Neural Network Based Predictive Emission Monitoring Module for a GE LM2500 Gas Turbine
Notice bibliographique
Résumé
A Predictive Emission Monitoring (PEM) model has been developed for a non-DLE GE LM2500 gas turbine used on a natural gas compressor station on the TransCanada Pipeline System in Alberta. The PEM model is based on an optimized Neural Network (NN) architecture which takes four fundamental engine parameters as input variables. The model predicts NOx emission in ppmv-dry-O2 corrected and in kg/hr as NO2. The NN was trained using Continuous Emission Monitoring (CEM) measurements comprising two sets of actual emission data collected over two different dates in 2009, when the ambient ambient temperatures were vastly different (∼1° C and 24 °C), respectively. These training data were supplemented by other emission data generated by GE ‘Cycle-Deck’ tool to generate emission data at different ambient temperatures ranging from −30 to +30 °C. The outcome is a total of 1872 emission data of engine emissions at different operating conditions covering the range of the engine operating parameters (402 data points from CEM and 1470 data points from GE Cycle-Deck). The PEM model comprises a simple single hidden layer perceptron type NN with only two neurons in it. The performance of the NN-based model showed a correlation coefficient greater than 0.99, and error standard deviation of 4.5 ppmv of NOx and 1.4 kg/hr as NO2. Uncertainty analysis was conducted to assess the effects of uncertainties in the engine parameters on the NOx predictions by PEM. It was shown that for uncertainty in the ambient temperature of ±1 °C, the uncertainty in the NOx prediction is ± 0.9 to ±3.5%. Uncertainties of the order of ±1% in the other three input parameters results in uncertainties in NOx predictions by ±2.5 to ±6%. Finally, the PEM model was implemented in the station CEHM (Compressor Equipment Health Monitoring) system and NOx prediction were reported online on a minutely basis. These data are presented here over the first three months since implementation.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».