Cargando...
Fecha
2024-10-22
Derechos de acceso
info:eu-repo/semantics/openAccess
Título de la revista
ISSN de la revista
Título del volumen
Editorial
Universidad Nacional de Educación a Distancia (España), Universidad de Concepción - Chile. Departamento de Ingeniería Mecánica
Citas
Resumen
As turbinas a gás são amplamente utilizadas em plataformas de Produção Flutuantes de Armazenamento e Transferência (FPSO) de petróleo e gás, que são intermitentes e requerem disponibilidade destas turbomáquinas para uma operação segura e confiável. Este trabalho tem como objetivo apresentar uma metodologia de diagnostico termodinâmico em turbinas a gás. Um modelo computacional de um turbogerador de 30,7MW foi desenvolvido em MATLAB/Simulink com a ajuda da biblioteca T-MATS, cujo o objetivo é gerar dados para alimentar uma rede neural, responsável pelo diagnóstico. O modelo proposto possui duas redes neurais atuando em paralelo, uma de regressão e outra de classificação. A primeira tem o objetivo de ajustar o comportamento da turbina; a segunda tem o objetivo de identificar e classificar as falhas. As redes mostraram bons resultados para os problemas em estudo, não gerando MSE maiores a 5x10-6 para a rede de regressão e um erro percentual de 0,37% para a rede de classificação.
Gas turbines are widely used in Floating Production Storage and Offloading (FPSO) platforms for oil and gas production, which are intermittent and require high availability of this turbomachineries for safe and reliable operation. This work aims to present a thermodynamic diagnostic methodology for gas turbines. A computational model of a 30.7MW turbogenerator was developed in MATLAB/Simulink with the assistance of the T-MATS library, whose goal is to generate data to feed a neural network responsible for diagnosis. The proposed model consists of two neural networks operating in parallel, one for regression and the other for classification. The first aims to fit the turbine behavior; the second aims to identify and classify faults. The networks showed good performance for the problems under study, generating MSE lower than 5x10-6 for the regression network and a relative error of 0.37% for the classification network.
Gas turbines are widely used in Floating Production Storage and Offloading (FPSO) platforms for oil and gas production, which are intermittent and require high availability of this turbomachineries for safe and reliable operation. This work aims to present a thermodynamic diagnostic methodology for gas turbines. A computational model of a 30.7MW turbogenerator was developed in MATLAB/Simulink with the assistance of the T-MATS library, whose goal is to generate data to feed a neural network responsible for diagnosis. The proposed model consists of two neural networks operating in parallel, one for regression and the other for classification. The first aims to fit the turbine behavior; the second aims to identify and classify faults. The networks showed good performance for the problems under study, generating MSE lower than 5x10-6 for the regression network and a relative error of 0.37% for the classification network.
Descripción
Organizado y patrocinado por: Federación iberoamericana de Ingeniería Mecánica y 'Universidad de Concepción - Chile. Departamento de Mecánica', FeIbIm – FeIbEM
Categorías UNESCO
Palabras clave
FPSO, turbina a gás, diagnóstico, redes neurais, FPSO, gas turbines, diagnostic, neural networks
Citación
-
Centro
E.T.S. de Ingenieros Industriales
Departamento
Mecánica