JP6636021B2 - 排出挙動を特定する方法 - Google Patents

排出挙動を特定する方法 Download PDF

Info

Publication number
JP6636021B2
JP6636021B2 JP2017522022A JP2017522022A JP6636021B2 JP 6636021 B2 JP6636021 B2 JP 6636021B2 JP 2017522022 A JP2017522022 A JP 2017522022A JP 2017522022 A JP2017522022 A JP 2017522022A JP 6636021 B2 JP6636021 B2 JP 6636021B2
Authority
JP
Japan
Prior art keywords
gas turbine
turbine engine
model
split
mci
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
JP2017522022A
Other languages
English (en)
Other versions
JP2017531760A (ja
Inventor
ハックニー リチャード
ハックニー リチャード
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.)
Siemens AG
Original Assignee
Siemens AG
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 Siemens AG filed Critical Siemens AG
Publication of JP2017531760A publication Critical patent/JP2017531760A/ja
Application granted granted Critical
Publication of JP6636021B2 publication Critical patent/JP6636021B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • F02C7/22—Fuel supply systems
    • F02C7/228—Dividing fuel between various burners
    • 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
    • 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
    • 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
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • G05B23/0254—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
    • 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
    • F05D2220/00—Application
    • F05D2220/30—Application in turbines
    • F05D2220/32—Application in turbines in gas 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
    • F05D2260/00—Function
    • F05D2260/81—Modelling or simulation
    • 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
    • F05D2270/01—Purpose of the control system
    • F05D2270/08—Purpose of the control system to produce clean exhaust gases
    • F05D2270/082—Purpose of the control system to produce clean exhaust gases with as little NOx as possible
    • 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
    • F05D2270/01—Purpose of the control system
    • F05D2270/08—Purpose of the control system to produce clean exhaust gases
    • F05D2270/083—Purpose of the control system to produce clean exhaust gases by monitoring combustion conditions
    • 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
    • F05D2270/40—Type of control system
    • F05D2270/44—Type of control system active, predictive, or anticipative
    • 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
    • G05B13/048—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 using a predictor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Combustion & Propulsion (AREA)
  • Chemical & Material Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Mechanical Engineering (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Computer Hardware Design (AREA)
  • Feedback Control In General (AREA)
  • Combined Controls Of Internal Combustion Engines (AREA)
  • Engine Equipment That Uses Special Cycles (AREA)

Description

本発明は、ガスタービン機関の排出挙動を特定する方法に関する。本発明はさらに、かかる方法によって運転可能なガスタービン機関にも関する。
発明の背景
よく知られているように、工業プラントは、膨大なエネルギーだけでなく、窒素酸化物（Ｎｏｘ）や炭素酸化物（ＣＯ）などのような大量の排出物も発生させ、それらの排出物は、人体および環境にとって有害になるおそれがある。したがって、それらの汚染物質を減らすために多大な労力が払われている。このため、工業プラントから生成される排出の監視が不可欠である。しかも、工業プラントの規模や適用される規制によっては、排出レベル（主としてＮＯｘ）の連続的な監視が、一部の工業燃焼プロセスに対して法的必要条件となる。
プラントの排出に対する連続的な監視を、直接的な排出連続測定方法である自動排出監視システム（Automated Emission Monitoring Systems AMS）によって実施してもよいし、または排出レベルの計算（予測）のために特有のプロセスパラメータを使用する予測排出監視システム（Predicted Emissions Monitoring System PEMS）によって実施してもよい。-これら２つの方法のうちＰＥＭＳは、運転コストと運転の複雑さが著しく低減されている。しかしながらＰＥＭＳモデルのためには一般に、現場でのかなりの「トレーニング」と計算とが必要とされ、較正された運転条件／周囲条件の中で特定のプラントにしか適用できない傾向にある（下記参照）。かかるシステムは、たとえば欧州特許第１８６４１９３号明細書（EP 1 864 193 B1）に記載されている。
ＰＥＭＳモデルは一般にサードパーティによって形成されるが、サードパーティは、相手先ブランド名製造（ＯＥＭ）業者と同等の詳細な製品知識を入手できないので、現行のＰＥＭＳモデルは一般に、現場での「トレーニング」（すなわちニューラルネットワーク型のセットアップ）と較正とに大きく頼っており、同一のプラントコンフィギュレーションに対してでさえも、モデルは現場ごとに変動する。基本モデルを設定しておき、そのモデルにいくつかの基礎的な燃焼特性を含めることができるとはいえ、このようなモデルは本質的に、プロセスパラメータと排出レベルとの経験ベースの相関関係を示すものである。このようなモデルの多くは規則的な「再較正」を必要とし、それによって時間の経過に伴う機関の通常の劣化を追従する。モデルの較正範囲を超えた周囲条件および運転条件においては、これらのモデルの精度は疑わしい。
本発明の第１の課題は、上述の欠点を緩和可能であり、特に時間効率がよく信頼性の高いガスタービン機関の運転を提供できるようにした、ガスタービン機関の排出挙動を特定する方法を提供することにある。
本発明の第２の課題は、信頼性が高く排出レベルを低減して運転可能なガスタービン機関を提供することである。
これらの課題は、独立請求項に記載された方法およびガスタービン機関によって解決することができる。
発明の概要
したがって本発明によれば、ガスタービン機関の排出挙動を特定する方法が提供される。
本発明によればこの方法にはさらに、ガスタービン機関の状態挙動を表すモデルを用いて、ガスタービン機関の少なくとも１つの選択された第１の状態変数に対するガスタービン機関の排出挙動をパラメタライズするステップと、パラメタリゼーションを用いてガスタービン機関の排出挙動を特定するステップとが含まれている。
本発明による方法によれば、ＰＥＭＳモデルによって、幅広い範囲の入力条件について排出を予測できるようになる。さらに本発明による方法によれば、予測された排出レベルを、目下の排出レベルの最適化に利用できるようになる。これによってたとえば、燃焼器圧力ダイナミクスと低い排出たとえば低いＮＯｘとのバランスが得られるようになる。さらに、特にモデルが化学動力学的な原理（化学反応速度論）に基づいているならば、幅広い範囲の入力および運転条件にわたって正確であるというモデルの信頼性が、従来のシステムよりも高い。さらにＰＥＭＳモデルは、現場の特定のコンフィギュレーションには比較的依存せず、現場での最小限の調整と「トレーニング」しか必要としない。有利には、たとえばコンポーネントの劣化または設備（たとえば燃料、フィルタ、バーナなど）に変化をもたらす作用に起因して、機関の運転に及ぼされる変化にも、いっそう長い期間にわたって適応するものとなる。選択された条件のもとで排出挙動の予測を行うために、モデルが用いられる。その結果として、ＰＥＭＳモデルにおいて用いられていたそれらの条件を表す「特性パターン」が得られる。モデルそのものではなく「特性パターン」を使用する、ということが意味するのは、複雑な（つまりは時間のかかる）モデルを、燃焼のモデリングに用いることができるけれども、最終的な現場ベースのバージョンを、いっそうシンプルかつ高速なソフトウェアの実行ピースとすることができる、ということである。
なお、たとえ状態変数、処理ユニット、または燃料供給装置といった用語が、請求項および明細書において、単数形または特定の数詞による形態で用いられていたとしても、特許請求の範囲（本願）は、単数形または特定の数詞による形態に限定されるものではない。また、上述の用語または構造を１つよりも多く有すること、または複数有することも、本発明の範囲内である。
本願において、状態挙動は、ガスタービン機関の始動シーケンス中の運転または高温環境での運転など、ガスタービン機関またはその一部の特定の条件または特定の状態により生じた結果を表すことを意図しており、排出挙動は、ガスタービン機関またはその一部の排出に関して、ガスタービン機関またはその一部の特定の条件により生じた結果を表すことを意図している。これをたとえば排出レベルなど一次元の値としてもよいし、あるいは２つ以上の値または少なくとも２つの異なる種類の値に依存する多次元表現としてもよく、たとえば時間軸上の排出レベルの変化、または燃焼温度に関連づけられた排出レベルの変化としてもよい。さらに状態変数は、ガスタービン機関の選択されたまたは特定の状態を表現する変数を表すことを意図しており、これはたとえばガスタービン機関またはその一部の選択されたエリアにおける温度、あるいはガスタービン機関またはその一部の運転中の特定の時間などである。状態変数を測定値としてもよいし、または測定値から導出された導出値／推定値としてもよい。
また、パラメタリゼーションは、単一のパラメタリゼーションまたは複数の個別のパラメタリゼーション／サブパラメタリゼーションを表すことを意図している。さらにパラメタリゼーションのことを、パラメトリック方程式と称する場合もある。さらにこの場合、モデルは好ましくは数学的モデルである。
本発明の１つの好ましい実現形態によれば、本発明による方法には、少なくとも１つの選択された第１の状態変数と、異なる複数の選択された第２の状態変数とに対するガスタービン機関の排出挙動を、パラメタライズするステップが含まれている。このようにすれば、幅広い範囲の入力条件の排出を予測することができる。有利には、そして具体的に本発明による方法には、少なくとも１つの選択された第１の状態変数と、選択された第２の状態変数各々とについて、個別のパラメタリゼーションをそれぞれ別々に実施することによって、ガスタービン機関の排出挙動のパラメタリゼーションを実施するステップが含まれている。したがって異なる状態変数を、さらに別の状態変数の他のパラメタリゼーションとは無関係に調べることができ、その結果、複数のデータセットが得られるようになる。この場合、個別のパラメタリゼーションを、１つの複合的なパラメタリゼーションのサブパラメタリゼーションと見なすことができる。
好ましくは、ガスタービン機関の排出挙動の少なくとも１つの固有のパラメタリゼーションは、二次元の状態空間における描写である。これによって、２つの状態変数の関係を簡単かつ明快な手法で描写できるようになる。
本発明の１つの好ましい実施形態において提案されているのは、ガスタービン機関のさらに別の状態変数を用いて、ガスタービン機関の排出挙動を表すステップが、本発明による方法に含まれていることである。このようにすることで、ガスタービン機関またはその一部の条件を、容易に規定することができる。当業者であれば、ガスタービン機関のこのようなさらに別の状態変数を、任意の適切なものとすることができ、たとえば排気温度、燃焼温度、未燃炭化水素（ＵＨＣ）量、あるいは、排出パラメータまたは最も好ましくは任意の適切な排出物質または複数の物質の組み合わせの排出レベル、または特にＮＯｘ排出レベルまたはＣＯ排出レベルなどとすることができる。
さらに、少なくとも１つの選択された第１の状態変数は、モデルの入力を表す。換言すれば、この少なくとも１つの選択された第１の状態変数は、モデルの入力変数である。しかも、ガスタービン機関の排出挙動を表すさらに別の状態変数は、モデルの出力を表す。換言すれば、このさらに別の状態変数はモデルの出力変数である。その結果として、規定された関係を見出すことができる。したがってモデルによって、入力変数であるガスタービン機関の少なくとも第１の状態変数が、出力変数であるガスタービン機関のさらに別の状態変数に対してマッピングされる。出力変数をたとえば、選択された条件のもとでのＮＯｘ排出値または排出特性パターンとすることができる。
上述のように、少なくとも１つの選択された第１の状態変数は、モデルの入力として用いられる。本発明による方法の１つの有利な実現形態によれば、本発明による方法には、少なくとも１つの選択された第１の状態変数を、モデルのその他の入力は一定に維持したまま変化させることによって、モデルを実行するステップが含まれている。このようにすれば、規定された条件のもとで、選択されたまたは特定の変数だけを検査することができる。モデル実行の結果として、少なくとも第１の状態変数と別の状態変数との特定の組み合わせに依存して、ガスタービン機関の特定の状態挙動を取得することができる。これに続いて本発明による方法には、少なくとも１つの選択された第１の状態変数の変化についてモデリングされた状態挙動を用いることにより、パラメタリゼーションを決定するステップが含まれている。
さらに本発明による方法には、少なくとも１つの選択された第１の状態変数と、モデリングされた状態挙動特にモデリングされた状態挙動の１つの変数の１つのモデリングされた値とを変化させることにより生じる離散化を用いて、パラメタリゼーションを決定するステップが含まれている。これによって、モデルの結果をシンプルに示すことができる。このことは、本発明による方法が、連続関数を用いた離散化の近似によりパラメタリゼーションを決定するステップを含むならば、簡単に実施される。このようにすれば排出挙動が、単純な数学的関数（一般には多項式）に変換される。ＰＥＭＳモデル形式の実装された状態は、一般的には複雑なモデルであり、スペシャリストのソフトウェアが必要とされるし、実行するために著しく処理時間がかかる。しかしながら、モデルの出力を本発明により提案されているような比較的シンプルな数式に変換することによって、いっそうシンプルなソフトウェアを用いて、いっそう高速化された動作モデルを設計することができる。
数学的関数の結果または排出の特性パターンをグラフ表現で示すことができ、それによって簡単に読み取ることのできる結果表示がオペレータに提供される。しかも予測された値と計算された値をいっそう正確に整合させる目的で、テストデータおよび調整データを用いることにより、このような数学的関数を検証することができる（この場合、小さい一定のオフセットは許容される）。
好ましくは、モデルは動力学モデルであり、特にモデルは、物理的な動力学モデルであり、または最も好ましくは、化学動力学モデル（化学反応速度モデル）である。特定のガスタービン機関またはその燃焼システムの化学動力学モデルによって、幅広い範囲の入力条件について排出を予測できるようになる。
有利には、少なくとも１つの選択された第１の状態変数は、直接測定されるパラメータ、推定されるパラメータ、または熱力学的に導出されるパラメータから成る群の中から選択された１つの変数である。このため、多種多様な種々の変数または変数の具体的な値を考慮することができ、ガスタービン機関またはその一部の状態挙動を特定するために用いることができる。これらに加え、さらに別の状態変数も上記の群の中から選択することができる。
熱力学的に導出されるパラメータは、測定値とガスタービン機関の工場テストから導出された定数とに基づくものである。それらの定数は、コンポーネントの運転条件を表しており（たとえば圧縮器タービンステージ１の吸込キャパシティ、圧縮器タービンのローディングなど）、ガスタービン機関運転の熱力学的原理に基づいている。現場であれば、測定された定数および導出された定数が、制御アルゴリズムに供給され、直接測定できない状態変数またはパラメータが取得される。この場合、計算されたタービン入口温度を用いて、ガスタービン機関の部分負荷運転を制御することは知られている。
少なくとも１つの選択された第１の状態変数を、当業者に適した任意のパラメータとすることができる。ただし、直接測定されるパラメータの場合であれば、好ましくは以下のものから成る群の中から選択された変数である。すなわちこの群は、周囲入口圧力、機関入口圧力、周囲入口温度、機関入口温度、圧縮器入口温度、圧縮器入口圧力、それぞれ圧縮器出口圧力または圧縮器吐出圧力、それぞれ圧縮器出口温度または圧縮器吐出温度、タービン間ダクト圧力、タービン間ダクト温度、排気温度、ガスタービン機関運転温度、燃料流量、燃料組成、燃料温度、またはメイン燃料とパイロット燃料の分割比から成る。直接測定されるパラメータを用いる場合、ガスタービン機関またはその一部の目下の条件を、正確に検出して考慮することができる。
別の選択肢として、少なくとも１つの選択された第１の状態変数が熱力学的に導出されるパラメータである場合には、このパラメータは、以下のものから成る群の中から選択される。すなわちこの群は、それぞれ燃焼器出口圧力または燃焼器吐出圧力、それぞれ燃焼器出口温度または燃焼器吐出温度、火炎温度、圧縮器吐出空気の抽気率、または計算された質量流量から成る。入口質量流、および／または、圧縮器の複数の抽気室のうち１つの抽気室からの圧縮器吐出空気の抽気率を、熱力学的に導出されるパラメータとして用いることにより、ガスタービン機関における燃焼システムのいっそう正確なモデリングを実施することができる。このモデルを、直接測定される器機のための診断ツールとして働かせることができ、このモデルによって付加的な燃焼器運転パラメータを計算することができる（たとえば火炎温度、空燃比）。しかも、導出されたパラメータを用いれば、直接測定するためのセンサを省くことができ、これによってスペース、コストならびに取り付け労力が節約される。
これらに加え、燃焼システムの基礎的な設計特性も考慮することができる。そのような設計特性をたとえば、燃焼器コンポーネントなどのようなコンポーネントのジオメトリ、または計算されたまたは導出された燃焼器特性とすることができる。
たとえば、２つ以上の圧縮器または２つ以上のタービンが設けられている場合、上述の値すべてを、たとえば隣り合う２つの圧縮器／タービン間の圧力または温度に対して相関させることができる。
１つの有利な実施形態によれば、モデルは、ガスタービン機関のキーコンポーネントの熱力学的挙動をマッピングし、それによって綿密な監視が可能となる。特にこのモデルは、ガスタービン機関の燃焼システムをマッピングしており、したがってガスタービン機関の排出という点できわめて重要なガスタービン機関のシステムに着目している。キーコンポーネントを、当業者に適した任意のコンポーネントとすることができるが、好ましくはキーコンポーネントは、以下のものから成る群の中から選択される。すなわちこの群は、一次燃焼ゾーン、完全撹拌反応器、メイン火炎、パイロット火炎、押し出し流れ反応器、または質量流混合器、質量流分流器、流れ抵抗から成る。
換言すれば、（化学動力学）モデルは、燃焼システムのネットワークモデルを生成することによって、特定のガスタービン燃焼システムを記述し、この場合、燃焼プロセスのキーとなるパーツは、別個のモデルコンポーネントによって表現される。具体例として以下が含まれる。すなわち、完全撹拌反応器の一連のモデル要素によって表現される一次燃焼ゾーン、この場合、メイン火炎とパイロット火炎は別個にモデリングされる（これによってメイン／パイロットの分割の作用を調べることができる）。下流のコンポーネントは、押し出し流れ反応器モデル要素によって表現される。希釈および混合は、適切な質量流混合器モデル要素によって表現され、境界条件は境界モデル要素によって表現される。
さらに本発明による方法には、少なくとも１つの選択された第１の状態変数の予め定められた値に対する排出挙動を予測するために、ガスタービン機関の排出挙動のパラメタリゼーションを用いるステップが含まれている。したがって予測された排出「特性パターン」を用いることにより、ガスタービン機関の運転を、複雑なＰＥＭＳモデルを用いた従来技術のシステムよりも、いっそう簡単かつ高速に実行することができる。
モデルおよび後続のパラメタリゼーションの結果として得られた予測は、ガスタービン機関の稼動および運転のために用いられる。このため、モデルおよびパラメタリゼーションの実行により得られた様々な数学的関数が、ガスタービン機関のプロセッサユニットにおいて使用するために、ソフトウェアパッケージに組み込まれる。このため、予測された排出レベルが機関制御システムへ供給される。その後、ガスタービン機関が現場で稼動されているときに、数学的関数を用いた各パラメータの変化の作用が合成されて、予測排出が計算される。
予測に従い、ガスタービン機関の状態変数の具体的な値が、モデルの予測により推奨される結果または排出挙動を生じさせる値に合わせて調整される。このことは当然ながら、温度、圧力、燃料比といったそれらの具体的な値に作用を及ぼすガスタービン機関の手段またはパーツを制御することによって行われる。これを当業者に適した任意のパーツまたは機構とすることができ、たとえば燃料供給部または空気供給部の弁、翼または羽根のポジション、入口冷却媒体のための冷却機構などとすることができる。最も好ましくは、メイン燃料とパイロット燃料の分割比に作用が及ぼされる。
有利には本発明による方法には、ガスタービン機関運転中の排出レベルを制御するために、モデルまたはパラメタリゼーションの結果として得られた予測された排出挙動または特性パターンを用いるステップが含まれている。これを上述のように、メイン燃料とパイロット燃料の分割の操作を通して行うことができる。これによれば、メイン燃料とパイロット燃料の分割比を変えることによって、ＰＥＭＳモデルが排出レベルを最適化できるようになる（たとえば排出レベルを確実に規制値内に留まらせることができるようになる）。
本発明による方法は、特定のガスタービン機関またはそれらの燃焼システムの（化学動力学）モデルを用いて、直接測定されるパラメータ、推定されるパラメータ、および熱力学的に導出されるパラメータに対する排出「特性パターン」を得るためのものであり、それらのパラメータは、幅広い範囲の運転条件でのテストデータおよび調整パフォーマンスデータを用いて検証されることになる。つまりＰＥＭＳモデルは、現場の特定のコンフィギュレーションには比較的依存せず、現場での最小限の調整と「トレーニング」しか必要としない。
本発明によるＰＥＭＳモデルを、スタンドアローンのソフトウェアパッケージとしても実行できるし、または機関制御システムに組み込むこともできる。
さらに本発明は、ガスタービン機関にも関する。このガスタービン機関は、少なくとも１つの処理ユニットを含み、本発明による方法を用いることにより得られた少なくとも１つの予測によって運転可能である。
この場合、ガスタービン機関の排出挙動特に排出レベルを予測および／または制御するために、少なくとも１つの処理ユニットにモデルを実装することが提案される。
このようにすることでＰＥＭＳモデルは、幅広い範囲の入力条件について排出を予測できるようになる。さらに可能となるのは、予測された排出レベルを目下の排出レベルの最適化に利用することである。これによってたとえば、燃焼器圧力ダイナミクスと低い排出たとえば低いＮＯｘとのバランスが得られるようになる。さらに、特にモデルが化学動力学的な原理ないしは化学反応速度論に基づいているならば、いっそう幅広い範囲の入力および運転条件にわたって正確であるというモデルの信頼性が、従来のシステムよりも高い。さらにＰＥＭＳモデルは、現場の特定のコンフィギュレーションには比較的依存せず、現場での最小限の調整と「トレーニング」しか必要としない。有利には、たとえばコンポーネントの劣化または設備（たとえば燃料、フィルタ、バーナなど）に変化をもたらす作用に起因して、機関の運転に及ぼされる変化にも、いっそう長い期間にわたって適応するものとなる。選択された条件のもとで排出挙動の予測を行うために、モデルが用いられる。その結果として、ＰＥＭＳモデルにおいて用いられていたそれらの条件を表す「特性パターン」が得られる。その結果として、ＰＥＭＳモデルにおいて用いられていたそれらの条件を表す「特性パターン」が得られる。モデルそのものではなく「特性パターン」を使用する、ということが意味するのは、複雑な（つまりは時間のかかる）モデルを、燃焼のモデリングに用いることができるけれども、最終的な現場ベースのバージョンを、いっそうシンプルかつ高速なソフトウェアの実行ピースとすることができる、ということである。
本発明のさらに別の実現形態において提案されているのは、ガスタービン機関は少なくとも１つの燃料供給装置を含み、モデルの予測に従い排出レベルに作用が及ぼされるように、少なくとも１つの燃料供給装置のメイン燃料とパイロット燃料の分割比を調整可能なことである。
本発明のこれまで述べてきた特徴、特色および利点、ならびにそれらを達成する手法は、図面と共に説明される以下の実施形態に関する記載を参照すれば、明瞭であり明確に理解されよう。
次に、図面を参照しながら本発明について説明する。
本発明による方法によって運転可能なガスタービン機関の断面概略図 図１によるガスタービン機関のプロセッサユニットに実装された化学動力学モデル（化学反応速度モデル）およびパラメタリゼーションを示すフローチャート 図２の化学動力学モデルの一例として単純化した実現可能な分析要素を示す図 図１によるガスタービン機関を、図２の化学動力学モデルの状態変数を取得した機関ポジションと共に示す概略図 図２による化学動力学モデルにより取得した、ＮＯｘ排出と燃焼器入口温度との関係を示すダイアグラム 図２による化学動力学モデルにより取得した、ＮＯｘ排出とパイロット／メイン分割比との関係を示すダイアグラム 図１によるガスタービン機関からの排出を監視および制御するＰＥＭＳモデルの２つの可能な運転モードを示すフローチャート
例示した実施形態の詳細な説明
「上流」および「下流」という用語は、別途記載しないかぎり、空気流および／または動作ガス流がガスタービン機関１０中を通過して流れる方向を基準とする。また、「軸方向」、「半径方向」、および「周方向」という用語は、別途記載なくこれらを用いたときには、ガスタービン機関１０の回転軸３０を基準とする。
図１には、ガスタービン機関１０の一例が断面図として示されている。ガスタービン機関１０は、流れの順序で、入口２２、圧縮器セクション２４、燃焼セクション２６およびタービンセクション２８を有しており、これらは通例、流れの方向に連続して配置されていて、概して長手軸または回転軸３０の方向で配置されている。ガスタービン機関１０はさらにシャフト３２を有しており、このシャフトは回転軸３０を中心に回転可能であり、ガスタービン機関１０中を長手方向に延在している。シャフト３２によって、タービンセクション２８が圧縮器セクション２４と駆動可能に接続されている。
ガスタービン機関１０の運転中、空気入口２２を介して取り込まれる空気３４は、圧縮器セクション２４によって圧縮され、燃焼セクションまたはバーナセクション２６へ供給される。バーナセクション２６は、バーナプレナム３６、二重壁構造のカン４０により画定された１つまたは複数の燃焼室３８、および各燃焼室３８に取り付けられた少なくとも１つのバーナ４２とを備えた燃焼システム１４を有している。（１つまたは複数の）燃焼室３８および（１つまたは複数の）バーナ４２は、バーナプレナム３６の内側に配置されている。圧縮器セクション２４中を通過して圧縮された空気は、ディフューザ４４に入り、さらにディフューザ４４からバーナプレナム３６へと吐出され、そこから空気の一部分がバーナ４２に入り、気体燃料または液体燃料と混合される。ついで空気／燃料混合物が燃焼し、燃焼により生じた燃焼ガス４６または動作ガスが、トランジションダクト４８を介してタービンセクション２８に供給される。
タービンセクション２８は、シャフト３２に取り付けられた複数の翼担持プロダクションディスク５０またはタービンホイールを有している。この実施例によれば、タービンセクション２８は４枚のディスク５０を有しており、これらのディスク各々が、複数のタービン翼５２から成る環状アレイを担持している。ただし、翼担持プロダクションディスク５０の個数を異ならせてもよく、つまりただ１つのプロダクションディスク５０としてもよいし、または２つ以上のプロダクションディスク５０としてもよい。これらに加え、各タービン翼５２の間に、スタータステージまたはタービンカスケード５４が配置されている。各ステータステージは、ガスタービン機関１０のステータ５８に取り付けられた複数の案内羽根５６から成る環状アレイを担持している。燃焼室３８の出口と先頭のタービン翼５２との間に、入口案内羽根またはノズル案内羽根６０が設けられている。
燃焼室３６から発生した燃焼ガス４６は、タービンセクション２８に入り、タービン翼５２を駆動し、さらにタービン翼５２自体はシャフト３２を回転させる。案内羽根５６，６０は、タービン翼５２に向かう燃焼ガスまたは動作ガス４６の角度を最適化する役割を果たす。圧縮器セクション２４は、軸線方向に直列に配置された案内羽根ステージ６２と動翼ステージ６４を有しており、これらはそれぞれタービン翼５２または羽根５６を備えている。
さらにガスタービン機関１０はプロセッサユニット１８を有しており、このユニットは見やすくするためにガスタービン機関１０の外側に描かれている。ガスタービン機関１０の排出挙動を特定するために、またはＮＯｘおよび／またはＣＯなどガスタービン機関１０の排出を監視および制御するために、プロセッサユニット１８には、予測排出監視システム（ＰＥＭＳ）１０４のモデルが実装されている。ＰＥＭＳモデル１０４は、化学動力学モデル（化学反応速度モデル）１０２とパラメタリゼーション１００とを組み合わせた方式に基づいており、あるいは換言するならば、パラメトリック方程式またはパラメトリックモデル１０２に基づいている。これについて、図２〜図７を参照しながら説明する。
ＰＥＭＳモデル１０４は、ガスタービン機関１０の燃焼システム１４など、ガスタービン機関１０の選択されたシステムのモデリングによって達成される。このモデリングは化学動力学モデル１０２を使用し、このモデル１０２は、同じ入力パラメータまたは状態変数Ｐ０，Ｐ１，Ｐ２，Ｐ３，Ｐ４，Ｔ０，Ｔ１，Ｔ２，Ｔ３，Ｔ４，Ｔ５，Ｐ２Ｂ，ＭＣＩ，ＴＦＩＲＥ，ＱＦ，ＱＨ，ＱＴ，ＳＰＬＩＴ（下記参照）を、最終的なＰＥＭＳモデル１０４として用いる。ただしモデル１０２の結果は数学的な関数に変換され、この関数を、化学動力学モデル１０２をオンラインで実施する必要なく、排出の予測に使用することができる。
かかるＰＥＭＳモデル１０４の開発プロセスを、図２の流れ図で説明する。
ガスタービンエンジン１０の特定の燃焼システム１４を記述する化学動力学モデル１０２を開発するために、燃焼システム１４の適切なネットワークモデルが生成される（ステップ１０２ａ）。このため、燃焼プロセスのキーとなるパーツまたはコンポーネント１２が識別される。これらのキーコンポーネント１２は、別個のモデルコンポーネントまたは分析要素によって表現される。このことは、図３において２つのキーコンポーネント１２について例示的に単純化されて示されている（図１も参照）。キーコンポーネント１２をたとえば、完全撹拌反応器（ＰＳＲ）６６の一連のモデル要素によって表現された一次燃焼ゾーン１６とすることができ、この場合、メイン火炎およびパイロット火炎６８は別個にモデリングされる（これによってメイン／パイロットの分割の作用を調べることができるようになる）。さらに別のキーコンポーネント１２を、下流の燃焼ゾーン７０に配置することができ、これを押し出し流れ反応器（ＰＦＲ）７２のモデル要素によって表現することができる。
さらに付加的なキーコンポーネント１２があるとすれば、それらのコンポーネントはたとえば、モデリングされる種々のガス流たとえば空気または燃焼生成物または燃料の希釈および混合を表す適切な質量流混合モデル要素によって表現されることになり、あるいは質量流分流器要素または流れ抵抗要素によって表現されることになる。境界条件（たとえば選択されたコンポーネントの容積がどのくらいの大きさであるのか、または種々のプロセスのためにどのくらいの時間を利用できるのか）があるとすれば、それらの境界条件は、境界モデル要素（図示せず）によって表現されることになる。
図３からわかるように、少なくとも１つの選択された第１の状態変数ＭＣＩが、モデル１０２の入力として用いられる。これは入口「質量流」として定義される一方、この入口「質量流」が熱力学的に導出されたパラメータであることから、これには選択された圧力Ｐ、選択された温度Ｔ、燃料組成ＱＨ、および流量ＱＦが含まれている。考えられる他の選択される第１の状態変数は、Ｐ０，Ｐ１，Ｐ２，Ｐ３，Ｐ４，Ｔ０，Ｔ１，Ｔ２，Ｔ３，Ｔ４，Ｔ５，Ｐ２Ｂ，ＴＦＩＲＥ，ＱＦ，ＱＨ，ＱＴ，ＳＰＬＩＴである。
これらの変数Ｐ０，Ｐ１，Ｐ２，Ｐ３，Ｐ４，Ｔ０，Ｔ１，Ｔ２，Ｔ３，Ｔ４，Ｔ５，Ｐ２Ｂ，ＭＣＩ，ＴＦＩＲＥ，ＱＦ，ＱＨ，ＱＴ，ＳＰＬＩＴは、直接測定されるパラメータ、推定されるパラメータ、または熱力学的に導出されるパラメータである。
図４には、いずれの機関ポジションにおいていずれの条件が発生しており、化学動力学モデル１０２のいずれの状態変数Ｐ０，Ｐ１，Ｐ２，Ｐ３，Ｐ４，Ｔ０，Ｔ１，Ｔ２，Ｔ３，Ｔ４，Ｔ５，Ｐ２Ｂ，ＭＣＩ，ＴＦＩＲＥ，ＱＦ，ＱＨ，ＱＴ，ＳＰＬＩＴを取得できるのか、が示されている。ガスタービン機関１０に入る前、周囲空気３４は周囲圧力と周囲温度を有する（これらについては特に参照符号を用いて示されていない）。入口２２において、フィルタハウジング７４を通過する空気３４は、機関入口圧力Ｐ０と機関入口温度Ｔ０を有する。圧縮器セクション２４の圧縮器に入る空気は、圧縮器入口圧力Ｐ１と圧縮器入口温度Ｔ１を有する。Ｐ２は圧縮器出口圧力であり、これは燃焼室入口圧力Ｐ２または圧縮器吐出圧力Ｐ２とも呼ばれ、Ｔ２は圧縮器出口温度であり、これは燃焼室入口温度Ｔ２または圧縮器吐出温度Ｔ２とも呼ばれる。燃料７６および燃料供給装置２０に関連する変数は、燃料流量ＱＦ、燃料組成ＱＨ、燃料温度ＱＴ、およびメイン燃料とパイロット燃料の分割比ＳＰＬＩＴである。燃料セクション２６を出る燃焼ガス４６は、燃焼器出口圧力Ｐ３と燃焼器出口温度Ｔ３を有する。圧縮器タービン８０と出力タービン８２との間に配置されたタービン間ダクト７８を通過する流体は、タービン間ダクト圧力Ｐ４とタービン間ダクト温度Ｔ４を有する。ガスタービン機関１０から出る排気ガス８４は、排気圧力Ｐ５および排気温度Ｔ５を有する。
直接測定されるパラメータを、機関入口圧力Ｐ０、機関入口温度Ｔ０、圧縮器入口温度Ｔ１、圧縮器入口圧力Ｐ１、圧縮器出口圧力Ｐ２、圧縮器出口温度Ｔ２、タービン間ダクト圧力Ｐ４、タービン間ダクト温度Ｔ４、排気温度Ｔ５、ガスタービン機関運転温度、燃料流量ＱＦ、燃料組成ＱＨ、燃料温度ＱＴ、またはメイン燃料とパイロット燃料の分割比ＳＰＬＩＴとすることができる。これらすべての変数を、図示されていない１つまたは複数のセンサによって測定することができる。
ガスタービン運転温度に対して用いる略語は、ガスタービン機関の形式に依存するものであり、ＴＯＰ、ＴＭＡＸまたはＴＬＩＭＩＴとすることができ、上述の測定値のうちのいくつかに基づき計算される（図示せず）。
関連パラメータに基づき推定することのできる変数を、圧縮器入口圧力Ｐ１、燃料流量ＱＦ、燃料組成ＱＨおよび排気温度Ｔ５とすることができる。
熱力学的に導出される値は、直接的な測定と機関の内部的な工場試験から得られたコンポーネント特性との組み合わせを使用し、それらの値を燃焼器出口圧力Ｐ３、燃焼器出口温度Ｔ３、機関火炎温度ＴＦＩＲＥ、圧縮器の抽気Ｐ２Ｂ、または計算された入口質量流ＭＣＩとすることができる。
さらに（化学動力学モデルにおいて用いられる）燃焼システムの基礎設計特性も同様に考慮することができ、それらの特性を燃焼器コンポーネントのジオメトリあるいは計算または導出された燃焼器特性とすることができる。
Ｐ２，Ｔ２，ＳＰＬＩＴ，ＱＨ，ＱＦ，ＴＦＩＲＥ，Ｐ２ＢおよびＭＣＩは、ＰＥＭＳモデルまたは使用されるパラメトリックモデル１００それぞれに対する主要な入力パラメータである。
次にステップ１０２ｂにおいて、モデル１０２が入力条件の範囲全体にわたって実行され、換言すれば、少なくとも１つの選択された第１の状態変数ＭＣＩを変化させることによって、モデル１０２が実行され、この場合、モデル１０２の別の入力またはその他の入力変数または選択された第２の状態変数Ｐ０，Ｐ１，Ｐ２，Ｐ３，Ｐ４，Ｔ０，Ｔ１，Ｔ２，Ｔ３，Ｔ４，Ｔ５，Ｐ２Ｂ，ＭＣＩ，ＴＦＩＲＥ，ＱＦ，ＱＨ，ＱＴ，ＳＰＬＩＴは、一定に維持される。
これを複数の変数またはすべての変数Ｐ０，Ｐ１，Ｐ２，Ｐ３，Ｐ４，Ｔ０，Ｔ１，Ｔ２，Ｔ３，Ｔ４，Ｔ５，Ｐ２Ｂ，ＭＣＩ，ＴＦＩＲＥ，ＱＦ，ＱＨ，ＱＴ，ＳＰＬＩＴについて、個別に実施することができる。（実際上妥当であるかぎり）他のすべての入力パラメータＰ０，Ｐ１，Ｐ２，Ｐ３，Ｐ４，Ｔ０，Ｔ１，Ｔ２，Ｔ３，Ｔ４，Ｔ５，Ｐ２Ｂ，ＭＣＩ，ＴＦＩＲＥ，ＱＦ，ＱＨ，ＱＴ，ＳＰＬＩＴが一定に維持されている間、固有の境界パラメータ／変数Ｐ０，Ｐ１，Ｐ２，Ｐ３，Ｐ４，Ｔ０，Ｔ１，Ｔ２，Ｔ３，Ｔ４，Ｔ５，Ｐ２Ｂ，ＭＣＩ，ＴＦＩＲＥ，ＱＦ，ＱＨ，ＱＴ，ＳＰＬＩＴを変化させることによって、パラメータモデリング範囲全体にわたって各パラメータＰ０，Ｐ１，Ｐ２，Ｐ３，Ｐ４，Ｔ０，Ｔ１，Ｔ２，Ｔ３，Ｔ４，Ｔ５，Ｐ２Ｂ，ＭＣＩ，ＴＦＩＲＥ，ＱＦ，ＱＨ，ＱＴ，ＳＰＬＩＴが排出に及ぼす作用が取得される。
変化させるべきパラメータ／変数Ｐ０，Ｐ１，Ｐ２，Ｐ３，Ｐ４，Ｔ０，Ｔ１，Ｔ２，Ｔ３，Ｔ４，Ｔ５，Ｐ２Ｂ，ＭＣＩ，ＴＦＩＲＥ，ＱＦ，ＱＨ，ＱＴ，ＳＰＬＩＴは、等価の「現場での」直接的な測定を利用できるパラメータ／変数であり（Ｐ０，Ｐ１，Ｐ２，Ｐ４，Ｔ０，Ｔ１，Ｔ２，Ｔ４，Ｔ５，ＱＦ，ＱＨ，ＱＴ，ＳＰＬＩＴ）、それらを直接測定される他のパラメータ（Ｐ１，Ｐ３，Ｔ３，ＱＦ，ＱＨ，Ｔ５）に対する検証済みの関係から推定することができ、または、直接的な測定と、ガスタービン機関１０の内部的な工場試験から得られたコンポーネント特性との組み合わせを用いて、熱力学的に導出することができる。
モデル１０２のステップ１０２ｃにおいて、入力パラメータまたは選択された第１および第２の状態変数Ｐ０，Ｐ１，Ｐ２，Ｐ３，Ｐ４，Ｔ０，Ｔ１，Ｔ２，Ｔ３，Ｔ４，Ｔ５，Ｐ２Ｂ，ＭＣＩ，ＴＦＩＲＥ，ＱＦ，ＱＨ，ＱＴ，ＳＰＬＩＴそれぞれの変化に関連する排出「特性パターン」１０６，１０６′が、取得される。変化の結果をグラフで表すことができ、これをパラメータの「特性パターン」１０６，１０６′として既知のものとすることができる。図５および図６には、２つの例示的な特性パターン１０６，１０６′が示されており、これらの図には、ＮＯｘ排出と燃焼器入口温度Ｔ２との依存性（図５）、およびＮＯｘ排出と化学動力学モデル１０２により得られたパイロット／メイン分割比ＳＰＬＩＴとの依存性（図６）が、それぞれ示されている。
図５および図６に示されているように、ガスタービン機関（１０）のさらに別の状態変数ＯＵＴ特にＮＯｘの排出レベルを用いて、ガスタービン機関１０の排出挙動が表されている。換言すれば、ガスタービン機関１０の排出挙動を表すさらに別の状態変数ＯＵＴが、モデル１０２の出力を示している（図３も参照されたい）。
ついでステップ１００ａ（排出レベルの数学的関数に基づき伝達標準を取得）において、パラメタリゼーション１００が実施され、またはパラメトリックモデルが実行される。これは、少なくとも１つの選択された第１の状態変数Ｐ０，Ｐ１，Ｐ２，Ｐ３，Ｐ４，Ｔ０，Ｔ１，Ｔ２，Ｔ３，Ｔ４，Ｔ５，Ｐ２Ｂ，ＭＣＩ，ＴＦＩＲＥ，ＱＦ，ＱＨ，ＱＴ，ＳＰＬＩＴの変化のモデリングされた状態挙動を用いて行われ、特に、少なくとも１つの選択された第１の状態変数Ｐ０，Ｐ１，Ｐ２，Ｐ３，Ｐ４，Ｔ０，Ｔ１，Ｔ２，Ｔ３，Ｔ４，Ｔ５，Ｐ２Ｂ，ＭＣＩ，ＴＦＩＲＥ，ＱＦ，ＱＨ，ＱＴ，ＳＰＬＩＴと、モデリングされた状態挙動特にモデリングされた状態挙動の１つの変数の１つのモデリングされた値とを変化させることにより生じる離散化を用いて行われ、さらに特に、連続関数による離散化の近似を用いてパラメタリゼーション１００を決定することによって行われる。
換言すれば、排出特性パターン１０６，１０６′またはそれらのグラフ表示がそれぞれ、比較的単純な数学的関数（一般的には多項式）に変換される。
この種の数学的関数の一例を、以下のような関数とすることができ、この関数は、圧縮器吐出圧力ＰＣＤまたは圧縮器出口圧力Ｐ２に対するＮＯｘ排出ＯＵＴの依存性を表す。
NOx = 12.26 + (4.93 E-31 * P25) + (3.157 E-18 * P25) - (1.88 E-24 * P24) - (8.267 E-13 * P22) - (4.58 E-38 * P25) - (0,0000034 * P2)
続くステップ１００ｂにおいて、予測された排出が測定されたデータと比較される。必要であれば、この関数を整合することができる。さらに、予測された値と計算された値をいっそう正確にマッチさせる目的で、テストデータおよび調整データを用いて数学的関数を検証することができ、この場合、小さい一定のオフセットは許容される。
少なくとも１つの選択された第１の状態変数Ｐ０，Ｐ１，Ｐ２，Ｐ３，Ｐ４，Ｔ０，Ｔ１，Ｔ２，Ｔ３，Ｔ４，Ｔ５，Ｐ２Ｂ，ＭＣＩ，ＴＦＩＲＥ，ＱＦ，ＱＨ，ＱＴ，ＳＰＬＩＴに対して、および選択された第２の状態変数Ｐ０，Ｐ１，Ｐ２，Ｐ３，Ｐ４，Ｔ０，Ｔ１，Ｔ２，Ｔ３，Ｔ４，Ｔ５，Ｐ２Ｂ，ＭＣＩ，ＴＦＩＲＥ，ＱＦ，ＱＨ，ＱＴ，ＳＰＬＩＴ各々に対して、それぞれ別個にガスタービン機関１０の排出挙動のパラメタリゼーション１００が実施される。
さらに、ガスタービン機関１０の排出挙動の１つまたは各々の固有のパラメタリゼーション１００は、二次元の状態空間における描写である。
全般的に言えば、本発明による方法は以下のステップを含む。すなわち、ガスタービン機関１０の１つの状態挙動を表すモデル１０２を用いて、ガスタービン機関１０の少なくとも１つの選択された第１の状態変数Ｐ０，Ｐ１，Ｐ２，Ｐ３，Ｐ４，Ｔ０，Ｔ１，Ｔ２，Ｔ３，Ｔ４，Ｔ５，Ｐ２Ｂ，ＭＣＩ，ＴＦＩＲＥ，ＱＦ，ＱＨ，ＱＴ，ＳＰＬＩＴに対するガスタービン機関１０の排出挙動をパラメタライズするステップ１００と、パラメタリゼーション１００を用いて、ガスタービン機関１０の排出挙動を特定するステップとを含む。
ＰＥＭＳアルゴリズムまたはモデル１０４を生成するために、数学的関数が用いられる（図２参照）。状態変数Ｐ０，Ｐ１，Ｐ２，Ｐ３，Ｐ４，Ｔ０，Ｔ１，Ｔ２，Ｔ３，Ｔ４，Ｔ５，Ｐ２Ｂ，ＭＣＩ，ＴＦＩＲＥ，ＱＦ，ＱＨ，ＱＴ，ＳＰＬＩＴ，ＯＵＴの依存性を表す様々な数学的関数が、ソフトウェアパッケージに組み込まれる。このことは図７に示されており、この図には、ガスタービン機関１０からの排出を監視および制御するＰＥＭＳモデルの２つの可能な運転モードを示すフローチャートが描かれている。これによれば、ガスタービン機関１０が現場で運転されているときに、数学的関数を用いた各パラメータＰ０，Ｐ１，Ｐ２，Ｐ３，Ｐ４，Ｔ０，Ｔ１，Ｔ２，Ｔ３，Ｔ４，Ｔ５，Ｐ２Ｂ，ＭＣＩ，ＴＦＩＲＥ，ＱＦ，ＱＨ，ＱＴ，ＳＰＬＩＴの変化の作用が合成されて、予測排出が計算される（ステップ１０８）。したがって、少なくとも１つの選択された第１の状態変数Ｐ０，Ｐ１，Ｐ２，Ｐ３，Ｐ４，Ｔ０，Ｔ１，Ｔ２，Ｔ３，Ｔ４，Ｔ５，Ｐ２Ｂ，ＭＣＩ，ＴＦＩＲＥ，ＱＦ，ＱＨ，ＱＴ，ＳＰＬＩＴの予め定められた値に対する排出挙動を予測するために、ガスタービン機関１０の排出挙動のパラメタリゼーション１００が用いられる。
モデル１０２または結果として得られたＰＥＭＳモデル１０４を、ガスタービン機関１０の処理ユニット１８に実装してもよいし（図７の左側）、またはスタンドアローンのソフトウェアパッケージとしてもよい（図７の右側）。
予測された排出レベルをデータベースに格納してもよいし（ステップ１１０）、またはそれらを機関制御システム（１１２）へ供給してもよく、それらを用いてガスタービン機関１０の排出レベルを制御することができる。このような制御を、モデル１０２の予測に従い排出レベルに作用が及ぼされるように、燃料供給装置２０のメイン燃料とパイロット燃料の分割比ＳＰＬＩＴを調整することによって、行うことができる（ステップ１１４）。
本発明によればこのようにした結果、測定された入力パラメータの化学動力学モデルと、熱力学的に導出されたパラメータとに基づき、数学的に導出された排出特性パターンを用いて、排出レベル（主としてＮＯｘおよびＣＯ）が予測および制御されるようになる。
ここで述べておくと、「〜を有する」という表記は、他の要素またはステップを除外するものではなく、また、「１つの」が複数を除外するものではない。それぞれ異なる実施形態に関して説明した要素を組み合わせてもよい。さらに付言しておくと、特許請求の範囲に記載した参照符号は、各請求項の権利範囲の限定を意図したものではない。
これまで有利な実施形態によって本発明を例示し詳述してきたけれども、本発明はここに開示した実施例によって限定されるものではなく、当業者であれば本発明の範囲を逸脱することなく、それらの実施例から他の様々な態様を導き出すことができる。

Claims (13)

  1. ガスタービン機関（１０）の排出挙動を特定する方法において、
    ・前記ガスタービン機関（１０）のシステムのモデル（１０２）を作成するステップ（１０２ａ）と、
    ・前記モデル（１０２）の入力として使用される少なくとも１つの選択された第１の状態変数（Ｐ０，Ｐ１，Ｐ２，Ｐ３，Ｐ４，Ｔ０，Ｔ１，Ｔ２，Ｔ３，Ｔ４，Ｔ５，Ｐ２Ｂ，ＭＣＩ，ＴＦＩＲＥ，ＱＦ，ＱＨ，ＱＴ，ＳＰＬＩＴ）を変化させることによって、前記モデル（１０２）を実行するステップ（１０２ｂ）と、
    ・前記ガスタービン機関（１０）の排出挙動を表す前記モデル（１０２）の出力（ＯＵＴ）を取得するステップ（１０２ｃ）と、
    ・前記出力（ＯＵＴ）を数学的関数に変換することによって、前記ガスタービン機関（１０）の前記少なくとも１つの選択された第１の状態変数（Ｐ０，Ｐ１，Ｐ２，Ｐ３，Ｐ４，Ｔ０，Ｔ１，Ｔ２，Ｔ３，Ｔ４，Ｔ５，Ｐ２Ｂ，ＭＣＩ，ＴＦＩＲＥ，ＱＦ，ＱＨ，ＱＴ，ＳＰＬＩＴ）に対する前記ガスタービン機関（１０）の排出挙動をパラメタリゼーション（１００）するステップ（１００ａ）であって、前記パラメタリゼーション（１００）するステップ（１００ａ）は、前記少なくとも１つの選択された第１の状態変数（Ｐ０，Ｐ１，Ｐ２，Ｐ３，Ｐ４，Ｔ０，Ｔ１，Ｔ２，Ｔ３，Ｔ４，Ｔ５，Ｐ２Ｂ，ＭＣＩ，ＴＦＩＲＥ，ＱＦ，ＱＨ，ＱＴ，ＳＰＬＩＴ）と、モデリングされた状態挙動とを変化させることにより生じる離散化を連続関数によって近似することによって、前記パラメタリゼーション（１００）を決定するステップを含む、ステップと、
    ・前記数学的関数を用いて前記ガスタービン機関（１０）の排出挙動を特定するステップと
    を含み、
    前記方法は、測定データと、前記数学的関数の結果とを比較するステップ（１００ｂ）を含み、前記比較するステップ（１００ｂ）の結果、前記測定データと、前記数学的関数の結果とが所定の閾値よりも大きく異なる場合には、前記数学的関数を、テストデータおよび調整データを用いて検証する、ことを特徴とする、
    ガスタービン機関（１０）の排出挙動を特定する方法。
  2. ・前記少なくとも１つの選択された第１の状態変数（Ｐ０，Ｐ１，Ｐ２，Ｐ３，Ｐ４，Ｔ０，Ｔ１，Ｔ２，Ｔ３，Ｔ４，Ｔ５，Ｐ２Ｂ，ＭＣＩ，ＴＦＩＲＥ，ＱＦ，ＱＨ，ＱＴ，ＳＰＬＩＴ）と、異なる複数の選択された第２の状態変数とに対し、前記ガスタービン機関（１０）の排出挙動をパラメタリゼーション（１００）するステップ（１００ａ）を含む、
    請求項１記載の方法。
  3. 前記ガスタービン機関（１０）の前記排出挙動の少なくとも１つの個別のパラメタリゼーション（１００）は、二次元の状態空間における描写である、
    請求項２記載の方法。
  4. 前記モデル（１０２）の前記出力は、前記ガスタービン機関（１０）のさらに別の状態変数（ＯＵＴ）を有する、
    請求項１から３までのいずれか１項記載の方法。
  5. 前記少なくとも１つの選択された第１の状態変数（Ｐ０，Ｐ１，Ｐ２，Ｐ３，Ｐ４，Ｔ０，Ｔ１，Ｔ２，Ｔ３，Ｔ４，Ｔ５，Ｐ２Ｂ，ＭＣＩ，ＴＦＩＲＥ，ＱＦ，ＱＨ，ＱＴ，ＳＰＬＩＴ）は、前記モデル（１０２）の入力を表し、および／または、前記ガスタービン機関（１０）の排出挙動を表すさらに別の状態変数（ＯＵＴ）は、前記モデル（１０２）の出力を表す、
    請求項１から４までのいずれか１項記載の方法。
  6. 前記モデルは動力学モデルである、
    請求項１から５までのいずれか１項記載の方法。
  7. 前記少なくとも１つの選択された第１の状態変数（Ｐ０，Ｐ１，Ｐ２，Ｐ３，Ｐ４，Ｔ０，Ｔ１，Ｔ２，Ｔ３，Ｔ４，Ｔ５，Ｐ２Ｂ，ＭＣＩ，ＴＦＩＲＥ，ＱＦ，ＱＨ，ＱＴ，ＳＰＬＩＴ）は、
    直接測定されるパラメータ、推定されるパラメータ、または熱力学的に導出されるパラメータ
    から成る群の中から選択された１つの変数である、
    請求項１から６までのいずれか１項記載の方法。
  8. 前記少なくとも１つの選択された第１の状態変数（Ｐ０，Ｐ１，Ｐ２，Ｐ４，Ｔ０，Ｔ１，Ｔ２，Ｔ４，Ｔ５，ＱＦ，ＱＨ，ＱＴ，ＳＰＬＩＴ）は、
    周囲入口圧力、機関入口圧力（Ｐ０）、周囲入口温度、機関入口温度（Ｔ０）、圧縮器入口温度（Ｔ１）、圧縮器入口圧力（Ｐ１）、圧縮器出口圧力（Ｐ２）、圧縮器出口温度（Ｔ２）、タービン間ダクト圧力（Ｐ４）、タービン間ダクト温度（Ｔ４）、排気温度（Ｔ５）、ガスタービン機関運転温度、燃料流量（ＱＦ）、燃料組成（ＱＨ）、燃料温度（ＱＴ）、またはメイン燃料とパイロット燃料の分割比（ＳＰＬＩＴ）
    から成る、直接測定されるパラメータ群の中から選択された１つの変数である、
    請求項１から７までのいずれか１項記載の方法。
  9. 前記少なくとも１つの選択された第１の状態変数（Ｐ３，Ｔ３，ＴＦＩＲＥ，Ｐ２Ｂ，ＭＣＩ）は、
    燃焼器出口圧力（Ｐ３）、燃焼器出口温度（Ｔ３）、機関火炎温度（ＴＦＩＲＥ）、圧縮器吐出空気の抽気率（Ｐ２Ｂ）、または計算された質量流量（ＭＣＩ）
    から成る、熱力学的に導出されるパラメータ群の中から選択された１つの変数である、
    請求項１から８までのいずれか１項記載の方法。
  10. 前記モデルは、前記ガスタービン機関（１０）のキーコンポーネント（１２）の熱力学的挙動をマッピングし、前記キーコンポーネント（１２）は、
    一次燃焼ゾーン（１６）、完全撹拌反応器（６６）、メイン火炎（６８）、パイロット火炎（６８）、押し出し流れ反応器（７２）、質量流混合器、質量流分流器、または流れ抵抗
    から成る群の中から選択された１つのコンポーネントである、
    請求項１から９までのいずれか１項記載の方法。
  11. 前記少なくとも１つの選択された第１の状態変数（Ｐ０，Ｐ１，Ｐ２，Ｐ３，Ｐ４，Ｔ０，Ｔ１，Ｔ２，Ｔ３，Ｔ４，Ｔ５，Ｐ２Ｂ，ＭＣＩ，ＴＦＩＲＥ，ＱＦ，ＱＨ，ＱＴ，ＳＰＬＩＴ）の予め定められた値に対する排出挙動を予測するために、前記ガスタービン機関（１０）の排出挙動のパラメタリゼーション（１００）を用いるステップを含む、
    請求項１から１０までのいずれか１項記載の方法。
  12. 少なくとも１つの処理ユニット（１８）を含み、請求項１から１１までのいずれか１項記載の方法を用いて取得された少なくとも１つの予測によって運転可能である、ガスタービン機関（１０）において、
    当該ガスタービン機関（１０）の状態挙動を表しパラメタリゼーション（１００）によって数学的関数に変換される結果を取得するモデル（１０２）が、前記少なくとも１つの処理ユニット（１８）に実装されており、前記数学的関数を用いて前記ガスタービン機関（１０）の排出レベルが予測および／または制御されることを特徴とする、
    ガスタービン機関（１０）。
  13. 少なくとも１つの燃料供給装置（２０）が設けられており、
    前記モデル（１０２）の予測に従い前記排出レベルに作用が及ぼされるように、前記少なくとも１つの燃料供給装置（２０）のメイン燃料とパイロット燃料の分割比（ＳＰＬＩＴ）を調整可能である、
    請求項１２記載のガスタービン機関（１０）。
JP2017522022A 2014-10-22 2015-10-15 排出挙動を特定する方法 Active JP6636021B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP14189956.7A EP3012694A1 (en) 2014-10-22 2014-10-22 Method for determining an emission behaviour
EP14189956.7 2014-10-22
PCT/EP2015/073830 WO2016062598A1 (en) 2014-10-22 2015-10-15 Method for determining an emission behaviour

Publications (2)

Publication Number Publication Date
JP2017531760A JP2017531760A (ja) 2017-10-26
JP6636021B2 true JP6636021B2 (ja) 2020-01-29

Family

ID=51753119

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017522022A Active JP6636021B2 (ja) 2014-10-22 2015-10-15 排出挙動を特定する方法

Country Status (7)

Country Link
US (1) US10489530B2 (ja)
EP (2) EP3012694A1 (ja)
JP (1) JP6636021B2 (ja)
CN (1) CN107077110B (ja)
CA (1) CA2964833C (ja)
RU (1) RU2675965C2 (ja)
WO (1) WO2016062598A1 (ja)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10628757B2 (en) 2017-01-26 2020-04-21 International Business Machines Corporation Dynamic emission discharge reduction
US20190056702A1 (en) * 2017-08-21 2019-02-21 General Electric Company Model-based machine learing control system and method for tuning power production emissions
US20190063332A1 (en) * 2017-08-22 2019-02-28 General Electric Company Systems and methods for nox prediction in a power plant
US10626817B1 (en) * 2018-09-27 2020-04-21 General Electric Company Control and tuning of gas turbine combustion
CN110414089A (zh) * 2019-07-10 2019-11-05 一汽解放汽车有限公司 基于发动机万有特性的整车pems排放的仿真预测方法
CN116011261B (zh) * 2023-03-24 2023-07-18 潍柴动力股份有限公司 一种碳载量模型修正方法、装置、电子设备及存储介质

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3785145A (en) 1971-11-10 1974-01-15 Gen Motors Corp Gas turbine power plant
US5539638A (en) 1993-08-05 1996-07-23 Pavilion Technologies, Inc. Virtual emissions monitor for automobile
RU2190875C2 (ru) * 1999-12-07 2002-10-10 Аналитический центр при Пермском областном комитете по охране природы Способ определения величины массовых выбросов загрязняющих веществ в окружающую среду и система для его осуществления
US7058556B2 (en) 2001-09-26 2006-06-06 Goodrich Pump & Engine Control Systems, Inc. Adaptive aero-thermodynamic engine model
US6823675B2 (en) * 2002-11-13 2004-11-30 General Electric Company Adaptive model-based control systems and methods for controlling a gas turbine
JP4082596B2 (ja) * 2003-07-07 2008-04-30 本田技研工業株式会社 制御装置
US7421348B2 (en) 2005-03-18 2008-09-02 Swanson Brian G Predictive emissions monitoring method
US8065022B2 (en) 2005-09-06 2011-11-22 General Electric Company Methods and systems for neural network modeling of turbine components
DE102007017259B4 (de) * 2007-04-12 2009-04-09 Siemens Ag Verfahren zur rechnergestützten Steuerung und/oder Regelung eines technischen Systems
EP2177963A1 (en) * 2008-10-17 2010-04-21 ALSTOM Technology Ltd Gas turbine model and method for the modeling of a gas turbine
DE102010011221B4 (de) * 2010-03-12 2013-11-14 Siemens Aktiengesellschaft Verfahren zur rechnergestützten Steuerung und/oder Regelung eines technischen Systems
US8650009B2 (en) * 2010-08-31 2014-02-11 Rockwell Automation Technologies, Inc. Sensor validation and value replacement for continuous emissions monitoring
US20120070266A1 (en) * 2010-09-21 2012-03-22 General Electric Company Turbo-machine temperature control
JP5550592B2 (ja) * 2011-03-29 2014-07-16 三菱重工業株式会社 ガスタービンの制御装置
US20130024179A1 (en) * 2011-07-22 2013-01-24 General Electric Company Model-based approach for personalized equipment degradation forecasting
US20130066615A1 (en) * 2011-09-14 2013-03-14 General Electric Company System and method for simulating gas turbine operation
US10330015B2 (en) * 2015-09-25 2019-06-25 General Electric Company Transient emission temperature control of turbine systems
US9879613B2 (en) * 2015-12-16 2018-01-30 General Electric Company Application of combined probabilistic control in gas turbine tuning for power output-emissions parameters with scaling factor, related control systems, computer program products and methods
US9879614B2 (en) * 2015-12-16 2018-01-30 General Electric Company Machine-specific combined probabilistic control in gas turbine tuning for power output-emissions parameters with scaling factor, related control systems, computer program products and methods
US9879612B2 (en) * 2015-12-16 2018-01-30 General Electric Company Combined probabilistic control in gas turbine tuning for power output-emissions parameters with scaling factor, related control systems, computer program products and methods
US9882454B2 (en) * 2015-12-16 2018-01-30 General Electric Company Application of combined probabilistic control in gas turbine tuning for power output-emissions parameters with scaling factor, related control systems, computer program products and methods
US9856797B2 (en) * 2015-12-16 2018-01-02 General Electric Company Application of combined probabilistic control in gas turbine tuning for power output-emissions parameters with scaling factor, related control systems, computer program products and methods
US20180135534A1 (en) * 2016-11-17 2018-05-17 General Electric Company Systems and methods for adaptive fuel distribution in fuel circuits

Also Published As

Publication number Publication date
RU2017113814A3 (ja) 2018-11-22
RU2675965C2 (ru) 2018-12-25
RU2017113814A (ru) 2018-11-22
EP3012694A1 (en) 2016-04-27
CA2964833A1 (en) 2016-04-28
CN107077110B (zh) 2020-11-06
EP3210084A1 (en) 2017-08-30
US10489530B2 (en) 2019-11-26
EP3210084B1 (en) 2022-08-24
CN107077110A (zh) 2017-08-18
JP2017531760A (ja) 2017-10-26
WO2016062598A1 (en) 2016-04-28
CA2964833C (en) 2020-02-25
US20170308632A1 (en) 2017-10-26

Similar Documents

Publication Publication Date Title
JP6636021B2 (ja) 排出挙動を特定する方法
US8423161B2 (en) Methods and systems for gas turbine modeling using adaptive kalman filter
US20070073525A1 (en) Method and system for gas turbine engine simulation using adaptive Kalman filter
US11434833B2 (en) Methods and systems for detection of control sensor override
US10466661B2 (en) Model-based performance estimation
CN106050435B (zh) 用于燃气涡轮的调节和控制***、计算机程序产品及方法
CN106884726B (zh) 用于燃气涡轮的调节和控制的***及方法
JP6786233B2 (ja) ガスタービンの特性評価装置及びガスタービンの特性評価方法
US9599032B2 (en) Application of probabilistic control in gas turbine tuning for emissions-fuel flow parameters, related control systems, computer program products and methods
US20160305342A1 (en) Application of probabilistic control in gas turbine tuning for fuel flow-power output parameters, related control systems, computer program products and methods
US20160138483A1 (en) Application of fuel flow-based probabilistic control in gas turbine tuning under part load, related control systems, computer program products and methods
US9599033B2 (en) Application of probabilistic control in gas turbine tuning for fuel flow-exhaust energy parameters, related control systems, computer program products and methods
D’ercole et al. Results and experience from Ge energy’s MS5002e Gas Turbine Testing and evaluation
Kim et al. Suitability of performance adaptation methods for updating the thermodynamic cycle model of a turboprop engine
US20160305334A1 (en) Application of probabilistic control in gas turbine tuning for exhaust energy-power output parameters, related control systems, computer program products and methods
US9599027B2 (en) Application of probabilistic control in gas turbine tuning for emissions-exhaust energy parameters, related control systems, computer program products and methods
US9599030B2 (en) Application of probabilistic control in gas turbine tuning for exhaust energy-fuel flow parameters, related control systems, computer program products and methods
US9599024B2 (en) Application of probabilistic control in gas turbine tuning for exhaust energy-emissions parameters, related control systems, computer program products and methods
JP2023044719A (ja) タービン出口マッハ数サロゲートを利用した非モデルベース制御のためのシステムおよび方法
Weidner et al. Pulsations in Gas Turbine Operation: Identification and Modeling With the Purpose of Online Engine Monitoring and Optimization
Tsoutsanis et al. Gas path analysis applied to an aeroderivative gas turbine used for power generation

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20170620

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20180423

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20180419

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20180710

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20181001

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20181226

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20190514

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20190910

A911 Transfer to examiner for re-examination before appeal (zenchi)

Free format text: JAPANESE INTERMEDIATE CODE: A911

Effective date: 20190919

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: 20191118

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20191217

R150 Certificate of patent or registration of utility model

Ref document number: 6636021

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

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

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250