CN112036660A - 低压缸切缸风险评估方法、装置、设备及可读存储介质 - Google Patents
低压缸切缸风险评估方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN112036660A CN112036660A CN202010944224.3A CN202010944224A CN112036660A CN 112036660 A CN112036660 A CN 112036660A CN 202010944224 A CN202010944224 A CN 202010944224A CN 112036660 A CN112036660 A CN 112036660A
- Authority
- CN
- China
- Prior art keywords
- cylinder
- risk
- low
- risk assessment
- blade
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000005520 cutting process Methods 0.000 title claims abstract description 147
- 238000012502 risk assessment Methods 0.000 title claims abstract description 146
- 238000000034 method Methods 0.000 title claims abstract description 48
- 206010044565 Tremor Diseases 0.000 claims abstract description 28
- 238000013210 evaluation model Methods 0.000 claims abstract description 22
- 239000013598 vector Substances 0.000 claims description 34
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000001816 cooling Methods 0.000 claims description 12
- 230000007797 corrosion Effects 0.000 claims description 11
- 238000005260 corrosion Methods 0.000 claims description 11
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 8
- 244000145845 chattering Species 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 239000002131 composite material Substances 0.000 claims description 4
- 238000005507 spraying Methods 0.000 claims description 4
- 238000013145 classification model Methods 0.000 abstract description 7
- 230000000875 corresponding effect Effects 0.000 description 25
- 238000011156 evaluation Methods 0.000 description 18
- 239000000463 material Substances 0.000 description 9
- 238000004891 communication Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000020169 heat generation Effects 0.000 description 3
- 238000010438 heat treatment Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000000470 constituent Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Educational Administration (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种低压缸切缸风险评估方法,该方法包括:当检测到低压缸处于切缸运行状态时,获取多级叶片的震颤频率和叶片温度,获取低压缸的缸壁温度;将震颤频率和叶片温度输入到预设叶片风险评估模型中,获得预设叶片风险评估模型输出的叶片风险指数;根据缸壁温度,确定低压缸的汽缸风险指数;根据缸壁温度、叶片风险指数和汽缸风险指数,计算切缸风险评估值,并输出包含切缸风险评估值的切缸风险评估结果。本发明还公开了一种低压缸切缸风险评估装置、设备及可读存储介质。本发明通过将获取到的震颤频率,叶片温度和缸壁温度输入到预先设置的分类模型中,得到切缸风险评估结果,使低压缸切缸后的风险评估更加及时准确。
Description
技术领域
本发明涉及电气设备运维领域,尤其涉及低压缸切缸风险评估方法、装置、设备及可读存储介质。
背景技术
随着我国城市的快速发展,冬季集中供热面积不断扩大,同时由于风电、水电和光伏等新能源发电占比日趋增加,造成热电联产机组电负荷和热负荷不匹配的矛盾问题日益突出,如何进行冬季调峰和提高供热能力是热电厂面临的亟待解决的问题,从现有技术来看,切除低压缸进汽改造方案能最大限度的解决冬季调峰和提高供热能力的矛盾,但低压缸切缸也给机组带来了一定的安全隐患,目前,对于低压缸切缸的安全保障方法是通过人工进行排查,但人工排查往往只能检查出已经发生的安全问题,无法预测低压缸切缸后存在的风险隐患。
发明内容
本发明的主要目的在于提供一种低压缸切缸风险评估方法,旨在解决现有的通过人工排查低压缸切缸的安全隐患,所带来的排查不全面和不及时的技术问题。
此外,为实现上述目的,本发明还提供一种低压缸切缸风险评估方法,所述低压缸切缸风险评估方法包括以下步骤:
当检测到所述低压缸处于切缸运行状态时,获取所述多级叶片的震颤频率和叶片温度,获取所述低压缸的缸壁温度;
将所述震颤频率和所述叶片温度输入到预设叶片风险评估模型中,获得所述预设叶片风险评估模型输出的叶片风险指数;
根据所述缸壁温度,确定所述低压缸的汽缸风险指数;
根据所述缸壁温度、所述叶片风险指数和所述汽缸风险指数,计算切缸风险评估值,并输出包含所述切缸风险评估值的切缸风险评估结果。
可选地,所述当检测到所述低压缸处于切缸运行状态时,获取所述低压缸的缸壁温度的步骤包括:
当检测到所述低压缸处于切缸运行状态时,根据低压缸缸壁的组成材质,确定所述低压缸缸壁的导热系数;
获取所述低压缸的缸内温度,并根据所述导热系数和所述缸内温度,计算所述低压缸的缸壁温度。
可选地,所述根据所述缸壁温度、所述叶片风险指数和所述汽缸风险指数,计算切缸风险评估值,并输出包含所述切缸风险评估值的切缸风险评估结果的步骤包括:
若所述缸壁温度小于预设阈值,则根据所述叶片风险指数和所述汽缸风险指数,计算切缸风险评估值,并输出包含所述切缸风险评估值的切缸风险评估结果;
若所述缸壁温度大于或等于所述预设阈值,则启动所述低压缸内的降温装置,以使所述降温装置执行洒水操作;
获取所述降温装置执行洒水操作后所述低压缸内的空气湿度,并根据所述空气湿度,计算低压缸缸壁的腐蚀风险指数;
输出包含所述叶片风险指数,所述汽缸风险指数和所述腐蚀风险指数的切缸风险评估结果。
可选地,所述根据所述叶片风险指数和所述汽缸风险指数,计算切缸风险评估值,并输出包含所述切缸风险评估值的切缸风险评估结果的步骤包括:
获取所述多级叶片对应的预设叶片风险权值和所述低压缸对应的预设汽缸风险权值;
计算所述叶片风险指数与所述预设叶片风险权值的第一乘积,所述汽缸风险指数与所述预设汽缸风险权值的第二乘积;
将所述第一乘积与所述第二乘积的和值作为切缸风险评估值。
可选地,所述当检测到所述低压缸处于切缸运行状态时,获取所述多级叶片的震颤频率和叶片温度,获取所述低压缸的缸壁温度的步骤之前,包括:
当检测到模型创建信息时,获取所述模型创建信息中包含的样本数据,和所述样本数据对应的风险指数;
将所述样本数据向量化,得到的样本向量,生成与所述风险指数关联的样本矩阵,其中,所述样本矩阵包含所述样本向量;
在预设二维坐标系内绘制所述样本矩阵中包含的所有样本向量,生成与所述风险指数关联的样本曲线。
可选地,所述将所述震颤频率和所述叶片温度输入到预设叶片风险评估模型中,获得所述预设叶片风险评估模型输出的叶片风险指数的步骤包括:
查询预设叶片风险评估模型对应的风险指数,将所述震颤频率和所述叶片温度输入至所述预设叶片风险评估模型;
将所述震颤频率和所述叶片温度向量化,得到目标向量,在所述预设二维坐标系内绘制所述目标向量;
从所述样本曲线中筛选出与所述目标向量距离最近的目标样本曲线,将所述目标样本曲线关联的目标风险指数作为叶片风险指数。
可选地,所述根据所述缸壁温度,确定所述低压缸的汽缸风险指数的步骤包括:
获取预设汽缸风险评估模型对应的分类结果,并将所述缸壁温度输入到所述预设汽缸风险评估模型中;
获取所述预设汽缸风险评估模型输出的置信值集合,其中,所述置信值集合中的置信值与所述分类结果一一对应;
提取所述置信值集合中数值最大的目标置信值,并将所述目标置信值对应的目标分类结果作为汽缸风险指数。
此外,为实现上述目的,本发明还提供一种低压缸切缸风险评估装置,所述低压缸切缸风险评估装置包括:
获取模块,用于当检测到所述低压缸处于切缸运行状态时,获取所述多级叶片的震颤频率和叶片温度,获取所述低压缸的缸壁温度;
模型输入模块,用于将所述震颤频率和所述叶片温度输入到预设叶片风险评估模型中,获得所述预设叶片风险评估模型输出的叶片风险指数;
确定模块,用于根据所述缸壁温度,确定所述低压缸的汽缸风险指数;
输出模块,用于根据所述缸壁温度、所述叶片风险指数和所述汽缸风险指数,计算切缸风险评估值,并输出包含所述切缸风险评估值的切缸风险评估结果。
此外,为实现上述目的,本发明还提供一种低压缸切缸风险评估设备,所述低压缸切缸风险评估设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的低压缸切缸风险评估程序,所述低压缸切缸风险评估程序被所述处理器执行时实现如上述的低压缸切缸风险评估方法的步骤。
此外,为实现上述目的,本发明还提供一种可读存储介质,所述可读存储介质上存储有低压缸切缸风险评估程序,所述低压缸切缸风险评估程序被处理器执行时实现如上述的低压缸切缸风险评估方法的步骤。
本发明实施例提出的一种低压缸切缸风险评估方法、装置、设备及可读存储介质。本发明实施例中当低压缸切缸风险评估程序检测到汽轮机低压缸处于切缸运行状态时,便会获取多级叶片的震颤频率,叶片温度和低压缸的缸壁温度,然后,将获取到的震颤频率和叶片温度输入到预设叶片风险评估模型中,进而接收预设叶片风险评估模型输出的叶片风险指数,紧接着又根据缸壁温度与汽缸风险指数的对应关系,确定低压缸的汽缸风险指数,最终,根据缸壁温度、叶片风险指数和汽缸风险指数,计算出切缸风险评估值,低压缸切缸风险评估程序最终输出包含切缸风险评估值的切缸风险评估结果。
附图说明
图1为本发明实施例提供的低压缸切缸风险评估设备一种实施方式的硬件结构示意图;
图2为本发明低压缸切缸风险评估方法第一实施例的流程示意图;
图3为本发明低压缸切缸风险评估方法第二实施例的流程示意图;
图4为本发明低压缸切缸风险评估方法第三实施例的流程示意图;
图5为本发明低压缸切缸风险评估装置一实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
在后续的描述中,使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明,其本身没有特定的意义。因此,“模块”、“部件”或“单元”可以混合地使用。
本发明实施例低压缸切缸风险评估终端(又叫终端、设备或者终端设备)可以是PC,也可以是智能手机、平板电脑和便携计算机等具有显示功能的可移动式终端设备。
如图1所示,该终端可以包括:处理器1001,例如CPU,网络接口1004,用户接口1003,存储器1005,通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
可选地,终端还可以包括摄像头、RF(Radio Frequency,射频)电路,传感器、音频电路、WiFi模块等等。其中,传感器比如光传感器、运动传感器以及其他传感器。具体地,光传感器可包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示屏的亮度,接近传感器可在移动终端移动到耳边时,关闭显示屏和/或背光。作为运动传感器的一种,重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别移动终端姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等;当然,移动终端还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。
本领域技术人员可以理解,图1中示出的终端结构并不构成对终端的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及低压缸切缸风险评估程序。
在图1所示的终端中,网络接口1004主要用于连接后台服务器,与后台服务器进行数据通信;用户接口1003主要用于连接客户端(用户端),与客户端进行数据通信;而处理器1001可以用于调用存储器1005中存储的低压缸切缸风险评估程序,所述低压缸切缸风险评估程序被处理器执行时实现下述实施例提供的低压缸切缸风险评估方法中的操作。
基于上述设备硬件结构,提出了本发明低压缸切缸风险评估方法的实施例。
参照图2,在本发明低压缸切缸风险评估方法的第一实施例中,所述低压缸切缸风险评估方法包括:
步骤S10,当检测到所述低压缸处于切缸运行状态时,获取所述多级叶片的震颤频率和叶片温度,获取所述低压缸的缸壁温度。
本实施例中低压缸切缸风险评估方法应用于低压缸切缸风险评估装置,其中,低压缸切缸风险评估装置包括振动频率检测仪,温度传感器和湿度传感器等信息采集单元,还包括计算机和服务器等数据处理设备,这些设备被用于汽轮机,以通过获取汽轮机处于切缸运行状态时,汽轮机各个部位运行时的各种数据,来评估汽轮机运行的风险。
具体地,本实施例中的低压缸处于切缸运行状态是指,汽轮机的低压缸开始进行切缸运行,切缸是汽轮机的现有技术,本实施例不再详述,当低压缸切缸风险评估检测到汽轮机的低压缸进行切缸操作时,便通过振动频率检测仪器获取汽轮机中多级叶片的震颤频率,又通过温度传感器获取多级叶片的叶片温度和低压缸的缸壁温度,可知地,低压缸在切缸状态下运行时,多级叶片处于低负荷且汽流波动大的环境下,容易发生异步强迫振动,当叶片处于颤振状态运行,叶片发生疲劳断裂的概率将大大增加,为汽轮机运行带来附加风险;低压缸在切缸状态下运行时,多级叶片处于做负功状态,鼓风发热严重,超过叶片的许用温度会损坏叶片,另外排汽温度超过排汽装置或凝汽器的许用值还会对多级叶片造成损坏;低压缸在切缸状态下运行时,低压缸内的温度很高,虽然低压缸的缸壁材料是耐高温和高压的材料,但长时间处于高温的环境下,也会对低压缸造成一定的损伤,且现有的汽轮机低压缸内都设置有降温装置,当低压缸内温度达到一定值时,降温装置便会启动,然后进行洒水降温,因此获取多级叶片的震颤频率和叶片温度,获取低压缸缸壁温度的目的是,用于评估低压缸切缸运行时的风险。
步骤S20,将所述震颤频率和所述叶片温度输入到预设叶片风险评估模型中,获得所述预设叶片风险评估模型输出的叶片风险指数。
可知地,本实施例中低压缸切缸风险评估程序内预设有叶片风险评估模型(即本实施例中的预设叶片风险评估模型),该模型是预先创建好的,建模的过程后续实施例会具体叙述,由于不同的震颤频率和温度的组合给多级叶片带来的风险不同,所以将不同的震颤频率和叶片温度输入到预设叶片风险评估模型中,得到的预设叶片风险评估模型输出的值(即本实施例中的叶片风险指数)也是不同的。
步骤S30,根据所述缸壁温度,确定所述低压缸的汽缸风险指数。
可知地,本实施例中的缸壁温度是指,汽轮机低压缸内的缸壁内部的温度,由于存在热传递,汽轮机内部的温度不等于缸壁的温度,在不同的温度环境下,低压缸缸壁的风险程度不同,由于低压缸的缸壁材料具有一定的抗高温特性,因此,在低压缸缸壁的温度低于某个温度值(例如200摄氏度)时,低压缸缸壁的风险几乎为零,但任何材料都具有耐热极限,因此,当低压缸缸壁的温度高于某个值(例如500摄氏度)时,低压缸缸壁的风险又很高,所以可以理解的是,低压缸缸壁的温度与低压缸的风险程度具有一定的关系,而低压缸的风险程度可以用低压缸的汽缸风险指数来表示,本实施例中的低压缸切缸风险评估程序能够实现,根据不同的缸壁温度确定不同的风险指数与之对应,指数越高,风险程度越大。
步骤S40,根据所述缸壁温度、所述叶片风险指数和所述汽缸风险指数,计算切缸风险评估值,并输出包含所述切缸风险评估值的切缸风险评估结果。
可知地,获取到叶片风险指数和汽缸风险指数后,低压缸切缸风险评估程序还将综合缸壁温度、叶片风险指数和汽缸风险指数,给出汽轮机处于低压缸切缸运行状态时的综合风险评估结果,本实施例中这个综合评估结果以切缸风险评估值的形式表示,可以理解的是,切缸风险评估值越大,表示汽轮机处于低压缸切缸运行状态时的风险程度更高,具体地,由于叶片风险与气缸风险给汽轮机带来的风险程度不同,这种差异可能取决于损坏给汽轮机所带来的的危害程度不同,可知地,相较于低压缸的损坏,多级叶片的损坏所带来的叶片更换相对简单,且更换成本低,因此,可以通过设置权值的方式对叶片风险指数和汽缸风险指数进行差异计算,以综合求得切缸风险评估值,并输出包含切缸风险评估值的切缸风险评估结果,切缸风险评估结果还可以包括风险可能导致的后果以及损坏估计信息。
具体地,步骤S10细化的步骤包括:
步骤a1,当检测到所述低压缸处于切缸运行状态时,根据低压缸缸壁的组成材质,确定所述低压缸缸壁的导热系数。
步骤a2,获取所述低压缸的缸内温度,并根据所述导热系数和所述缸内温度,计算所述低压缸的缸壁温度。
可知地,当低压缸处于切缸运行状态时,低压缸内会产生大量的热量,这些热会通过热传导使低压缸缸壁也达到高温状态,由于不同材料的导热效果不同,低压缸内的温度与缸壁的温度是不同的,当温度传感器获取到低压缸的缸内温度时,还要进一步通过热阻的计算公式R=(T2-T1)/P,来计算缸壁的温度,其中,R为热阻参数,T1为物体一端的温度,T2为物体另一端的温度,P为发热源的功率,可以理解的是,这里的热阻参数与受热材料有关,即本实施例中的导热系数,不同的受热材料具有不同的热阻参数,发热源的功率可以通过获取低压缸内的温度来确定,T1可以等于缸壁的表面温度,即低压缸内的温度,T2便等于缸壁内的温度,也就是缸壁材料的实际受热温度,可知地,可以通过查询缸壁的组成材料,来确定缸壁的导热系数,然后将这些数据代入到上述公式中,以求得T2,即低压缸的缸壁温度。
具体地,步骤S40细化的步骤包括:
步骤b1,获取预设汽缸风险评估模型对应的分类结果,并将所述缸壁温度输入到所述预设汽缸风险评估模型中。
步骤b2,获取所述预设汽缸风险评估模型输出的置信值集合,其中,所述置信值集合中的置信值与所述分类结果一一对应。
步骤b3,提取所述置信值集合中数值最大的目标置信值,并将所述目标置信值对应的目标分类结果作为汽缸风险指数。
可知地,缸切缸风险评估程序内还包含预设汽缸风险评估模型,其中,预设汽缸风险评估模型是一种分类模型,可以理解的是,分类模型在预先创建时,便配置好了分类结果,且分类结果一般存在多个,分类模型的作用是将输入分类模型的信息进行准确分类,分类模型常见的应用场景包括图片识别和语音识别等,在分类模型创建时,需要对大量的样本数据进行训练,以寻找这些样本数据之间的联系,并利用这些联系将样本数据进行分类,本实施例中预设汽缸风险评估模型对应的分类结果实质上就是风险指数,例如,若事先确定风险指数为100个等级,即风险指数为0时,表示不存在风险,风险指数为100时,表示一定会出现风险,将这100个风险指数作为分类结果,当缸壁温度输入到预设汽缸风险评估模型中后,预设汽缸风险评估模型会输出一个置信值集合,其中,置信值集合中包括一定数量(与预设汽缸风险评估模型的分类结果的数量相等)的概率值,每个分类结果对应的概率值表示,缸壁温度与该分类结果匹配的概率,也就是说这个缸壁温度
在本实施例中当低压缸切缸风险评估程序检测到汽轮机低压缸处于切缸运行状态时,便会获取多级叶片的震颤频率,叶片温度和低压缸的缸壁温度,然后,将获取到的震颤频率和叶片温度输入到预设叶片风险评估模型中,进而接收预设叶片风险评估模型输出的叶片风险指数,紧接着又根据缸壁温度与汽缸风险指数的对应关系,确定低压缸的汽缸风险指数,最终,根据缸壁温度、叶片风险指数和汽缸风险指数,计算出切缸风险评估值,低压缸切缸风险评估程序最终输出包含切缸风险评估值的切缸风险评估结果。
进一步地,参照图3,在本发明上述实施例的基础上,提出了本发明低压缸切缸风险评估方法的第二实施例。
本实施例是第一实施例中步骤S40细化的步骤,本实施例与本发明上述实施例的区别在于:
步骤S41,若所述缸壁温度小于预设阈值,则根据所述叶片风险指数和所述汽缸风险指数,计算切缸风险评估值,并输出包含所述切缸风险评估值的切缸风险评估结果。
步骤S42,若所述缸壁温度大于或等于所述预设阈值,则启动所述低压缸内的降温装置,以使所述降温装置执行洒水操作。
步骤S43,获取所述降温装置执行洒水操作后所述低压缸内的空气湿度,并根据所述空气湿度,计算低压缸缸壁的腐蚀风险指数。
步骤S44,输出包含所述叶片风险指数,所述汽缸风险指数和所述腐蚀风险指数的切缸风险评估结果。
根据缸壁温度与低压缸风险指数之间的对应关系可知,在一定温度范围内,缸壁温度与汽缸风险指数是呈正相关的关系,即,缸壁温度越高,低压缸的汽缸风险指数越大,但若是超出这个温度范围,则缸壁温度与汽缸风险指数的关系便不是正相关了,根据上述内容,可以理解的是,这个温度范围的最小值大于零,小于某个温度值(即本实施例中的预设阈值),可知地,若缸壁温度小于预设阈值,则表示缸壁温度与汽缸风险指数之间还可以用正相关关系来表示,这种情况下,低压缸切缸风险评估程序将执行“根据叶片风险指数和汽缸风险指数,计算切缸风险评估值,并输出包含切缸风险评估值的切缸风险评估结果。”的步骤,若缸壁温度大于或等于预设阈值,即,缸壁温度可能已经达到了一个很高的值,在这个温度下,低压汽缸发生风险的概率极高,这种情况下,低压缸切缸风险评估程序将启动低压缸内预设的降温装置,这个降温装置是汽轮机中常见的结构,可以通过洒水操作来降低低压缸的缸壁温度,但是这就意味着低压缸的内壁要与水接触,这就会带来一定的水蚀风险,可以理解的是,洒水操作后,由于缸壁温度过高,洒在缸壁上的水会变成水蒸气,然后增大低压缸内的湿度,可知地,低压缸内的湿度越大,缸壁被腐蚀的风险越大,因此,通过获取低压缸内的空气湿度,可以确定低压缸缸壁的腐蚀风险指数,最终,低压缸切缸风险评估程序将包含叶片风险指数,汽缸风险指数和腐蚀风险指数的切缸风险评估结果。
具体地,步骤S40细化的步骤,还包括:
步骤c1,获取所述多级叶片对应的预设叶片风险权值和所述低压缸对应的预设汽缸风险权值。
步骤c2,计算所述叶片风险指数与所述预设叶片风险权值的第一乘积,所述汽缸风险指数与所述预设汽缸风险权值的第二乘积。
步骤c3,将所述第一乘积与所述第二乘积的和值作为切缸风险评估值。
可知地,获取到叶片风险指数和汽缸风险指数后,低压缸切缸风险评估程序还可以综合叶片风险指数和汽缸风险指数,给出汽轮机处于低压缸切缸运行状态时的综合风险评估结果,本实施例中这个综合评估结果以切缸风险评估值的形式表示,可以理解的是,切缸风险评估值越大,表示汽轮机处于低压缸切缸运行状态时的风险程度更高,具体地,由于叶片风险与气缸风险给汽轮机带来的风险程度不同,这种差异可能取决于损坏给汽轮机所带来的的危害程度不同,可知地,相较于低压缸的损坏,多级叶片的损坏所带来的叶片更换相对简单,且更换成本低,因此,可以通过设置权值的方式对叶片风险指数和汽缸风险指数进行差异计算,具体地,叶片风险与气缸风险给汽轮机带来的风险程度,可以用预设叶片风险权值和预设汽缸风险权值来表示,本实施例中的第一乘积和第二乘积相加即是最终求得的切缸风险评估值,切缸风险评估结果还可以包括风险可能导致的后果以及损坏估计信息。
在本实施例中通过对低压缸缸壁温度的判断,使得切缸风险评估值的计算更加精确,也更加符合实际应用场景。
进一步地,参照图4,在本发明上述实施例的基础上,提出了本发明低压缸切缸风险评估方法的第三实施例。
本实施例是第一实施例中步骤S10之前的步骤,本实施例与本发明上述实施例的区别在于:
步骤S50,当检测到模型创建信息时,获取所述模型创建信息中包含的样本数据,和所述样本数据对应的风险指数。
步骤S60,将所述样本数据向量化,得到的样本向量,生成与所述风险指数关联的样本矩阵,其中,所述样本矩阵包含所述样本向量。
步骤S70,在预设二维坐标系内绘制所述样本矩阵中包含的所有样本向量,生成与所述风险指数关联的样本曲线。
可知地,在预设叶片风险评估模型创建时,模型创建者就已经确定好了对应的风险指数,这些风险指数具有一定的数量,例如,风险指数从1到100,这表明了风险指数具有一定的疏密性,可以理解的是,风险指数越多,可以表示的风险程度越具体,建模时还需要大量的样本数据,以建立更加精确的样本数据与风险指数的关系,具体地,低压缸切缸风险评估程序会将所有的样本数据向量化,并在二维坐标系内绘制出每个样本数据对应的向量,例如,若风险指数50对应有500对样本数据(即500个震颤频率值和500个叶片温度值),这些向量开始被存放在样本矩阵(为500行2列的矩阵)里,引出一个二维坐标系,将二维坐标系的横轴用震颤频率来表示,将二维坐标系的纵轴用叶片温度来表示,这样,风险指数50在二维坐标系内就对应了500个向量,然后将这些向量的头部用圆滑的线连接,就构成了一条曲线,即本实施例中的样本曲线,这条样本曲线与风险指数50相关联。
具体地,步骤S20细化的步骤,还包括:
步骤d1,查询预设叶片风险评估模型对应的风险指数,将所述震颤频率和所述叶片温度输入至所述预设叶片风险评估模型。
步骤d2,将所述震颤频率和所述叶片温度向量化,得到目标向量,在所述预设二维坐标系内绘制所述目标向量。
步骤d3,从所述样本曲线中筛选出与所述目标向量距离最近的目标样本曲线,将所述目标样本曲线关联的目标风险指数作为叶片风险指数。
预设叶片风险评估模型构建完成后,在应用阶段,当颤频率和叶片温度输入至预设叶片风险评估模型中后,颤频率和叶片温度将会被向量化,从而得到目标向量,并在二维坐标系(即本实施例中的预设二维坐标系)中绘制出目标向量,可知地,目标向量在预设二维坐标系中的绘制方法与上述内容相同,即,二维坐标系的横轴用震颤频率来表示,纵轴用叶片温度来表示,这样便得到了目标向量在预设二维坐标系中的表现,由上述内容可知,每个风险指数都对应一条样本曲线,将所有的样本曲线在预设二维坐标系内绘制出来,从这些样本曲线中选出一条距离目标向量的头部最近的曲线,其中,目标向量与样本曲线的距离,等于目标向量的头部在目标向量的延长方向上到样本曲线的距离,从这些样本曲线中选出一条上述距离最短的目标样本曲线,最终,将目标样本曲线关联的目标风险指数作为叶片风险指数。
在本实施例中给出了预设叶片风险评估模型对汽轮机风险的具体预测方法,使得对汽轮机风险的预测更加准确。
此外,参照图5,本发明实施例还提出一种低压缸切缸风险评估装置,所述低压缸切缸风险评估装置包括:
获取模块10,用于当检测到所述低压缸处于切缸运行状态时,获取所述多级叶片的震颤频率和叶片温度,获取所述低压缸的缸壁温度;
模型输入模块20,用于将所述震颤频率和所述叶片温度输入到预设叶片风险评估模型中,获得所述预设叶片风险评估模型输出的叶片风险指数;
确定模块30,用于根据所述缸壁温度,确定所述低压缸的汽缸风险指数;
输出模块40,用于根据所述缸壁温度、所述叶片风险指数和所述汽缸风险指数,计算切缸风险评估值,并输出包含所述切缸风险评估值的切缸风险评估结果。
可选地,所述获取模块10,包括:
导热系数确定单元,用于当检测到所述低压缸处于切缸运行状态时,根据低压缸缸壁的组成材质,确定所述低压缸缸壁的导热系数;
缸壁温度计算单元,用于获取所述低压缸的缸内温度,并根据所述导热系数和所述缸内温度,计算所述低压缸的缸壁温度。
可选地,所输出模块40,包括:
切缸风险评估值计算单元,用于若所述缸壁温度小于预设阈值,则根据所述叶片风险指数和所述汽缸风险指数,计算切缸风险评估值,并输出包含所述切缸风险评估值的切缸风险评估结果;
降温装置启动单元,用于若所述缸壁温度大于或等于所述预设阈值,则启动所述低压缸内的降温装置,以使所述降温装置执行洒水操作;
空气湿度获取单元,用于获取所述降温装置执行洒水操作后所述低压缸内的空气湿度,并根据所述空气湿度,计算低压缸缸壁的腐蚀风险指数;
切缸风险评估结果输出单元,用于输出包含所述叶片风险指数,所述汽缸风险指数和所述腐蚀风险指数的切缸风险评估结果。
可选地,所述输出模块40,,还包括:
预设风险权值获取单元,用于获取所述多级叶片对应的预设叶片风险权值和所述低压缸对应的预设汽缸风险权值;
乘积计算单元,用于计算所述叶片风险指数与所述预设叶片风险权值的第一乘积,所述汽缸风险指数与所述预设汽缸风险权值的第二乘积;
切缸风险评估值计算单元,用于将所述第一乘积与所述第二乘积的和值作为切缸风险评估值。
可选地,所述低压缸切缸风险评估装置,还包括:
创建信息检测模块,用于当检测到模型创建信息时,获取所述模型创建信息中包含的样本数据,和所述样本数据对应的风险指数;
样本矩阵生成模块,用于将所述样本数据向量化,得到的样本向量,生成与所述风险指数关联的样本矩阵,其中,所述样本矩阵包含所述样本向量;
样本曲线生成模块,用于在预设二维坐标系内绘制所述样本矩阵中包含的所有样本向量,生成与所述风险指数关联的样本曲线。
可选地,所述模型输入模块20,包括:
模型输入单元,用于查询预设叶片风险评估模型对应的风险指数,将所述震颤频率和所述叶片温度输入至所述预设叶片风险评估模型;
目标向量绘制单元,用于将所述震颤频率和所述叶片温度向量化,得到目标向量,在所述预设二维坐标系内绘制所述目标向量;
筛选单元,用于从所述样本曲线中筛选出与所述目标向量距离最近的目标样本曲线,将所述目标样本曲线关联的目标风险指数作为叶片风险指数。
可选地,所述确定模块30,包括:
分类结果获取单元,用于获取预设汽缸风险评估模型对应的分类结果,并将所述缸壁温度输入到所述预设汽缸风险评估模型中;
置信值集合输出单元,用于获取所述预设汽缸风险评估模型输出的置信值集合,其中,所述置信值集合中的置信值与所述分类结果一一对应;
目标置信值提取单元,用于提取所述置信值集合中数值最大的目标置信值,并将所述目标置信值对应的目标分类结果作为汽缸风险指数。
此外,本发明实施例还提出一种可读存储介质,所述可读存储介质上存储有低压缸切缸风险评估程序,所述低压缸切缸风险评估程序被处理器执行时实现上述实施例提供的低压缸切缸风险评估方法中的操作。
上述各程序模块所执行的方法可参照本发明方法各个实施例,此处不再赘述。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体/操作/对象与另一个实体/操作/对象区分开来,而不一定要求或者暗示这些实体/操作/对象之间存在任何这种实际的关系或者顺序;术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
对于装置实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的。可以根据实际的需要选择中的部分或者全部模块来实现本发明方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的低压缸切缸风险评估方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种低压缸切缸风险评估方法,其特征在于,所述低压缸切缸风险评估方法应用于汽轮机,所述汽轮机包括多级叶片和低压缸,所述低压缸切缸风险评估方法包括以下步骤:
当检测到所述低压缸处于切缸运行状态时,获取所述多级叶片的震颤频率和叶片温度,获取所述低压缸的缸壁温度;
将所述震颤频率和所述叶片温度输入到预设叶片风险评估模型中,获得所述预设叶片风险评估模型输出的叶片风险指数;
根据所述缸壁温度,确定所述低压缸的汽缸风险指数;
根据所述缸壁温度、所述叶片风险指数和所述汽缸风险指数,计算切缸风险评估值,并输出包含所述切缸风险评估值的切缸风险评估结果。
2.如权利要求1所述的低压缸切缸风险评估方法,其特征在于,所述当检测到所述低压缸处于切缸运行状态时,获取所述低压缸的缸壁温度的步骤包括:
当检测到所述低压缸处于切缸运行状态时,根据低压缸缸壁的组成材质,确定所述低压缸缸壁的导热系数;
获取所述低压缸的缸内温度,并根据所述导热系数和所述缸内温度,计算所述低压缸的缸壁温度。
3.如权利要求1所述的低压缸切缸风险评估方法,其特征在于,所述根据所述缸壁温度、所述叶片风险指数和所述汽缸风险指数,计算切缸风险评估值,并输出包含所述切缸风险评估值的切缸风险评估结果的步骤包括:
若所述缸壁温度小于预设阈值,则根据所述叶片风险指数和所述汽缸风险指数,计算切缸风险评估值,并输出包含所述切缸风险评估值的切缸风险评估结果;
若所述缸壁温度大于或等于所述预设阈值,则启动所述低压缸内的降温装置,以使所述降温装置执行洒水操作;
获取所述降温装置执行洒水操作后所述低压缸内的空气湿度,并根据所述空气湿度,计算低压缸缸壁的腐蚀风险指数;
输出包含所述叶片风险指数,所述汽缸风险指数和所述腐蚀风险指数的切缸风险评估结果。
4.如权利要求3所述的低压缸切缸风险评估方法,其特征在于,所述根据所述叶片风险指数和所述汽缸风险指数,计算切缸风险评估值,并输出包含所述切缸风险评估值的切缸风险评估结果的步骤包括:
获取所述多级叶片对应的预设叶片风险权值和所述低压缸对应的预设汽缸风险权值;
计算所述叶片风险指数与所述预设叶片风险权值的第一乘积,所述汽缸风险指数与所述预设汽缸风险权值的第二乘积;
将所述第一乘积与所述第二乘积的和值作为切缸风险评估值。
5.如权利要求1所述的低压缸切缸风险评估方法,其特征在于,所述当检测到所述低压缸处于切缸运行状态时,获取所述多级叶片的震颤频率和叶片温度,获取所述低压缸的缸壁温度的步骤之前,包括:
当检测到模型创建信息时,获取所述模型创建信息中包含的样本数据,和所述样本数据对应的风险指数;
将所述样本数据向量化,得到的样本向量,生成与所述风险指数关联的样本矩阵,其中,所述样本矩阵包含所述样本向量;
在预设二维坐标系内绘制所述样本矩阵中包含的所有样本向量,生成与所述风险指数关联的样本曲线。
6.如权利要求1-5所述的低压缸切缸风险评估方法,其特征在于,所述将所述震颤频率和所述叶片温度输入到预设叶片风险评估模型中,获得所述预设叶片风险评估模型输出的叶片风险指数的步骤包括:
查询预设叶片风险评估模型对应的风险指数,将所述震颤频率和所述叶片温度输入至所述预设叶片风险评估模型;
将所述震颤频率和所述叶片温度向量化,得到目标向量,在所述预设二维坐标系内绘制所述目标向量;
从所述样本曲线中筛选出与所述目标向量距离最近的目标样本曲线,将所述目标样本曲线关联的目标风险指数作为叶片风险指数。
7.如权利要求1所述的低压缸切缸风险评估方法,其特征在于,所述根据所述缸壁温度,确定所述低压缸的汽缸风险指数的步骤包括:
获取预设汽缸风险评估模型对应的分类结果,并将所述缸壁温度输入到所述预设汽缸风险评估模型中;
获取所述预设汽缸风险评估模型输出的置信值集合,其中,所述置信值集合中的置信值与所述分类结果一一对应;
提取所述置信值集合中数值最大的目标置信值,并将所述目标置信值对应的目标分类结果作为汽缸风险指数。
8.一种低压缸切缸风险评估装置,其特征在于,所述低压缸切缸风险评估装置包括:
获取模块,用于当检测到所述低压缸处于切缸运行状态时,获取所述多级叶片的震颤频率和叶片温度,获取所述低压缸的缸壁温度;
模型输入模块,用于将所述震颤频率和所述叶片温度输入到预设叶片风险评估模型中,获得所述预设叶片风险评估模型输出的叶片风险指数;
确定模块,用于根据所述缸壁温度,确定所述低压缸的汽缸风险指数;
输出模块,用于根据所述缸壁温度、所述叶片风险指数和所述汽缸风险指数,计算切缸风险评估值,并输出包含所述切缸风险评估值的切缸风险评估结果。
9.一种低压缸切缸风险评估设备,其特征在于,所述低压缸切缸风险评估设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的低压缸切缸风险评估程序,所述低压缸切缸风险评估程序被所述处理器执行时实现如权利要求1至7中任一项所述的低压缸切缸风险评估方法的步骤。
10.一种可读存储介质,其特征在于,所述可读存储介质上存储有低压缸切缸风险评估程序,所述低压缸切缸风险评估程序被处理器执行时实现如权利要求1至7中任一项所述的低压缸切缸风险评估方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010944224.3A CN112036660B (zh) | 2020-09-09 | 2020-09-09 | 低压缸切缸风险评估方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010944224.3A CN112036660B (zh) | 2020-09-09 | 2020-09-09 | 低压缸切缸风险评估方法、装置、设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112036660A true CN112036660A (zh) | 2020-12-04 |
CN112036660B CN112036660B (zh) | 2024-02-20 |
Family
ID=73585000
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010944224.3A Active CN112036660B (zh) | 2020-09-09 | 2020-09-09 | 低压缸切缸风险评估方法、装置、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112036660B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113049284A (zh) * | 2021-03-26 | 2021-06-29 | 西安西热节能技术有限公司 | 一种适用于湿冷300mw机组的低压缸零出力安全监测评估方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109944646A (zh) * | 2019-04-04 | 2019-06-28 | 哈尔滨汽轮机厂有限责任公司 | 火电汽轮机组低压缸零功率改造中叶片风险的规避方法 |
WO2020019531A1 (zh) * | 2018-07-26 | 2020-01-30 | 哈尔滨汽轮机厂有限责任公司 | 汽轮机叶片裂纹评估系统及汽轮机叶片裂纹预警方法 |
CN110821587A (zh) * | 2019-11-22 | 2020-02-21 | 润电能源科学技术有限公司 | 一种切缸方法、装置及设备 |
-
2020
- 2020-09-09 CN CN202010944224.3A patent/CN112036660B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020019531A1 (zh) * | 2018-07-26 | 2020-01-30 | 哈尔滨汽轮机厂有限责任公司 | 汽轮机叶片裂纹评估系统及汽轮机叶片裂纹预警方法 |
CN109944646A (zh) * | 2019-04-04 | 2019-06-28 | 哈尔滨汽轮机厂有限责任公司 | 火电汽轮机组低压缸零功率改造中叶片风险的规避方法 |
CN110821587A (zh) * | 2019-11-22 | 2020-02-21 | 润电能源科学技术有限公司 | 一种切缸方法、装置及设备 |
Non-Patent Citations (2)
Title |
---|
杨阳: "切除低压缸运行风险分析及应对策略探索", 《热力透平》, vol. 49, no. 02, pages 93 - 98 * |
高清林 等: "超临界600MW机组中压缸起动探析", 《热力发电》, vol. 39, no. 10, pages 10 - 13 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113049284A (zh) * | 2021-03-26 | 2021-06-29 | 西安西热节能技术有限公司 | 一种适用于湿冷300mw机组的低压缸零出力安全监测评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112036660B (zh) | 2024-02-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200175397A1 (en) | Method and device for training a topic classifier, and computer-readable storage medium | |
CN107688950B (zh) | 家电售后咨询方法、电子设备和计算机可读存储介质 | |
CN110426554B (zh) | 家用负荷电气特征提取方法、装置及计算机可读存储介质 | |
CN107562878B (zh) | 家电控制方法、电子设备和计算机可读存储介质 | |
CN113963457B (zh) | 巡检任务处理方法、装置、计算机设备和存储介质 | |
CN113344862B (zh) | 缺陷检测方法、装置、电子设备及存储介质 | |
CN113780098A (zh) | 文字识别方法、装置、电子设备以及存储介质 | |
CN112036660A (zh) | 低压缸切缸风险评估方法、装置、设备及可读存储介质 | |
CN116402828B (zh) | 一种基于显著图的电池片缺陷检测方法及系统 | |
CN117134958A (zh) | 用于网络技术服务的信息处理方法及系统 | |
US10845792B2 (en) | Failure diagnosis apparatus, monitoring apparatus, failure diagnosis method and recording medium | |
CN115589339A (zh) | 网络攻击类型识别方法、装置、设备以及存储介质 | |
CN106547807B (zh) | 数据分析方法与装置 | |
JP2019032688A (ja) | ソースコード解析装置、ソースコード解析方法及びソースコード解析プログラム | |
CN112801078A (zh) | 兴趣点poi的匹配方法、装置、电子设备及存储介质 | |
CN107330051B (zh) | 降噪数据库调用方法及装置 | |
JP6740912B2 (ja) | データ圧縮装置、データ圧縮プログラム、データ圧縮方法及びプログラム | |
CN106843472B (zh) | 手势识别方法和装置、虚拟现实设备、可编程设备 | |
CN111652431B (zh) | 风电场功率预测方法、装置、设备和存储介质 | |
CN114815939B (zh) | 一种微负压气膜实验室内环境质量可控可调的方法及系统 | |
CN114838699B (zh) | 一种输电塔的变形监测方法、装置、设备及存储介质 | |
CN117272833A (zh) | 数据处理方法、装置、设备、介质及产品 | |
US20230085102A1 (en) | Temperature Adjustment Device, Control Method Therefor, Control Apparatus Thereof, and Storage Medium | |
CN110188318B (zh) | 曲面积分的自动计算方法、设备、存储介质及装置 | |
CN111858982B (zh) | 图像搜索方法、装置及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |