SGC Rapport 183 TillstÃƒÂ¥ndsÃƒÂ¶vervakning och termoekonomisk ...

More documents

Recommendations

Info

Figur 24. Gasturbin, ett larm och två varningarFigure 24. Gas turbine, one alarm and two warnings8.2.6 ParameteranalysVerktyget för parameteranalys är utvecklat tillsammans med medarbetare påVästhamnsverket och är sofistikerat på det viset att det låter användaren, med någraenkla klick, välja vilken parameter som önskas analyseras samt under vilken tidsperioddetta ska göras. Vid tryck på knappen ”Skapa kurva”, inringat i rött, kommer fönstret”Välj signal för trend” upp där de olika valen görs (se Figur 25).Figur 25. ParameteranalysFigure 25. Parameter analysisÖnskad parameter väljs i en rullgardinsmeny och för demonstrationssyfte väljseleffekten från gasturbinen samt en period på ungefär en vecka. En plot genereras38
automatiskt, se Figur 26, och visar uppmätt data tillsammans med predikterad för valdperiod och parameter. Denna funktion möjliggörs tack vare att all historisk data,uppmätt och predikterad, finns lagrad på PGIM servern och är tillgänglig från allaarbetsstationer kopplade till klient- och servernätverket.Figur 26. Trend, uppmätt och predikteratFigure 26. Trend, measured and predicted8.3 Onlinetest av gasturbin ANNDen 17e september 2007 testkördes gasturbinen efter en stor service med bl.a.brännkammarbyte. Detta gav upphov till möjligheten att testa/utvärdera ANN modellenmed helt ny driftdata, genererad långt efter träningdata (februari 2006).Atmosfärstemperaturen på 16°C är långt utanför det normala driftsfönstret, men ocksålångt utanför träningsintervallet på -5 till +5 °C vilket även testar ANN modellensextrapoleringsförmåga. Resultatet syns i Figur 27 och visar att ANN modellen, trotssvåra förutsättningar, predikterar utdata med relativt bra resultat. De två parametrar somhar larm (röda) får bortses ifrån eftersom ingen signal erhölls för turbinens massflödesamtidigt som ingen värmeproduktion förekom. Varningsgränsen var satt till 2 % ochlarmgränsen till 4 % vilket betyder att alla parametrar utom ledskenornas lägepredikteras med ett fel på mindre än 2 %. Anledningen till att just denna parameterpredikteras med lite högre fel än resterande kan vara dess speciella karakteristik, d.v.s.konstant vid fullast oavsett atmosfärstillstånd. Om träningsdata hade innefattattemperaturer i detta intervall så hade problemet undvikits men eftersom gasturbinensdriftfönster begränsas långt innan så höga temperaturer så undviks problemet oavsett.Intressant att notera är även att eleffekten predikteras lite lägre än den verkligasamtidigt som turbinutloppstemperaturen predikteras lite högre. Detta kan tolkas som39
Page 1 and 2: Rapport SGC 183Tillståndsövervakn
Page 3 and 4: FörordArtificiella neurala nätver
Page 5 and 6: SummaryThe project aim is to model
Page 7 and 8: NomenklaturH Värmevärde kWh/Nm 3
Page 9 and 10: 1.4 Mål och målgruppMålet med pr
Page 11 and 12: 2.1 Gasturbin, SGT800Maskinen är u
Page 13 and 14: 3 Artificiella Neurala Nätverk, te
Page 15 and 16: DoltlagerIndatalagerUtdatalagerFigu
Page 17 and 18: 4 Artificiella Neurala Nätverk, mo
Page 19 and 20: Tabell 5. Felfördelning vid predik
Page 21 and 22: Tabell 9. Felfördelning vid predik
Page 23 and 24: koldioxidutsläpp fås eftersom vä
Page 25 and 26: 6 Termoekonomisk analysProduktionsk
Page 27 and 28: parametrar finns både uppmätta so
Page 29 and 30: Kskatt egenförbr.⎡⎢⎣krMWhvä
Page 33 and 34: Vid degradering kommer trenden för
Page 35 and 36: kompressortvätt, samt den tid det
Page 37 and 38: prediktionerna för maximalt effekt
Page 39 and 40: ANN modellerna är installerade på
Page 41 and 42: 8.2.2 Ångturbin, ATMPå samma sät
Page 43: förefaller sig naturligt att om en
Page 47 and 48: 9 ResultatredovisningNoggrannheten
Page 49 and 50: 11 SlutsatserResultaten visar bland
Page 51 and 52: 13 Rekommendationer och användning
Page 53 and 54: 15 Litteraturreferenser[1] Torisson

SGC Rapport 183 TillstÃƒÂ¥ndsÃƒÂ¶vervakning och termoekonomisk ...

Create successful ePaper yourself

Delete template?

Save as template?