An effective approach to model turbo compressors for digital-twin and optimisation

The Oil and Gas Industry is going through a digitisation phase, where a huge amount of data is available to carry out more monitoring and technical supervision even remotely. In this context, the thesis aims to develop an accurate off-design model of turbo-compressors (i.e., centrifugal natural gas compressors driven by a gas turbine) suitable for digital-twins and operation and maintenance optimization purposes of an ENI Oil and Gas Coastal Plant. The suction pressure of Centrifugal Compressors is reduced in order to exploit the natural gas field to meet higher gas demand. However, this new condition requires an analysis of possible limitations within the system. The data-driven methodology is to use only the data available before the pressure decrease to create the models. Afterwards, the data in the new pressure condition are used as validation and verification of the obtained results. Two different approaches are chosen for the analysis of Centrifugal Compressors: the first based on Similarity Theory, the second statistical based on a Machine Learning algorithm. The Non-Dimensional Curves are determined and the prediction of the new operating conditions is very accurate. In particular, both methods are suitable and an error on the outlet pressure of only a few bars is obtained. However, a comparison of the two different approaches shows that the similarity-theoretic method is more accurate, reliable and robust than the machine learning algorithm. Having determined the off-design conditions of this subsystem, the analysis focuses on developing a physical model for the Gas-Turbine and evaluating any possible temperature and power limitations. The Non-Dimensional Curves of the Axial Compressor are determined through theoretical method, and the resolution of a non-linear system of equations, such as energy, power and mass balances, performance curves and thermodynamic relations, allows the thermodynamic characterisation of the Gas-Turbine. Comparison of the results obtained with available measurements reveals a relative error of less than 3% for all variables of interest, such as compressor outlet conditions and exhaust temperature of the Gas-Producer Turbine. Finally, no operational limitations are reached and there are still margins to operate safely.

L'industria Oil and Gas sta attraversando una fase di digitalizzazione, nel quale si hanno molti dati a disposizione per garantire un maggior monitoraggio e una supervisione tecnica anche da remoto. In questo contesto, l'obiettivo di questa tesi è quello di sviluppare un modello per determinare le condizioni di off-design del sistema turbocompressore (compressori del gas naturale trascinati da una turbina a gas), adatto al digital-twin e all’ottimizzazione di un impianto di ENI. La pressione in aspirazione dei compressori centrifughi viene ridotta per favorire l’erogazione dai giacimenti di gas e soddisfare la domanda crescente di gas. Tuttavia, questa nuova condizione richiede un'analisi delle possibili limitazioni del sistema. La metodologia è quella di utilizzare solo i dati disponibili prima della diminuzione di pressione per creare i modelli. Successivamente, i dati nella nuova condizione di pressione vengono utilizzati come validazione e verifica dei risultati ottenuti. Per l'analisi dei compressori centrifughi sono stati scelti due approcci differenti: il primo basato sulla teoria della similitudine, il secondo, di tipo statistico, basato su un algoritmo di machine learning. Vengono ricostruite le curve non dimensionali e la previsione delle nuove condizioni operative è accurata. In particolare, entrambi i metodi sono adatti e si ottiene un errore sulla pressione di uscita di pochi bar. Tuttavia, un confronto tra i due diversi approcci mostra come il metodo teorico della similitudine è più accurato, affidabile e robusto dell'algoritmo di machine learning. Dopo aver determinato le condizioni off-design dei compressori, l'analisi si concentra sul creare un modello fisico per la turbina a gas e sulle sue eventuali limitazioni. Le curve adimensionali del compressore assiale vengono determinate tramite il metodo teorico e la risoluzione di un sistema non lineare formato da bilanci di massa, energia, potenza, curve caratteristiche e relazioni termodinamiche permette di caratterizzare la turbina a gas. Il confronto dei risultati ottenuti con le misure disponibili rivela un errore relativo inferiore al 3% per tutte le variabili di interesse, quali le condizioni di uscita del compressore e la temperatura di scarico della turbina di alta pressione. Infine, nel caso esaminato nessun limite operativo viene raggiunto e pertanto ci sono ancora margini per operare in sicurezza.