으로 유입되어 발생한다. 상기 가스터빈의 입구에 필터가 설치되어 있어, 대부분 필터링되지만, 상기 필터를 통과하는 미세입자 불순물들은 상기 압축기의 블레이드의 표면을 침식시키는 파울링현상을 야기한다.
이러한 파울링 현상은 도 2에 도시된 바와 같은 과정은 통하여 상기 블레이드 및 상기 압축기를 손상시켜 상기 압축기의 압력비를 저하시킨다. 즉, 파울링 현상은 상기 블레이드의 표면조도를 증가시키고, 이는 공기유로의 면적은 감소시키다. 이에 따른 빠른 박리로 인하여 편차각은 증가한다. 또한, 절대속도각은 증가하며, 축방향 속도는 감소한다. 이로 인하여, 유량계수와 온도계수에 변화를 유발하고, 결과적으로 압축기의 유량과 압력비가 감소된다.
상기 압축기 오염과 관련하여, 다양한 연구가 진행되고 있고, 특히 경제적으로 압축기 세정주기를 결정하는 연구들이 수행되고 있다. 이를 위하여, 먼저 오염되지 않는 설계점 성능해석이 선행되어야 하고, 그 다음으로 파울링에 따른 거동을 분석하여 관련 변수들을 정의하고 파울링현상을 모사할 수 있는 모델을 구축한다.
현재 대부분의 연구는 설계점에서 상기 파울링을 모사하여, 가스터빈의 성능저하 모델링을 수행하였다. 하지만, 실제 환경에서는 정격부하 운전이 아닌 부분부하에서 운전되며, 이를 설계점이 아닌 탈설계점에서 터빈이 운전되는 것을 의미한다. 이에 따라, 현장에서는 정확한 성능 기댓값을 예측할 수 없었다.
KR 10-2008-0012193 A (2008.02.11, 명칭 : 복합 사이클 발전 장치에 대한 압축기 오염의 영향을 추산하는 방법 및 시스템)
본 발명은 상기와 같은 문제점을 해결하기 위해 발명된 것으로서, 가스터빈이 실제 운전되는 부분부하 운전구간에서 파울링을 모사한 가스터빈 성능저하 모델링을 구축하고 실제 발전소 데이터와 비교하여 보다 정확한 세정주기를 제시할 수 있도록 한 물리모델 기반 가스터빈 압축기 오염에 따른 성능변화 분석을 통한 세정주기 최적화 방법을 제공하는데 목적이 있다.
상기와 같은 목적을 달성하기 위한 본 발명에 따른 물리모델 기반 가스터빈 압축기 오염에 따른 성능변화 분석을 통한 세정주기 최적화 방법은, 가스터빈의 성능해석 프로그램으로 상기 가스터빈의 데이터가 입력되는 데이터 입력 단계; 상기 가스터빈이 실제 운전되는 구간에서 가스터빈 출력, 가스터빈 효율, 압축기 효율, 가스터빈 출구온도-압력을 계산하여 데이터베이스화시켜 정상상태의 물리모델을 설정하는 정상상태 물리모델 설정 단계; 상기 압축기의 오염으로 인한 압축기 입구 압력 강하로 상기 압축기의 오염의 물리모델로 설정하는 오염 물리모델 설정 단계; 상기 정상상태 물리모델 설정 단계에서 설정된 물리모델에 의한 압축기 오염도와 오염 물리모델 설정 단계에서 설정된 물리모델에 의한 압축기 오염도를 서로 비교하는 평가 및 검증 단계 및 상기 압축기의 오염도를 최종적으로 판단하는 압축기 오염도 판별 단계를 포함한다.
상기 데이터 입력 단계에서 입력되는 데이터는, 대기온도, 대기압력, 가스터빈 입구온도-압력, 가스터빈 출력, 가스터빈 효율, 압축기 효율, 압축기 입출구 온도-압력, 대기온도-압력에 따른 보정곡선 수식을 포함하는 것을 특징으로 한다.
상기 데이터 입력 단계에서 입력되는 데이터는, 물리모델의 계산시 입력값으로 사용되는 것을 특징으로 한다.
상기 정상상태 물리모델 설정 단계는, 대기온도와 대기압력에 따라, 부하별, 대기온도별, 대기압력별로 가스터빈 출력, 가스터빈 효율, 압축기 효율, 가스터빈 출구온도-압력을 계산하여 데이터베이스화시키는 것을 특징으로 한다.
정상상태 물리모델 설정 단계에서, 상기 가스터빈의 정해진 부하구간을 일정한 간격별로 분할하고, 상기 대기온도의 정해진 온도범위를 일정한 간격별로 분할하며, 상기 대기압력의 정해진 압력범위를 일정한 간격으로 분할하여, 상기 가스터빈의 부하별, 상기 대기온도별, 상기 대기압력별 조건에 따른 케이스별로 가스터빈 출력, 가스터빈 효율, 압축기 효율, 가스터빈 출구온도-압력을 계산하고 데이터베이스화시키는 것을 특징으로 한다.
정상상태 물리모델 설정 단계에서, 상기 가스터빈이 실제 운전되는 구간의 100% 내지 35%의 부하구간에서 1% 간격별로, 상기 대기온도가 -20℃부터 40℃까지 1℃ 간격별로, 상기 대기압력이 1kg/cm2로부터 1.05kg/cm2까지 0.001kg/cm2 간격별로, 각각 가스터빈 출력, 가스터빈 효율, 압축기 효율, 가스터빈 출구온도-압력을 계산하고 데이터베이스화시키는 것을 특징으로 한다.
상기 정상상태 물리모델 설정 단계에서, 측정된 가스터빈 출력은 보정곡선을 적용하여 표준대기조건 상태로 보정한 보정출력으로 계산되는 것을 특징으로 한다.
상기 정상상태 물리모델 설정 단계에서, 실제 출력이 계측되면 보정곡선을 통해 보정출력으로 환산 후 보정 부하율을 계산하고 저장된 데이터베이스에서 보정부하율과 대기온도, 대기압력과 매칭되는 물리모델 출력을 계산하는 것을 특징으로 한다.
상기 오염 물리모델 설정 단계는, 상기 가스터빈의 압축기에 구비되는 블레이드의 오염에 의해 파울링 현상 발생시, 파울링 정도에 따라 상기 압축기의 내부를 유동하는 공기의 압력 및 유량 변화를 오염도별로 반영한 압축기맵을 생성하는 것을 특징으로 한다.
상기 오염 물리모델 설정 단계에서는 상기 압축기의 입구에 위치한 입구 안내 베인의 각도를 조절하여, 파울링 정도에 따라 상기 압축기 내부를 유동하는 공기의 압력과 유량 변화에 따른 압축기맵을 생성하는 것을 특징으로 한다.
상기 오염 물리모델 설정 단계에서, 상기 압축기가 오염되지 않은 정상상태의 100% 부하로부터 미리 설정된 부하별로, 상기 압축기 오염정도를 미리 설정된 입구 압력강하 비율별로, 각각 상기 오염 물리모델에 적용하여 데이터베이스화하는 것을 특징으로 한다.
상기 오염 물리모델 설정 단계에서, 상기 부하별로, 상기 입구 압력강하 비율별로 각 케이스를 산출하지 않고, 보간법을 이용하여 데이터베이스화하는 것을 특징으로 한다.
상기 오염 물리모델 설정 단계는, 상기 압축기 입구의 파울링 현상을 모사하는 압력 강하 파이프를 모델링하는 것을 특징으로 한다.
상기 압력 강하 파이프로 모델링시, 상기 가스터빈의 출력별, 상기 압축기의 오염도별, 압력강하별로 상기 압축기 입구의 파울링을 모사하는 것을 특징으로 한다.
상기 정상상태 물리모델 설정 단계와 상기 평가 및 검증 단계 사이에는 상기 정상상태 물리모델 설정 단계에서 설정한 물리모델을 평가하는 정상상태 물리모델 평가단계가 수행되고,
상기 오염 물리모델 설정 단계와 상기 평가 및 검증 단계 사이에는 상기 오염 물리모델 설정 단계에서 설정한 물리모델을 평가하는 오염 물리모델 평가 단계가 수행되는 것을 특징으로 한다.
정상상태 물리모델 평가단계는, 상기 정상상태 물리모델 설정 단계를 통하여 설정된 물리모델에 의해 상기 가스터빈의 운전데이터 출력값과 기대성능 값의 차이를 산출하여 상기 압축기의 오염도를 평가하는 것을 특징으로 한다.
오염 물리모델 평가 단계는, 상기 오염 물리모델 설정 단계를 통하여 설정된 오염 물리모델로 실제 가스터빈에서 압축기 효율, 가스터빈 효율, 가스터빈 출력, 압축기 입구, 출구의 온도-압력을 포함한 데이터가 입력되면, 상기 오염 물리모델을 통해 만든 데이터베이스에서 가장 가까운 값과 매칭되는 압축기 오염도를 계산하여 상기 압축기의 오염도를 평가하는 것을 특징으로 한다.
상기와 같은 구성을 갖는 본 발명의 물리모델 기반 가스터빈 압축기 오염에 따른 성능변화 분석을 통한 세정주기 최적화 방법에 따르면, 가스터빈의 압축기의 오염에 대한 압축기맵을 설계할 수 있고, 압축기 오염에 따른 성능변화 분석이 가능해진다.
또한, 대기온도, 대기압력의 변화에 따른 가스터빈의 기대성능을 예측할 수 있고, 상기 압축기의 오염에 의한 성능저하를 정량적으로 평가할 수 있다.
도 1은 본 발명에 따른 물리모델 기반 가스터빈 압축기 오염에 따른 성능변화 분석을 통한 세정주기 최적화 방법을 도시한 순서도.
도 2는 파울링에 따른 압축기의 성능 저하과정을 도시한 개략도.
이하 첨부된 도면을 참조로 하여 본 발명에 따른 물리모델 기반 가스터빈 압축기 오염에 따른 성능변화 분석을 통한 세정주기 최적화 방법에 대하여 자세히 설명하기로 한다.
본 발명에 따른 본 발명에 따른 물리모델 기반 가스터빈 압축기 오염에 따른 성능변화 분석을 통한 세정주기 최적화 방법은, 가스터빈의 성능해석 프로그램으로 상기 가스터빈의 데이터가 입력되는 데이터 입력 단계(S110); 상기 가스터빈이 실제 운전되는 구간에서 가스터빈 출력, 가스터빈 효율, 압축기 효율, 가스터빈 출구온도-압력을 계산하여 데이터베이스화시켜 정상상태의 물리모델을 설정하는 정상상태 물리모델 설정 단계(S121); 상기 압축기의 오염으로 인한 압축기 입구 압력 강하로 상기 압축기의 오염의 물리모델로 설정하는 오염 물리모델 설정 단계(S131); 상기 정상상태 물리모델 설정 단계(S121)에서 설정된 물리모델에 의한 압축기 오염도와 오염 물리모델 설정 단계(S131)에서 설정된 물리모델에 의한 압축기 오염도를 서로 비교하는 평가 및 검증 단계(S140) 및 상기 압축기의 오염도를 최종적으로 판단하는 압축기 오염도 판별 단계(S150)를 포함한다.
데이터 입력 단계(S110)는 가스터빈의 성능해석 프로그램으로 상기 가스터빈의 데이터가 입력된다.
본 발명은 가스터빈 성능해석 프로그램을 이용하여 수행될 수 있는데, 상기 데이터 입력 단계(S110)는 상기 가스터빈의 실제 데이터가 입력되도록 한다.
상기 데이터 입력 단계(S110)에서 입력되는 데이터는, 대기온도, 대기압력, 가스터빈 입구온도-압력, 가스터빈 출력, 가스터빈 효율, 압축기 효율, 압축기 입출구 온도-압력, 대기온도-압력에 따른 보정곡선 수식을 포함하고, 이들은 물리모델 계산시 입력값으로 사용된다.
여기서, 상기 성능해석 프로그램은 STEAG사의 Ebsilon가 될 수 있다.
정상상태 물리모델 설정 단계(S121)는 상기 압축기의 오염도를 간접적으로 평가하기 위해 수행된다. 상기 정상상태 물리모델 설정 단계(S121)에서는 현재 가스터빈의 실제출력과 이론출력을 비교하여, 그 차이를 이용하여, 간접적으로 압축기의 오염도를 평가하기 위해 수행된다. 즉, 상기 압축기가 오염되지 않은 상태(블레이드에 파울링이 발생하지 않은 상태)에서는 실제출력과 이론출력이 동일하지만, 상기 압축기가 오염됨에 따라 상기 가스터빈은 실제출력과 이론출력에 차이가 발생하게 되고, 오염이 진행될수록 그 차이는 더욱 커지게 된다. 상기 정상상태 물리모델 설정 단계(S121)에서는 이를 이용하여 상기 압축기의 오염도를 간접적으로 평가한다.
상기 정상상태 물리모델 설정 단계(S121)에서는 상기 가스터빈의 정해진 부하구간을 일정한 간격별로 분할하고, 상기 대기온도의 정해진 온도범위를 일정한 간격별로 분할하며, 상기 대기압력의 정해진 압력범위를 일정한 간격으로 분할하여, 상기 가스터빈의 부하별, 상기 대기온도별, 상기 대기압력별 조건에 따라 가스터빈 출력, 가스터빈 효율, 압축기 효율, 가스터빈 출구온도-압력을 계산하고 데이터베이스화시킨다.
예컨대, 상기 가스터빈이 실제 운전되는 구간의 100% 내지 35%의 부하구간에서 1% 간격별로 분할하고, 상기 대기온도의 범위를 -20℃로부터 40 ℃까지 1℃ 간격별로 분할하며, 상기 대기압력의 범위를 1kg/cm2로부터 1.05kg/cm2까지 0.001kg/cm2 간격별로 분할하면, 하기의 표와 같이, 각각 66케이스, 61케이스, 51케이스가 되므로, 모든 케이스는 그 곱이 205,326케이스가 된다. 상기 205,326케이스별로, 가스터빈 출력, 가스터빈 효율, 압축기 효율, 가스터빈 출구온도-압력을 계산하고 데이터베이스화시킨다.
Figure pat00001
측정된 가스터빈 출력은 외기조건 변화에 의한 출력변화가 반영되어있기 때문에 보정곡선을 적용하여 표준대기조건 상태로 보정한 보정출력으로 계산되어야 한다. 가스터빈 제작사에서 제시한 보정곡선을 이용하여 보정출력을 계산하고 보정된 출력의 부하율을 계산한다. 실제 출력이 계측되면 보정곡선을 통해 보정출력으로 환산 후 보정 부하율을 계산하고 저장된 데이터에서 보정부하율과 대기온도, 대기압력과 매칭되는 물리모델 출력을 계산함으로써, 상기 정상상태 물리모델을 구성한다.
정상상태 물리모델 평가단계(S122)는 계산된 물리모델의 출력과 실제 가스터빈의 출력의 차이를 도출해낸다. 즉, 상기 정상상태 물리모델 평가단계(S122)는 상기 정상상태 물리모델 설정 단계(S121)를 통하여 설정된 물리모델에 의해 상기 가스터빈의 운전데이터 출력값과 기대성능 값의 차이를 산출하여 상기 압축기의 오염도를 평가한다.
실제 발전소의 대기온도, 대기압력, 가스터빈 입구온도-압력, 가스터빈 출력, 가스터빈 효율, 압축기 효율, 가스터빈 출구온도-압력 데이터가 들어오면 앞서 설명한 바와 같이 보정곡선 수식을 통해 외기조건의 영향을 제외한 보정출력을 계산하게 된다. 다음 보정된 출력을 보정 부하율로 계산하고 저장된 데이터베이스에서 보정부하율과 대기온도, 대기압력과 매칭되는 물리모델 출력을 계산한다.
계산된 물리모델 출력은 가스터빈이 정상상태일 때의 기대 성능, 즉 상기 압축기가 오염되기 전의 기대성능이기 때문에 압축기의 오염이 진행될수록 실제 발전소 출력과 물리모델 출력과의 차이는 계속적으로 커지게 된다.
상기 정상상태 물리모델 평가단계(S122)에서는 실제 발전소 출력과 물리모델 출력과의 차이를 통하여 정상상태 물리모델을 평가한다.
한편, 계산된 물리모델 출력과 발전소의 실제 출력의 차이가 미리 설정된 임계치를 초과하면, 상기 압축기의 오염을 용이하게 인지할 수 있도록 알람을 발생시켜, 오염된 압축기를 더 이상의 오염이 발생되지 않도록 세정시킬 수 있다.
또한, 상기와 같이, 상기 압축기의 오염상태를 평가하여 상기 압축기의 오염도를 모니터링함으로써, 상기 압축기의 세정이 필요한 시점을 예측하여, 상기 압축기에 대한 세정계획을 세울 수 있다.
오염 물리모델 설정 단계(S131)는 상기 압축기의 오염에 따라, 실제로 상기 가스터빈에서 나타나는 거동을 모델링하여, 상기 압축기의 오염도를 평가토록 한다.
상기 압축기에 설치된 블레이드는 도 2에 도시된 바와 같이, 파울링을 유발시킨다. 상기 파울링은 상기 가스터빈의 압축기에 공기역학, 역역학적 성능에 영향을 미쳐, 압축기에 서지를 초래하며 블레이드 수명에 영향을 미친다.
또한, 이러한 파울링은 결국 유량계수와 단효율, 온도계수, 압력계수를 변화시켜 압축기 입구 압력강하를 초래한다.
본 발명에서는 상기 압축기 오염에 따른 모델링을 아래의 2가지 방법으로 수행한다.
먼저, 파울링발생시 도 2와 같은 파울링 발생으로 인한 거동을 분석하여, 파울링 정도에 따른 압력 및 유량 변화를 압축기맵을 오염정도에 따라 생성한다.
상기 압축기의 오염시 상기 압축기의 출구에서는 압력 저하가 발생하는데, 이를 상기 압축기의 입구에 설치된 입구 안내 베인(Inlet Guide Vane, IGV)의 각도를 조정하여 상기 압축기의 특성 파라미터를 변화시킴으로써, 상기 압축기 오염을 모델링할 수 있다. 즉, 상기 입구 안내 베인의 각도를 조정하는 경우에도, 상기 압축기 오염시와 마찬가지로 상기 압축기의 출구에서 압력저하가 발생하므로, 상기 입구 안내 베인의 각도를 조정함으로써, 상기 압축기의 오염상태를 모델링한다.
정확한 계산을 위해서는 실제 가스터빈이 운전되는 구간에서 정해진 간격으로 압축기맵을 도출해야 한다. 또한, 도출된 정상상태의 압축기 맵에서 파울링이 발생했을 때의 상태를 고려하여 추가적으로 압축기맵을 도출해야 하므로, 도출해야 하는 압축기맵의 수가 급격하게 증가한다.
예컨대, 가스터빈의 100% ~ 35% 출력구간에서 각 1%마다 압축기맵 66개를 도출해야하고, 정상상태 66개의 압축기맵에서 파울링 발생시의 압축기맵을 추가적으로 도출하면, 압축기맵의 수가 급격하게 증가한다. 이에 본 발명에서는 압축기가 오염되지 않은 정상상태의 100% 부하, 75% 부하, 50% 부하, 35% 부하 4개의 부하에서 각각 압축기맵을 생성하고, 각 부하에서 압축기 오염정도를 입구 압력강하 비율로 계산한 100% ~ 90%까지 11개의 압축기 맵을 생성한다. 총 44개의 압축기맵을 설계하고 물리모델에 적용하여 모든 해석 결과값을 데이터베이스화 시킨다. 앞서 설명하였듯이 모든 부하에서 압축기 오염 거동을 적용한 압축기맵을 생성하는 것은 경우의 수가 너무 많기 때문에 현실적으로 불가능하다. 이를 해결하고자 실제 모든 케이스를 산출하지 않고 보간법(Interpolation)을 이용하여, 아래와 같이 100% ~ 35% 모든 부하의 압축기 오염도를 726 case 정도를 산출하여 데이터베이스화시키도록 한다.
Figure pat00002
두 번째, 압축기 오염 물리모델은 가스터빈의 압력 저하 물리모델을 구현하기 위하여 압축기 입구에 파울링 현상을 모사할 수 있는 압력강하 파이프를 모델링 한다. 해석은 운전환경을 고려하여 설계점에서뿐만 아니라 부분부하를 고려한 다양한 조건에서 수행한다.
출력은 정해진 전부하 대비 정해진 출력 비율별, 대기온도는 미리 정해진 온도 범위내에서 정해진 온도 간격별, 대기압력도 미리 정해진 압력 범위내에서 정해진 압력별, 압력강하도 미리 정해진 압력강하범위에서 강하압력별로 케이스를 설정하고, 모든 케이스를 경우를 고려해볼 수 있다.
예컨대, 상기 가스터빈의 출력은 100%, 75%, 50%, 35% 부하에서 4개 case, 대기온도는 -20℃부터 40℃까지의 구간에서 1℃ 간격별로 분할하면 61개 case, 대기압력의 범위를 1kg/cm2로부터 1.05kg/cm2까지 0.001kg/cm2 간격별로 분할하면 51개 case, 압력강하를 100%로부터 92%까지 0.1% 간격별로 분할하면 81개 case가 되므로, 모든 경우는 100만 케이스를 초과한다. 이중에서 데이터베이스화가 가능한 케이스에 대한 값을 도출하고, 그 사이의 값들은 보간법을 사용하여 압축기 오염에 따른 가스터빈 출력과 효율의 모든 변화 값들을 계산할 수 있다. 예를 들어, 1,119,960 케이스에 대하여 데이터베이스화하였다면, 100만여개의 케이스 중에서 상기 1,119,960 케이스에 일치하는 값을 그대로 사용하고, 상기 1,119,960 케이스에 일치하지 않는 값은 보간법으로 계산한다.
이에 따라, 실제 발전소의 대기온도, 대기압력, 압력비, 출력, 효율 데이터가 들어오면 물리모델을 통해 맵핑한 결과값에 가장 가까운 가스터빈 출력, 가스터빈 효율, 압축기 효율값을 계산하여 압축기 오염도를 계산하고 가스터빈의 성능저하를 진단할 수 있다.
오염 물리모델 평가 단계(S132)는, 상기 오염 물리모델 설정 단계(S131)를 통하여 설정된 오염 물리모델을 이용하여 상기 압축기의 오염도를 평가한다.
상기 오염 물리모델 평가 단계(S132)에서는, 발전소에서 들어오는 운전데이터 출력은 보정곡선 수식을 통해 외기조건의 영향을 제외한 보정출력을 계산하게 된다. 상기 오염 물리모델 설정 단계(S131)에서 살펴본 2가지 방식, 즉 압축기맵 적용방식을 통하여 설정한 물리모델과, 압력강하 파이프 모델링 방식을 통하여 설정한 물리모델로 모두 실제 가스터빈에서 압축기 효율, 가스터빈 효율, 가스터빈 출력, 압축기 입구, 출구의 온도-압력 데이터가 들어오면, 물리모델을 통해 만든 데이터베이스에서 가장 가까운 값과 매칭되는 압축기 오염도를 계산하여 압축기 오염도를 평가한다.
상기 정상상태 물리모델 평가단계(S122)와 상기 오염 물리모델 평가 단계(S132)는 각각이 상기 압축기의 오염을 평가하는 지표로도 사용될 수 있지만, 후술되는 평가 및 검증 단계(S140) 및 압축기 오염도 판별 단계(S150)의 입력으로도 활용된다.
평가 및 검증 단계(S140)는 상기 정상상태 물리모델 평가단계(S122)를 통하여 평가된 상기 압축기의 오염도와 상기 오염 물리모델 평가 단계(S132)를 통하여 평가된 오염도를 서로 비교하여, 상기 압축기의 오염도를 평가한다.
여기서, 상기 정상상태 물리모델 평가단계(S122)와 상기 압축기의 오염도와 상기 오염 물리모델 평가 단계(S132)를 통하여 각각 오염도를 평가한 상태에서, 다시 상기 평가 및 검증 단계(S140)를 수행하는 이유는, 상기 정상상태 물리모델 설정 단계(S121)에서 설정한 정상상태 물리모델과 상기 오염 물리모델 설정 단계(S131)에서 설정한 물리모델을 각각 평가한 상기 압축기의 오염도를 상호 검증하기 위함이다.
상기 평가 및 검증 단계(S140)에서 상기 압축기의 오염도를 평가하는 구체적인 방식은 다양한 방식으로 진행될 수 있는 바, 본 발명의 범주에 해당하지 않는다.
압축기 오염도 판별 단계(S150)는 상기 압축기의 오염도를 최종적으로 판별하고, 필요에 따라 상기 압축기의 세정을 결정한다. 상기 가스터빈의 제어시스템을 통하여, 상기 정상상태 물리모델 설정 단계(S121) 및 상기 정상상태 물리모델 평가단계(S122)의 임계치를 설정하고, 상기 오염 물리모델 설정 단계(S131)로 상기 압축기의 오염도를 계산하여, 해당 설비에 맞는 적절한 변수값 설정을 통하여 세정시기에 도달하였는지 또는 세정시기까지 얼마나 남았는지를 판단한다.
이와 같은 본 발명에 따른 물리모델 기반 가스터빈 압축기 오염에 따른 성능변화 분석을 통한 세정주기 최적화 방법에 따르면, 가스터빈의 압축기 오염에 대한 압축기맵을 확보할 수 있고, 압축기 오염에 따른 성능변화 분석을 위한 가스터빈 물리모델을 획득할 수 있다. 또한, 대기온도, 대기압력의 변화에 따른 가스터빈의 기대성능을 예측할 수 있는 기술을 확보할 수 있으며, 압축기 오염에 의한 정량적 평가 기술을 확보할 수 있다.
이러한 기술적 효과 이외에도, 발전용 가스터빈의 성능분석을 통한 효율적인 운영이 가능하고, 압축기의 세정시기 또는 세정주기를 최적화할 수 있어, 압축기 오염으로 인한 정비비용을 절감할 수 있다.
S110 : 데이터입력단계
S121 : 정상상태 물리모델 설정 단계
S122 : 정상상태 물리모델 평가단계
S131 : 오염 물리모델 설정 단계
S132 : 오염 물리모델 평가 단계
S140 : 평가 및 검증 단계
S150 : 압축기 오염도 판별 단계

Claims (17)

  1. 가스터빈의 성능해석 프로그램으로 상기 가스터빈의 데이터가 입력되는 데이터 입력 단계;
    상기 가스터빈이 실제 운전되는 구간에서 가스터빈 출력, 가스터빈 효율, 압축기 효율, 가스터빈 출구온도-압력을 계산하여 데이터베이스화시켜 정상상태의 물리모델을 설정하는 정상상태 물리모델 설정 단계;
    상기 압축기의 오염으로 인한 압축기 입구 압력 강하로 상기 압축기의 오염의 물리모델로 설정하는 오염 물리모델 설정 단계;
    상기 정상상태 물리모델 설정 단계에서 설정된 물리모델에 의한 압축기 오염도와 오염 물리모델 설정 단계에서 설정된 물리모델에 의한 압축기 오염도를 서로 비교하는 평가 및 검증 단계 및
    상기 압축기의 오염도를 최종적으로 판단하는 압축기 오염도 판별 단계
    를 포함하는 물리모델 기반 가스터빈 압축기 오염에 따른 성능변화 분석을 통한 세정주기 최적화 방법.
  2. 제1항에 있어서,
    상기 데이터 입력 단계에서 입력되는 데이터는,
    대기온도, 대기압력, 가스터빈 입구온도-압력, 가스터빈 출력, 가스터빈 효율, 압축기 효율, 압축기 입출구 온도-압력, 대기온도-압력에 따른 보정곡선 수식을 포함하는 것을 특징으로 하는 물리모델 기반 가스터빈 압축기 오염에 따른 성능변화 분석을 통한 세정주기 최적화 방법.
  3. 제2항에 있어서,
    상기 데이터 입력 단계에서 입력되는 데이터는, 물리모델의 계산시 입력값으로 사용되는 것을 특징으로 하는 물리모델 기반 가스터빈 압축기 오염에 따른 성능변화 분석을 통한 세정주기 최적화 방법.
  4. 제1항에 있어서,
    상기 정상상태 물리모델 설정 단계는,
    대기온도와 대기압력에 따라, 부하별, 대기온도별, 대기압력별로 가스터빈 출력, 가스터빈 효율, 압축기 효율, 가스터빈 출구온도-압력을 계산하여 데이터베이스화시키는 것을 특징으로 하는 물리모델 기반 가스터빈 압축기 오염에 따른 성능변화 분석을 통한 세정주기 최적화 방법.
  5. 제4항에 있어서,
    정상상태 물리모델 설정 단계에서,
    상기 가스터빈의 정해진 부하구간을 일정한 간격별로 분할하고,
    상기 대기온도의 정해진 온도범위를 일정한 간격별로 분할하며,
    상기 대기압력의 정해진 압력범위를 일정한 간격으로 분할하여,
    상기 가스터빈의 부하별, 상기 대기온도별, 상기 대기압력별 조건에 따른 케이스별로 가스터빈 출력, 가스터빈 효율, 압축기 효율, 가스터빈 출구온도-압력을 계산하고 데이터베이스화시키는 것을 특징으로 하는 물리모델 기반 가스터빈 압축기 오염에 따른 성능변화 분석을 통한 세정주기 최적화 방법.
  6. 제5항에 있어서,
    정상상태 물리모델 설정 단계에서,
    상기 가스터빈이 실제 운전되는 구간의 100% 내지 35%의 부하구간에서 1% 간격별로,
    상기 대기온도가 -20℃부터 40℃까지 1℃ 간격별로,
    상기 대기압력이 1kg/cm2로부터 1.05kg/cm2까지 0.001kg/cm2 간격별로,
    각각 가스터빈 출력, 가스터빈 효율, 압축기 효율, 가스터빈 출구온도-압력을 계산하고 데이터베이스화시키는 것을 특징으로 하는 물리모델 기반 가스터빈 압축기 오염에 따른 성능변화 분석을 통한 세정주기 최적화 방법.
  7. 제1항에 있어서,
    상기 정상상태 물리모델 설정 단계에서,
    측정된 가스터빈 출력은 보정곡선을 적용하여 표준대기조건 상태로 보정한 보정출력으로 계산되는 것을 특징으로 하는 물리모델 기반 가스터빈 압축기 오염에 따른 성능변화 분석을 통한 세정주기 최적화 방법.
  8. 제7항에 있어서,
    상기 정상상태 물리모델 설정 단계에서,
    실제 출력이 계측되면 보정곡선을 통해 보정출력으로 환산 후 보정 부하율을 계산하고 저장된 데이터베이스에서 보정부하율과 대기온도, 대기압력과 매칭되는 물리모델 출력을 계산하는 것을 특징으로 하는 물리모델 기반 가스터빈 압축기 오염에 따른 성능변화 분석을 통한 세정주기 최적화 방법.
  9. 제1항에 있어서,
    상기 오염 물리모델 설정 단계는,
    상기 가스터빈의 압축기에 구비되는 블레이드의 오염에 의해 파울링 현상 발생시, 파울링 정도에 따라 상기 압축기의 내부를 유동하는 공기의 압력 및 유량 변화를 오염도별로 반영한 압축기맵을 생성하는 것을 특징으로 하는 물리모델 기반 가스터빈 압축기 오염에 따른 성능변화 분석을 통한 세정주기 최적화 방법.
  10. 제9항에 있어서,
    상기 오염 물리모델 설정 단계에서는 상기 압축기의 입구에 위치한 입구 안내 베인의 각도를 조절하여, 파울링 정도에 따라 상기 압축기 내부를 유동하는 공기의 압력과 유량 변화에 따른 압축기맵을 생성하는 것을 특징으로 하는 물리모델 기반 가스터빈 압축기 오염에 따른 성능변화 분석을 통한 세정주기 최적화 방법.
  11. 제10항에 있어서,
    상기 오염 물리모델 설정 단계에서,
    상기 압축기가 오염되지 않은 정상상태의 100% 부하로부터 미리 설정된 부하별로,
    상기 압축기 오염정도를 미리 설정된 입구 압력강하 비율별로,
    각각 상기 오염 물리모델에 적용하여 데이터베이스화하는 것을 특징으로 하는 물리모델 기반 가스터빈 압축기 오염에 따른 성능변화 분석을 통한 세정주기 최적화 방법.
  12. 제11항에 있어서,
    상기 오염 물리모델 설정 단계에서,
    상기 부하별로, 상기 입구 압력강하 비율별로 각 케이스를 산출하지 않고, 보간법을 이용하여 데이터베이스화하는 것을 특징으로 하는 물리모델 기반 가스터빈 압축기 오염에 따른 성능변화 분석을 통한 세정주기 최적화 방법.
  13. 제1항에 있어서,
    상기 오염 물리모델 설정 단계는,
    상기 압축기 입구의 파울링 현상을 모사하는 압력 강하 파이프를 모델링하는 것을 특징으로 하는 물리모델 기반 가스터빈 압축기 오염에 따른 성능변화 분석을 통한 세정주기 최적화 방법.
  14. 제13항에 있어서,
    상기 압력 강하 파이프로 모델링시,
    상기 가스터빈의 출력별, 상기 압축기의 오염도별, 압력강하별로 상기 압축기 입구의 파울링을 모사하는 것을 특징으로 하는 물리모델 기반 가스터빈 압축기 오염에 따른 성능변화 분석을 통한 세정주기 최적화 방법.
  15. 제1항에 있어서,
    상기 정상상태 물리모델 설정 단계와 상기 평가 및 검증 단계 사이에는 상기 정상상태 물리모델 설정 단계에서 설정한 물리모델을 평가하는 정상상태 물리모델 평가단계가 수행되고,
    상기 오염 물리모델 설정 단계와 상기 평가 및 검증 단계 사이에는 상기 오염 물리모델 설정 단계에서 설정한 물리모델을 평가하는 오염 물리모델 평가 단계가 수행되는 것을 특징으로 하는 물리모델 기반 가스터빈 압축기 오염에 따른 성능변화 분석을 통한 세정주기 최적화 방법.
  16. 제15항에 있어서,
    정상상태 물리모델 평가단계는,
    상기 정상상태 물리모델 설정 단계를 통하여 설정된 물리모델에 의해 상기 가스터빈의 운전데이터 출력값과 기대성능 값의 차이를 산출하여 상기 압축기의 오염도를 평가하는 것을 특징으로 하는 물리모델 기반 가스터빈 압축기 오염에 따른 성능변화 분석을 통한 세정주기 최적화 방법.
  17. 제15항에 있어서,
    오염 물리모델 평가 단계는,
    상기 오염 물리모델 설정 단계를 통하여 설정된 오염 물리모델로 실제 가스터빈에서 압축기 효율, 가스터빈 효율, 가스터빈 출력, 압축기 입구, 출구의 온도-압력을 포함한 데이터가 입력되면, 상기 오염 물리모델을 통해 만든 데이터베이스에서 가장 가까운 값과 매칭되는 압축기 오염도를 계산하여 상기 압축기의 오염도를 평가하는 것을 특징으로 하는 물리모델 기반 가스터빈 압축기 오염에 따른 성능변화 분석을 통한 세정주기 최적화 방법.


KR1020210051177A 2021-04-20 2021-04-20 물리모델 기반 가스터빈 압축기 오염에 따른 성능변화 분석을 통한 세정주기 최적화 방법 KR20220144627A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210051177A KR20220144627A (ko) 2021-04-20 2021-04-20 물리모델 기반 가스터빈 압축기 오염에 따른 성능변화 분석을 통한 세정주기 최적화 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210051177A KR20220144627A (ko) 2021-04-20 2021-04-20 물리모델 기반 가스터빈 압축기 오염에 따른 성능변화 분석을 통한 세정주기 최적화 방법

Publications (1)

Publication Number Publication Date
KR20220144627A true KR20220144627A (ko) 2022-10-27

Family

ID=83810451

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210051177A KR20220144627A (ko) 2021-04-20 2021-04-20 물리모델 기반 가스터빈 압축기 오염에 따른 성능변화 분석을 통한 세정주기 최적화 방법

Country Status (1)

Country Link
KR (1) KR20220144627A (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080012193A (ko) 2006-07-31 2008-02-11 제너럴 일렉트릭 캄파니 복합 사이클 발전 장치에 대한 압축기 오염의 영향을추산하는 방법 및 시스템

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080012193A (ko) 2006-07-31 2008-02-11 제너럴 일렉트릭 캄파니 복합 사이클 발전 장치에 대한 압축기 오염의 영향을추산하는 방법 및 시스템

Similar Documents

Publication Publication Date Title
US11525375B2 (en) Modeling and control of gas cycle power plant operation with variant control profile
CN106404403B (zh) 用于涡轮机的分析的方法和系统
CN108108528B (zh) 一种分轴式航改燃机动力涡轮一维匹配设计方法
CN111159844A (zh) 一种电站燃气轮机排气温度的异常检测方法
WO2015149928A2 (en) Method and device for online evaluation of a compressor
RU2675965C2 (ru) Способ определения режима выбросов
US11149654B2 (en) Systems, program products, and methods for adjusting operating limit (OL) threshold for compressors of gas turbine systems based on mass flow loss
EP3255512A2 (en) Adaptive model-based method to quantify degradation of a power generation system
CN105317476A (zh) 一种基于特征通流面积的汽轮机流量曲线辨识及优化方法
US20160365736A1 (en) Model-based control system and method for power production machinery
CN107315403B (zh) 用校准的性能模型控制机械
CN110646193B (zh) 一种获取汽轮机高压调门流量特性的试验方法
Zaccaria et al. A model-based solution for gas turbine diagnostics: Simulations and experimental verification
EP3373233A1 (en) Scheduling maintenance to reduce degradation of a power generation system
KR20220144627A (ko) 물리모델 기반 가스터빈 압축기 오염에 따른 성능변화 분석을 통한 세정주기 최적화 방법
Pandey et al. Model predictive control for gas turbine engines
Liu et al. Nonlinear model based diagnostic of gas turbine faults: a case study
CN114285037B (zh) 一种区域电-气综合能源系统控制参数稳定域确定方法
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
Blinov et al. Technical condition estimation of the gas turbine axial compressor
Hanachi et al. A physics-based performance indicator for gas turbine engines under variable operating conditions
CN112628132B (zh) 一种基于机器学习的水泵关键指标预测方法
CN112446003A (zh) 基于特征通流面积准确评估汽轮机组蒸汽泄漏量的方法
Cruz-Manzo et al. Performance analysis of a twin shaft Industrial Gas Turbine at fouling conditions
CN111611743A (zh) 轴流式压气机特性线自适应方法