一种热电厂安全隐患自动预警方法及系统技术方案

本发明专利技术提供一种热电厂安全隐患自动预警方法及系统。以大型燃煤机组输煤皮带为对象，研究开发以输煤智能巡检和安全工作常态化开展为基础，通过深度学习，多模态数据融合、强化学习等先进技术配合人防、物防、技防，形成多维度立体化的安全防护，实现利用视频AI智能分析在输煤皮带状态监测预警、输煤人员反违章自动管理等方面建立智能应用，提高企业生产效率、实现减员减强度、助力电厂安全生产和安保应急响应能力，打造现代化智慧电厂。打造现代化智慧电厂。打造现代化智慧电厂。

【技术实现步骤摘要】
一种热电厂安全隐患自动预警方法及系统


[0001]本专利技术属于图像识别领域，具体涉及一种热电厂安全隐患自动预警方法及系统。

技术介绍

[0002]采用输煤皮带对煤料进行输送是火电厂燃料进行运输的重要方式，输煤皮带具有线路长、环境差等特点，传统输煤皮带巡检常采用人工巡视、手工记录的方式，存在运维费用高、工作量大、环境恶劣等问题，如果对现情况判断不准或皮带缺陷不能及时发现，将会对企业的安全生产造成重大影响。近年来，利用图像分析实现输煤皮带的安全故障检测与诊断是一种较为有效的方式，因其安装简单，应用成本低，受到广大企业关注。
[0003]目前大多数热电厂的燃机机组均安装近200路高清数字摄像头，且有系统独立控制室，系统通常运用200万像素的数字摄像头，为符合对图像摄取设备的基本要求，在重点区域增设50路高清数字摄像头，基于此基础，我们进行热电厂安全隐患自动预警系统的集成，能够实现该系统的全功能运用，不仅可以缩短施工工期，还能大大降低建设成本，能够早日投入使用，为企业安全生产护航。
[0004]中国专利CN114120109A公开了一种基于神经网络的皮带纵撕检测方法，在该方法中通过构建卷积神经网络，对预设训练集进行边框标注，然后采集输煤皮带区域的图像信息输入卷积神经网络算法模型进行判断。但该方法只针对皮带撕裂进行检测，适用范围过于狭隘。
[0005]中国专利CN114860893B公开了一种基于多模态数据融合与强化学习的智能决策方法及装置，获取包括语言指令和视觉信息的智能决策任务，对语言指令和视觉信息进行编码，得到多模态数据；基于多模态融合方法，根据多模态数据，得到多模态融合数据，将多模态融合数据输入到强化学习算法中，基于强化学习算法和即时语言奖励，输出动作并完成智能决策。但是该方法需要大量的训练和调试，对数据量和计算资源要求较高，对实际应用来说存在一定的难度和成本。

技术实现思路

[0006]为解决现有技术中存在的不足，本专利技术提供一种热电厂安全隐患自动预警方法及系统。以大型燃煤机组输煤皮带为对象，研究开发以输煤智能巡检和安全工作常态化开展为基础，通过深度学习，多模态数据融合、强化学习等先进技术配合人防、物防、技防，形成多维度立体化的安全防护，实现利用视频AI智能分析在输煤皮带状态监测预警、输煤人员反违章自动管理等方面建立智能应用，提高企业生产效率、实现减员减强度、助力电厂安全生产和安保应急响应能力，打造现代化智慧电厂。
[0007]本专利技术采用如下的技术方案。
[0008]一种热电厂安全隐患自动预警方法，包括：
[0009]步骤1，根据输煤场景以及人员安全指标生成多模态数据集；
[0010]步骤2，使用卷积自动编码器对不同形式图像数据集进行融合，得到融合图像；
[0011]步骤3，通过融合注意力机制、循环卷积网络与强化学习的方式对步骤2生成的融合图像进行特征提取；
[0012]步骤4，基于融合图像的特征，采用深度卷积神经网络模型对输煤皮带异常情况进行分类，并基于输煤皮带运行过程中传感器采集到的时间序列数据进行异常检测。
[0013]优选地，步骤1中，所述输煤场景包括输煤皮带跑偏与断裂数据，异物数据，烟雾数据。
[0014]所述人员安全指标包括安全帽数据，越界数据，明火数据。
[0015]8、根据权利要求1所述的一种热电厂安全隐患自动预警方法，其特征在于：
[0016]步骤2中，卷积自编码器网络结构分为编码层和解码层；编码层包括4组卷积层+池化层和两组全连接层，解码层包括4组卷积+上采样层和一个卷积层。
[0017]优选地，步骤2中，同一图像的彩色图和深度图,作为卷积自编码器输入,经过编码层之后,得到两组1504维的向量；将两组1504维的向量进行串行结合得到3008维的向量,并将融合后的向量作为解码层的输入，得到融合图像。
[0018]优选地，步骤3中，将输入的图像进行线性回归处理，得到图像中每个像素点的位置信息和提取出的显著特征；所述融合注意力机制，采用自适应池化方法生成每个模态的注意力图，将每个模态的特征图与相应的注意力图进行点乘操作，得到该模态的加权融合特征图。
[0019]步骤3中，使用双向LSTM网络对加权融合的特征图进行序列化。
[0020]一种热电厂安全隐患自动预警系统，包括多模态数据集构建模块、融合模块、强化学习模块。
[0021]多模态数据集构建模块构建输煤场景、人员安全多模态数据集，包括输煤皮带跑偏、断裂识别；异物识别；烟雾识别；安全帽识别；越界识别；明火识别；
[0022]融合模块使用卷积自动编码器对不同形式图像进行融合，得到融合图像；
[0023]强化学习模块通过融合注意力机制、循环卷积网络与强化学习的方式对融合图像进行特征提取。
[0024]本专利技术的有益效果在于，与现有技术相比，本专利技术主要是针对燃机机组在安全生产过程中的一些安全隐患利用物联网智能技术进行提前预防预警，设置智能危险识别手段，大大降低人为疏忽的一些安全事故，将全厂区进行物联网智能化覆盖与实时监控，对每个存在安全隐患的区域利用智能传感器集成到后台中央处理器当中，实现了系统自动识别是否安全，系统智能警报。该系统能对穿戴行为，火灾预警，违规动作，区域划分，离岗监测，摄像头异常等进行准确识别，全程实现人工智能化，安全生产科技化管理，为管理者提供了高效的管理工具。
附图说明
[0025]图1为本专利技术中一种热电厂安全隐患自动预警方法流程示意图；
[0026]图2为本专利技术中强化学习特征提取原理图。
具体实施方式
[0027]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附
图，对本专利技术的技术方案进行清楚、完整地描述。本申请所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部实施例。基于本专利技术精神，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术的保护范围。
[0028]一种热电厂安全隐患自动预警方法，如图1所示，包括以下具体步骤：
[0029]步骤1，构建输煤场景、人员安全多模态数据集；
[0030]步骤1中，所述输煤场景数据集包括：
[0031]1)输煤皮带跑偏、断裂数据
[0032]通过在输煤线路上安装摄像头，进行多角度拍摄，对输煤皮带运行状况进行实时数据采集，对异常数据进行识别，并上传至数据采集中心。
[0033]2)异物数据
[0034]通过在输煤线路上易出现异物掉落位置安装摄像头，对摄像头的视频图像种出现的物体进行分析，当出现石头、铁器、木材或其他异物时进行识别。
[0035]3)烟雾数据
[0036]针对镜头分析区域进行烟雾识别，及时发现监控区域内的异常烟雾和火灾苗头，进行告警和提供有用信息。
[0037]所述人员安全数据集包括：
[0038]1)安全帽数据
[0039]对镜头分析区域内进行安全帽本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种热电厂安全隐患自动预警方法，其特征在于，包括：步骤1，根据输煤场景以及人员安全指标生成多模态数据集；步骤2，使用卷积自动编码器对不同形式图像数据集进行融合，得到融合图像；步骤3，通过融合注意力机制、循环卷积网络与强化学习的方式对步骤2生成的融合图像进行特征提取；步骤4，基于融合图像的特征，采用深度卷积神经网络模型对输煤皮带异常情况进行分类，并基于输煤皮带运行过程中传感器采集到的时间序列数据进行异常检测。2.根据权利要求1所述的一种热电厂安全隐患自动预警方法，其特征在于：步骤1中，所述输煤场景包括输煤皮带跑偏与断裂数据，异物数据，烟雾数据。3.根据权利要求1所述的一种热电厂安全隐患自动预警方法，其特征在于：步骤1中，所述人员安全指标包括安全帽数据，越界数据，明火数据。4.根据权利要求1所述的一种热电厂安全隐患自动预警方法，其特征在于：步骤2中，卷积自编码器网络结构分为编码层和解码层；编码层包括4组卷积层+池化层和两组全连接层，解码层包括4组卷积+上采样层和一个卷积层。5.根据权利要求1所述的一种热电厂安全隐患自动预警方法，其特征在于：步骤2中，同一图像的彩色图和深度图,作为卷积自编码器输入,经过编码层之后,得到两组1504维的向量；将两组1504维的向量进行串行结合得到3008维的向量,并将融合后的向量作为解码层的输入，得到融合图像。6.根据权利要求1所述的一种热电厂安全隐患自动预警...

【专利技术属性】
技术研发人员：贾顺杰，赵菊，米路中，周越，张艳萍，李洋，樊怡，
申请(专利权)人：国能信控互联技术有限公司，
类型：发明
国别省市：