CN113294771A - 一种基于机器学习的电站锅炉断面温度场测量装置及方法 - Google Patents
一种基于机器学习的电站锅炉断面温度场测量装置及方法 Download PDFInfo
- Publication number
- CN113294771A CN113294771A CN202110648682.7A CN202110648682A CN113294771A CN 113294771 A CN113294771 A CN 113294771A CN 202110648682 A CN202110648682 A CN 202110648682A CN 113294771 A CN113294771 A CN 113294771A
- Authority
- CN
- China
- Prior art keywords
- temperature field
- radiation intensity
- boiler
- measuring device
- spectral
- 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.)
- Pending
Links
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F22—STEAM GENERATION
- F22B—METHODS OF STEAM GENERATION; STEAM BOILERS
- F22B37/00—Component parts or details of steam boilers
- F22B37/02—Component parts or details of steam boilers applicable to more than one kind or type of steam boiler
- F22B37/38—Determining or indicating operating conditions in steam boilers, e.g. monitoring direction or rate of water flow through water tubes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Thermal Sciences (AREA)
- Mechanical Engineering (AREA)
- Radiation Pyrometers (AREA)
Abstract
一种基于机器学习的电站锅炉断面温度场测量装置及方法,装置壳体前端设有多孔板出风口、镜头、静电除尘环;壳体中设有静电发生器、多孔支撑架、镜杆、光学透镜、高光谱仪、单板电脑、无线网卡和电源;壳体上设有阻火板、冷却风进口、冷却风出口、手持把手;壳体后端设有电源开关、第一接口和无线网卡天线。测量方法为采集锅炉多处的燃烧状况高光谱图像,通过断面离散化分析得到温度场,并计算采集位置和对应辐射强度分布,建立数据库并通过神经网络训练,最终输入检测到的光谱辐射强度得出炉膛断面温度场分布。本装置结构简单,成本低,稳定性高,并且便于操作,通过该装置和方法能够实现锅炉燃烧诊断,能够较为准确地反映出锅炉内的燃烧状况。
Description
技术领域
本发明涉及锅炉检测技术领域,特别涉及一种基于机器学习的电站锅炉断面温度场测量装置及方法。
背景技术
为了实现我国经济社会的可持续发展和“碳中和”目标,今年来新能源发电量在电网中的占比越来越高,大量“阴晴不定”的新能源发电量并网给电网带来很大的调峰压力,此时传统的燃煤电站机组可以通过参与深度调峰的方式,起到电力供应稳定器和压舱石的作用,因此需要对燃煤电站锅炉工况进行适时的调整。锅炉炉膛温度分布是反应锅炉燃烧状况的重要参数,也是能够直接反应电站锅炉的燃烧状况。但是准确测量炉膛温度分布才能有效判断锅炉燃烧状况。
目前对于电站锅炉温度检测的方法有很多,大致可以分为两类:接触式和非接触式。接触式测温方法应用最广泛的是物理探针的方法,如热电偶和气体采样探针。接触式测温方法的感温元件直接置于被测温度场内,测量结果不受被测物体的灰度、热物性等参数的影响,可以直接求得被测物体的真实温度,具有测温精度高、使用方便等优点。但是对于火焰这种具有瞬态脉动特性的被测对象,接触式测温方法很难测量出火焰的真正的温度场分布。主要是接触式的测温元件会影响原温度场、直接测得的只是某个局部位置的温度信号,如果要得到整个燃烧温度场,必须在燃烧空间内合理布局大量测温元件,这势必会加重对原温度场的影响。同时,考虑到测温元件的材料耐热性、测量过程中的热平衡,接触式测温法的检测时间短、反应速度慢。
因为接触式测温的弊端,近年来出现了许多非接触式测温方法,如声波法和激光法。非接触式测温法由于不与被测对象接触,不会影响被测温度场,同时由于感温元件传热惯性小,因此可用于测量快速变化及不稳定热力过程的温度。但是由于激光测温法对于测量环境有着严格的要求,工作时通常需要在炉壁上开设光学窗口,且,窗口经常由于局部污染造成透过率不均匀性减弱导致温度检测困难,此外,激光器价格昂贵、一般只能由于实验室简单小尺度火焰的研究,很难应由于工业级大尺度火焰的监测。对于声波测温法,要想获得较精确的测量结果,必须尽量获得较多的声波飞行时间测量数据,但在锅炉四周安装过多的声波发生器、接收器,不但会降低锅炉的强度、提高成本,而且直接影响到炉膛温度场的重建速度。此外,声波法易受强噪声的干扰,当电站锅炉进行的吹灰等正常的保养工作时,声波法便无法正常使用。综上所述,采用常用的热电偶、激光法和声学法等都难以实现炉内温度场的可视化。
发明内容
本发明旨在至少在一定程度上解决上述技术中的技术问题,提出了一种基于机器学习的电站锅炉断面温度场测量装置及方法,该装置结构简单,成本低,稳定性高,并且便于操作,通过该装置和方法能够实现电站锅炉燃烧诊断,能够较为准确地反映出锅炉内的燃烧状况
一种基于机器学习的电站锅炉断面温度场测量装置,包括壳体,该壳体包括前置腔和后置腔,其中:
前置腔的前端设置有多孔板出风口、镜头和静电除尘环;前置腔内设置有与静电除尘环连接的静电发生器;前置腔内由前至后设置有多个多孔支撑架和由多孔支撑架支撑设置并贯穿前置腔的镜杆;镜杆前端与镜头连接,后端与高光谱仪相连;镜杆内由前至后设置有多个光学透镜;
后置腔设置有高光谱仪、单板电脑、无线网卡和电源;
壳体上,在前置腔之外设置有阻火板、冷却风进口、冷却风出口和手持把手,在后置腔后端设置有电源开关、第一接口和无线网卡天线。
进一步地,通入锅炉内的压缩空气通过冷却风进口进入测量装置,此后,冷却风分成两路,一路通过冷却风出口流出,另一路通过多孔板出风口流出。
进一步地,通过多孔板出风口的冷却风进行镜头的冷却和灰渣清除。
进一步地,静电发生器自带电源,产生静电并通过电线传导至静电除尘环上,吸附镜头附近的灰渣。
进一步地,所述静电除尘环为中间带有橡胶垫的铜环,分为正负两级,正负两极分别通过电线与静电发生器相连;所述静电除尘环与外壳之间有橡胶绝缘隔绝。
进一步地,测量装置内的电源通过电源开关与高光谱仪、单板电脑相连进行供电。
进一步地,第一接口通过数据线与单板电脑相连,进行数据传输无线网卡天线通过数据线与无线网卡连接,进行信号增强和数据传输速度提高。
一种基于机器学习的电站锅炉断面温度场测量方法,包括如下步骤:
S1,选取电站锅炉同一高度的六个不同位置的观火孔,同时采集电站锅炉六个位置的燃烧状况的高光谱图像,并将图像传输至电脑;
S2,所述电脑根据采集的所述高光谱图像分析得到燃烧火焰的光谱辐射强度信息;
S3,将所述电站锅炉的断面温度场划分为横向40个,纵向40个,总共1600个离散单元;由所述高光谱仪的像素数目、水平视场角,根据高光谱仪成像原理计算出火焰的光谱辐射路径在单个离散单元内经过的距离,进一步获得采集到的有效光谱强度,得到电站锅炉断面温度场;
S4,利用Fluent中的燃烧模型模拟炉内煤粉的燃烧过程,获取炉膛横截面的温度、吸收系数和散射系数分布;
S5,对于模拟得到的炉膛横截面的温度、吸收系数和散射系数分布,将其离散为横向40个,纵向40个,总共1600个离散单元。则可以由辐射传递过程,求出每个离散单元的火焰的光谱辐射强度。将火焰的光谱辐射经过的离散单元的火焰光谱辐射强度相加,得高光谱仪在单一火焰光谱辐射路径所测得的火焰光谱强度,对于每一条火焰光谱辐射都重复上述过程,即可计算得到高光谱采集位置和方向上的火焰光谱辐射强度分布。
S6,改变Fluent燃烧模型中的参数,重复过程S4和S5,模拟出不同工况下光谱采集位置和方向上的光谱辐射强度分布,并建立为大样本数据库;
S7,建立多层感知机神经网络,利用S4模拟出的温度温度、吸收系数、散射系数分布和S6计算出的光谱采集位置和方向上的光谱辐射强度分布训练多层感知机神经网络;建立高光谱采集位置和方向上的光谱辐射强度分布与温度、吸收系数和散射系数之间的对应关系;
S8,利用高光谱检测到的光谱辐射强度,带入S7建立的多层感知机神经网络中,得出炉膛断面温度场分布。
进一步地,步骤S3中,通过投影路径基于参数表示高光谱仪测得的光谱辐射强度,参数包括局部光谱吸收系数、黑体辐射强度和温度;
将电站锅炉离散为数个离散单元,并将离散单元按列编号,将左上第一个离散单元编号为1,右下离散单元编号为1600,每一个离散单元都有单独的局部光谱吸收系数、黑体辐射强度,即测得的光谱辐射强度视为投影路径上离散单元内的辐射强度的累积,通过反演计算得到单个离散单元的黑体辐射强度和局部光谱吸收系数,由单个离散单元的黑体辐射强度,根据普朗克定律得出单个离散单元的温度,进而重建出整个炉膛横截面的温度分布;
建立平面直角坐标系,基于火焰辐射路径与X轴的夹角计算出该路径经过的离散单元的坐标及每经过一个离散单元所经过的距离,并基于离散单元大小对得到的坐标进行取舍和取整,得到坐标和距离对应关系矩阵;
基于矩阵计算得到火焰辐射路径在任一离散单元中经过的距离,由测量装置测得的光谱强度通过反演计算得出任一离散单元的黑体辐射强度,由任一离散单元的黑体辐射强度可得出单一离散单元的温度,即得到电站锅炉断面温度场。
本发明达到的有益效果为:本发明的装置结构简单,成本低,稳定性高,并且便于操作,通过该装置和方法能够实现锅炉燃烧诊断,能够较为准确地反映出锅炉内的燃烧状况;测量装置通过无线通讯可由外部如笔记本电脑的终端进行控制和数据处理,实现了远程无线便携式地操作控制,简单方便。通过本发明对炉膛内部温度场的检测结果,能够对锅炉燃烧调节起到准确有效的指导作用,减小锅炉各燃烧区域的温度偏差,使锅炉能够及时恢复平稳运行,从而提高锅炉效率,减小污染物的排放,起到节约资源、保护环境的作用。
附图说明
图1为本发明实施例中的无线便携式电站锅炉断面温度场测量装置的结构示意图.
图2为本发明实施例中的电站锅炉断面温度场测量系统的结构示意图。
图3为本发明实施例中的电站锅炉断面温度场测量方法的流程图。
图4为本发明实施例中的电站锅炉断面离散单元划分。
图5为本发明实施例中的电站锅炉断面离散单元坐标系划分。
图6为本发明实施例中的多层感知机神经网络示意图。
图中,1-壳体;2-高光谱仪;3-单板电脑;4-无线网卡;5-电源;6-多孔板出风口;7-镜头;8-静电除尘环;9-静电发生器;10-多孔板支撑架;11-镜杆;12-光学透镜;13-阻火板;14-冷却风进口;15-冷却风出口;16-手持把手;17-电源开关;18-第一接口;19-无线网卡天线;101-测量装置;102-空气压缩机;103-笔记本电脑;104-炉膛;105-炉壁;106-观火孔;107-导气管。
具体实施方式
下面结合说明书附图对本发明的技术方案做进一步的详细说明。
如图1所示,本发明实施例的无线便携式电站锅炉断面温度场测量装置,包括:壳体1、设置在壳体1内的SOC710VP型高光谱仪2、MIO-2263型研华嵌入式单板电脑3、TL-WDN6280 AC1300型无线网卡4和电源5。壳体1包括前置腔和后置腔。前置腔的前端设置有多孔板出风口6、镜头7和静电除尘环8。前置腔内设置有静电发生器9。前置腔内沿前置腔前端至后端设置有多个多孔支撑架10和贯穿前置腔的镜杆11。镜杆11前端与镜头7连接,后端与高光谱仪2相连。镜杆11内,沿镜杆11前端至后端设置有多个光学透镜12。
如图1所示,无线便携式电站锅炉断面温度场测量装置还包括套设在前置腔之外的阻火板13、冷却风进口14、冷却风出口15和手持把手16。设置在后置腔后端的电源开关17、第一接口18和无线网卡天线19。
在本发明的一个实施例中,为适应装置的整体结构和使用环境,镜头7为针孔镜头,电源5为锂电池。
基于上述无限便携式电站锅炉断面温度场测量装置的结构,通入锅炉内的压缩空气可通过冷却风进口14进入测量装置,此后,冷却风分成两路:一路通过冷却风出口15流出,另一路通过多孔板出风口6流出。通过多孔板出风口6的冷却风可起到冷却镜头7、清除镜头7上灰渣的作用。静电发生器9产生静电,通过电线传导至静电除尘环8上,可吸附镜头7附近的灰渣,防止灰渣吸附至镜头7,影响图像的采集。单板电脑3上安装的软件控制高光谱仪2采集电站锅炉燃烧状况的高光谱图像,并通过无线网卡19将图像信息传输至笔记本电脑。测量装置内的电源5通过电源开关17与高光谱仪2、单板电脑3相连,起到供电的作用。第一接口18通过数据线与单板电脑相连,起到充电、数据传输的作用。无线网卡天线19通过数据线与无线网卡4连接,起到增强信号,提高数据传输速度的作用。
上述电站锅炉断面温度场测量方法,如图2所示,锅炉炉膛104可包括位于前后左右同一高度的多个观火孔106,上述无限便携式电站锅炉断面温度场测量装置101可与便携式空气压缩机102、笔记本电脑103构成电站锅炉断面温度场测量系统。
如图3所示,上述电站锅炉断面温度场测量方法可包括以下步骤:
S1:以测量装置101前置腔的前端将测量装置101插入炉壁105上的观火孔106中以测量炉膛104,阻火板13可防止观火孔106喷出的高温气体或煤粉灼伤操作人员,测量装置101的冷却风进口14通过导气管107与空气压缩机102连接。
S2:通过高光谱仪2采集电站锅炉燃烧状况的高光谱图像,并通过无线网卡4传输至笔记本电脑103。
在开启便携式空气压缩机102、电站锅炉断面温度场测量装置101的电源开关、使用无线网卡4无线连接笔记本电脑103后,整个系统开始运行。通过单板电脑上CPU安装的软件控制高光谱仪2采集电站锅炉燃烧状况的高光谱图像信息。采集过程中可调整合适的积分时间,以便保证高光谱仪2采集到的光谱图像数据非饱和,并且具有高的信噪比。图像数据采集完成后,通过无线网卡4的无线传输功能把图像信息传输至笔记本电脑103,笔记本电脑103上的程序通过S3的算法进行数据处理。
S3:通过光谱分析,可以得出锅炉火焰的光谱辐射强度。根据光谱辐射强度计算得出温度场分布。
步骤S3中,对于高光谱仪2测得的光谱辐射强度用式(1)表示:
其中,λ代表高光谱仪测量时所用的波长,κ代表局部光谱吸收系数,Ib代表黑体辐射强度,Tl代表温度,l'代表投影路径,l0和lN分别代表投影路径的起点和终点。
电站锅炉的火焰温度场为不均匀温度场,将电站锅炉离散为0.5m×0.5m的离散单元,如图4所示,将离散单元按列编号,将左上第一个离散单元编号为1,右下离散单元标号为1600,每一个离散单元都有单独的黑体辐射强度、吸收系数;此时测得的光谱辐射强度视为投影路径上离散单元内的辐射强度的累积;对于单个离散单元的黑体辐射强度和局部光谱吸收系数分别用式(2)和式(3)表示:
式(2)中,λm表示测量装置测量时的波长,共有128个取值,Ibn(λm)表示使用波长λm测量时,单个离散单元的黑体辐射强度,C1、C2表示辐射常量,Tn表示单个离散单元的温度。
式(3)中,κn(λm)表示使用波长λm测量时单个离散单元的吸收系数,an、bn、cn为常数系数。
建立平面直角坐标系,计算投影路径在每一个离散单元内的长度,如图5所示,对于使用的高光谱仪2,每行有696个像素,每一个像素单独对应一条火焰辐射投影路径,假设有400个像素可以采集到有效的火焰图像,则一个高光谱仪有400条有效的火焰辐射投影路径,已知高光谱仪2水平方向的视场角为22.62°,则任一条火焰辐射路径与X轴正方向的夹角由式(4)表示:
其中,αi为正时,代表火焰辐射路径的X、Y值是一同增减的,反之,αi为负,代表火焰辐射路径的X、Y值是相反增减的。对于夹角为αi的火焰辐射路径,可由式(5)、(6)、(7)、(8)计算出该路径经过的离散单元的坐标及每经过一个离散单元所经过的距离:
Yi,j=y+(X′i,j-x)·tanαi (X′i,j=j=1,2,3···40) (5)
其中,(x,y)为测量装置101的坐标;(X′i,j,Yi.j)、(Xi,j,Y′i,j)为火焰辐射路径经过的离散单元的坐标;li,j、l′i,j为火焰辐射路径每经过一个坐标所行走的距离。
因为锅炉大小为40×40,对于计算得出的Yi,j、Xi,j需要取舍,并将坐标取整:
Qi,p=[Xi,j] (0≤Xi,j≤40) (9)
Q′i,p=[X′i,j] (0≤X′i,j≤40) (10)
Ri,p=[Yi,j] (0≤Yi,j≤40) (11)
R′i,p=[Y′i,j] (0≤Y′i,j≤40) (12)
其中,式(9)至式(12)中,p为常数,由于锅炉大小为40×40,需要对坐标取舍,故0≤p≤j。
将坐标、距离按照对应关系写成矩阵Di,并按照距离的大小排序,
Di=[d1,1 d1,2 d1,3]p×3(i=1,2,3···400) (13)
其中,对于矩阵Di,第一列为横坐标,第二列为纵坐标,第三列为距离。
则对于单个离散单元内的距离和与该距离对应的离散单元编号由式(14)、(15)计算得出:
然后通过式(15)表示夹角为αi的火焰辐射路径在任一离散单元中经过的距离:
其中,Ln,i表示夹角为αi的火焰辐射路径在任一离散单元中经过的距离,i代表夹角为αi,n代表离散单元编号,若没有经过离散单元,则为零。
综上,对于测量装置101上任一能够采集到有效火焰信息的像素所采集到的光谱强度用式(16)表示:
式中,Ii(λm)表示第i号像素在波长为λm时,采集到的有效光谱强度,Ln,i表示第i号像素在1600个离散单元中经过的距离。
则,对于任一Ibn(λm)、κn(λm)由式(17)解出:
由式(17)可计算得出Ibn(λm),则单一离散单元的温度可由式(18)计算得出:
其中,λm为测量装置101测量时的波长,Ibn(λm)为测量波长为λm时检测到的黑体辐射强度,由式(17)计算得到,C1、C2为辐射常量;至此,通过式(18)计算得到电站锅炉断面温度场。
由于单一测量装置的水平视场角有限,并不能采集到整个电站锅炉的燃烧图像,因此在本发明的测量方法中,同时使用六个测量装置从六个相同的高度、不同的位置同时采集电站锅炉的燃烧图像。
S4:在Fluent软件中,采用简单的火焰燃烧数值模型模拟生成电站锅炉炉膛横截面的温度、吸收系数和散射系数的分布。
S5:根据辐射传递过程,利用Fluent模拟得到的炉膛横截面的温度、吸收系数和散射系数分布计算出高光谱采集位置和方向上的光谱辐射强度分布。
S6:改变Fluent模拟工况,重复过程S4和S5,得出不同工况下高光谱采集位置和方向上的光谱辐射强度分布和不同工况下电站锅炉炉膛横截面的温度、吸收系数和散射系数分布。并按照不同工况建立光谱辐射强度分布对应横截面的温度、吸收系数、散射分布的大样本数据库。
S7:建立多层感知机神经网络,利用S6建立的大样本数据库训练多层感知神经网络,如图6所示。以不同工况下高光谱采集位置和方向上的光谱辐射强度分布作为训练时的输入层,以不同工况下电站锅炉炉膛横截面的温度、吸收系数和散射系数作为训练时的输出层。对多层感知机的神经网络结构和参数进行多次训练和调整后,最终得到神经网络结构输入层有三个神经元,分别为:电站锅炉炉膛横截面的温度、吸收系数和散射系数。输出层有一个神经元,为高光谱采集位置和方向上的光谱辐射强度。隐藏层有四层,每层神经元节点数分别为200、400、400和200,正则化参数α=0.01。
S8:利用高光谱仪检测得到的光谱辐射强度,带入S7建立的多层感知机神经网络中,得出电站锅炉炉膛断面温度场分布。
以上所述仅为本发明的较佳实施方式,本发明的保护范围并不以上述实施方式为限,但凡本领域普通技术人员根据本发明所揭示内容所作的等效修饰或变化,皆应纳入权利要求书中记载的保护范围内。
Claims (10)
1.一种基于机器学习的电站锅炉断面温度场测量装置,其特征在于:
所述装置包括壳体,该壳体包括前置腔和后置腔,其中:
前置腔的前端设置有多孔板出风口、镜头和静电除尘环;前置腔内设置有与静电除尘环连接的静电发生器;前置腔内由前至后设置有多个多孔支撑架和由多孔支撑架支撑设置并贯穿前置腔的镜杆;镜杆前端与镜头连接,后端与高光谱仪相连;镜杆内由前至后设置有多个光学透镜;
后置腔设置有高光谱仪、单板电脑、无线网卡和电源;
壳体上,在前置腔之外设置有阻火板、冷却风进口、冷却风出口和手持把手,在后置腔后端设置有电源开关、第一接口和无线网卡天线。
2.根据权利要求1所述的一种基于机器学习的电站锅炉断面温度场测量装置,其特征在于:通入锅炉内的压缩空气通过冷却风进口进入测量装置,此后,冷却风分成两路,一路通过冷却风出口流出,另一路通过多孔板出风口流出。
3.根据权利要求2所述的一种基于机器学习的电站锅炉断面温度场测量装置,其特征在于:通过多孔板出风口的冷却风进行镜头的冷却和灰渣清除。
4.根据权利要求1所述的一种基于机器学习的电站锅炉断面温度场测量装置,其特征在于:静电发生器自带电源,产生静电并通过电线传导至静电除尘环上,吸附镜头附近的灰渣。
5.根据权利要求1所述的一种基于机器学习的电站锅炉断面温度场测量装置,其特征在于:所述静电除尘环为中间带有橡胶垫的铜环,分为正负两级,正负两极分别通过电线与静电发生器相连;所述静电除尘环与外壳之间有橡胶绝缘隔绝。
6.根据权利要求1所述的一种基于机器学习的电站锅炉断面温度场测量装置,其特征在于:测量装置内的电源通过电源开关与高光谱仪、单板电脑相连进行供电。
7.根据权利要求1所述的一种基于机器学习的电站锅炉断面温度场测量装置,其特征在于:第一接口可通过数据线与单板电脑相连,进行数据传输。
8.根据权利要求1所述的一种基于机器学习的电站锅炉断面温度场测量装置,其特征在于:无线网卡天线通过数据线与无线网卡连接,进行信号增强和数据传输速度提高。
9.一种基于机器学习的电站锅炉断面温度场测量方法,其特征在于:所述方法包括如下步骤:
S1,选取电站锅炉同一高度的六个不同位置的观火孔,同时采集电站锅炉六个位置的燃烧状况的高光谱图像,并将图像传输至电脑;
S2,所述电脑根据采集的所述高光谱图像分析得到燃烧火焰的光谱辐射强度信息;
S3,将所述电站锅炉的断面温度场离散为为横向40个,纵向40个,总共1600个离散单元;由所述高光谱仪的像素数目、水平视场角,根据高光谱仪成像原理计算出火焰的光谱辐射路径在单个离散单元内经过的距离,进一步获得采集到的有效光谱强度,得到电站锅炉断面温度场;
S4,利用Fluent中的燃烧模型模拟炉内煤粉的燃烧过程,获取炉膛横截面的温度、吸收系数和散射系数分布;
S5,对于模拟得到的炉膛横截面的温度、吸收系数和散射系数分布,将其离散为横向40个,纵向40个,总共1600个离散单元;则可以由辐射传递过程,求出每个离散单元的火焰的光谱辐射强度;将火焰的光谱辐射经过的离散单元的火焰光谱辐射强度相加,得高光谱仪在单一火焰光谱辐射路径所测得的火焰光谱强度,对于每一条火焰光谱辐射都重复上述过程,即计算得到高光谱采集位置和方向上的火焰光谱辐射强度分布;
S6,改变Fluent燃烧模型中的参数,重复过程S4和S5,模拟出不同工况下光谱采集位置和方向上的光谱辐射强度分布,并建立为大样本数据库;
S7,建立多层感知机神经网络,利用S4模拟出的温度温度、吸收系数、散射系数分布和S6计算出的光谱采集位置和方向上的光谱辐射强度分布训练多层感知机神经网络;建立高光谱采集位置和方向上的光谱辐射强度分布与温度、吸收系数和散射系数之间的对应关系;
S8,利用高光谱检测到的光谱辐射强度,带入S7建立的多层感知机神经网络中,得出炉膛断面温度场分布。
10.根据权利要求9所述的一种基于机器学习的电站锅炉断面温度场测量方法,其特征在于:步骤S3中,通过投影路径基于参数表示高光谱仪测得的光谱辐射强度,参数包括局部光谱吸收系数、黑体辐射强度和温度;
将电站锅炉离散为数个离散单元,并将离散单元按列编号,将左上第一个离散单元编号为1,右下离散单元编号为1600,每一个离散单元都有单独的局部光谱吸收系数、黑体辐射强度,即测得的光谱辐射强度视为投影路径上离散单元内的辐射强度的累积,通过反演计算得到单个离散单元的黑体辐射强度和局部光谱吸收系数,由单个离散单元的黑体辐射强度,根据普朗克定律得出单个离散单元的温度,进而重建出整个炉膛横截面的温度分布;
建立平面直角坐标系,基于火焰辐射路径与X轴的夹角计算出该路径经过的离散单元的坐标及每经过一个离散单元所经过的距离,并基于离散单元大小对得到的坐标进行取舍和取整,得到坐标和距离对应关系矩阵;
基于矩阵计算得到火焰辐射路径在任一离散单元中经过的距离,由测量装置测得的光谱强度通过反演计算得出任一离散单元的黑体辐射强度,由任一离散单元的黑体辐射强度可得出单一离散单元的温度,即得到电站锅炉断面温度场。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110648682.7A CN113294771A (zh) | 2021-06-10 | 2021-06-10 | 一种基于机器学习的电站锅炉断面温度场测量装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110648682.7A CN113294771A (zh) | 2021-06-10 | 2021-06-10 | 一种基于机器学习的电站锅炉断面温度场测量装置及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113294771A true CN113294771A (zh) | 2021-08-24 |
Family
ID=77328129
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110648682.7A Pending CN113294771A (zh) | 2021-06-10 | 2021-06-10 | 一种基于机器学习的电站锅炉断面温度场测量装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113294771A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113791120A (zh) * | 2021-09-14 | 2021-12-14 | 中冶长天(长沙)智能科技有限公司 | 一种获取烧结机尾最佳断面图像的方法及系统 |
CN116086614A (zh) * | 2022-11-15 | 2023-05-09 | 中国矿业大学 | 一种联合辐射图像及光谱的炉膛断面温度场实时可视化监测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000205562A (ja) * | 1999-01-13 | 2000-07-25 | Babcock Hitachi Kk | バ―ナ燃焼診断装置 |
CN101788343A (zh) * | 2009-12-31 | 2010-07-28 | 华中科技大学 | 炉膛辐射能信号检测方法及其用于控制锅炉燃烧的方法 |
CN108872102A (zh) * | 2018-05-31 | 2018-11-23 | 中国矿业大学 | 用于测量锅炉二维气相Na浓度场和温度场的装置和方法 |
-
2021
- 2021-06-10 CN CN202110648682.7A patent/CN113294771A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000205562A (ja) * | 1999-01-13 | 2000-07-25 | Babcock Hitachi Kk | バ―ナ燃焼診断装置 |
CN101788343A (zh) * | 2009-12-31 | 2010-07-28 | 华中科技大学 | 炉膛辐射能信号检测方法及其用于控制锅炉燃烧的方法 |
CN108872102A (zh) * | 2018-05-31 | 2018-11-23 | 中国矿业大学 | 用于测量锅炉二维气相Na浓度场和温度场的装置和方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113791120A (zh) * | 2021-09-14 | 2021-12-14 | 中冶长天(长沙)智能科技有限公司 | 一种获取烧结机尾最佳断面图像的方法及系统 |
CN113791120B (zh) * | 2021-09-14 | 2024-05-03 | 中冶长天(长沙)智能科技有限公司 | 一种获取烧结机尾最佳断面图像的方法及系统 |
CN116086614A (zh) * | 2022-11-15 | 2023-05-09 | 中国矿业大学 | 一种联合辐射图像及光谱的炉膛断面温度场实时可视化监测方法 |
CN116086614B (zh) * | 2022-11-15 | 2023-11-17 | 中国矿业大学 | 一种联合辐射图像及光谱的炉膛断面温度场实时可视化监测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN201096521Y (zh) | 非接触式等离子体温度和电子密度测量装置 | |
CN113294771A (zh) | 一种基于机器学习的电站锅炉断面温度场测量装置及方法 | |
CN103557886B (zh) | 一种基于超光谱的高温气体二维瞬态温度场、浓度场分布同时测量的方法 | |
CN103969560B (zh) | 一种用于局部放电故障检测的可视化超声波检测系统 | |
CN109655227A (zh) | 一种低焓电弧加热器气流焓值诊断系统及诊断方法 | |
CN106066208A (zh) | 一种燃煤电站锅炉高温过热器壁面温度在线监测的装置及方法 | |
CN111929549B (zh) | 基于局部放电光学信号的gil局部放电源定位方法和系统 | |
CN106649919A (zh) | 燃煤电站锅炉飞灰含碳量预测模型构建方法及系统 | |
CN106769974A (zh) | 气体浓度二维分布在线检测系统及方法 | |
CN108169148A (zh) | 基于高光谱图像的火焰温度场颗粒气体浓度场测量方法 | |
AU2020102518A4 (en) | A method of gas sensor calibration based on linear optimization | |
CN110032747A (zh) | 一种燃煤锅炉NOx排放在线测量方法 | |
Si et al. | Study on inversion of morphological parameters of soot aggregates in hydrocarbon flames | |
CN111157139B (zh) | 一种用于单连通燃烧场温度分布的可视化测量方法 | |
CN105784187B (zh) | 一种锅炉炉膛测温方法和测温装置 | |
CN114047154B (zh) | 一种基于光谱分析在线测量煤粉锅炉燃尽度的装置及方法 | |
CN116205150A (zh) | 基于伴随脉冲算法的室内气态污染源时空信息估计方法 | |
Golgiyaz et al. | Estimation of excess air coefficient on coal combustion processes via gauss model and artificial neural network | |
CN104089656A (zh) | 一种堆场煤炭自燃检测方法和装置 | |
CN106482790A (zh) | 基于火焰辐射的固体火箭推进剂燃烧测量装置和测量方法 | |
CN107906555A (zh) | 基于多谱线吸收光谱断层成像技术的燃烧优化控制方法 | |
Dai et al. | 3-D soot temperature and volume fraction reconstruction of afterburner flame via deep learning algorithms | |
CN207112772U (zh) | 基于核偏最小二乘的锅炉炉膛温度在线预测系统 | |
CN113552033B (zh) | 一种基于光学测量的粉尘浓度分布检测方法 | |
CN107727082A (zh) | 一种实时监测浮标的模块化系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210824 |