CN114414175A - 一种热力系统疏水阀门内漏检测方法及系统 - Google Patents
一种热力系统疏水阀门内漏检测方法及系统 Download PDFInfo
- Publication number
- CN114414175A CN114414175A CN202210048367.5A CN202210048367A CN114414175A CN 114414175 A CN114414175 A CN 114414175A CN 202210048367 A CN202210048367 A CN 202210048367A CN 114414175 A CN114414175 A CN 114414175A
- Authority
- CN
- China
- Prior art keywords
- data
- drain valve
- internal leakage
- temperature
- valve
- 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
- 238000001514 detection method Methods 0.000 title claims description 10
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000007781 pre-processing Methods 0.000 claims abstract description 13
- 230000007613 environmental effect Effects 0.000 claims abstract description 8
- 238000012549 training Methods 0.000 claims description 8
- 238000003062 neural network model Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000009413 insulation Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 230000002209 hydrophobic effect Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 239000012530 fluid Substances 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M3/00—Investigating fluid-tightness of structures
- G01M3/02—Investigating fluid-tightness of structures by using fluid or vacuum
- G01M3/26—Investigating fluid-tightness of structures by using fluid or vacuum by measuring rate of loss or gain of fluid, e.g. by pressure-responsive devices, by flow detectors
- G01M3/28—Investigating fluid-tightness of structures by using fluid or vacuum by measuring rate of loss or gain of fluid, e.g. by pressure-responsive devices, by flow detectors for pipes, cables or tubes; for pipe joints or seals; for valves ; for welds
- G01M3/2876—Investigating fluid-tightness of structures by using fluid or vacuum by measuring rate of loss or gain of fluid, e.g. by pressure-responsive devices, by flow detectors for pipes, cables or tubes; for pipe joints or seals; for valves ; for welds for valves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Examining Or Testing Airtightness (AREA)
Abstract
本发明公开了一种热力系统疏水阀门内漏检测方法及系统,包括:分别获取距离待测疏水阀门设定距离位置的温度数据、环境温度和湿度数据、主管道蒸汽温度和压力数据,以及疏水管道的相关参数数据;对所述数据进行预处理;将预处理后的数据输入至训练好的疏水阀门内漏预测模型,输出阀门内漏量预测结果。本发明能够实时快速准确的给出阀门内泄漏量的大小,可以有效预防阀门大量泄漏危害的发生。
Description
技术领域
本发明涉及疏水阀门内漏检测技术领域,尤其涉及一种热力系统疏水阀门内漏检测方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。
热力系统疏水阀门内漏是火力发电厂目前普遍存在的节能问题。阀门损坏通常由于运动部件卡死、阀片变质、弹簧应力松弛等原因,防止阀门内漏是火力发电厂节能减排的重要举措。
疏水阀门主要用于控制电厂锅炉和换热器设备的流体介质的通路和断路调节,是电厂广泛使用的热力设备。疏水阀门的基本功能是接通或者切断管路介质的流通,改变介质流动方向,调节介质的压力和流量,保护管路和设备正常运行。但是由于各种原因,疏水阀门泄漏经常发生在火力发电厂当中,无论哪一个疏水阀门发生内漏,都会为电厂带来极大的损害。
现有技术公开的疏水阀门内漏检测方法,往往无法给出精确的泄漏量,并且计算过程繁琐,无法实现在线监测的实时性要求。
发明内容
为了解决上述问题,本发明提出了一种热力系统疏水阀门内漏检测方法及系统,基于预先训练的神经网络模型,同时考虑环境温度和湿度、疏水阀门前两测点的温度、主蒸汽管路温度以及管道参数,实现疏水阀门内漏的实时准确检测。
在一些实施方式中,采用如下技术方案:
一种热力系统疏水阀门内漏检测方法,包括:
分别获取距离待测疏水阀门设定距离位置处的温度数据、环境温度和湿度数据、主管道蒸汽温度和压力数据,以及疏水管道的相关参数数据;
对所述数据进行预处理;
将预处理后的数据输入至训练好的疏水阀门内漏预测模型,输出阀门内漏量预测结果。
作为进一步地方案,所述获取距离待测疏水阀门设定距离位置的温度数据,具体包括:
在待测疏水阀门之前距离L1的位置设置第一温度传感器;在待测疏水阀门之前距离L2的位置设置第二温度传感器。
作为进一步地方案,在所述第一位置和第二位置处,围绕管壁周围布设多个温度传感器,然后取多个温度传感器测量数据的平均值,作为该位置处的温度值。
作为进一步地方案,对于疏水阀门内漏预测模型的训练过程,具体包括:
通过仿真分析获取不同管道、不同保温层厚度下的不同泄漏量对应的阀门前两测点温度数据、环境温度和湿度数据以及主管道蒸汽温度和压力数据;
建立用于训练疏水阀门内漏预测模型的样本数据集;
利用所述样本数据集对疏水阀门内漏预测模型进行训练。
作为进一步地方案,所述疏水阀门内漏预测模型具体为:线性神经网络模型或者多层前馈网络模型。
作为进一步地方案,对所述数据进行预处理,具体包括:
首先对数据进行甄别,判断哪些数据是合理的,哪些不是合理的,即通过计算得出管道沿壁面导热的温度范围,当测点数据明显超过所述温度范围时,此时所测的数据点为坏点,可能是由于测量误差引起的,需要舍弃这些坏点数据;将合理的数据再送入到网络模型中进行预测。
作为进一步地方案,将输出的阀门内漏量预测结果与实际泄漏数据进行比较,不断修正疏水阀门内漏预测模型参数。
在另一些实施方式中,采用如下技术方案:
一种热力系统疏水阀门内漏检测系统,包括:
数据获取模块,用于分别获取距离待测疏水阀门设定距离位置的温度数据、环境温度和湿度数据、主管道蒸汽温度和压力数据,以及疏水管道的相关参数数据;
数据预处理模块,用于对所述数据进行预处理;
阀门内漏量预测模块,用于将预处理后的数据输入至训练好的疏水阀门内漏预测模型,输出阀门内漏量预测结果。
在另一些实施方式中,采用如下技术方案:
一种终端设备,其包括处理器和存储器,处理器用于实现各指令;存储器用于存储多条指令,所述指令适于由处理器加载并执行上述的热力系统疏水阀门内漏检测方法。
在另一些实施方式中,采用如下技术方案:
种计算机可读存储介质,其中存储有多条指令,所述指令适于由终端设备的处理器加载并执行上述的热力系统疏水阀门内漏检测方法。
与现有技术相比,本发明的有益效果是:
(1)本发明能够实时快速准确的给出阀门内泄漏量的大小,可以有效预防阀门大量泄漏危害的发生。
(2)由于泄漏发生后流体流动会导致传热和温度下降,从而根据温度的变化可以判断泄漏的发生并计算泄漏量的大小。本发明选取阀门前两测点温度数据、环境温度和湿度数据、主管道蒸汽温度和压力数据作为预测的输入数据,通过建立疏水阀门内漏预测模型,能够对疏水阀门内漏量进行准确检测。
本发明的其他特征和附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本方面的实践了解到。
附图说明
图1为本发明实施例中的热力系统疏水阀门内漏检测方法流程图;
图2为电厂阀门监测测点分布示意图。
具体实施方式
应该指出,以下详细说明都是例示性的,旨在对本申请提供进一步的说明。除非另有指明,本发明使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一
在一个或多个实施方式中,公开了一种热力系统疏水阀门内漏检测方法,如图1所示,包括以下过程:
(1)获取待测阀门前两测点温度数据、环境温度和湿度数据、主管道蒸汽温度和压力数据,以及管路相关参数数据;并进行数据预处理。
具体地,由于泄露发生后流体流动导致传热和温度下降,从而根据温度的变化可以判断泄露的发生并计算泄露量的大小。因此,本实施例获取阀门前两测点温度数据、环境温度和湿度数据、主管道蒸汽温度和压力数据,以及与主蒸汽管道连接的疏水管路相关参数数据等。
参照图2,在一次疏水阀门前分别布置温度传感器1(测点1)和温度传感器2(测点2),其中,L2约在1.5m—2.0m之间,L3约在1.9m—2.1m之间,L4≥0.4m,测点1和测点2位置相对固定,以便于更准确的监测阀门外壁面温度,从而准确获取管道泄露量。
作为可选的实施方式,在第一位置和第二位置处,围绕管壁周围布设2-3个温度测点,然后取多个温度测点测量数据的平均值,作为该位置处的温度值;这样可以保证测点温度的准确性。
本实施例中,阀门前两测点温度可以通过安装温度传感器如热电偶,无线数字温度计等,通过有线网络或者无线网络传入到一个集中控制系统中,该集中控制系统可以独立于电厂的分散控制系统(DCS),也可以作为DCS的一部分。而环境温度和湿度数据、主管道蒸汽温度和压力数据、与主蒸汽管道连接的疏水管路相关参数数据等均可以从DCS系统获得。如果不能直接获得,则需要通过人工收集这些数据输入到控制系统中。
进行数据预处理的过程包括:
首先对数据进行甄别,判断哪些数据是合理的,哪些不是合理的,即通过计算得出管道沿壁面导热的温度范围,当测点数据明显超过所述温度范围时,此时所测的数据点为坏点,可能是由于测量误差引起的,需要舍弃这些坏点数据;将合理的数据再送入到网络模型中进行预测。
(2)将预处理后的数据输入至训练好的疏水阀门内漏预测模型,输出阀门内漏量预测结果。
具体地,首先建立用于预测阀门泄漏量的疏水阀门内漏预测模型。疏水阀门内漏预测模型的输入层变量/神经元包括所有可能影响到阀门泄漏量的因素,具体包括:管路直径和材料,保温层材料和厚度,阀门前两测点温度、环境温度和湿度、主管道蒸汽温度和压力。
通过经实验验证的CFD仿真分析获得不同管道、不同保温层厚度、不同泄漏量对应的测点温度数值,从而建立样本数据集。通过样本数据集,对所建立的神疏水阀门内漏预测模型进行训练,获得疏水阀门内漏预测模型的各个神经元之间的连接权重,建立疏水阀门内漏预测模型,之后将该疏水阀门内漏预测模型用于泄漏量预测。
在训练的时候,通过调整各个神经元之间的连接权重及不同的函数形式,使得预测的泄露量与实际测量的泄露量或者CFD模型计算得到的泄露量的平均误差在一定的范围内,则就可以获得正确的连接权重及函数形式,从而确立了疏水阀门内漏预测模型。
本实施例中,疏水阀门内漏预测模型可以采用多种可选的模型,比如:线性神经网络或多层前馈网络等。使用疏水阀门内漏预测模型时,利用温度测量手段,测量环境温度和湿度、疏水阀门前两测点的温度、主蒸汽管路温度,同时获取管道材料、直径、保温层材料和厚度等信息,将其作为输入变量,输入该神经网络模型,由该神经网络模型给出预测的泄漏量。
作为一种可选的实施方式,将输出的阀门内漏量预测结果与实际泄漏数据进行比较,不断修正疏水阀门内漏预测模型参数。
实施例二
在一个或多个实施方式中,公开了一种热力系统疏水阀门内漏检测系统,包括:
数据获取模块,用于分别获取距离待测疏水阀门设定距离位置的温度数据、环境温度和湿度数据、主管道蒸汽温度和压力数据,以及疏水管道的相关参数数据;
数据预处理模块,用于对所述数据进行预处理;
阀门内漏量预测模块,用于将预处理后的数据输入至训练好的疏水阀门内漏预测模型,输出阀门内漏量预测结果。
作为一种可选的实施方式,还包括:模型修正模块,用于将输出的阀门内漏量预测结果与实际泄漏数据进行比较,不断修正疏水阀门内漏预测模型参数。
需要说明的是,上述各模块的具体实现方式已经在实施例一中进行说明,此处不再详述。
实施例三
在一个或多个实施方式中,公开了一种终端设备,包括服务器,所述服务器包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现实施例一中的热力系统疏水阀门内漏检测方法。为了简洁,在此不再赘述。
应理解,本实施例中,处理器可以是中央处理单元CPU,处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC,现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器可以包括只读存储器和随机存取存储器,并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如,存储器还可以存储设备类型的信息。
在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。
实施例四
在一个或多个实施方式中,公开了一种计算机可读存储介质,其中存储有多条指令,所述指令适于由终端设备的处理器加载并执行实施例一中所述的热力系统疏水阀门内漏检测方法。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种热力系统疏水阀门内漏检测方法,其特征在于,包括:
分别获取距离待测疏水阀门设定距离位置的温度数据、环境温度和湿度数据、主管道蒸汽温度和压力数据,以及疏水管道的相关参数数据;
对所述数据进行预处理;
将预处理后的数据输入至训练好的疏水阀门内漏预测模型,输出阀门内漏量预测结果。
2.如权利要求1所述的一种热力系统疏水阀门内漏检测方法,其特征在于,所述获取距离待测疏水阀门设定距离位置的温度数据,具体包括:
在待测疏水阀门之前距离L1的第一位置处设置第一温度传感器;在待测疏水阀门之前距离L2的第二位置处设置第二温度传感器。
3.如权利要求2所述的一种热力系统疏水阀门内漏检测方法,其特征在于,在所述第一位置和第二位置处,围绕管壁周围布设多个温度传感器,然后取多个温度传感器测量数据的平均值,作为该位置处的温度值。
4.如权利要求1所述的一种热力系统疏水阀门内漏检测方法,其特征在于,对于疏水阀门内漏预测模型的训练过程,具体包括:
通过仿真分析获取不同管道、不同保温层厚度下的不同泄漏量对应的阀门前两测点温度数据、环境温度和湿度数据以及主管道蒸汽温度和压力数据;
建立用于训练疏水阀门内漏预测模型的样本数据集;
利用所述样本数据集对疏水阀门内漏预测模型进行训练。
5.如权利要求1所述的一种热力系统疏水阀门内漏检测方法,其特征在于,所述疏水阀门内漏预测模型具体为:线性神经网络模型或者多层前馈网络模型。
6.如权利要求1所述的一种热力系统疏水阀门内漏检测方法,其特征在于,对所述数据进行预处理,具体包括:
计算得出管道沿壁面导热的温度范围;当测点数据明显超过所述温度范围时,此时所测的数据点为坏点,去除所述坏点数据。
7.如权利要求1所述的一种热力系统疏水阀门内漏检测方法,其特征在于,将输出的阀门内漏量预测结果与实际泄漏数据进行比较,不断修正疏水阀门内漏预测模型参数。
8.一种热力系统疏水阀门内漏检测系统,其特征在于,包括:
数据获取模块,用于分别获取距离待测疏水阀门设定距离位置的温度数据、环境温度和湿度数据、主管道蒸汽温度和压力数据,以及疏水管道的相关参数数据;
数据预处理模块,用于对所述数据进行预处理;
阀门内漏量预测模块,用于将预处理后的数据输入至训练好的疏水阀门内漏预测模型,输出阀门内漏量预测结果。
9.一种终端设备,其包括处理器和存储器,处理器用于实现各指令;存储器用于存储多条指令,其特征在于,所述指令适于由处理器加载并执行权利要求1-7任一项所述的热力系统疏水阀门内漏检测方法。
10.一种计算机可读存储介质,其中存储有多条指令,其特征在于,所述指令适于由终端设备的处理器加载并执行权利要求1-7任一项所述的热力系统疏水阀门内漏检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210048367.5A CN114414175A (zh) | 2022-01-17 | 2022-01-17 | 一种热力系统疏水阀门内漏检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210048367.5A CN114414175A (zh) | 2022-01-17 | 2022-01-17 | 一种热力系统疏水阀门内漏检测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114414175A true CN114414175A (zh) | 2022-04-29 |
Family
ID=81273955
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210048367.5A Pending CN114414175A (zh) | 2022-01-17 | 2022-01-17 | 一种热力系统疏水阀门内漏检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114414175A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118009095A (zh) * | 2024-04-10 | 2024-05-10 | 国能龙源环保有限公司 | 脱硫系统阀门泄漏在线监测方法、装置、设备及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103016948A (zh) * | 2012-12-30 | 2013-04-03 | 华北电力大学(保定) | 热力发电厂汽水管道疏水阀在线检漏装置 |
CN105092157A (zh) * | 2014-05-04 | 2015-11-25 | 湖南鸿远高压阀门有限公司 | 一种发电厂热力系统阀门内漏诊断方法及诊断系统 |
CN106017808A (zh) * | 2016-07-19 | 2016-10-12 | 湖南鸿远高压阀门有限公司 | 疏水阀内漏量的诊断方法及诊断系统 |
CN106706215A (zh) * | 2016-11-17 | 2017-05-24 | 深圳市天成智能控制科技有限公司 | 一种热力系统阀门内漏量监测方法 |
CN112924115A (zh) * | 2021-03-16 | 2021-06-08 | 中电华创(苏州)电力技术研究有限公司 | 高温高压管道阀门内漏监测装置和方法 |
CN113758704A (zh) * | 2020-06-05 | 2021-12-07 | 国核电站运行服务技术有限公司 | 阀门智能诊断监测系统、方法、终端以及智能终端 |
-
2022
- 2022-01-17 CN CN202210048367.5A patent/CN114414175A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103016948A (zh) * | 2012-12-30 | 2013-04-03 | 华北电力大学(保定) | 热力发电厂汽水管道疏水阀在线检漏装置 |
CN105092157A (zh) * | 2014-05-04 | 2015-11-25 | 湖南鸿远高压阀门有限公司 | 一种发电厂热力系统阀门内漏诊断方法及诊断系统 |
CN106017808A (zh) * | 2016-07-19 | 2016-10-12 | 湖南鸿远高压阀门有限公司 | 疏水阀内漏量的诊断方法及诊断系统 |
CN106706215A (zh) * | 2016-11-17 | 2017-05-24 | 深圳市天成智能控制科技有限公司 | 一种热力系统阀门内漏量监测方法 |
CN113758704A (zh) * | 2020-06-05 | 2021-12-07 | 国核电站运行服务技术有限公司 | 阀门智能诊断监测系统、方法、终端以及智能终端 |
CN112924115A (zh) * | 2021-03-16 | 2021-06-08 | 中电华创(苏州)电力技术研究有限公司 | 高温高压管道阀门内漏监测装置和方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118009095A (zh) * | 2024-04-10 | 2024-05-10 | 国能龙源环保有限公司 | 脱硫系统阀门泄漏在线监测方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102093571B1 (ko) | 누설 검사 장치 및 방법 | |
CN110362893B (zh) | 一种基于物联网的供热管道保温特性及疏水监测诊断系统 | |
US10408707B2 (en) | Abnormality diagnosing method and abnormality diagnosing system | |
TWI738016B (zh) | 液態氣體充填之智能化學習機制與自適應調節系統 | |
CN114414175A (zh) | 一种热力系统疏水阀门内漏检测方法及系统 | |
GB2473602A (en) | Diagnosing EGR cooler efficiency in a Diesel engine | |
CN116562509B (zh) | 超声波计量装置远程管控方法与智慧燃气物联网系统 | |
CN110909505A (zh) | 核电厂疲劳监测和寿命评估系统的瞬态温度场计算方法 | |
CN106680001A (zh) | 一种管道三通区域在线疲劳寿命监测装置及方法 | |
CN101813920A (zh) | 电站汽轮机组温度传感器虚拟冗余方法 | |
JP2011196997A (ja) | 蒸気管の損失計測システム及び計測方法 | |
CN111412391B (zh) | 一种管网泄漏检测方法及系统 | |
JP7374191B2 (ja) | 加圧下または真空下でガスネットワーク中の漏れおよび障害を同時検出するためのガスネットワークおよび方法 | |
JP4924762B2 (ja) | 蒸気管の損失計測システム及び計測方法 | |
US20230104465A1 (en) | Estimation device, estimation method, and non-transitory computer-readable recording medium for thickness of precipitate | |
CN108763774B (zh) | 架空蒸汽管网的热损计算方法及装置 | |
KR101326766B1 (ko) | 밸브 외부누출 감지 시스템 | |
CN110750756B (zh) | 通过最优支持向量机算法即时在线仪表校验和诊断方法 | |
CN110705186B (zh) | 通过rbf粒子群优化算法即时在线仪表校验和诊断方法 | |
CN108763773B (zh) | 直埋热水管网的热损计算方法及装置 | |
KR20220089541A (ko) | 원전의 감시 시스템 및 방법 | |
JP6303473B2 (ja) | 蒸気管の損失計測システム及び蒸気管の損失計測方法 | |
US10578023B2 (en) | Controlling a water bath heater for fuel gas | |
WO2023139927A1 (ja) | プラント計装装置およびそれを備えた設備劣化監視システムとプラント保全最適化システム | |
Shaykhutdinov et al. | Mathematical modelling and analysis of thermometric diagnostics of electrical products |
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 |