一种确定锅炉的减薄值的方法、装置以及存储介质制造方法及图纸

本申请公开了一种确定锅炉的减薄值的方法、装置以及存储介质。该方法包括：获取锅炉各部位的检修数据，其中检修数据是按照时间顺序获取的检修数据；以及利用预先训练的三维卷积神经网络模型，根据锅炉各部位的检修数据，对锅炉各部位的减薄数据进行预测。本发明专利技术无需分析管壁腐蚀因素，而是按照时间顺序获取锅炉各部位的检修数据，并利用预先训练的三维卷积神经网络模型，根据锅炉各部位的检修数据，通过人工智能分析的方式对锅炉各部位的减薄数据进行预测。从而有效提高了锅炉减薄预测的准确性。进而解决了现有技术中存在通过分析管壁腐蚀因素，结合数学物理方法建立模型来对锅炉减薄进行预测的方法的准确性低的技术问题。薄进行预测的方法的准确性低的技术问题。薄进行预测的方法的准确性低的技术问题。

【技术实现步骤摘要】
一种确定锅炉的减薄值的方法、装置以及存储介质


[0001]本申请涉及人工智能
，特别是涉及一种确定锅炉的减薄值的方法、装置以及存储介质。

技术介绍

[0002]电力生产企业作为一个技术密集型生产单位，事故类型多种多样。有数据显示我国火力发电厂各种事故中，锅炉事故约占发电厂总事故的70％以上，而过热器、再热器、省煤器、水冷壁四类管(简称“四管”)泄漏与爆破事故时有发生，在众多事故中出现最多，约占锅炉总事故的70％以上，成为困扰火力发电厂安全生产的一大难题。
[0003]长期以来，针对锅炉“四管”事故的研究主要集中于事故发生之后的爆管泄漏的原因分析，总结“爆管”经验指导之后的工业生产从而延长“四管”的使用寿命。针对各管减薄腐蚀程度，提出温度及一些灰烟是导致管壁腐蚀减薄的主要原因。但是，现有的锅炉减薄预测方法大多数通过分析管壁腐蚀因素，结合数学物理方法建立模型来预测管壁厚度的减薄程度，准确性低。
[0004]针对上述的现有技术中存在的通过分析管壁腐蚀因素，结合数学物理方法建立模型来对锅炉减薄进行预测的方法的准确性低的技术问题，目前尚未提出有效的解决方案。

技术实现思路

[0005]本公开的实施例提供了一种对锅炉减薄进行预测的方法、装置以及存储介质，以至少解决现有技术中存在的通过分析管壁腐蚀因素，结合数学物理方法建立模型来对锅炉减薄进行预测的方法的准确性低的技术问题。
[0006]根据本公开实施例的一个方面，提供了一种对锅炉减薄进行预测的方法，包括：获取锅炉各部位的检修数据，其中检修数据为按照时间顺序在预设位置检测的不同类型的检修数据；以及利用预先训练的三维卷积神经网络模型，根据检修数据，确定预设位置的减薄值。
[0007]根据本公开实施例的另一个方面，还提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时由处理器执行以上任意一项的方法。
[0008]根据本公开实施例的另一个方面，还提供了一种对锅炉减薄进行预测的装置，包括：获取模块，用于获取锅炉各部位的检修数据，其中检修数据为按照时间顺序在预设位置检测的不同类型的检修数据；以及预测模块，用于利用预先训练的三维卷积神经网络模型，根据检修数据，确定预设位置的减薄值。
[0009]根据本公开实施例的另一个方面，还提供了一种对锅炉减薄进行预测的装置，包括：处理器；以及存储器，与处理器连接，用于为处理器提供处理以下处理步骤的指令：获取锅炉各部位的检修数据，其中检修数据为按照时间顺序在预设位置检测的不同类型的检修数据；以及利用预先训练的三维卷积神经网络模型，根据检修数据，确定预设位置的减薄值。
[0010]本专利技术提供了一种对锅炉减薄进行预测的方法。本专利技术无需分析管壁腐蚀因素，而是按照时间顺序获取锅炉各部位的检修数据，并利用预先训练的三维卷积神经网络模型，根据锅炉各部位的检修数据，通过人工智能分析的方式对锅炉各部位的减薄数据进行预测。从而有效提高了锅炉减薄预测的准确性。进而解决了现有技术中存在通过分析管壁腐蚀因素，结合数学物理方法建立模型来对锅炉减薄进行预测的方法的准确性低的技术问题。
附图说明
[0011]此处所说明的附图用来提供对本公开的进一步理解，构成本申请的一部分，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。在附图中：
[0012]图1是用于实现根据本公开实施例1所述的方法的计算设备的硬件结构框图；
[0013]图2是根据本公开实施例1所述的对锅炉减薄进行预测的方法的系统的示意图；
[0014]图3是根据本公开实施例1的对锅炉减薄进行预测的方法的流程示意图；
[0015]图4是根据本公开实施例1的三维卷积神经网络模型的示意图；
[0016]图5是根据本公开实施例1的对锅炉减薄进行预测的方法的流程示意图；
[0017]图6是根据本公开实施例2的对锅炉减薄进行预测的装置的示意图；以及
[0018]图7是根据本公开实施例3的对锅炉减薄进行预测的装置的示意图。
具体实施方式
[0019]为了使本
的人员更好地理解本公开的技术方案，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本公开一部分的实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本公开保护的范围。
[0020]需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0021]实施例1
[0022]本实施例提供了一种对锅炉减薄进行预测的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
[0023]本实施例所提供的方法实施例可以在计算机终端、服务器或者类似的计算设备中执行。图1示出了一种用于实现对锅炉减薄进行预测的计算设备的硬件结构框图。如图1所示，计算设备可以包括一个或多个处理器(处理器可以包括但不限于微处理器MCU或可编程
逻辑器件FPGA等的处理装置)、用于存储数据的存储器、以及用于通信功能的传输装置。除此以外，还可以包括：显示器、输入/输出接口(I/O接口)、通用串行总线(USB)端口(可以作为I/O接口的端口中的一个端口被包括)、网络接口、电源和/或相机。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，计算设备还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
[0024]应当注意到的是上述一个或多个处理器和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外，数据处理电路可为单个独立的处理模块，或全部或部分的结合到计算设备中的其他元件中的任意一个内。如本公开实施例中所涉及到的，该数据处理电路作为一种处理器控制(例如与接口连接的可变电阻终端路径的选择)。
[0025]存储器可用于存储应用软件的软件程序以及模块，如本公开实施例中的对锅炉减薄进行预测的对应的程序指令/数据存储装置，处理器通过运行存储在存储器内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的应用程序的对锅炉减薄进行预测。存储器可包括高速随机存储本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种确定锅炉的减薄值的方法，其特征在于，包括：获取锅炉预设位置的检修数据，其中所述检修数据为按照时间顺序在所述预设位置检测的不同类型的检修数据；以及利用预先训练的三维卷积神经网络模型，根据所述检修数据，确定所述预设位置的减薄值。2.根据权利要求1所述的方法，其特征在于，利用预先训练的三维卷积神经网络模型，根据所述检修数据，确定所述预设位置处的减薄值的操作，包括：根据每个时间点在所述预设位置检测的检修数据生成相应的检修数据向量；按照时间顺序将与各个时间点对应的检修数据向量进行排列，生成与所述预设位置对应的检修数据向量序列；以及将所述检修数据向量序列输入所述三维卷积神经网络模型，并将所述三维卷积神经网络的全连接层的输出值作为所述预设位置的减薄值。3.根据权利要求1所述的方法，其特征在于，还包括通过以下操作训练所述三维卷积神经网络模型：获取锅炉各部位的历史检修数据；根据所述历史检修数据，生成用于对所述三维卷积神经网络模型进行训练的训练数据集和测试数据集；以及利用所述训练数据集和所述测试数据集对所述三维卷积神经网络模型进行训练。4.根据权利要求3所述的方法，其特征在于，根据所述历史检修数据，生成用于对所述三维卷积神经网络模型进行训练的训练数据集和测试数据集的操作，包括：对所述历史检修数据进行预处理，其中所述预处理包括异常值检测和缺失值处理；以及对所述预处理后的数据进行归一化处理，生成所述训练数据集和所述测试数据集。5.根据权利要求4所述的方法，其特征在于，利用所述训练数据集和所述测试数据集对所述三维卷积神经网络模型进行训练的操作，包括：分别将所述训练数据集和所述测试数据集通过所述三维卷积神经网络模型计算得到输出结果，比较所述训练数据集和所述测试数据集的所述输出结果的均方误差；以及根据所述均方误差的情况对所...

【专利技术属性】
技术研发人员：尹慧敏，
申请(专利权)人：神华国能宁夏煤电有限公司，
类型：发明
国别省市：