一种太阳能集热场故障风险快速检测系统及方法技术方案

本发明专利技术公开了一种太阳能集热场故障风险快速检测方法，包括以下步骤；步骤一：通过设置红外热成像摄像头实时监测，经拍摄得到太阳能集热场的整体温度分布热图；步骤二：建立红外热成像摄像头与计算机之间的通讯，对集热场温度状态进行温度图像采集；步骤三：对集热场的整体温度分布热图进行预处理及区域划分，并进行特征提取得到各区域集热器故障温度场散点图；步骤四：将提取到的各区域温度场分布特征信息及相关特征参数导入太阳能集热器故障模型特征库，依次进行两次故障模型特征库的匹配分析，提高集热场故障检测效率，降低误报率与漏报率，保证太阳能集热系统的安全运行。本发明专利技术具有操作简便、无需对系统进行升级改造新增传感器的特点。传感器的特点。传感器的特点。

【技术实现步骤摘要】
一种太阳能集热场故障风险快速检测系统及方法


[0001]本专利技术涉及大型太阳能集热场故障检测
，特别涉及一种太阳能集热场故障风险快速检测方法。

技术介绍

[0002]太阳能集热场是太阳能供暖系统的核心组成部分，是系统的主要能量来源。太阳能集热场内工质温度受太阳辐射强度、室外气温等气象因素影响大，时刻处于变化状态，而在太阳辐射强烈、昼夜温差大的地区，集热场工质温度波动加剧、温变速率陡增，导致集热场内流量分布不均、阻力变化大、压力波动剧烈，过热、泄露、老化、失效是太阳能集热场中集热器的频发故障。如果不能在故障发生初期甚至故障发生前检测辨别出故障源，将致使集热产能下降，严重影响系统运行性能，使太阳能供暖系统可靠性下降。所以准确快速检测、辨识、定位太阳能集热场故障是紧迫任务。
[0003]现有的供热系统、集热系统故障检测方法一般是通过监测温度、流量、压力等传感器，利用对专家知识和工程经验对系统故障的影响可能出现的趋势进行分析，将分析结果作为系统故障诊断的依据。该方法通过系统热力水力特性和物理信号关联对系统的故障进行诊断分析，其需要将电信本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种太阳能集热场故障风险快速检测方法，其特征在于，包括以下步骤；步骤一：温度图像采集；设置红外热成像摄像头实时监测，得到太阳能集热场的整体温度分布热图；步骤二：温度图像读取；建立红外热成像摄像头与计算机之间的通讯，红外热成像摄像头与计算机处于同一局域网下，在计算机下载对应摄像头的PC端软件，匹配IP即可实现实时监测，对集热场温度状态进行温度图像采集；步骤三：数据采集分析处理；对集热场的整体温度分布热图进行预处理及区域划分，并进行特征提取得到各区域集热器故障温度场散点图；步骤四：故障模型匹配；将提取到的各区域温度场分布特征信息及相关特征参数导入太阳能集热器故障模型特征库，依次进行两次故障模型特征库的匹配分析，提高集热场故障检测效率，降低误报率与漏报率，保证太阳能集热系统的安全运行。2.根据权利要求1所述的一种太阳能集热场故障风险快速检测方法，其特征在于，所述步骤三预处理部分包括如下步骤：采用基于温差的红外图像归一化方法对原始红外热像图进行初步预处理，消除热环境因素对太阳能集热器温度场的影响；把太阳能集热器在不同环境因素下的图像看作基本信号，在空域上进行处理，以达到消除外部热环境影响的目的；再进行基于改进引导滤波和Sigmoid函数的自适应动态范围压缩的进一步处理，使图像进行动态范围压缩及图像增强处理，获得更加自然、符合人类视觉特性且特性明显的结果。3.根据权利要求2所述的一种太阳能集热场故障风险快速检测方法，其特征在于，所述引导滤波将输入红外图像分解为基础层B和细节层，基础层B是改进引导滤波对输入图像的处理结果，其中包含输入图像中的高对比度信息和大部分动态范围；细节层D是输入图像和基础层B的差值，其中包含输入图像中的低对比度细节；B＝G[I
h
]D＝I
h
‑
B其中I
h
为输入的红外热像图；符号G[*]表示改进引导滤波，使用图像一阶微分的变体构建边缘感知权重；然后，使用Sigmoid自适应压缩算法压缩基础层B的动态范围，在保留图像整体视觉感知的前提下，压缩高动态范围图像灰度信息，使其能够在传统显示设备上正常显示；B'＝S[B]其中符号S[*]表示Sigmoid算法；B'为动态范围压缩后的基础层，B'值在[0,1]之间；使用固定增益系数η对细节层进行加强，增强后的细节层D'为D'＝η*D固定增益系数的设置推荐在[1，2]之间；最后，为动态范围压缩后的基础层B'分配合适的动态范围，并和增强后的细节层D'重组以获得输出图像；
I
l
＝a*B'+D'其中I
l
为输出图像，参数a用于控制基础层动态范围的大小。4.根据权利要求1所述的一种太阳能集热场故障风险快速检测方法，其特征在于，所述步骤四太阳能集热器故障模型特征库包括基于回归分析模型的四类太阳能集热场典型故障判断模型特征库和基于深度卷积神经网络的三类太阳能集热场典型故障的故障程度模型特征库；基于回归分析模型的四类太阳能集热场典型故障判断模型特征库的四类太阳能集热场典型故障(失效、过热、泄露、老化)判断模型特征库，基于太阳能集热场的特点，选用半物理模型，通过对太阳能系统的分析选择具有典型意义的特性参数，基于多项式的回归模型，利用系统正常工况下的运行数据建立模型，选取辐照量和流量对太阳能集热系统这两个参数作为模型的输入量，表达式为：Y＝f(G,Q)+ε＝a0+a1G+a2Q+a3G2+a4Q2+a5GQ其中Y为回归变量输出模型；ε为误差项；为回归模型相关系数；G为回归模型输入参数辐照量，W/m2；Q为回归模型输入参数流量，t/h；经回归分析处理后，将模型的预测值与采集到的四种典型故障运行工况下集热器温度值进行对比，取90％的置信水平，确定特性参数残差及对应的阈值，分析特性参数的残差，实现故障的监测与识别；基于深度卷积神经网络的三类太阳能集热场典型故障(过热、泄露、老化)的故障程度模型特征库，经一维深度卷积神经网络训练提取数据特征，并确定各故障发生时的故障程度。5.根据权利要求4所述的一种太阳能集热场故障风险快速检测方法，其特征在于，所述基于回归分析模型的四类太阳能集热场典型故障判断模型特征库：选用半物理模型，通过对太阳能系统的分析选择具有典型意义的特性参数，基于多项式的回归模型，利用系统正常工况下的运行数据建立模型，辐照量和流量对太阳能集热系统的运行有很大影响，选取这两个参数作为模型的输入量，表达式为：Y＝f(G,Q)+ε＝a0+a1G+a2Q+a3G2+a4Q2+a5GQ其中ε为误差项；Y为回...

【专利技术属性】
技术研发人员：王登甲，蒋乐南，默哲龙，谭嘉钰，尚世杰，
申请(专利权)人：西安建筑科技大学，
类型：发明
国别省市：