基于深度学习与红外图像识别的空冷器积灰状态感知系统技术方案

本实用新型专利技术涉及基于深度学习与红外图像识别的空冷器积灰状态感知系统，包括汽轮机通过汽轮机排汽与排汽分配管输入端相连；入口温度传感器布置于空冷凝汽器管束内侧，出口温度传感器布置于空冷凝汽器管束外侧，入口温度传感器和出口温度传感器输出端均经温度传输总线与数据采集模块输入端相连；入口风速传感器布置于空冷凝汽器管束内侧。本实用新型专利技术的有益效果是：本实用新型专利技术考虑到火电站直接空冷系统排汽温度随环境气温的变化出现高频率、大浮动波动，环境高温时段排汽压力居高不下的特点，基于热平衡原理，联合外部传感器通过测量模拟汽轮机排汽的水温与散热管道出口水温，翅片进出口风温等间接模拟空冷凝汽器运行状态。

Ash Deposition State Sensing System of Air Cooler Based on Deep Learning and Infrared Image Recognition

The utility model relates to an air cooler ash accumulation state sensing system based on in-depth learning and infrared image recognition, which comprises a steam turbine connected with the input end of the exhaust distribution pipe through the exhaust steam of the steam turbine; an inlet temperature sensor is arranged inside the air-cooled condenser tube bundle; an outlet temperature sensor is arranged outside the air-cooled condenser tube bundle; and both the inlet temperature sensor and the outlet temperature sensor are output terminals. The temperature transmission bus is connected with the input end of the data acquisition module, and the inlet wind speed sensor is arranged inside the air-cooled condenser tube bundle. The beneficial effect of the utility model is that the utility model takes into account the characteristics of high frequency and large fluctuation of the exhaust steam temperature of the direct air cooling system of thermal power plant with the change of ambient temperature, and the high exhaust steam pressure at high ambient temperature. Based on the principle of heat balance, the utility model combines external sensors to measure and simulate the water temperature of the exhaust steam of the steam turbine and the outlet water temperature of the heat dissipation pipeline, and the inlet and outlet air of the fins. Temperature isotherm indirectly simulates the operation state of air-cooled condenser.

【技术实现步骤摘要】
基于深度学习与红外图像识别的空冷器积灰状态感知系统
本技术涉及空冷器积灰状态感知技术，特别是涉及一种空冷器积灰状态感知系统。
技术介绍
空冷凝汽器是蒸汽动力循环发电机组的重要环节。在1939年以前均采用水冷，他的工作状态直接影响了整个机组的安全性和经济性。无论是当前占全国总发电量73.1％的火电机组，预计到2020年和2030年仍将占60％和48％，还是将还是将要大规模发展的太阳能热发电机组，其所需的燃煤和太阳能资源主要分布在我国的东北、西北和华北(“三北”)地区，然而“三北”地区却是水资源贫乏的缺水或少水地带，导致燃煤和太阳能资源与水资源分布存在地理结构上的矛盾，但空冷器以热容量小很多的空气作为冷却介质，引起冷端散热能力锐减，致使发电热耗高，经济性差。为了强化空气侧换热过程，空冷器的基管上布置翅片，这在我国干燥、风沙大、扬尘多的“三北”地区，空气所携带的悬浮颗粒物极易在翅片管上积聚，生成灰垢(积灰层)。灰垢的存在降低了空冷器的换热性能，提高了运行成本，可使同环境条件下机组排汽压力抬高8～12kPa，增大发电煤耗约12～18g/kWh，又增加了直冷机组的安全隐患。从火电厂的建设上来分析，由于我国的水资源匮乏，节约生产、生活用水作为设计的首要任务，因此在火电站大力的发展空冷技术更好解决这一问题。但空冷换热器积灰是难以避免的问题，尤其是温度变化大且风沙多的地区，受积灰的影响、负荷变化大时气流冲击以及其他因素引起的振动等原因，空冷换热器的换热效果常常受到影响而降低甚至会发生故障。因为空冷岛的积灰会造成换热系数降低、垢层厚度增大，所以空冷岛的积灰处理非常重要，但在空冷凝汽器运行方面，现场的运行基本靠经验来判断灰垢的积聚状态以及对汽轮机组排汽压力和发电量的影响，至于空冷器灰垢的维护清洗也完全是凭借经验，导致清洗不及时，灰垢积聚严重，危害机组安全运行的状况经常发生。
技术实现思路
本技术的目的在于克服上述不足，提供一种空冷器积灰状态感知系统。基于深度学习与红外图像识别的空冷器积灰状态感知系统，包括汽轮机通过汽轮机排汽与排汽分配管输入端相连；入口温度传感器布置于空冷凝汽器管束内侧，出口温度传感器布置于空冷凝汽器管束外侧，入口温度传感器和出口温度传感器输出端均经温度传输总线与数据采集模块输入端相连；入口风速传感器布置于空冷凝汽器管束内侧，出口风速传感器布置于空冷凝汽器管束外侧，入口风速传感器和出口风速传感器输出端均经风速传输总线与数据采集模块输入端相连；红外热像仪布置于空冷凝汽器管束外侧不同角度处，红外热像仪输出端经图像数据传输总线与数据采集模块输入端相连；数据采集模块输出端经数据传输总线与工控机输入端相连；流量计输出端经输水管与凝结水箱输入端相连；配电柜输出端经电源线与数据采集模块、工控机、空冷风机输入端相连。作为优选：所述的红外热像仪安装于空冷凝汽器管束的迎风面和背风面。本技术的有益效果是:一是本技术考虑到火电站直接空冷系统排汽温度随环境气温的变化出现高频率、大浮动波动，环境高温时段排汽压力居高不下的特点，基于热平衡原理：汽轮机排汽放热量、空冷凝汽器换热量和冷却空气吸热量相等的特点，联合外部传感器通过测量模拟汽轮机排汽的水温与散热管道出口水温，翅片进出口风温等间接模拟空冷凝汽器运行状态。二是本技术的结构简单、合理，造价低廉，可实施性好，更重要的是提高了功率预测精度，旨在建立更加精确的空冷凝汽器积灰与清洗预测系统，方便电厂操作人员日常检测和清洗工作，准确及时调整空冷凝汽器维护计划，为科学发电优化调管设备提供依据，实现发电收益最大化。附图说明图1为基于深度学习与红外图像识别的空冷器积灰状态感知系统示意图；图2为图像及数据处理流程框图；图3为卷积神经网络示意图；附图标记说明：1汽轮机，2汽轮机排汽，3排汽分配管，4空冷凝汽器管束，5空冷凝汽器翅片，6入口温度传感器，7出口温度传感器，8入口风速传感器，9出口风速传感器，10红外热像仪，11数据采集模块，12工控机，13空冷风机，14凝结水箱，15凝结泵，16温度传输总线，17风速传输总线，18图像数据传输总线，19数据传输总线，20配电柜，21电源线，22流量计。具体实施方式下面结合实施例对本技术做进一步描述。下述实施例的说明只是用于帮助理解本技术。应当指出，对于本
的普通技术人员来说，在不脱离本技术原理的前提下，还可以对本技术进行若干改进和修饰，这些改进和修饰也落入本技术权利要求的保护范围内。本技术的基于深度学习与红外图像识别的空冷器积灰状态感知系统，针对现有不能实时感知空冷系统运行状态的缺点，提出基于深度学习与红外图像识别的空冷器积灰状态感知系统，现有的深度学习感知模型研究只是对颗粒污垢的生成机理和影响因素的初步探索，还没有专门针对空冷器灰垢深入分析其影响因素与灰垢特性间的关联特性，也未建立一个普适的经过实验检验的机理模型。本技术基于气深度学习与红外图像识别的空冷器积灰状态感知系统，在深度学习算法的基础上，利用红外图像获取的信息与空冷器运行状态参数，通过深度学习算法和空冷凝汽器积灰热阻值计算方法，实时获知空冷凝汽器运行状态，实现空冷凝汽器短期精确感知、长期预报功能。本技术的构思基础是，针对空冷凝汽器翅片积灰影响传热效率的特性，针对传统通过经验确定清洗周期的现状，1)本技术提出针对积灰对空冷凝汽器运行参数的影响为基础，通过红外热像仪获取实时红外图像，利用深度学习以及红外图像处理方法从图像中提取获得所需参数，并将其与灰垢积聚关联度较大的6个变量：积灰时间、汽轮机排汽热负荷、排汽温度、环境气温、空冷凝汽器出口风温和迎面风速结合作为基本检测对象和研究对象，推演拟合出空冷凝汽器运行状态与灰垢厚度关系。以此为基础作为空冷凝汽器运行参数采集系统和积灰状态感知系统，为其拟合积灰厚度和感知运行状态做参数支撑。2)本技术提出采用深度学习以及红外图像处理检测空冷凝汽器运行与积灰状态。通过红外成像技术实时了解空冷系统的状态，对于及时发现、处理、预防重大失误的发送可以起到非常关键而有效的作用，并可通过对空冷凝汽器的红外图像处理实时得到其积灰程度；由于北方某些地区干旱少水，工作环境恶劣，翅片管束时常出现密封度下降或冻裂等现象。这些故障现象均可通过红外成像方式远程监测出来，给平时养护工作带来极大便利，同时也可通过红外成像技术实时了解翅片管表面温度场分布，监测空冷凝汽器温差温升变化，可以实时了解空冷系统工作状态。参照图1基于深度学习与红外图像识别的空冷器积灰状态感知系统，它包括：汽轮机1通过汽轮机排汽2与排汽分配管3输入端相连；入口温度传感器6布置于空冷凝汽器管束4内侧，出口温度传感器7布置于空冷凝汽器管束4外侧，入口温度传感器6和出口温度传感器7输出端均经温度传输总线16与数据采集模块11输入端相连；入口风速传感器8布置于空冷凝汽器管束4内侧，出口风速传感器9布置于空冷凝汽器管束4外侧，入口风速传感器8和出口风速传感器9输出端均经风速传输总线17与数据采集模块11输入端相连；红外热像仪10布置于空冷凝汽器管束4外侧不同角度处，红外热像仪10输出端经图像数据传输总线18与数据采集模块11输入端相连；数据采集模块11输出本文档来自技高网...

【技术保护点】
1.一种基于深度学习与红外图像识别的空冷器积灰状态感知系统，其特征在于：包括汽轮机(1)通过汽轮机排汽(2)与排汽分配管(3)输入端相连；入口温度传感器(6)布置于空冷凝汽器管束(4)内侧，出口温度传感器(7)布置于空冷凝汽器管束(4)外侧，入口温度传感器(6)和出口温度传感器(7)输出端均经温度传输总线(16)与数据采集模块(11)输入端相连；入口风速传感器(8)布置于空冷凝汽器管束(4)内侧，出口风速传感器(9)布置于空冷凝汽器管束(4)外侧，入口风速传感器(8)和出口风速传感器(9)输出端均经风速传输总线(17)与数据采集模块(11)输入端相连；红外热像仪(10)布置于空冷凝汽器管束(4)外侧不同角度处，红外热像仪(10)输出端经图像数据传输总线(18)与数据采集模块(11)输入端相连；数据采集模块(11)输出端经数据传输总线(19)与工控机(12)输入端相连；流量计(22)输出端经输水管与凝结水箱(14)输入端相连；配电柜(20)输出端经电源线(21)与数据采集模块(11)、工控机(12)和空冷风机(13)的输入端相连。

【技术特征摘要】
1.一种基于深度学习与红外图像识别的空冷器积灰状态感知系统，其特征在于：包括汽轮机(1)通过汽轮机排汽(2)与排汽分配管(3)输入端相连；入口温度传感器(6)布置于空冷凝汽器管束(4)内侧，出口温度传感器(7)布置于空冷凝汽器管束(4)外侧，入口温度传感器(6)和出口温度传感器(7)输出端均经温度传输总线(16)与数据采集模块(11)输入端相连；入口风速传感器(8)布置于空冷凝汽器管束(4)内侧，出口风速传感器(9)布置于空冷凝汽器管束(4)外侧，入口风速传感器(8)和出口风速传感器(9)输出端均经风速传输总线(17)与数据采集模块(11)输...

【专利技术属性】
技术研发人员：王静毅，牟文彪，俞彩孟，朱国雷，李中玉，赵波，曹生现，戴家涨，钟金鸣，陈琦，
申请(专利权)人：浙江浙能兴源节能科技有限公司，浙能阿克苏热电有限公司，
类型：新型
国别省市：浙江,33