WO2017221923A1

WO2017221923A1 - ガスタービンのタービン出口温度予測方法及び装置

Info

Publication number: WO2017221923A1
Application number: PCT/JP2017/022665
Authority: WO
Inventors: ニコラシュミット; 政人鹿庭; 河野　幸弘; 志保袖子田
Original assignee: 株式会社Ihi
Priority date: 2016-06-22
Filing date: 2017-06-20
Publication date: 2017-12-28
Also published as: CA3024408A1; EP3460215A1; PL3460215T3; EP3460215B1; BR112018076436A2; JP2017227174A; JP6304313B2; EP3460215A4; CA3024408C; US11428118B2; US20190032512A1

Abstract

ガスタービンの過去の使用実績に基づいて将来の使用時におけるタービン出口温度を予測する方法であって、将来の使用時に予定される環境・運用条件のパラメータと将来の使用時に予定されるファン回転数とを説明変数として用いて、目的変数としての将来の使用時におけるタービン出口温度をタービン出口温度モデルによって予測し、かつ、学習トリガ条件が成立する度に前記説明変数に対する係数を学習によって同定する。係数の学習においては、前記ガスタービンの過去の使用時における前記パラメータ、前記ファン回転数及び前記タービン出口温度を用いて行った、前記タービン出口温度モデルの前記説明変数及び前記目的変数の回帰学習の結果に基づいて、前記説明変数に対する係数が同定される。

Description

ガスタービンのタービン出口温度予測方法及び装置

　本発明は、ガスタービンのタービン出口温度を予測する方法及び装置[a method and an apparatus for predicting a turbine outlet temperature in a gas turbine]に関する。

　ガスタービンは、航空ジェットエンジン、陸上の発電設備、船舶の推進源や発電装置等として広く用いられている。ガスタービンの内部には、使用を続けるにつれて汚れが付着する。ガスタービン内部の汚れは、ガスタービン内に取り込んだ空気の流れを変化させ、ガスタービンの出力効率低下の原因となる。出力効率低下を補って出力を維持するには、燃料の燃焼量を増やす必要がある。しかし、燃料の燃焼量を増やすと燃費[fuel efficiency]が低下する。

　そこで、汚れが付着したガスタービンの適切な洗浄タイミングを判定する技術が、提案されている。この提案は、ガスタービンプラントにおいて用いられるガスタービンに関する。汚れが付着したガスタービンの出力効率低下による損失コストを推定し、推定された損失コストがガスタービンの内部を洗浄するためのコストと一致したら、適切な洗浄タイミングであると判定する（下記特許文献１）。

日本国特開２００５－１３３５８３号公報

　ガスタービンにおいて、出力維持のために燃料の燃焼量を増やすと、タービンの出口温度が上昇する。タービンが多段である場合、各段のタービンの出口温度がそれぞれ上昇する。ガスタービンでは部品劣化を抑えるために上限温度が設定されているので、上限温度以上にタービンの出口温度が上昇することは避けなければならない。したがって、ガスタービン内部の洗浄は、出力効率低下による損失コストの面だけでなく、タービンの出口温度が上限温度以上に上がらないように管理する面からも、非常に重要である。

　タービンの現在の出口温度はセンサを用いて測定できるが、将来の温度は予測するしかない。このため、将来のタービンの出口温度に基づいて決定されるガスタービン内部の洗浄タイミングは、整備担当者の経験に頼る傾向が強い。したがって、洗浄タイミングの決定は経験豊富な整備担当者に依存することとなる。

　それは、特定の整備担当者の経験を他の整備担当者と共有することは一般的に困難であるからである。また、経験豊富な整備担当者が経験を通して得た知識を経験の浅い整備担当者に伝達するには長い期間を要するからでもある。したがって、洗浄タイミングを決定するガスタービンの数が増えると、特定の整備担当者の作業負担が大きくなってしまう。

　また、経験内容は人によって異なるので、経験豊富な整備担当者が洗浄タイミングを決定する場合でも、決定される洗浄タイミングは整備担当者によってばらつく可能性がある。このばらつきを誤差と考えると、決定された洗浄タイミングよりも誤差分だけ早めに洗浄する運用を行う必要がある。この結果、洗浄回数が必要以上に増えてしまう可能性がある。

　本発明の目的は、ガスタービンのタービン出口温度を、経験豊富な整備担当者に頼ることなく予測することができる方法と、この方法の実施に好適な装置とを提供することにある。

　本発明の第１の特徴は、ファンによって取り込んだ空気を圧縮した後に燃料と共に燃焼させることで出力を得るガスタービンの過去の使用実績に基づいて、前記ガスタービンの将来の使用時におけるタービン出口温度を予測する方法であって、前記ガスタービンの将来の使用時に予定される環境条件及び運用条件における少なくとも一つのパラメータと、将来の使用時に予定される前記ファンの回転数とを説明変数として用いて、目的変数としての将来の使用時における前記タービン出口温度をタービン出口温度モデルによって予測する出口温度予測ステップと、所定の学習トリガ条件が成立する度に実行される、前記説明変数に対する係数を学習によって同定する学習ステップと、を含み、前記学習ステップにおいて、前記ガスタービンの過去の使用時における、前記パラメータ、前記ファンの回転数、及び、前記タービン出口温度を用いて行った、前記タービン出口温度モデルの前記説明変数及び前記目的変数の回帰学習の結果に基づいて、前記説明変数に対する係数を同定する、タービン出口温度予測方法を提供する。

　ここで言う「ガスタービン」とは、燃料の燃焼により得た流体の流れにより「タービン」を回転させて出力を得る内燃機関の総称である。例えば、航空機のジェットエンジンや発電設備、ヘリコプターや船舶のエンジンも、「ガスタービン」に含まれる。

　したがって、「タービン」は、「ガスタービン」において流体から運動エネルギーを取り出す。「ガスタービン」が高圧タービン及び低圧タービン等の多段タービンを有する場合、これらの全てのタービンが、「タービン」に該当する。

　また、「タービン出口温度」とは、ガスタービンにおけるタービンの出口温度である。ガスタービンが多段タービンを有している場合、各段のタービンの出口温度のいずれもが、「タービン出口温度」に該当する。

　以上に説明した「ガスタービン」、「タービン」及び「タービン出口温度」の定義は、以下の説明や請求の範囲で用いる用語にも全て適用されるべきである。

　ここで、前記タービン出口温度予測方法が、前記ガスタービンの将来の使用時に予定される前記環境条件及び前記運用条件を用いて、将来の使用時における前記ファンの回転数を、前記ガスタービンの制御システムモデルによって予測する回転数予測ステップをさらに含み、前記回転数予測ステップにおいて予測された将来の使用時における前記ファンの回転数を、前記出口温度予測ステップで用いられる、将来の使用時に予定される前記ファンの前記回転数とする、こととしてもよい。

　また、前記タービン出口温度予測方法が、前記出口温度予測ステップにおいて予測された将来の使用時における複数の前記タービン出口温度に基づいて、将来の使用時の前記タービン出口温度が前記ガスタービンの洗浄を要する洗浄温度に達する洗浄時期を予測する洗浄時期予測ステップをさらに含んでいてもよい。

　また、前記タービン出口温度予測方法が、所定の更新条件が成立する度に、前記更新条件成立後の前記ガスタービンの使用時における前記タービン出口温度に対する、前記更新条件成立後の使用時における前記タービン出口温度に関して前記出口温度予測ステップで過去に予測された前記タービン出口温度の誤差分布を検出する誤差分布検出ステップをさらに含み、前記洗浄時期予測ステップにおいて、前記出口温度予測ステップで予測された前記タービン出口温度を代表値（平均値、中心値、最頻値など）とする前記誤差分布において前記洗浄温度以上に相当する部分の割合を、将来の使用時に前記タービン出口温度が前記洗浄温度に達する確率として用いて、前記洗浄時期が予測される、こととしてもよい。

　また、前記タービン出口温度予測方法において、前記ガスタービンの洗浄後に前記ガスタービンの使用回数が所定回数に達するまでの期間、又は、前記ガスタービンの洗浄後に前記ガスタービンの使用時間が所定時間に達するまでの期間における前記ファンの回転数及び前記パラメータが、前記学習ステップでの前記回帰学習の対象から除外される、こととしてもよい。

　また、前記タービン出口温度予測方法において、前記ガスタービンの洗浄後に所定の開始条件が成立したら、前記出口温度予測ステップで前記タービン出口温度の予測を行う、こととしてもよい。

　本発明の第２の特徴は、ファンによって取り込んだ空気を圧縮した後に燃料と共に燃焼させることで出力を得るガスタービンの過去の使用実績に基づいて、前記ガスタービンの将来の使用時におけるタービン出口温度を予測する装置であって、前記ガスタービンの将来の使用時における環境条件及び運用条件における少なくとも一つのパラメータと、将来の使用時における前記ファンの回転数とを説明変数として用いて、目的変数としての将来の使用時における前記タービン出口温度をタービン出口温度モデルによって予測する出口温度予測部と、前記ガスタービンの過去の使用時における前記パラメータ及び前記ファンの回転数を、過去の使用時における前記タービン出口温度と関連付けた学習データベースが記憶される学習データ記憶部と、所定の学習トリガ条件が成立する度に、前記学習データ記憶部に記憶された前記学習データベース中の前記パラメータ及び前記ファンの回転数とこれらに関連付けられた前記タービン出口温度とを用いて行った、前記タービン出口温度モデルの前記説明変数及び前記目的変数の回帰学習の結果に基づいて、前記説明変数に対する係数を同定する学習部と、を備えるガスタービンのタービン出口温度予測装置を提供する。

　ここで、前記タービン出口温度予測装置が、前記ガスタービンの将来の使用時における前記環境条件及び前記運用条件を用いて、将来の使用時における前記ファンの回転数を、前記ガスタービンの制御システムモデルによって予測する回転数予測部をさらに備えており、前記出口温度予測部が、前記回転数予測部によって予測された将来の使用時における前記ファンの回転数を、前記タービン出口温度モデルを用いて前記タービン出口温度を予測する際の前記説明変数として用いる、こととしてもよい。

　また、前記タービン出口温度予測装置が、前記出口温度予測部によって予測された将来の使用時における複数の前記タービン出口温度に基づいて、将来の使用時の前記タービン出口温度が前記ガスタービンの洗浄を要する洗浄温度に達する洗浄時期を予測する洗浄時期予測部をさらに備えていてもよい。

　また、前記タービン出口温度予測装置が、所定の更新条件が成立する度に、前記更新条件成立後の前記ガスタービンの使用時における前記タービン出口温度に対する、前記更新条件成立後の使用時における前記タービン出口温度に関して前記出口温度予測部によって過去に予測された前記タービン出口温度の誤差分布を検出する誤差分布検出部をさらに備えており、前記洗浄時期予測部が、前記出口温度予測部によって予測された前記タービン出口温度を代表値（平均値、中心値、最頻値など）とする前記誤差分布において前記洗浄温度以上に相当する部分の割合を、将来の使用時に前記タービン出口温度が前記洗浄温度に達する確率として用いて、前記洗浄時期を予測する、こととしてもよい。

　また、前記タービン出口温度予測装置が、前記ガスタービンの洗浄後に前記ガスタービンの使用回数が所定回数に達するまでの期間、又は、前記ガスタービンの使用時間が所定時間に達するまでの期間における前記ファンの回転数及び前記パラメータを、前記学習部による前記回帰学習の対象から除外する学習除外設定部をさらに備えており、前記学習部が、前記学習データ記憶部に記憶された前記学習データベース中の、前記学習除外設定部によって除外された前記ファンの回転数及び前記パラメータ以外の前記ファンの回転数及び前記パラメータを用いて前記回帰学習を行う、こととしてもよい。

　また、前記出口温度予測部が、前記ガスタービンの洗浄後に所定の開始条件が成立したら、前記タービン出口温度の予測を行う、こととしてもよい。

実施形態に係る予測方法を適用したガスタービンとしての航空機のジェットエンジンの概略構成図である。上記ジェットエンジンにおけるタービン出口温度の変化とジェットエンジンの水洗との関係を示すグラフである。上記ジェットエンジンにおける予測タービン出口温度の推移を概念的に示すグラフである。上記ジェットエンジンにおけるタービン出口温度の予測の流れを示す模式図である。図４におけるＡＣＡＲＳデータが送受されるＡＣＡＲＳの概略構成図である。図４におけるタービン出口温度モデルの学習の流れを示す模式図である。（ａ）～（ｄ）は誤差を考慮してタービン出口温度の予測確度を検出する際の手順を示すグラフである。実施形態に係る予測方法のフローチャートである。上記予測方法を実行する際の手順を示すフローチャートである。上記予測方法を実行する際の手順を示すフローチャートである。図８におけるファン回転数予測のフローチャートである。図８におけるタービン出口温度予測のフローチャートである。図８における洗浄時期予測のフローチャートである。（ａ）及び（ｂ）は、予測結果の表示例を示すグラフである。

　以下、実施形態について図面を参照しながら説明する。

　図１に示されるように、実施形態に係る予測方法が適用されるガスタービンとしての航空機のジェットエンジン１は、エンジンケース（図示せず）の内部に収容されている。ジェットエンジン１では、エア取り入れ口からケース内部にファン３によって取り込んだ空気が低圧圧縮機５及び高圧圧縮機９で圧縮された後に燃料と混合され、混合気が燃焼される。

　燃焼ガスは高圧タービン７を回転させて、低圧圧縮機５の後段の高圧圧縮機９を回転させる動力を生成する。また、高圧タービン７を通過した燃焼ガスは、エンジンケースから排出されて推力となる。燃焼ガスの一部は、高圧タービン７の後段の低圧タービン１１を回転させて、ファン３及び低圧圧縮機５を回転させる動力を生成する。ジェットエンジン１では、高圧タービン７が最も高温となり、熱による劣化が最も進む。

　ジェットエンジン１の内部には、離発着を繰り返すことで汚れが蓄積される。蓄積された汚れはジェットエンジン１の内部における燃焼用空気の流れを変化させて、ジェットエンジン１の出力効率低下の原因となる。出力効率低下を補って出力（推力）を維持するために燃料の燃焼量を増やすと、同じ出力（推力）を得る場合でも、高圧タービン７や低圧タービン１１の出口温度（タービン出口温度）は上昇する。

　高圧タービン７や低圧タービン１１の出口温度（以下、「タービン温度」と称することがある）が部品劣化を抑えるために設定された上限温度以上に上昇すると、航空機の運用を長期間中止して劣化した部品を交換しなければならない。このため、タービン温度が上限温度に上昇する前にジェットエンジン１の洗浄（水洗）を行うことが望ましい。洗浄であれば部品交換よりも、航空機の整備コストを抑えることができる。

　その反面、ジェットエンジン１の洗浄（水洗）を必要以上に短い周期で行うと、タービン温度が上限温度に上昇していない状態であっても洗浄のために航空機の運用を一時停止しなければならない。この場合、航空機を高効率で運用することができなくなる。しかも、洗浄を必要以上に頻繁に行うことで航空機の整備コストがかさんでしまう。

　そこで、ジェットエンジン１の使用を繰り返すことで、タービン出口温度（図２のグラフの縦軸）が、タービンの部品劣化を抑えるために設定された上限温度よりも若干低い洗浄温度（即ち、ガスタービンの洗浄を要する温度）に達した時点で、ジェットエンジン１の洗浄（水洗）を行って内部の汚れを落とすことが好ましい。

　汚れを落とせば、ジェットエンジン１の内部における燃焼用空気の流れが良くなって、低下したジェットエンジン１の出力効率が再び良くなる。その結果、同じ出力（推力）を得るために燃焼させる燃料を減らしてタービン温度を下げることができる。

　なお、高圧タービン７の出口温度をタービン温度とする場合は、高圧タービン７に対応するタービン出口の上限温度よりも若干低い温度を洗浄温度とする。また、低圧タービン１１の出口温度をタービン温度とする場合は、低圧タービン１１に対応するタービン出口の上限温度よりも若干低い温度を洗浄温度とする。

　さらに、高圧タービン７の出口や低圧タービン１１の出口とは異なる、ジェットエンジン１全体の出口の温度をタービン温度とし、ジェットエンジン１全体に対応する上限温度よりも若干低い温度を洗浄温度としてもよい。

　ジェットエンジン１の現在のタービン温度は、例えば、高圧タービン７の出口（下流）や低圧タービン１１の出口（下流）に配置されたセンサ（図示せず）によってタービン出口温度として監視できる。しかし、現在のタービン出口温度を監視するだけでは、ジェットエンジン１を洗浄（水洗）するスケジュールを前もって決めて、計画的に洗浄（水洗）することができない。そこで、本実施形態では、洗浄（水洗）スケジュールを前もって決められるように、図３に示されるグラフのように、ジェットエンジン１の将来の使用時におけるタービン出口温度を予測する。

　なお、タービン出口温度は、ジェットエンジン１を使用する際の様々な条件によって変わる。このため、将来の使用時における条件をどのように想定するかによって、予測される将来のタービン出口温度はある程度変化する可能性がある。

　本実施形態のタービン出口温度予測方法では、タービン出口温度の予測値がある程度高い確率で収まる範囲が信頼区間として設定される。この信頼区間の温度範囲と洗浄温度との関係で、ジェットエンジン１の洗浄（水洗）を行う時期を事前に予測する。洗浄する時期を事前に予測することで、洗浄（水洗）のためにジェットエンジン１の運用を無駄なく効率的に停止する日程を事前に計画することができる。

　以下、本実施形態に係るタービン出口温度予測方法において、ジェットエンジン１のタービン出口温度を予測するために行う各種処理について説明する。なお、それらの処理を用いた具体的なタービン出口温度の予測等の手順については、各種処理の説明の後に詳しく説明する。

　まず、図４に示されるように、ジェットエンジン１を搭載した航空機（図示せず）が将来離陸するときのジェットエンジン１のタービン出口温度（図中の「タービン温度（予測）」）を予測する。なお、予測する将来のタービン出口温度は航空機の離陸時以外の温度でもよい。しかし、ジェットエンジン１は航空機の離陸時に最も高負荷で使用されるので、タービン出口温度が最も上昇する航空機の離陸時のタービン出口温度を予測するのが合理的である。

　なお、タービン出口温度は、ファン３の回転数（即ち、エンジンケースの内部に取り込まれる燃焼用空気量の指標）、並びに、航空機の離陸時における環境条件及び運用条件に基づいて、タービン出口温度を予測するためのモデル（タービン出口温度モデル、図中の「統計モデル」）を用いて予測される。

　ジェットエンジン１の使用時におけるファン３の回転数は、航空機に搭載された航空機用デジタル制御装置（図示せず：ＦＡＤＥＣ（Full Authority Digital Engine Control））が設定する指令値によって制御される。この指令値は、ジェットエンジン１の使用時における環境条件及び運用条件等に基づいて決定される。

　即ち、ジェットエンジン１の使用時におけるファン３の回転数は、ＦＡＤＥＣによるジェットエンジン１の制御システムの制御内容をモデル化した制御システムモデル（図中の「物理モデル」）を用いて、ジェットエンジン１の使用時における環境条件及び運用条件等に基づいて予測できる。

　したがって、タービン出口温度を予測する際に用いるジェットエンジン１の使用時におけるファン３の回転数は、航空機が離陸するときのジェットエンジン１の環境条件及び運用条件等に基づいて、制御システムモデルを用いて予測される。

　なお、ファン３の回転数を予測する制御システムモデルは、ＦＡＤＥＣによるジェットエンジン１の制御システムの制御内容をモデル化した物理モデルであるので、ジェットエンジン１の個体が変わらない限り、モデルの内容は基本的に固定される。

　一方、タービン出口温度を予測するタービン出口温度モデルの内容は、画一的に固定された内容とはならない。その理由は、タービン出口温度が、ファン３の回転数のように制御システムの制御内容から一義的に定まるのではなく、航空機におけるジェットエンジン１のレイアウトや航空機の飛行条件等の、使用時における環境条件及び運用条件によって変化するからである。

　このため、タービン出口温度モデルについては、ジェットエンジン１の使用時における環境条件及び運用条件のうち、モデルの説明変数[explanatory variables]としてタービン出口温度の予測に用いられるパラメータに対する係数が、学習[learning]によって同定される[identified]（決定される[determined]）。そして、タービン出口温度の予測の際には、最新の学習によって同定された係数が使用される。なお、モデルの説明変数として用いられるパラメータに対する係数の学習については、後に詳しく説明する。

　ところで、タービン出口温度モデルを用いて航空機１３の離陸時におけるタービン出口温度を予測する際には、離陸時におけるファン３の回転数が必要となる。このファン３の回転数は、上述したように、制御システムモデルを用いて予測される。

　制御システムモデルを用いたファン３の回転数の予測は、タービン出口温度モデルを用いたタービン出口温度の予測と同じく、管理システムホスト[management system host]２５，２７（図５参照）において行われる。管理システムホスト２５，２７において、制御システムモデルを用いてファン３の回転数を予測するのに必要な、航空機１３の離陸時におけるジェットエンジン１の環境条件及び運用条件は、ＡＣＡＲＳ（Automatic Communications Addressing and Reporting System）データや整備情報から取得あるいは特定する。

　例えば、航空機１３の実際の離陸時におけるジェットエンジン１の環境条件は、少なくとも、タービン出口温度に影響する外気温や、航空機１３が離陸する出発地の空港の海抜等の地形的な条件を含んでいる。

　外気温は、例えば、ＡＣＡＲＳを用いてエアライン（航空会社）の管理システムホスト２５から航空機１３に送信される離陸時の気象情報のデータを利用して取得できる。出発地の空港の海抜等の条件は、例えば、ＡＣＡＲＳデータ中の出発地のデータを利用して、エアライン又は整備業者の管理システムホスト２５，２７において特定できる。

　また、航空機１３の実際の離陸時におけるジェットエンジン１の運用条件は、少なくとも、航空機１３が離陸する際に採用する離陸モード等を含んでいる。離陸モードは、例えば、後日、該当するフライトの整備情報から取得できる。

　したがって、航空機１３の実際の離陸時におけるファン３の回転数は、上述のように取得された離陸時におけるジェットエンジン１の環境条件及び運用条件から、制御システムモデルを用いて予測できる。

　なお、制御システムモデルを用いて予測された航空機１３の実際の離陸時におけるファン３の回転数、その予測に用いられた航空機１３の将来の離陸時におけるジェットエンジン１の環境条件及び運用条件、並びに、ＡＣＡＲＳデータから取得された航空機１３の実際の離陸時におけるジェットエンジン１のタービン出口温度は、互いに関連付けられて、学習データベース（図６参照）に蓄積される。この学習データベースについては、後で詳細に説明する。

　そして、最新の学習によって同定された係数を使用したタービン出口温度モデルを用いた、航空機１３の将来の離陸時（ガスタービンの将来の使用時：ジェットエンジン１の将来の使用時）におけるタービン出口温度の予測は、管理システムホスト２５，２７（図５参照）において行われる。即ち、本実施形態では、ガスタービン、即ち、ジェットエンジン１の（将来／実際／過去の）使用時として、タービン出口温度が最も高くなる航空機１３の（将来／実際／過去の）離陸時が用いられる。

　エアラインの管理システムホスト２５は、ＡＣＡＲＳ（空地デジタルデータリンクシステム[air-ground digital data link system]）の統合処理ホストコンピュータ２３及び無線局[radio stations]２１を介して、フライトプランや気象情報のデータ等を航空機１３に送信できる。

　また、航空機１３から地上の無線局２１には、便名、出発地及び目的地、出発時刻及び到着時刻（日付を含む）、ファン３の回転数、タービン出口温度等のデータが伝送される。無線局２１に伝送されたデータは、ＡＣＡＲＳの統合処理ホストコンピュータ２３に送られ、フォーマット変換後にエアラインの管理システムホスト２５に送信される。

　ＡＣＡＲＳを用いて航空機と地上との間で送受信されるデータは、ＡＣＡＲＳデータと呼ばれる。

　なお、ジェットエンジン１を備えた航空機１３の整備をエアラインから委託された整備業者が行う場合、航空機１３からエアラインの管理システムホスト２５が受信したデータやエアラインの管理システムホスト２５が航空機１３に送信するデータは、整備業者の管理システムホスト２７にも送信される。

　また、航空機１３の将来の離陸時におけるタービン出口温度の予測を行う管理システムホスト２５，２７には、エアラインのコックピットクルーによってフライト毎に作成されるログブックから、航空機１３の整備部門の担当者が転写して作成する整備情報が手入力される。この整備情報は、例えば、便名や離陸モード等、航空機１３の離陸時におけるジェットエンジン１の運用条件に関する情報を含んでいる。

　タービン出口温度モデルを用いて航空機１３の将来の離陸時におけるタービン出口温度を予測する際には、離陸時がまだ到来していないので、ジェットエンジン１の環境条件及び運用条件がまだ確定していない。上述したＡＣＡＲＳデータや整備情報から取得あるいは特定した環境条件及び運用条件は現在のものであるので、これらの環境条件及び運用条件を利用して、制御システムモデルから、航空機１３の将来の離陸時におけるファン３の回転数を予測することができない。

　その代わり、航空機１３が将来離陸するときのジェットエンジン１の環境条件のうち外気温は、例えば、航空機１３が離陸する将来の日時の天気予報のデータを利用して推測することができる。また、出発地の空港の海抜等の条件は、例えば、航空機１３の運用スケジュールから航空機１３が離陸する将来の日時の出発地を特定して手作業でエアライン又は整備業者の管理システムホスト２５，２７に入力することで、管理システムホスト２５，２７において特定することができる。

　一方、ジェットエンジン１の運用条件に含まれる、航空機１３が将来離陸する際に採用する離陸モードは、例えば、航空機１３のフライトスケジュールから航空機１３が離陸する将来の日時の出発地を特定して手作業でエアライン又は整備業者の管理システムホスト２５，２７に入力することで、その出発地に応じた離陸モードを管理システムホスト２５，２７において特定することができる。

　したがって、ジェットエンジン１の環境条件及び運用条件をＡＣＡＲＳデータや整備情報から取得あるいは特定することができない航空機１３の将来の離陸時についても、ファン３の回転数を、上述のようにして予測した航空機１３の離陸時におけるジェットエンジン１の環境条件及び運用条件から、制御システムモデルを用いて予測することができる。

　言い換えれば、将来の使用時に予定されるファン３の回転数を特定することができなくても、将来の使用時に予定される環境条件及び運用条件を特定することができる場合は、制御システムモデルを用いて将来の使用時におけるファン３の回転数を予測することができる。

　そして、予測した航空機１３の将来の離陸時におけるファン３の回転数と、ファン３の回転数を予測する際に用いた航空機１３が将来の離陸時におけるジェットエンジン１の環境条件及び運用条件とから、タービン出口温度モデルを用いて、航空機１３が将来離陸するときのジェットエンジン１のタービン出口温度を予測することができる。

　なお、制御システムモデルを用いて予測した航空機１３の将来の離陸時におけるファン３の回転数と、ファン３の回転数を予測する際に用いた航空機１３の将来の離陸時におけるジェットエンジン１の環境条件及び運用条件とは、それらを用いてタービン出口温度モデルにより予測した航空機１３が将来離陸するときのジェットエンジン１のタービン出口温度と関連付けて、上述した学習データベース（図６参照）に蓄積される。

　学習データベースは、タービン出口温度モデルを用いたタービン出口温度の予測を行う、エアライン又は整備業者の管理システムホスト２５，２７の学習データ記憶部[learning data storage]（例えばハードディスク）２５ａ，２７ａに記憶される。

　そして、学習データベースに蓄積された、航空機１３の実際の離陸時におけるファン３の回転数、ジェットエンジン１の環境条件及び運用条件、並びに、タービン出口温度データは、ハードディスク２５ａ，２７ａから読み出されて、上述したタービン出口温度モデルの説明変数の係数を同定する回帰学習[regression learning]に利用される。

　また、学習データベースに蓄積された、航空機１３の将来の離陸時のタービン出口温度データ、及び、航空機１３が実際に離陸したときのタービン出口温度データは、ハードディスク２５ａ，２７ａから読み出されて、タービン出口温度モデルを用いて予測した航空機１３の将来の離陸時におけるタービン出口温度の誤差の正規分布の算出に利用される。誤差の正規分布の算出に関しては後述する。

　そして、タービン出口温度モデルにより、航空機１３の将来の離陸時におけるタービン出口温度を複数時点について予測して、予測されたタービン出口温度が洗浄温度に達する洗浄時期が特定される。これにより、タービン出口温度が洗浄温度に達する洗浄時期が予測される。

　航空機１３の将来の離陸時におけるタービン出口温度が洗浄温度に達する洗浄時期を予測することで、航空機１３の将来の離陸時におけるタービン出口温度が部品交換を必要とする上限温度に上昇するようになる前に、洗浄により汚れを落としてジェットエンジン１の燃焼効率を向上させるのに適切な時期を予測する。そして、この予測に基づいて、ジェットエンジン１の洗浄を計画的かつ効率的に行うことができる。

　なお、航空機１３の将来の離陸時におけるジェットエンジン１のタービン出口温度の予測やこのタービン出口温度の予測に用いるファン３の回転数の予測に用いる将来の離陸時に予定される環境条件や運用条件は、航空機１３の実際の離陸時における環境条件や運用条件とは異なる可能性がある。

　ジェットエンジン１のタービン出口温度やファン３の回転数の予測時に予定される環境・運用条件と実際の環境・運用条件とが異なると、例えば、図７（ａ）のグラフに示すように、タービン出口温度モデルを用いて予測したタービン出口温度（予測値）と、実際に測定したタービン出口温度（実測値）との間に誤差が生じる。この誤差は必ずしも一定ではなく、図７（ｂ）のグラフに示すように、時間の経過と共に大きさや符号が変化する。

　そこで、本実施形態に係るタービン出口温度予測方法では、航空機１３が実際に離陸したときに測定された実際のタービン出口温度に対する、その離陸について過去に予測されたタービン出口温度の誤差が考慮される。そして、予測したタービン出口温度が洗浄温度に達する洗浄時期が、誤差分布の範囲を考慮してエアライン又は整備業者の管理システムホスト２５，２７において予測される。

　具体的には、将来の環境・運用条件の予測を用いてタービン出口温度モデルによってタービン出口温度（予測値）が過去に予測された航空機１３の各離陸について、実際の離陸時のタービン出口温度（実測値）が学習データベース（図６参照）から抽出される。

　そして、各離陸の実際のタービン出口温度（実測値）を中心値として、中心値（実測値）に対する各離陸の過去に予測されたタービン出口温度（予測値）の誤差の正規分布が求められる（図７（ｃ）のグラフ参照）。この正規分布は、将来の環境・運用条件を用いてタービン出口温度モデルによって予測された航空機１３の将来の離陸時におけるタービン出口温度（予測値）の誤差分布を示している。なお、本実施形態では、誤差分布を考慮する際の代表値として中心値を用いたが、代表値として平均値や最頻値などを用いてもよい。

　そこで、図７（ｄ）のグラフに示されるように、この誤差分布のうち、洗浄温度以上となる割合[percentage]が検出される。この割合は、航空機１３の将来の離陸時におけるタービン出口温度が洗浄を要する温度に達する確率[probability]を意味する。

　したがって、航空機１３の将来の離陸時におけるタービン出口温度がジェットエンジン１の洗浄を要する温度に達する割合を考慮して、その離陸時にタービン出口温度が洗浄を要する温度に達するかどうかが特定される。この結果、ジェットエンジン１の洗浄に適切な時期を計画的かつ効率的に前もって決めることができる。

　したがって、エアライン又は整備業者の管理システムホスト２５，２７が、本実施形態に係るタービン出口温度予測方法を用いてタービン出口温度を予測するタービン出口温度予測装置を構成している。

　なお、ジェットエンジン１の洗浄後に航空機１３の飛行回数（使用回数）が少なくとも所定回数に達するまでの期間（例えば、洗浄後５回）、あるいは、ジェットエンジン１の洗浄後に航空機１３の飛行時間（使用時間）が所定時間に達するまでの期間では、ジェットエンジン１の汚れがまだ少ない。したがって、このような期間については、航空機１３の将来の離陸時におけるタービン出口温度を頻繁に予測する必要性は高くない。

　むしろ、ジェットエンジン１の洗浄後に航空機１３が相当回数の飛行を繰り返して、航空機１３の離陸時におけるタービン出口温度がそろそろ上限温度に近づきそうな状況下で、将来の離陸時におけるタービン出口温度を頻繁に予測する必要性は高くなる。

　そして、航空機１３の繰り返し飛行によるジェットエンジン１の汚れの増加に伴うタービン出口温度の上昇率は、ジェットエンジン１の洗浄直後と、ジェットエンジン１の洗浄後に相当回数の飛行を繰り返した後とでは、明らかに異なる。

　従って、ジェットエンジン１の洗浄後に相当回数の飛行を繰り返した状況、すなわち、将来の離陸時におけるタービン出口温度を頻繁に予測する必要性が高い状況で、ジェットエンジン１の洗浄直後の環境条件及び運用条件を用いてタービン出口温度を予測するのは合理的ではない。

　そこで、本実施形態に係るタービン出口温度予測方法では、ジェットエンジン１の洗浄後に航空機１３の飛行回数（使用回数）が少なくとも所定回数に達するまでの期間（例えば、洗浄後５回）、又は、ジェットエンジン１の洗浄後に航空機１３の飛行時間（使用時間）が所定時間に達するまでの期間では、タービン出口温度モデルを用いたタービン出口温度の予測を行わない。これにより、タービン出口温度モデルを用いてタービン出口温度を精度良く予測することができる。

　即ち、本実施形態では、タービン出口温度の予測を行うための開始条件は、ジェットエンジン１の洗浄後に航空機１３の飛行回数（使用回数）が少なくとも所定回数に達すること、又は、ジェットエンジン１の洗浄後に航空機１３の飛行時間（使用時間）が所定時間に達することである。

　なお、タービン出口温度モデルを用いたタービン出口温度の予測を行わない期間は、ＡＣＡＲＳデータにおける航空機１３の実際の離陸時におけるタービン出口温度が基準温度以下である期間であってもよい。また、タービン出口温度モデルを用いたタービン出口温度の予測を行わない期間は、ジェットエンジン１の前回洗浄から基準回数の飛行が終了するまでの期間であってもよい。

　または、タービン出口温度モデルを用いたタービン出口温度の予測を行わない期間は、ジェットエンジン１の前回洗浄から基準時間が経過するまでの期間であってもよい。あるいは、タービン出口温度モデルを用いたタービン出口温度の予測を行わない期間は、後述するタービン出口温度モデルの説明変数として用いられるパラメータに対する係数を同定する学習が完了するまでの期間であってもよい。

　本実施形態では、上述したように、タービン出口温度モデルの説明変数として用いられるパラメータに対する係数は、学習によって同定される。

　この学習は、航空機１３が実際に離陸したときにセンサ（図示せず）によって測定されたタービン出口温度をタービン出口温度モデルの目的変数[objective variables]に代入することで説明変数の係数を同定する回帰学習である。回帰学習には、何らかの学習過程を用いて、説明変数と目的変数との間の関係を抽出する手法を用いることができる。具体的には、例えば、回帰分析の手法としては、線形回帰分析、リッジ回帰分析、カーネル回帰分析、ガウス過程を応用した回帰分析、非線形回帰分析等が挙げられる。

　上述したように、学習には、航空機１３が実際に離陸したときにセンサによって測定されたタービン出口温度が用いられる。このタービン出口温度は、航空機１３の離陸後に取得されてエアライン又は整備業者の管理システムホスト２５，２７のハードディスク２５ａ，２７ａに記憶される。回帰分析の際には、ハードディスク２５ａ，２７ａに記憶されたＡＣＡＲＳデータからタービン出口温度が抽出される。また、学習では、航空機が実際に離陸したときのファン３の回転数が用いられる。なお、航空機１３の実際の離陸時におけるファン３の回転数は、上述した制御システムモデルを用いて、航空機１３の実際の離陸時における環境条件及び運用条件から予測される。

　そして、タービン出口温度モデルの説明変数に対する係数を変えながら目的変数の離散分布[discrete distribution]（残差[residual error]）を求め、離散分布が最も小さい（残差が最も小さい）係数が、タービン出口温度モデルの説明変数に対する係数として同定される。この回帰学習は、所定の学習トリガ条件が成立する度に行われる。

　なお、タービン出口温度モデルは、ジェットエンジン１の個体毎にそれぞれ同定される。したがって、モデルの説明変数として用いられるパラメータに対する係数を同定する学習も、ジェットエンジン１の個体毎に行われる。

　航空機１３の実際の離陸時におけるタービン出口温度の予測や、航空機１３の実際の離陸時におけるファン３の回転数の予測に用いられる環境条件や運用条件は、図４に示されるように、ＡＣＡＲＳデータと、航空機１３を運用するエアライン又は整備業者によって作成される整備情報とから取得される。

　タービン出口温度モデルの説明変数の係数を学習によって同定する際に、ＡＣＡＲＳデータは、航空機１３の実際の離陸時におけるタービン出口温度の特定や、航空機１３の離陸時におけるジェットエンジン１の運用条件に関する情報の特定に利用される。また、ＡＣＡＲＳデータは、学習対象のタービン出口温度モデルを特定するためのジェットエンジン１の個体の識別や、ジェットエンジン１を使用した日時（例えば、航空機の離陸日時）の特定等にも利用される。

　ＡＣＡＲＳデータや整備情報を用いたタービン出口温度モデルの学習による同定（説明変数の係数の同定）は、エアライン又は整備業者の管理システムホスト２５，２７において行われる。

　次に、上述した本実施形態に係るタービン出口温度の予測方法をエアライン又は整備業者の管理システムホスト２５，２７（即ち、予測装置）が行う際の手順を、図８～図１０のフローチャートを参照しつつ説明する。

　まず、管理システムホスト２５，２７が行うジェットエンジン１のタービン出口温度の予測方法は、図８のフローチャートに示されるように、ファン３の回転数予測（ステップＳ１）、タービン出口温度の予測（ステップＳ３）、及び、洗浄時期の予測（ステップＳ５）を含んでいる。

　また、管理システムホスト２５，２７が行うタービン出口温度の予測方法は、図９のフローチャートに示されるように、上述した学習トリガ条件が成立したとき（ステップＳ１１でＹＥＳ）に行われる学習（ステップＳ１３）を含んでいる。

　さらに、管理システムホスト２５，２７が行うタービン出口温度の予測方法は、図１０のフローチャートに示されるように、更新条件が成立したとき（ステップＳ２１でＹＥＳ）に行われる、タービン出口温度の取得（ステップＳ２３）、及び、タービン出口温度の誤差分布の検出（ステップＳ２５）を含んでいる。

　図８に示されるファン３の回転数予測（ステップＳ１）では、図１１のフローチャートに示されるように、まず、航空機１３の将来の離陸時に予定される環境条件及び運用条件が特定される（ステップＳ１０１）。そして、特定された環境条件及び運用条件を用いて、制御システムモデルによって、航空機１３の将来の離陸時におけるファン３の回転数が予測される（ステップＳ１０３）。

　なお、航空機１３の将来の離陸時に予定される環境条件及び運用条件は、上述したように、航空機１３が離陸する将来の日時の天気予報のデータや航空機１３の運用スケジュール等から特定できる。

　そして、制御システムモデルによって予測された航空機１３の将来の離陸時におけるファン３の回転数と、その予測に用いられた航空機１３の将来の離陸時におけるジェットエンジン１の環境条件及び運用条件とは、互いに関連付けられて、エアライン又は整備業者の管理システムホスト２５，２７のハードディスク２５ａ，２７ａに記憶された学習データベース（図６参照）に蓄積される。

　次に、図８に示されるタービン出口温度予測（ステップＳ３）では、図１２のフローチャートに示されるように、まず、上述したステップＳ１０３（図１１）で予測された航空機１３の将来の離陸時におけるファン３の回転数が取得される（ステップＳ３０１）。

　また、上述したステップＳ１３（図９）の学習によって同定されたタービン出口温度モデルのパラメータの係数（説明変数に対する係数）が抽出される（ステップＳ３０３）。ステップＳ３０１及びステップＳ３０３は、何れが先に行われてもよく、並行して同時に行われてもよい。

　そして、ステップＳ３０１で取得されたファン３の回転数とステップＳ３０３で係数が抽出されたパラメータとを説明変数として用いて、タービン出口温度モデルによって、航空機１３の将来の離陸時におけるタービン出口温度が目的変数として予測される（ステップＳ３０５）。

　続いて、図８に示される洗浄時期予測（ステップＳ５）では、図１３のフローチャートに示されるように、まず、上述したステップＳ３０５（図１１）で予測された、航空機１３の将来の離陸時におけるタービン出口温度の誤差分布として、上述したステップＳ２５（図１０）で検出された誤差分布が設定される（ステップＳ５０１）。

　そして、上述したステップＳ３０５（図１２）で予測された航空機１３の将来の離陸時におけるタービン出口温度を中心値とする、タービン出口温度の誤差分布の上限側が洗浄温度に達しているか否かが判定される（ステップＳ５０３）。誤差分布の上限側が洗浄温度に達している場合（ステップＳ５０３でＹＥＳ）、誤差分布の洗浄温度以上の部分の割合に基づいて、航空機１３の将来の離陸時におけるタービン出口温度が洗浄温度に達する確率が検出される（ステップＳ５０５）。

　続いて、ステップＳ５０５で検出された確率の高さから、上述したステップＳ３０５（図１２）の予測での航空機１３の将来の離陸時にタービン出口温度が洗浄温度に達するか否かを決定して、ジェットエンジン１の洗浄時期を特定する（ステップＳ５０７）。なお、ステップＳ５０３で誤差分布の上限側が洗浄温度に達していない場合（ステップＳ５０３でＮＯ）は、図１３の処理流れはいったん終了する。

　次に、上述したステップＳ１１（図９）で学習トリガ条件が成立している場合（ステップＳ１１でＹＥＳ）に行われる学習（ステップＳ１３）では、管理システムホスト２５，２７のハードディスク２５ａ，２７ａに記憶された学習データベースに蓄積された、航空機１３の実際の離陸時におけるファン３の回転数、ジェットエンジン１の環境条件及び運用条件、並びに、タービン出口温度データを用いて、タービン出口温度モデルの説明変数として用いられるパラメータの係数（説明変数に対する係数）が同定される。

　したがって、ステップＳ３０３（図１２）では、ステップＳ１３（図９）の学習で同定された最新のパラメータの係数をタービン出口温度モデルの説明変数に対する係数として用いるために、同定された最新のパラメータの係数が環境条件及び運用条件から抽出される。

　なお、ジェットエンジン１の洗浄後に航空機１３の飛行回数が少なくとも所定回数に達するまでの期間（例えば、洗浄後５回）、あるいは、ジェットエンジン１の洗浄後に航空機１３の使用時間が所定時間に達するまでの期間における、航空機１３の実際の離陸時におけるファン３の回転数、ジェットエンジン１の環境条件及び運用条件、並びに、タービン出口温度データが、ステップＳ１３の学習に使用されないようにしてもよい。

　即ち、上述したように、航空機１３の繰り返し飛行によるジェットエンジン１の汚れの増加に伴うタービン出口温度の上昇率は、ジェットエンジン１の洗浄直後の方が、ジェットエンジン１の洗浄後に相当回数の飛行を繰り返した後よりも明らかに小さい。

　このため、ジェットエンジン１の洗浄直後の、航空機１３の実際の離陸時におけるファン３の回転数、ジェットエンジン１の環境条件及び運用条件、並びに、タービン出口温度データを用いて回帰学習を行っても適切な係数を同定できない。従って、ジェットエンジン１の洗浄直後の、航空機１３の実際の離陸時におけるファン３の回転数、ジェットエンジン１の環境条件及び運用条件、並びに、タービン出口温度データは、学習の対象から除外してもよい。

　本実施形態に係るタービン出口温度の予測装置（管理システムホスト２５，２７）では、ステップＳ１３（図９）の学習で上述した対象からの除外処理を行う場合、除外処理を実行するハードウェア及びソフトウェアが学習除外設定部[learning exclusion setter]を構成する。本実施形態では、具体的には、管理システムホスト２５，２７のハードウェア及びソフトウェアが学習除外設定部として機能する。

　なお、ステップＳ１１（図９）の学習トリガ条件は、例えば、管理システムホスト２５，２７のハードディスク２５ａ，２７ａに記憶された学習データベースに、航空機１３の実際の離陸時におけるファン３の回転数、ジェットエンジン１の環境条件及び運用条件、並びに、タービン出口温度データが新たに蓄積される度に成立する条件でもよい。

　あるいは、学習トリガ条件は、タービン出口温度モデルを用いて航空機１３の将来の離陸時におけるタービン出口温度を予測する度に成立する条件でもよい。学習トリガ条件は、一定時間毎に周期的に成立する条件でもよい。学習トリガ条件は、乱数表等を用いてランダムに決定されるタイミングで成立する条件でもよい。学習トリガ条件が成立して学習が繰り返し行われることで、説明変数に対する係数が最適化される。

　また、ステップＳ２１（図１０）における更新条件が成立したか否かの判定では、過去にタービン出口温度が予測されたことのある航空機１３の離陸時での実際のタービン出口温度が入力されたか否かが判定される。例えば、過去に予測された離陸時と同じ出発時刻（日付を含む）、便名、出発地、ジェットエンジン１の個体等が指定されたＡＣＡＲＳデータが入力されたか否かに基づいて、この判定が行われ得る。

　更新条件が成立した場合（ステップＳ２１でＹＥＳ）のステップＳ２３では、入力されたＡＣＡＲＳデータから、航空機１３の実際の離陸時におけるタービン出口温度が取得される。

　また、ステップＳ２３に続くステップＳ２５では、ステップＳ２３で取得された実際の離陸時におけるタービン出口温度を中心値（実測値）として、その離陸時について過去に予測されていた（図１２のステップＳ３０５）タービン出口温度（予測値）の誤差の正規分布（図７（ｃ）参照）が求められる。求められた正規分布が誤差分布である。

　したがって、ステップＳ５０１（図１３）では、ステップＳ２５（図１０）で検出された最新の誤差分布が、ステップＳ２３で取得された実際の離陸時でのタービン出口温度（実測値）に対する、その離陸について過去に予測されていた（図１２のステップＳ３０５）タービン出口温度（予測値）の誤差分布として設定される。

　本実施形態の予測方法では、ステップＳ１０３（図１１）が、回転数予測ステップに相当する。ステップＳ３０５（図１２）が、出口温度予測ステップに相当する。ステップＳ１３（図９）が、学習ステップに相当する。ステップＳ５（図８）が、洗浄時期予測ステップに相当する。ステップＳ２５（図１０）が、誤差分布検出ステップに相当する。

　なお、本実施形態の予測装置では、ステップＳ１０３（図１１）の処理を実行して航空機１３の離陸時におけるファン３の回転数を予測するための管理システムホスト２５，２７のハードウェア及びソフトウェアによって、回転数予測部[rotating speed predictor]が構成されている。ステップＳ３０５（図１２）の処理を実行して航空機１３の離陸時におけるタービン出口温度を予測するための管理システムホスト２５，２７のハードウェア及びソフトウェアによって、出口温度予測部[outlet temperature predictor]が構成されている。ステップＳ５（図８）の洗浄時期予測ステップの処理を実行する管理システムホスト２５，２７のハードウェア及びソフトウェアによって、洗浄時期予測部[cleansing timing predictor]が構成されている。ステップＳ１３（図９）の学習ステップの処理を実行する管理システムホスト２５，２７のハードウェア及びソフトウェアによって、学習部[learning executor]が構成されている。ステップＳ２５（図１０）の誤差分布検出ステップを実行する管理システムホスト２５，２７のハードウェア及びソフトウェアによって、誤差分布検出部[error distribution detector]が構成されている。

　なお、本実施形態の予測装置では、管理システムホスト２５，２７のモニタ（図示せず）の画面には、図１４（ａ）及び（ｂ）のグラフ（予測結果）も表示される。

　図１４（ａ）に示されるグラフには、予測されたタービン出口温度がジェットエンジン１の個体毎に表示される。図１４（ｂ）に示されるグラフには、洗浄温度以上となる確率等の解析結果がジェットエンジン１の個体毎に表示される。

　具体的には、図１４（ａ）に示されるグラフでは、予測されたタービン出口温度（「予測値」の実線）と、その誤差範囲（「信頼区間（上限）」及び「信頼区間（下限）」の破線の間の領域）と、タービン出口温度に関する運用制限値（制限温度）とが示される。このグラフでは、粗いドット部分の下端が洗浄温度（警告値）を示しており、細かいドット部分の下端が部品劣化抑制のための上限温度（運用制限値）を示している。

　また、図１４（ｂ）に示されるグラフでは、予測されたタービン出口温度が洗浄温度（警告値）を超える確率（上の線）と上限温度（運用制限値）を超える確率（下の線）とが示される。図１４（ａ）及び（ｂ）の各グラフの横軸は、ジェットエンジン１の出力低減率を示している。

　本実施形態に係るタービン出口温度予測方法及び装置によれば、ジェットエンジン１の制御内容をモデル化した固定された物理モデルである制御システムモデルを用いてファン３の回転数を予測する。そして、予測されたファン３の回転数とジェットエンジン１の環境条件及び運用条件から選択されたパラメータとを説明変数として用いるタービン出口温度モデルによって、タービン出口温度が予測される。

　タービン出口温度の実際の測定実績の増加に伴って、ジェットエンジン１の汚れ状態によってタービン出口温度の上昇傾向は変化する。そこで、タービン出口温度の予測に用いるタービン出口温度モデルの説明変数に対する係数が、学習によって更新される。

　このため、学習によって同定された適切な係数を説明変数に対して用いることで、タービン出口温度モデルによるタービン出口温度の予測を精度良く行うことができる。

　この結果、タービン出口温度に影響する環境条件及び運用条件が確定していない将来についても、経験豊富な整備担当者に頼ることなくタービン出口温度を予測することができる。

　また、本実施形態によれば、予測されたタービン出口温度に基づいて、航空機１３の離陸時にタービン出口温度が洗浄を要する洗浄温度に達する洗浄時期が予測される。

　このため、ジェットエンジン１に最も負荷がかかる航空機１３の離陸時におけるタービン出口温度が部品交換を必要とする上限温度まで上昇する前に、洗浄によって汚れを落とすことによるジェットエンジン１の燃焼効率向上に適切な時期を予測する。このように洗浄に適した時期を予測することで、ジェットエンジン１の洗浄を計画的かつ効率的に行うことができる。

　さらに、本実施形態によれば、航空機１３の実際の離陸時に測定されたタービン出口温度に対する、その離陸について過去に予測されたタービン出口温度の誤差分布を考慮して、航空機１３の将来の離陸時におけるタービン出口温度の予測時に、予測されたタービン出口温度が洗浄温度に達する確率も求められる。このため、タービン出口温度の予測時に求められる、航空機１３の将来の離陸時のタービン出口温度が洗浄温度に達する確率の高さから、ジェットエンジン１の洗浄に適切な時期を、計画的かつ効率的に前もって決めることができる。

　また、本実施形態によれば、ジェットエンジン１の洗浄直後の航空機１３の実際の離陸時に測定されたタービン出口温度、洗浄直後の実際の離陸時のジェットエンジン１の環境条件及び運用条件、並びに、洗浄直後の実際の離陸時について予測されたファン３の回転数が、タービン出口温度モデルの説明変数に対する係数を同定する学習の対象から除外される。

　即ち、ジェットエンジン１の洗浄後に航空機１３が飛行を重ねてジェットエンジン１の汚れが増えて離陸時のタービン出口温度の上昇率が洗浄直後よりも大きくなった場合の、航空機１３の実際の離陸時に測定されたタービン出口温度、実際の離陸時のジェットエンジン１の環境条件及び運用条件、並びに、実際の離陸時について予測されたファン３の回転数を用いて、タービン出口温度モデルの回帰学習が行われる。この結果、タービン出口温度モデルの説明変数に対する係数を適切に同定することができる。

　なお、ガスタービンのタービン出口温度予測方法を行う予測装置は、エアラインの管理システムホスト２５と整備業者の管理システムホスト２７とのうち、少なくともジェットエンジン１のメンテナンスを行う方に設けられていればよい。もちろん、予測装置は、これらの両方にそれぞれ設けられてもよい。

　また、上述した予測方法及び予測装置は、航空機１３のジェットエンジン１に限らず、陸上の発電設備、船舶の推進源や発電装置等として用いられるガスタービン等のタービン出口温度を予測する際にも広く適用できる。

Claims

　ファンによって取り込んだ空気を圧縮した後に燃料と共に燃焼させることで出力を得るガスタービンの過去の使用実績に基づいて、前記ガスタービンの将来の使用時におけるタービン出口温度を予測する方法であって、
　前記ガスタービンの将来の使用時に予定される環境条件及び運用条件における少なくとも一つのパラメータと、将来の使用時に予定される前記ファンの回転数とを説明変数として用いて、目的変数としての将来の使用時における前記タービン出口温度をタービン出口温度モデルによって予測する出口温度予測ステップと、
　所定の学習トリガ条件が成立する度に実行される、前記説明変数に対する係数を学習によって同定する学習ステップと、を含み、
　前記学習ステップにおいて、前記ガスタービンの過去の使用時における、前記パラメータ、前記ファンの回転数、及び、前記タービン出口温度を用いて行った、前記タービン出口温度モデルの前記説明変数及び前記目的変数の回帰学習の結果に基づいて、前記説明変数に対する係数を同定する、タービン出口温度予測方法。
　請求項１に記載のタービン出口温度予測方法であって、
　前記ガスタービンの将来の使用時に予定される前記環境条件及び前記運用条件を用いて、将来の使用時における前記ファンの回転数を、前記ガスタービンの制御システムモデルによって予測する回転数予測ステップをさらに含み、
　前記回転数予測ステップにおいて予測された将来の使用時における前記ファンの回転数を、前記出口温度予測ステップで用いられる、将来の使用時に予定される前記ファンの前記回転数とする、タービン出口温度予測方法。
　請求項１又は２に記載のタービン出口温度予測方法であって、
　前記出口温度予測ステップにおいて予測された将来の使用時における複数の前記タービン出口温度に基づいて、将来の使用時の前記タービン出口温度が前記ガスタービンの洗浄を要する洗浄温度に達する洗浄時期を予測する洗浄時期予測ステップをさらに含む、タービン出口温度予測方法。
　請求項３に記載のタービン出口温度予測方法であって
　所定の更新条件が成立する度に、前記更新条件成立後の前記ガスタービンの使用時における前記タービン出口温度に対する、前記更新条件成立後の使用時における前記タービン出口温度に関して前記出口温度予測ステップで過去に予測された前記タービン出口温度の誤差分布を検出する誤差分布検出ステップをさらに含み、
　前記洗浄時期予測ステップにおいて、前記出口温度予測ステップで予測された前記タービン出口温度を代表値とする前記誤差分布において前記洗浄温度以上に相当する部分の割合を、将来の使用時に前記タービン出口温度が前記洗浄温度に達する確率として用いて、前記洗浄時期が予測される、タービン出口温度予測方法。
　請求項１～４の何れか一項に記載のタービン出口温度予測方法であって、
　前記ガスタービンの洗浄後に前記ガスタービンの使用回数が所定回数に達するまでの期間、又は、前記ガスタービンの洗浄後に前記ガスタービンの使用時間が所定時間に達するまでの期間における前記ファンの回転数及び前記パラメータが、前記学習ステップでの前記回帰学習の対象から除外される、タービン出口温度予測方法。
　請求項１～５の何れか一項に記載のタービン出口温度予測方法であって、
　前記ガスタービンの洗浄後に所定の開始条件が成立したら、前記出口温度予測ステップで前記タービン出口温度の予測を行う、タービン出口温度予測方法。
　ファンによって取り込んだ空気を圧縮した後に燃料と共に燃焼させることで出力を得るガスタービンの過去の使用実績に基づいて、前記ガスタービンの将来の使用時におけるタービン出口温度を予測する装置であって、
　前記ガスタービンの将来の使用時における環境条件及び運用条件における少なくとも一つのパラメータと、将来の使用時における前記ファンの回転数とを説明変数として用いて、目的変数としての将来の使用時における前記タービン出口温度をタービン出口温度モデルによって予測する出口温度予測部と、
　前記ガスタービンの過去の使用時における前記パラメータ及び前記ファンの回転数を、過去の使用時における前記タービン出口温度と関連付けた学習データベースが記憶される学習データ記憶部と、
　所定の学習トリガ条件が成立する度に、前記学習データ記憶部に記憶された前記学習データベース中の前記パラメータ及び前記ファンの回転数とこれらに関連付けられた前記タービン出口温度とを用いて行った、前記タービン出口温度モデルの前記説明変数及び前記目的変数の回帰学習の結果に基づいて、前記説明変数に対する係数を同定する学習部と、を備えるガスタービンのタービン出口温度予測装置。
　請求項７に記載のタービン出口温度予測装置であって、
　前記ガスタービンの将来の使用時における前記環境条件及び前記運用条件を用いて、将来の使用時における前記ファンの回転数を、前記ガスタービンの制御システムモデルによって予測する回転数予測部をさらに備えており、
　前記出口温度予測部は、前記回転数予測部によって予測された将来の使用時における前記ファンの回転数を、前記タービン出口温度モデルを用いて前記タービン出口温度を予測する際の前記説明変数として用いる、タービン出口温度予測装置。
　請求項７又は８に記載のタービン出口温度予測装置であって、
　前記出口温度予測部によって予測された将来の使用時における複数の前記タービン出口温度に基づいて、将来の使用時の前記タービン出口温度が前記ガスタービンの洗浄を要する洗浄温度に達する洗浄時期を予測する洗浄時期予測部をさらに備えている、タービン出口温度予測装置。
　請求項９に記載のタービン出口温度予測装置であって、
　所定の更新条件が成立する度に、前記更新条件成立後の前記ガスタービンの使用時における前記タービン出口温度に対する、前記更新条件成立後の使用時における前記タービン出口温度に関して前記出口温度予測部によって過去に予測された前記タービン出口温度の誤差分布を検出する誤差分布検出部をさらに備えており、
　前記洗浄時期予測部は、前記出口温度予測部によって予測された前記タービン出口温度を代表値とする前記誤差分布において前記洗浄温度以上に相当する部分の割合を、将来の使用時に前記タービン出口温度が前記洗浄温度に達する確率として用いて、前記洗浄時期を予測する、タービン出口温度予測装置。
　請求項７～１０の何れか一項に記載のタービン出口温度予測装置であって、
　前記ガスタービンの洗浄後に前記ガスタービンの使用回数が所定回数に達するまでの期間、又は、前記ガスタービンの使用時間が所定時間に達するまでの期間における前記ファンの回転数及び前記パラメータを、前記学習部による前記回帰学習の対象から除外する学習除外設定部をさらに備えており、
　前記学習部は、前記学習データ記憶部に記憶された前記学習データベース中の、前記学習除外設定部によって除外された前記ファンの回転数及び前記パラメータ以外の前記ファンの回転数及び前記パラメータを用いて前記回帰学習を行う、タービン出口温度予測装置。
　請求項７～１１の何れか一項に記載のタービン出口温度予測装置であって、
　前記出口温度予測部は、前記ガスタービンの洗浄後に所定の開始条件が成立したら、前記タービン出口温度の予測を行う、タービン出口温度予測装置。