CN117556332A - 基于物联网的加热炉余热利用管理方法、系统及存储介质 - Google Patents

基于物联网的加热炉余热利用管理方法、系统及存储介质 Download PDF

Info

Publication number
CN117556332A
CN117556332A CN202410038919.3A CN202410038919A CN117556332A CN 117556332 A CN117556332 A CN 117556332A CN 202410038919 A CN202410038919 A CN 202410038919A CN 117556332 A CN117556332 A CN 117556332A
Authority
CN
China
Prior art keywords
information
heating furnace
waste heat
internet
things
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
Application number
CN202410038919.3A
Other languages
English (en)
Other versions
CN117556332B (zh
Inventor
张宏伟
刘强
杨品
熊博
米静
张冲冲
吕鸣翔
刘沂秋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baineng Blue Sky Technology Co ltd
Original Assignee
Beijing Baineng Blue Sky Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baineng Blue Sky Technology Co ltd filed Critical Beijing Baineng Blue Sky Technology Co ltd
Priority to CN202410038919.3A priority Critical patent/CN117556332B/zh
Publication of CN117556332A publication Critical patent/CN117556332A/zh
Application granted granted Critical
Publication of CN117556332B publication Critical patent/CN117556332B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F27—FURNACES; KILNS; OVENS; RETORTS
    • F27D—DETAILS OR ACCESSORIES OF FURNACES, KILNS, OVENS, OR RETORTS, IN SO FAR AS THEY ARE OF KINDS OCCURRING IN MORE THAN ONE KIND OF FURNACE
    • F27D17/00—Arrangements for using waste heat; Arrangements for using, or disposing of, waste gases
    • F27D17/004—Systems for reclaiming waste heat
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/10—Pre-processing; Data cleansing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y10/00—Economic sectors
    • G16Y10/35—Utilities, e.g. electricity, gas or water
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y20/00—Information sensed or collected by the things
    • G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • Physiology (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Genetics & Genomics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Environmental & Geological Engineering (AREA)
  • Mechanical Engineering (AREA)
  • Medical Informatics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Waste-Gas Treatment And Other Accessory Devices For Furnaces (AREA)

Abstract

本发明涉及一种基于物联网的加热炉余热利用管理方法、系统及存储介质，属于余热管理技术领域，本发明通过根据温度信息预测出可利用的热量信息，进而获取余热回收利用装置所在的位置信息以及加热炉的位置信息，并根据余热回收利用装置所在的位置信息以及加热炉的位置信息计算出传输过程中的热量消耗信息，通过对可利用的热量信息以及传输过程中的热量消耗信息进行评价，获取评价结果，根据评价结果生成相关的余热回收方案，并基于相关的余热回收方案对加热炉的热量进行回收。本发明通过预测出加热炉在各温度数据情况下的热量情况，从而来根据出加热炉在各温度数据情况下的热量情况来对余热回收进行智能评估，能够提高加热炉余热回收的合理性。

Description

基于物联网的加热炉余热利用管理方法、系统及存储介质
技术领域
本发明涉及领域，尤其涉及一种基于物联网的加热炉余热利用管理方法、系统及存储介质。
背景技术
作为工业生产中的关键环节，加热炉的用途较为广泛，不过也有着能源消耗较大的缺点，所以运行成本较高。如果可以控制好其能源消耗，就能节约一部分成本资金，提高整个工业生产的效率。在当下低碳环保的时代，相关企业应该从加热炉余热处理技术入手，提高余热的利用效率，利用先进的技术进行改造，改善能源消耗问题。然而，并不是所有的加热炉产生的热量都是可以进行回收的，其中涉及了热散失的问题，现有技术有对于加热炉余热的回收利用还不够合理。
发明内容
本发明克服了现有技术的不足，提供了一种基于物联网的加热炉余热利用管理方法、系统及存储介质。
为达上述目的，本发明采用的技术方案为：
本发明第一方面提供了一种基于物联网的加热炉余热利用管理方法，包括以下步骤：
构建物联网监控网络，并通过物联网监控网络获取每一加热炉工作时的温度信息，根据温度信息预测出可利用的热量信息；
获取余热回收利用装置所在的位置信息以及加热炉的位置信息，并根据余热回收利用装置所在的位置信息以及加热炉的位置信息计算出传输过程中的热量消耗信息；
通过对可利用的热量信息以及传输过程中的热量消耗信息进行评价，获取评价结果；
根据评价结果生成相关的余热回收方案，并基于相关的余热回收方案对加热炉的热量进行回收。
进一步的，在本方法中，构建物联网监控网络，具体包括：
获取加热炉的位置信息以及监控传感器的信息采集延迟速率信息，并初始化信息汇聚设备的布局位置信息，根据信息汇聚设备的布局位置信息以及加热炉的位置信息进行布线模拟规划；
获取布线规划后的线路布局图，从线路布局图中获取每一加热炉中对应监控传感器到信息汇聚设备的布局位置信息的线路距离信息，并计算每一线路距离信息的信息采集延迟速率信息；
根据监控传感器的信息采集延迟速率信息以及每一线路距离信息的信息采集延迟速率信息计算出每一监控传感器传输信息到信息汇聚设备的信息采集速率信息，统计信息采集速率信息，获取平均信息采集速率信息；
基于遗传算法设置遗传代数，当平均信息采集速率信息不大于预设平均信息采集速率阈值时，根据遗传代数进行迭代，调整信息汇聚设备的布局位置，直至平均信息采集速率信息大于预设平均信息采集速率阈值，生成物联网监控网络。
进一步的，在本方法中，通过物联网监控网络获取每一加热炉工作时的温度信息，具体包括：
通过物联网监控网络获取每一加热炉工作时监控传感器所获取的初始温度信息，根据初始温度信息构建温度曲线图，并引入局部离群检测算法；
通过局部离群检测算法计算温度曲线图中每一温度信息的局部离群值，并判断局部离群值是否大于预设局部离群值；
当局部离群值大于预设局部离群值时，则将对应的初始温度信息作为异常温度信息，并将异常温度信息从温度曲线图中进行剔除；
当局部离群值不大于预设局部离群值时，则将对应的初始温度信息作为可信任的温度信息，并将可信任的温度信息作为加热炉工作时的温度信息进行输出。
进一步的，在本方法中，根据温度信息预测出可利用的热量信息，具体包括：
获取加热炉在各温度信息之下历史可利用的热量信息，并基于深度神经网络构建可利用热量预测模型，根据加热炉在各温度信息之下历史可利用的热量信息构建特征矩阵；
引入奇异值分解算法，通过奇异值分解算法对特征矩阵进行处理，生成降维后的特征矩阵，将降维后的特征矩阵输入到可利用热量预测模型中进行编码学习；
当可利用热量预测模型的模型参数符合预设参数要求之后，保存模型参数，并输出可利用热量预测模型；
将温度信息输入到可利用热量预测模型中，预测出当前温度信息之下的可利用的热量信息。
进一步的，在本方法中，获取余热回收利用装置所在的位置信息以及加热炉的位置信息，并根据余热回收利用装置所在的位置信息以及加热炉的位置信息计算出传输过程中的热量消耗信息，具体包括：
获取余热回收利用装置所在的位置信息以及加热炉的位置信息，并获取传输管道的布局图信息，基于余热回收利用装置所在的位置信息、加热炉的位置信息以及传输管道的布局图信息确定每一加热炉到余热回收装置的传输管道距离值；
通过大数据获取各环境温度之下单位长度的传输管道在单位时间之内的热量散失数据信息，并获取当前环境的实时环境温度值信息；
获取在传输管道距离值内传输能量时的预估时间信息，并根据当前环境的实时环境温度值信息、在传输管道距离值内传输能量时的预估时间信息以及传输管道距离值作为变量；
根据变量以及各环境温度之下单位长度的传输管道在单位时间之内的热量散失数据信息计算出传输过程中的热量消耗信息。
进一步的，在本方法中，通过对可利用的热量信息以及传输过程中的热量消耗信息进行评价，获取评价结果，具体包括：
判断可利用的热量信息是否大于传输过程中的热量消耗信息，当可利用的热量信息大于传输过程中的热量消耗信息时，则将对应的加热炉作为可进行余热回收的加热炉；
当可利用的热量信息不大于传输过程中的热量消耗信息时，则将对应的加热炉作为不可进行余热回收的加热炉；
根据可进行余热回收的加热炉以及不可进行余热回收的加热炉生成相关的评价结果，并将评价结果输出。
进一步的，在本方法中，根据评价结果生成相关的余热回收方案，并基于相关的余热回收方案对加热炉的热量进行回收，具体包括：
若评价结果为可进行余热回收的加热炉，则获取可进行余热回收的加热炉的通信协议信息，并根据可进行余热回收的加热炉的通信协议信息生成相关的调控信息；
根据相关的调控信息生成相关的余热回收方案，并基于相关的余热回收方案对加热炉的热量进行回收，控制余热回收装置启动。
本发明第二方面提供了一种基于物联网的加热炉余热利用管理系统，系统包括存储器以及处理器，存储器中包括基于物联网的加热炉余热利用管理方法程序，基于物联网的加热炉余热利用管理方法程序被处理器执行时，实现如下步骤：
构建物联网监控网络，并通过物联网监控网络获取每一加热炉工作时的温度信息，根据温度信息预测出可利用的热量信息；
获取余热回收利用装置所在的位置信息以及加热炉的位置信息，并根据余热回收利用装置所在的位置信息以及加热炉的位置信息计算出传输过程中的热量消耗信息；
通过对可利用的热量信息以及传输过程中的热量消耗信息进行评价，获取评价结果；
根据评价结果生成相关的余热回收方案，并基于相关的余热回收方案对加热炉的热量进行回收。
进一步的，在本系统中，获取余热回收利用装置所在的位置信息以及加热炉的位置信息，并根据余热回收利用装置所在的位置信息以及加热炉的位置信息计算出传输过程中的热量消耗信息，具体包括：
获取余热回收利用装置所在的位置信息以及加热炉的位置信息，并获取传输管道的布局图信息，基于余热回收利用装置所在的位置信息、加热炉的位置信息以及传输管道的布局图信息确定每一加热炉到余热回收装置的传输管道距离值；
通过大数据获取各环境温度之下单位长度的传输管道在单位时间之内的热量散失数据信息，并获取当前环境的实时环境温度值信息；
获取在传输管道距离值内传输能量时的预估时间信息，并根据当前环境的实时环境温度值信息、在传输管道距离值内传输能量时的预估时间信息以及传输管道距离值作为变量；
根据变量以及各环境温度之下单位长度的传输管道在单位时间之内的热量散失数据信息计算出传输过程中的热量消耗信息。
本发明第三方面提供了一种计算机可读存储介质，计算机可读存储介质中包括基于物联网的加热炉余热利用管理方法程序，基于物联网的加热炉余热利用管理方法程序被处理器执行时，实现任一项的基于物联网的加热炉余热利用管理方法的步骤。
本发明解决了背景技术中存在的缺陷，本发明具备以下有益效果：
本发明通过构建物联网监控网络，并通过物联网监控网络获取每一加热炉工作时的温度信息，根据温度信息预测出可利用的热量信息，进而获取余热回收利用装置所在的位置信息以及加热炉的位置信息，并根据余热回收利用装置所在的位置信息以及加热炉的位置信息计算出传输过程中的热量消耗信息，从而通过对可利用的热量信息以及传输过程中的热量消耗信息进行评价，获取评价结果，最后根据评价结果生成相关的余热回收方案，并基于相关的余热回收方案对加热炉的热量进行回收。本发明通过预测出加热炉在各温度数据情况下的热量情况，从而来根据出加热炉在各温度数据情况下的热量情况来对余热回收进行智能评估，能够提高加热炉余热回收的合理性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他实施例的附图。
图1示出了基于物联网的加热炉余热利用管理方法的整体方法流程图；
图2示出了基于物联网的加热炉余热利用管理方法的第一方法流程图；
图3示出了基于物联网的加热炉余热利用管理方法的第二方法流程图；
图4示出了基于物联网的加热炉余热利用管理系统的系统框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
如图1所示，本发明第一方面提供了一种基于物联网的加热炉余热利用管理方法，包括以下步骤：
S102:构建物联网监控网络，并通过物联网监控网络获取每一加热炉工作时的温度信息，根据温度信息预测出可利用的热量信息；
S104:获取余热回收利用装置所在的位置信息以及加热炉的位置信息，并根据余热回收利用装置所在的位置信息以及加热炉的位置信息计算出传输过程中的热量消耗信息；
S106:通过对可利用的热量信息以及传输过程中的热量消耗信息进行评价，获取评价结果；
S108:根据评价结果生成相关的余热回收方案，并基于相关的余热回收方案对加热炉的热量进行回收。
需要说明的是，本发明通过预测出加热炉在各温度数据情况下的热量情况，从而来根据出加热炉在各温度数据情况下的热量情况来对余热回收进行智能评估，能够提高加热炉余热回收的合理性。
如图2所示，进一步的，在本方法中，构建物联网监控网络，具体包括：
S202:获取加热炉的位置信息以及监控传感器的信息采集延迟速率信息，并初始化信息汇聚设备的布局位置信息，根据信息汇聚设备的布局位置信息以及加热炉的位置信息进行布线模拟规划；
S204:获取布线规划后的线路布局图，从线路布局图中获取每一加热炉中对应监控传感器到信息汇聚设备的布局位置信息的线路距离信息，并计算每一线路距离信息的信息采集延迟速率信息；
S206:根据监控传感器的信息采集延迟速率信息以及每一线路距离信息的信息采集延迟速率信息计算出每一监控传感器传输信息到信息汇聚设备的信息采集速率信息，统计信息采集速率信息，获取平均信息采集速率信息；
S208:基于遗传算法设置遗传代数，当平均信息采集速率信息不大于预设平均信息采集速率阈值时，根据遗传代数进行迭代，调整信息汇聚设备的布局位置，直至平均信息采集速率信息大于预设平均信息采集速率阈值，生成物联网监控网络。
需要说明的是，监控传感器为温度传感器、热量表温度传感器等，信息汇聚设备为信息汇集设备，由于物联网监控网络是通过信息汇集之后，再集中通过信息汇集设备传输中计算机终端，形成一个物联网监控网络，其中，不同监控传感器的类型有着信息采集延迟速率信息，高端的温度传感器的信息采集延迟速率信息为20ms，一般的温度传感器的信息采集延迟速率信息为100ms，而信息采集延迟速率不但与温度传感器的类型有关也与通讯距离有关，通过本方法能够调整信息汇聚设备的布局位置，使得平均信息采集速率信息大于预设平均信息采集速率阈值，通过本方法能够提高物理监控网络的布局合理性，提高物联网监控网络的信息采集时的及时性。
进一步的，在本方法中，通过物联网监控网络获取每一加热炉工作时的温度信息，具体包括：
通过物联网监控网络获取每一加热炉工作时监控传感器所获取的初始温度信息，根据初始温度信息构建温度曲线图，并引入局部离群检测算法；
通过局部离群检测算法计算温度曲线图中每一温度信息的局部离群值，并判断局部离群值是否大于预设局部离群值；
当局部离群值大于预设局部离群值时，则将对应的初始温度信息作为异常温度信息，并将异常温度信息从温度曲线图中进行剔除；
当局部离群值不大于预设局部离群值时，则将对应的初始温度信息作为可信任的温度信息，并将可信任的温度信息作为加热炉工作时的温度信息进行输出。
需要说明的是，一个加热炉内可能安装多个监控传感器，而监控传感器可能会存在异常的情况，通过局部离群检测算法计算温度曲线图中每一温度信息的局部离群值，从而剔除局部离群值大于预设局部离群值的异常数据，提高后续的数据预测的精确度，从而提高余热回收的合理性。
进一步的，在本方法中，根据温度信息预测出可利用的热量信息，具体包括：
获取加热炉在各温度信息之下历史可利用的热量信息，并基于深度神经网络构建可利用热量预测模型，根据加热炉在各温度信息之下历史可利用的热量信息构建特征矩阵；
引入奇异值分解算法，通过奇异值分解算法对特征矩阵进行处理，生成降维后的特征矩阵，将降维后的特征矩阵输入到可利用热量预测模型中进行编码学习；
当可利用热量预测模型的模型参数符合预设参数要求之后，保存模型参数，并输出可利用热量预测模型；
将温度信息输入到可利用热量预测模型中，预测出当前温度信息之下的可利用的热量信息。
需要说明的是，加热炉在各温度信息之下历史可利用的热量信息包括加热炉在各温度信息之下、不同工作时长的历史可利用的热量信息，从而预测出当前的工作时长以及温度信息之下的可利用的热量信息。
如图3所示，进一步的，在本方法中，获取余热回收利用装置所在的位置信息以及加热炉的位置信息，并根据余热回收利用装置所在的位置信息以及加热炉的位置信息计算出传输过程中的热量消耗信息，具体包括：
S302:获取余热回收利用装置所在的位置信息以及加热炉的位置信息，并获取传输管道的布局图信息，基于余热回收利用装置所在的位置信息、加热炉的位置信息以及传输管道的布局图信息确定每一加热炉到余热回收装置的传输管道距离值；
S304:通过大数据获取各环境温度之下单位长度的传输管道在单位时间之内的热量散失数据信息，并获取当前环境的实时环境温度值信息；
S306:获取在传输管道距离值内传输能量时的预估时间信息，并根据当前环境的实时环境温度值信息、在传输管道距离值内传输能量时的预估时间信息以及传输管道距离值作为变量；
S308:根据变量以及各环境温度之下单位长度的传输管道在单位时间之内的热量散失数据信息计算出传输过程中的热量消耗信息。
需要说明的是，通过本方法能够传输过程中的热量消耗信息，从而对余热的回收进一步的精确判断。传输管道的布局图信息包括三维地图信息、平面地图信息，可通过CAD、SolidWorks等软件进行构建造。
进一步的，在本方法中，通过对可利用的热量信息以及传输过程中的热量消耗信息进行评价，获取评价结果，具体包括：
判断可利用的热量信息是否大于传输过程中的热量消耗信息，当可利用的热量信息大于传输过程中的热量消耗信息时，则将对应的加热炉作为可进行余热回收的加热炉；
当可利用的热量信息不大于传输过程中的热量消耗信息时，则将对应的加热炉作为不可进行余热回收的加热炉；
根据可进行余热回收的加热炉以及不可进行余热回收的加热炉生成相关的评价结果，并将评价结果输出。
需要说明的是，当可利用的热量信息不大于传输过程中的热量消耗信息时，说明热量在管道传输的过程中均散失了，说明对应的加热炉作为不可进行余热回收的加热炉。
进一步的，在本方法中，根据评价结果生成相关的余热回收方案，并基于相关的余热回收方案对加热炉的热量进行回收，具体包括：
若评价结果为可进行余热回收的加热炉，则获取可进行余热回收的加热炉的通信协议信息，并根据可进行余热回收的加热炉的通信协议信息生成相关的调控信息；
根据相关的调控信息生成相关的余热回收方案，并基于相关的余热回收方案对加热炉的热量进行回收，控制余热回收装置启动。
此外，本方法还可以包括以下步骤：
获取余热回收装置的历史服役数据信息，并构建贝叶斯网络，将所述余热回收装置的历史服役数据信息输入到所述贝叶斯网络中进行训练，获取训练完成的贝叶斯网络；
获取余热回收装置在预设时间之内的服役数据信息，并将所述余热回收装置在预设时间之内的服役数据信息输入到所述训练完成的贝叶斯网络中，获取每一余热回收装置的故障概率；
获取实时的余热回收方案，判断所述余热回收装置的故障概率是否大于预设故障概率，当所述余热回收装置的故障概率大于预设故障概率时，将对应的余热回收装置作为故障的余热回收装置，并从所述实时的余热回收方案中剔除；
当所述余热回收装置的故障概率不大于预设故障概率时，将对应的余热回收装置作为修正的余热回收方案，并根据所述修正的余热回收方案对实时的余热回收方案进行修正。
需要说明的是，通过本方法能够提高余热回收装置的使用合理性。
此外，本方法还可以包括以下步骤：
通过大数据获取每一加热炉的历史余热回收效率，基于深度神经网络构建余热回收效率预测模型，将所述每一加热炉的历史余热回收效率输入到所述余热回收效率预测模型中进行编码学习；
通过编码学习，获取训练完成的余热回收效率预测模型，并通过所述训练完成的余热回收效率预测模型预测加热炉的余热回收效率，并获取每一加热炉余热产生效率信息，并统计每一加热炉余热产生效率信息，获取总的加热炉余热产生效率信息；
引入遗传算法，获取实时的余热回收装置的数量信息，根据所述加热炉的余热回收效率以及实时的余热回收装置的数量信息计算出总的余热回收效率，并判断所述总的余热回收效率是否不大于总的加热炉余热产生效率信息；
当所述总的余热回收效率不大于总的加热炉余热产生效率信息时，则通过遗传算法进行迭代，调整实时的余热回收装置的数量信息，直至所述总的余热回收效率大于总的加热炉余热产生效率信息，输出余热回收装置的数量信息，并定期调整余热回收装置的数量信息。
需要说明的是，通过本方法能够实现按需调节，维持余热回收装置的回收余热更加合理，有利于节省能源以及资源的合理化利用。
如图4所示，本发明第二方面提供了一种基于物联网的加热炉余热利用管理系统4，系统4包括存储器41以及处理器42，存储器41中包括基于物联网的加热炉余热利用管理方法程序，基于物联网的加热炉余热利用管理方法程序被处理器42执行时，实现如下步骤：
构建物联网监控网络，并通过物联网监控网络获取每一加热炉工作时的温度信息，根据温度信息预测出可利用的热量信息；
获取余热回收利用装置所在的位置信息以及加热炉的位置信息，并根据余热回收利用装置所在的位置信息以及加热炉的位置信息计算出传输过程中的热量消耗信息；
通过对可利用的热量信息以及传输过程中的热量消耗信息进行评价，获取评价结果；
根据评价结果生成相关的余热回收方案，并基于相关的余热回收方案对加热炉的热量进行回收。
进一步的，在本系统中，获取余热回收利用装置所在的位置信息以及加热炉的位置信息，并根据余热回收利用装置所在的位置信息以及加热炉的位置信息计算出传输过程中的热量消耗信息，具体包括：
获取余热回收利用装置所在的位置信息以及加热炉的位置信息，并获取传输管道的布局图信息，基于余热回收利用装置所在的位置信息、加热炉的位置信息以及传输管道的布局图信息确定每一加热炉到余热回收装置的传输管道距离值；
通过大数据获取各环境温度之下单位长度的传输管道在单位时间之内的热量散失数据信息，并获取当前环境的实时环境温度值信息；
获取在传输管道距离值内传输能量时的预估时间信息，并根据当前环境的实时环境温度值信息、在传输管道距离值内传输能量时的预估时间信息以及传输管道距离值作为变量；
根据变量以及各环境温度之下单位长度的传输管道在单位时间之内的热量散失数据信息计算出传输过程中的热量消耗信息。
本发明第三方面提供了一种计算机可读存储介质，计算机可读存储介质中包括基于物联网的加热炉余热利用管理方法程序，基于物联网的加热炉余热利用管理方法程序被处理器执行时，实现任一项的基于物联网的加热炉余热利用管理方法的步骤。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例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一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、服务器、或者网络设备等）执行本发明各个实施例方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.基于物联网的加热炉余热利用管理方法，其特征在于，包括以下步骤：
构建物联网监控网络，并通过所述物联网监控网络获取每一加热炉工作时的温度信息，根据所述温度信息预测出可利用的热量信息；
获取余热回收利用装置所在的位置信息以及加热炉的位置信息，并根据所述余热回收利用装置所在的位置信息以及加热炉的位置信息计算出传输过程中的热量消耗信息；
通过对所述可利用的热量信息以及传输过程中的热量消耗信息进行评价，获取评价结果；
根据所述评价结果生成相关的余热回收方案，并基于所述相关的余热回收方案对加热炉的热量进行回收。
2.根据权利要求1所述的基于物联网的加热炉余热利用管理方法，其特征在于，构建物联网监控网络，具体包括：
获取加热炉的位置信息以及监控传感器的信息采集延迟速率信息，并初始化信息汇聚设备的布局位置信息，根据所述信息汇聚设备的布局位置信息以及加热炉的位置信息进行布线模拟规划；
获取布线规划后的线路布局图，从所述线路布局图中获取每一加热炉中对应监控传感器到信息汇聚设备的布局位置信息的线路距离信息，并计算每一线路距离信息的信息采集延迟速率信息；
根据所述监控传感器的信息采集延迟速率信息以及每一线路距离信息的信息采集延迟速率信息计算出每一监控传感器传输信息到信息汇聚设备的信息采集速率信息，统计信息采集速率信息，获取平均信息采集速率信息；
基于遗传算法设置遗传代数，当所述平均信息采集速率信息不大于预设平均信息采集速率阈值时，根据遗传代数进行迭代，调整信息汇聚设备的布局位置，直至所述平均信息采集速率信息大于预设平均信息采集速率阈值，生成物联网监控网络。
3.根据权利要求1所述的基于物联网的加热炉余热利用管理方法，其特征在于，通过所述物联网监控网络获取每一加热炉工作时的温度信息，具体包括：
通过物联网监控网络获取每一加热炉工作时监控传感器所获取的初始温度信息，根据所述初始温度信息构建温度曲线图，并引入局部离群检测算法；
通过所述局部离群检测算法计算所述温度曲线图中每一温度信息的局部离群值，并判断所述局部离群值是否大于预设局部离群值；
当所述局部离群值大于所述预设局部离群值时，则将对应的初始温度信息作为异常温度信息，并将所述异常温度信息从所述温度曲线图中进行剔除；
当所述局部离群值不大于所述预设局部离群值时，则将对应的初始温度信息作为可信任的温度信息，并将所述可信任的温度信息作为加热炉工作时的温度信息进行输出。
4.根据权利要求1所述的基于物联网的加热炉余热利用管理方法，其特征在于，根据所述温度信息预测出可利用的热量信息，具体包括：
获取加热炉在各温度信息之下历史可利用的热量信息，并基于深度神经网络构建可利用热量预测模型，根据所述加热炉在各温度信息之下历史可利用的热量信息构建特征矩阵；
引入奇异值分解算法，通过所述奇异值分解算法对所述特征矩阵进行处理，生成降维后的特征矩阵，将所述降维后的特征矩阵输入到所述可利用热量预测模型中进行编码学习；
当所述可利用热量预测模型的模型参数符合预设参数要求之后，保存模型参数，并输出可利用热量预测模型；
将所述温度信息输入到所述可利用热量预测模型中，预测出当前温度信息之下的可利用的热量信息。
5.根据权利要求1所述的基于物联网的加热炉余热利用管理方法，其特征在于，获取余热回收利用装置所在的位置信息以及加热炉的位置信息，并根据所述余热回收利用装置所在的位置信息以及加热炉的位置信息计算出传输过程中的热量消耗信息，具体包括：
获取余热回收利用装置所在的位置信息以及加热炉的位置信息，并获取传输管道的布局图信息，基于所述余热回收利用装置所在的位置信息、加热炉的位置信息以及传输管道的布局图信息确定每一加热炉到余热回收装置的传输管道距离值；
通过大数据获取各环境温度之下单位长度的传输管道在单位时间之内的热量散失数据信息，并获取当前环境的实时环境温度值信息；
获取在传输管道距离值内传输能量时的预估时间信息，并根据所述当前环境的实时环境温度值信息、在传输管道距离值内传输能量时的预估时间信息以及传输管道距离值作为变量；
根据所述变量以及各环境温度之下单位长度的传输管道在单位时间之内的热量散失数据信息计算出传输过程中的热量消耗信息。
6.根据权利要求1所述的基于物联网的加热炉余热利用管理方法，其特征在于，通过对所述可利用的热量信息以及传输过程中的热量消耗信息进行评价，获取评价结果，具体包括：
判断所述可利用的热量信息是否大于所述传输过程中的热量消耗信息，当所述可利用的热量信息大于所述传输过程中的热量消耗信息时，则将对应的加热炉作为可进行余热回收的加热炉；
当所述可利用的热量信息不大于所述传输过程中的热量消耗信息时，则将对应的加热炉作为不可进行余热回收的加热炉；
根据所述可进行余热回收的加热炉以及不可进行余热回收的加热炉生成相关的评价结果，并将所述评价结果输出。
7.根据权利要求1所述的基于物联网的加热炉余热利用管理方法，其特征在于，根据所述评价结果生成相关的余热回收方案，并基于所述相关的余热回收方案对加热炉的热量进行回收，具体包括：
若所述评价结果为可进行余热回收的加热炉，则获取可进行余热回收的加热炉的通信协议信息，并根据所述可进行余热回收的加热炉的通信协议信息生成相关的调控信息；
根据所述相关的调控信息生成相关的余热回收方案，并基于所述相关的余热回收方案对加热炉的热量进行回收，控制余热回收装置启动。
8.基于物联网的加热炉余热利用管理系统，其特征在于，所述系统包括存储器以及处理器，所述存储器中包括基于物联网的加热炉余热利用管理方法程序，所述基于物联网的加热炉余热利用管理方法程序被所述处理器执行时，实现如下步骤：
构建物联网监控网络，并通过所述物联网监控网络获取每一加热炉工作时的温度信息，根据所述温度信息预测出可利用的热量信息；
获取余热回收利用装置所在的位置信息以及加热炉的位置信息，并根据所述余热回收利用装置所在的位置信息以及加热炉的位置信息计算出传输过程中的热量消耗信息；
通过对所述可利用的热量信息以及传输过程中的热量消耗信息进行评价，获取评价结果；
根据所述评价结果生成相关的余热回收方案，并基于所述相关的余热回收方案对加热炉的热量进行回收。
9.根据权利要求8所述的基于物联网的加热炉余热利用管理系统，其特征在于，获取余热回收利用装置所在的位置信息以及加热炉的位置信息，并根据所述余热回收利用装置所在的位置信息以及加热炉的位置信息计算出传输过程中的热量消耗信息，具体包括：
获取余热回收利用装置所在的位置信息以及加热炉的位置信息，并获取传输管道的布局图信息，基于所述余热回收利用装置所在的位置信息、加热炉的位置信息以及传输管道的布局图信息确定每一加热炉到余热回收装置的传输管道距离值；
通过大数据获取各环境温度之下单位长度的传输管道在单位时间之内的热量散失数据信息，并获取当前环境的实时环境温度值信息；
获取在传输管道距离值内传输能量时的预估时间信息，并根据所述当前环境的实时环境温度值信息、在传输管道距离值内传输能量时的预估时间信息以及传输管道距离值作为变量；
根据所述变量以及各环境温度之下单位长度的传输管道在单位时间之内的热量散失数据信息计算出传输过程中的热量消耗信息。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括基于物联网的加热炉余热利用管理方法程序，所述基于物联网的加热炉余热利用管理方法程序被处理器执行时，实现如权利要求1-7任一项所述的基于物联网的加热炉余热利用管理方法的步骤。
CN202410038919.3A 2024-01-11 2024-01-11 基于物联网的加热炉余热利用管理方法、系统及存储介质 Active CN117556332B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410038919.3A CN117556332B (zh) 2024-01-11 2024-01-11 基于物联网的加热炉余热利用管理方法、系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410038919.3A CN117556332B (zh) 2024-01-11 2024-01-11 基于物联网的加热炉余热利用管理方法、系统及存储介质

Publications (2)

Publication Number Publication Date
CN117556332A true CN117556332A (zh) 2024-02-13
CN117556332B CN117556332B (zh) 2024-03-15

Family

ID=89813183

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410038919.3A Active CN117556332B (zh) 2024-01-11 2024-01-11 基于物联网的加热炉余热利用管理方法、系统及存储介质

Country Status (1)

Country Link
CN (1) CN117556332B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117978544A (zh) * 2024-03-28 2024-05-03 深圳微子医疗有限公司 一种医疗设备远程信息传输方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130179062A1 (en) * 2010-09-17 2013-07-11 Pioneer Corporation Travel distance estimating apparatus, travel distance estimating method, travel distance estimating program, and recording medium
CN104034174A (zh) * 2014-05-07 2014-09-10 中信重工机械股份有限公司 炉冷烧结矿余热发电自动控制系统
US20180284737A1 (en) * 2016-05-09 2018-10-04 StrongForce IoT Portfolio 2016, LLC Methods and systems for detection in an industrial internet of things data collection environment with large data sets
CN108800956A (zh) * 2018-04-23 2018-11-13 中冶长天国际工程有限责任公司 一种烧结机尾余热多点回收及高效利用的方法和装置
CN110399986A (zh) * 2019-06-24 2019-11-01 中水三立数据技术股份有限公司 一种泵站机组故障诊断系统的生成方法
CN210440779U (zh) * 2019-07-09 2020-05-01 新地能源工程技术有限公司 一种基于余热回收利用和石墨烯高导热性能的预制蒸汽管道保温管壳
WO2020106018A1 (ko) * 2018-11-20 2020-05-28 부산대학교 산학협력단 가열로 모니터링 시스템 및 방법
CN211060643U (zh) * 2019-11-25 2020-07-21 徐州杰科铝业有限公司 一种可余热回收的熔铝炉
CN112879935A (zh) * 2021-01-27 2021-06-01 北京北燃供热有限公司 基于锅炉烟气余热回收的优化控制方法与系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130179062A1 (en) * 2010-09-17 2013-07-11 Pioneer Corporation Travel distance estimating apparatus, travel distance estimating method, travel distance estimating program, and recording medium
CN104034174A (zh) * 2014-05-07 2014-09-10 中信重工机械股份有限公司 炉冷烧结矿余热发电自动控制系统
US20180284737A1 (en) * 2016-05-09 2018-10-04 StrongForce IoT Portfolio 2016, LLC Methods and systems for detection in an industrial internet of things data collection environment with large data sets
CN108800956A (zh) * 2018-04-23 2018-11-13 中冶长天国际工程有限责任公司 一种烧结机尾余热多点回收及高效利用的方法和装置
WO2020106018A1 (ko) * 2018-11-20 2020-05-28 부산대학교 산학협력단 가열로 모니터링 시스템 및 방법
CN110399986A (zh) * 2019-06-24 2019-11-01 中水三立数据技术股份有限公司 一种泵站机组故障诊断系统的生成方法
CN210440779U (zh) * 2019-07-09 2020-05-01 新地能源工程技术有限公司 一种基于余热回收利用和石墨烯高导热性能的预制蒸汽管道保温管壳
CN211060643U (zh) * 2019-11-25 2020-07-21 徐州杰科铝业有限公司 一种可余热回收的熔铝炉
CN112879935A (zh) * 2021-01-27 2021-06-01 北京北燃供热有限公司 基于锅炉烟气余热回收的优化控制方法与系统

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
GUOHUI WANG 等: "Modification of the phase change transfer model for underwater vehicles: A molecular dynamics approach", 《ENERGY RESEARCH》, 13 August 2020 (2020-08-13), pages 11323, XP071645758, DOI: 10.1002/er.5748 *
TANASIEV VLADIMIR 等: "Enhancing environmental and energy monitoring of residential buildings through IoT", 《AUTOMATION IN CONSTRUCTION》, 4 June 2021 (2021-06-04), pages 1 - 13 *
ZHOU JIANHONG 等: "Thermal design of microchannel heat sinks using a contour extraction based on topology optimization (CEBTO) method", 《INTERNATIONAL JOURNAL OF HEAT AND MASS TRANSFER》, vol. 189, 1 July 2022 (2022-07-01), pages 1 - 17 *
刘兆瑞: "面向温度优化的三维片上网络任务分配与调度方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑(月刊)》, no. 3, 15 March 2017 (2017-03-15), pages 135 - 810 *
吴明泉: "生物质锅炉余热回收翅片管换热器传热特性研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑(月刊)》, no. 2, 15 December 2013 (2013-12-15), pages 041 - 12 *
李英伦: "基于物联网与WebGIS点面融合的农田环境监测系统", 《中国优秀硕士学位论文全文数据库 信息科技辑(月刊)》, no. 2, 15 February 2019 (2019-02-15), pages 140 - 1076 *
贾兴旺 等: "多能互补冷热电综合能源供给安全智能调控", 《价值工程》, no. 13, 8 May 2020 (2020-05-08), pages 254 - 256 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117978544A (zh) * 2024-03-28 2024-05-03 深圳微子医疗有限公司 一种医疗设备远程信息传输方法及系统
CN117978544B (zh) * 2024-03-28 2024-05-31 深圳微子医疗有限公司 一种医疗设备远程信息传输方法及系统

Also Published As

Publication number Publication date
CN117556332B (zh) 2024-03-15

Similar Documents

Publication Publication Date Title
CN117556332B (zh) 基于物联网的加热炉余热利用管理方法、系统及存储介质
CN112884199B (zh) 水电站设备故障预测方法、装置、计算机设备和存储介质
US20240037677A1 (en) Method for power consumption analysis and troubleshooting of production line based on industrial internet of things, system and storage medium thereof
CN113487083A (zh) 一种设备剩余使用寿命的预测方法、装置、计算机设备及计算机可读存储介质
CN116231871A (zh) 一种基于数字孪生的电网态势监管方法、系统及存储介质
CN113326585A (zh) 燃气锅炉的能效异常预警方法、装置和计算机设备
Tian et al. A novel network traffic combination prediction model
CN108931700A (zh) 一种基于WSNs的电网安全风险预警系统
CN115167562A (zh) 一种机房温度控制方法和装置
CN111126707A (zh) 能耗方程构建、能耗预测方法与装置
CN111624874B (zh) 用于城市污水处理的泵站集群智能化预测方法及系统、存储介质
CN117207905B (zh) 一种新能源汽车的电源运维方法、系统及存储介质
CN112134275B (zh) 一种计算含风电场电力系统的可靠性方法及系统
CN113640024A (zh) 挖掘机故障诊断方法、挖掘机、电子设备及存储介质
CN113919572A (zh) 一种负荷预测方法、装置及系统
CN113487087A (zh) 一种设备使用寿命的预测方法、装置、计算机设备及计算机可读存储介质
CN117419913A (zh) 一种用于电磁阀的智能检测装置及方法
CN117458716A (zh) 基于物联网的配电设备远程监测监控方法和系统
CN116757352A (zh) 集成平台健康度监测方法、装置、设备及介质
CN115860278A (zh) 一种基于数据分析的电机组装生产管理方法及系统
CN114626956B (zh) 基于物联网的能源信息利用平台
CN108256663B (zh) 一种核电运行事故风险实时预测方法
CN110232482B (zh) 基于神经网络的设备管理方法及装置
CN113255994A (zh) 电网cps的优化配置方法、装置、设备和介质
CA2689035C (en) Systems and methods for predictive building energy monitoring

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