Prediction of Gas Turbine Performance Degradation Between Soakwashes in Natural Gas Compressor Stations
Notice bibliographique
Résumé
Gas Turbine (GT), like other prime movers, undergoes wear and tear over time which results in performance drop as far as available power and efficiency is concerned. In addition to routine wear and tear, the engine also undergoes corrosion, fouling etc. due to the impurities it breathes in. It is standard procedure to ‘wash’ the engine from time to time to revive it. However, it is important to establish a correct schedule for the wash to ensure optimal maintenance procedure. This calls for accurate prediction of the performance degradation of the engine over time. In this paper, a methodology is presented to predict the performance degradation in a GE LM2500 Gas Turbine engine used at one of TransCanada’s pipeline system, Canada. Emphasis is laid on analyzing the degradation of the air compressor side of the engine since it is most prone to fouling and degradation. Although the results presented are for a specific engine type, the general framework of the model could be used for other engines as well to quantify degradation over time of other components within the GT engine. The present model combines Gas Path Analysis (GPA) to evaluate the thermodynamic parameters over the engine cycle followed by parameter estimation to filter the data of possible noise due to instrumentation errors. The model helps quantify the degradation in the engine performance over time and also indicates the effectiveness of each engine wash. The analysis will lead to better scheduling of the engine wash thereby optimizing operational costs as well as engine overhaul time.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».