ES2946940A1 - Sistema de diagnostico global de redes de vapor y condensado en tiempo real - Google Patents
Sistema de diagnostico global de redes de vapor y condensado en tiempo real Download PDFInfo
- Publication number
- ES2946940A1 ES2946940A1 ES202230069A ES202230069A ES2946940A1 ES 2946940 A1 ES2946940 A1 ES 2946940A1 ES 202230069 A ES202230069 A ES 202230069A ES 202230069 A ES202230069 A ES 202230069A ES 2946940 A1 ES2946940 A1 ES 2946940A1
- Authority
- ES
- Spain
- Prior art keywords
- steam
- sensors
- parameters
- condensate
- networks
- 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.)
- Withdrawn
Links
- 238000004326 stimulated echo acquisition mode for imaging Methods 0.000 title claims description 3
- 238000000034 method Methods 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims abstract description 6
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 5
- 238000013528 artificial neural network Methods 0.000 claims abstract description 5
- 238000004458 analytical method Methods 0.000 claims abstract description 4
- 238000010801 machine learning Methods 0.000 claims abstract description 4
- 238000002604 ultrasonography Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 230000007797 corrosion Effects 0.000 claims description 4
- 238000005260 corrosion Methods 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 4
- 239000002184 metal Substances 0.000 claims description 4
- 230000003190 augmentative effect Effects 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims 2
- 238000009429 electrical wiring Methods 0.000 claims 1
- 230000017525 heat dissipation Effects 0.000 claims 1
- 230000003287 optical effect Effects 0.000 claims 1
- 238000009413 insulation Methods 0.000 abstract description 3
- 238000011084 recovery Methods 0.000 abstract description 3
- 230000006399 behavior Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 6
- 230000004075 alteration Effects 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000009833 condensation Methods 0.000 description 1
- 230000005494 condensation Effects 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000005514 two-phase flow Effects 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
- F01K—STEAM ENGINE PLANTS; STEAM ACCUMULATORS; ENGINE PLANTS NOT OTHERWISE PROVIDED FOR; ENGINES USING SPECIAL WORKING FLUIDS OR CYCLES
- F01K13/00—General layout or general methods of operation of complete plants
- F01K13/003—Arrangements for measuring or testing
-
- 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
- F22B37/42—Applications, arrangements, or dispositions of alarm or automatic safety devices
- F22B37/421—Arrangements for detecting leaks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Mechanical Engineering (AREA)
- Biomedical Technology (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Chemical & Material Sciences (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Thermal Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Combustion & Propulsion (AREA)
- Control Of Steam Boilers And Waste-Gas Boilers (AREA)
Abstract
La presente especificación se refiere a una Patente de Invención correspondiente a un nuevo prototipo de sistema de diagnóstico global de redes de vapor y condensado en tiempo real, utilizando técnicas de procesamiento y análisis de datos basadas en Redes Neuronales, Inteligencia Artificial y Machine Learning. Dicho sistema de diagnóstico puede ser aplicado a toda red industrial de vapor integrada por una amplia diversidad de elementos tales como tuberías de distribución de vapor y de recuperación de condensados, consumidores de vapor, elementos de regulación y control, trampas de vapor, purgadores, válvulas de seguridad, válvulas automáticas on-off, válvulas de corte manual o automático, accesorios de tubería, calorifugados, etc.
Description
DESCRIPCIÓN
SISTEMA DE DIAGNÓSTICO GLOBAL DE REDES DE VAPOR Y CONDENSADO EN TIEMPO REAL
SECTOR DE LA TÉCNICA
Monitorización industrial. Fiabilidad y Mantenimiento.
ANTECEDENTES DE LA INVENCIÓN
El estado actual del arte en materia de diagnóstico de redes de vapor y condensado carece de un sistema global que permita diagnosticar de modo automatizado y en tiempo real su estado de funcionamiento y detectar con anticipación alteraciones y problemas operativos, reducir la fiabilidad y disponibilidad de la red de vapor, reducir su eficiencia energética aumentar el consumo de vapor, aumentar emisiones atmosféricas de CO2, generar golpes de ariete térmicos e hidráulicos, originar fuertes erosiones causadas por flujos bifásicos a elevada velocidad, ocasionar daños en turbomáquinas por alimentación con vapor húmedo, dificultar e impedir la recuperación de energía residual del condensado por excesiva contrapresión, detectar bolsas de gases incondensables, detectar contaminación de condensados, etc.
En la actualidad se utilizan algunos tipos de sensor para monitorizar elementos aislados midiendo parámetros aislados tales como presión, temperatura, ultrasonido, conductividad, etc., que se instalan ocasionalmente en algunos elementos de la red de vapor. Incluso existen dispositivos que combinan algunos de ellos para monitorizar algunos elementos (por ejemplo, presión, temperatura y ultrasonido para monitorizar purgadores). Pero tales dispositivos solamente ofrecen diagnósticos de elementos aislados de la red de vapor, sin tener en cuenta la influencia que las variaciones de cualquiera de ellos puede ejercer sobre el funcionamiento global de la red de vapor y
condensado considerada como un sistema complejo que integra una amplia variedad de elementos tales como tuberías de distribución de vapor, tuberías de recuperación de condensados, elementos de regulación y control, equipos consumidores de vapor, turbomáquinas, elementos de seguridad, aislamientos térmicos, válvulas de diversos tipos, trampas de vapor, purgadores, etc.
De otra parte, el correcto funcionamiento de redes de vapor y condensado no sólo depende de parámetros internos de las mismas, sino que generalmente es afectado por parámetros externos que modifican su comportamiento tales como lluvia, temperatura ambiente, velocidad del viento, etc., que pueden llegar a tener una gran influencia en el funcionamiento de dichas redes y generar alteraciones muy significativas de las condiciones reales de trabajo en todos sus elementos.
El estado del arte carece de un sistema de diagnóstico de redes de vapor y condensado, que tenga en cuenta los efectos cruzados entre parámetros internos y externos para determinar con precisión el comportamiento de dichas redes como un sistema global.
Para ilustrar lo antes expuesto, a continuación se describen varios ejemplos que ponen de manifiesto cómo diversos parámetros internos y externos modifican el comportamiento de redes de vapor:
Como primer ejemplo, es bien sabido que en los procesos industriales que utilizan vapor como portador energético el consumo de vapor requerido en invierno es sustancialmente mayor que el requerido en verano. Esto se debe a una mayor condensación de vapor en invierno producida para compensar la mayor pérdida de calor al exterior en equipos, tuberías, calorifugados, válvulas, accesorios, etc. El mismo efecto en el consumo de vapor se produce de forma mucho más acusada en días secos y soleados comparado con consumos de vapor en días fríos con viento y especialmente con lluvia.
Otros ejemplos, son la enorme reducción de eficiencia energética de la red de vapor cuando hay presencia de gases incondensables en su interior, o el riesgo de graves daños en turbomáquinas cuando son alimentadas con vapor húmedo, o el “clapeteo” de válvulas de seguridad que ocurre bajo ciertas condiciones atmosféricas o de servicio adversas produciendo rápidas secuencias de apertura y cierre periódico de alta frecuencia difíciles de diagnosticar, que suelen pasar inadvertidos por el usuario y pueden generar daños importantes en las mismas, pérdidas energéticas y alteraciones en los procesos.
Otro efecto típico es el enorme exceso de autoconsumo de vapor de purgadores y trampas de vapor en condiciones de lluvia y viento en el entorno, efecto observado en trampas de vapor de descarga cíclica tales como la de tipo termodinámico de disco. Dado que el cierre de dicha trampa de vapor implica la descarga de un chorro de vapor en cada ciclo, ello significa que las fugas de vapor de dicho tipo de trampa dependen de su cadencia de ciclos de descarga, que depende enormemente de las condiciones atmosféricas y climáticas. Ahora bien, al aumentar la frecuencia de descarga se incrementa la contrapresión en la red de condensado y ello afecta decisivamente al funcionamiento de otras trampas de vapor y por ende a toda la red y, de modo indirecto, incrementa las emisiones atmosféricas de CO2 ya que el vapor es habitualmente generado por combustión de combustibles fósiles.
De igual forma, el viento y las variaciones de temperatura ambiente producen el mismo efecto, aunque menos acusado que la lluvia.
En resumen, el comportamiento y rendimiento energético de las redes de vapor y condensado no sólo depende de sus parámetros de diseño y del de sus elementos, sino también de factores externos que afectan y modifican sustancialmente su comportamiento, que reducen la fiabilidad y disponibilidad
de dichas redes, pudiendo llegar a causar graves problemas operativos que dejen fuera de servicio tales redes. En conclusión, el estado del arte carece de un sistema de diagnóstico global de redes de vapor y condensados consideradas como sistemas complejos sometidos a una amplia variedad de factores internos y condiciones externas que interacciona entre sí alterando su comportamiento.
.EXPLICACIÓN DE LA INVENCIÓN
El nuevo prototipo objeto de esta invención se basa la combinación de múltiples sensores de parámetros físicos internos de redes de vapor que se instalan en elementos característicos de redes de vapor y condensado, combinados con sensores de parámetros externos ambientales que ejercen influencia y modifican el comportamiento de las redes de vapor y condensado.
Los datos obtenidos son analizados conjuntamente por dispositivos electrónicos basados en microprocesador correlacionando sus variaciones cruzadas presentes. Es decir, el diagnóstico de estado de los elementos de la red de vapor no se analizará de forma individual y aislada sino como parte de un sistema global cuyos parámetros operativos están interrelacionados entre sí y varían con las condiciones ambientales locales en cada momento.
Para ello, se utilizarán técnicas de procesamiento y análisis de datos basados en redes neuronales y algoritmos de Inteligencia Artificial, lo que permitirá obtener diagnósticos globales de tipo predictivo-preventivo, que reflejarán fielmente el comportamiento real de las redes de vapor y condensado, como sistema global, en tiempo real, y facilitarán al usuario información anticipada para prevenir y evitar mal función y problemas operativos que podrían ocasionar graves consecuencias e incluso la parada no programada de la instalación.
REALIZACIÓN PREFERENTE DE LA INVENCIÓN
El nuevo prototipo objeto de esta invención se compone de los siguientes elementos:
a. Varios sensores para captación y medida de alguno o varios de los siguientes parámetros internos en redes de vapor y condensado tales como ultrasonido, temperatura, presión, conductividad, turbidez, corrosión, vibraciones.
b. Sensores de parámetros ambientales (temperatura, velocidad del viento, lluvia). Opcionalmente estos parámetros pueden ser captados desde otras fuentes externas (estaciones meteorológicas locales, datos facilitados por internet sobre condiciones locales, u otros medios disponibles).
c. Dispositivos de campo alojados en carcasas metálicas que albergan en su interior circuitos electrónicos basados en microprocesador, que disponen de varios canales de entrada de parámetros analógicos y digitales procedentes de los sensores.
d. Los citados circuitos electrónicos pueden ser alimentados por cualquiera de los siguientes medios: cable, pila, batería recargable mediante paneles fotovoltaicos, o batería recargable mediante células Peltier.
e. Un sistema de transmisión de datos desde los dispositivos de campo hasta dispositivos de recepción y procesado de datos. La transmisión de datos puede ser realizada por cualquier medio físico utilizado industrialmente tal como, sin carácter limitativo, bus de cable, transmisor de radio basado en protocolos industriales, módulo de telefonía móvil para redes Low Power Wide Area Network (LPWAN) basadas en 4G LTE, NarrowBand Internet of Things (NB-IoT)., 4G LTE-M, 5G, IoT (Internet of Things), etc.
f. Una plataforma de gestión de datos en la nube (Cloud Computing) basada en servidores Web y servidores de bases de datos, ya sean de tipo real o de tipo virtual, con análisis de datos basadas en Redes Neuronales, Inteligencia Artificial y Machine Learning.
g. Una potente Interfaz Gráfica de Usuario para visualizar los resultados de diagnósticos del sistema de forma intuitiva, utilizando técnicas de Realidad Aumentada y Realidad Virtual.
Los transmisores de datos pueden estar alojados en los propios dispositivos de campo o ser elementos externos, conectados a los dispositivos de campo por cualquier medio físico disponible de tipo cableado o inalámbrico.
La carcasa metálica del dispositivo debe disponer de conector mecánico que permita su fijación directa al elemento monitorizado o a la tubería conectada al elemento monitorizado. El conector debe permitir insertar a lo largo del mismo un número suficiente de aletas metálicas a modo de radiador térmico para disipar calor y evitar el sobrecalentamiento de los circuitos alojados en el interior de la carcasa metálica.
La información captada por todos los sensores es procesada mediante redes neuronales y algoritmos de Inteligencia Artificial y Machine Learning con el fin de proporcionar diagnósticos predictivos en tiempo real que permitan al usuario programar o lanzar acciones de correctivas mantenimiento predictivo y preventivo y evitar paradas no programadas, así como pronosticar con suficiente antelación maniobras operativas destinadas a optimizar los procesos energéticos y reducir emisiones atmosféricas de CO2.
El nuevo prototipo objeto de esta invención tiene innumerables aplicaciones en la vida real debido al uso generalizado de redes de vapor y condensado en una inmensa variedad de sectores industriales (energético, petroquímico, farmacéutico, alimentario, automoción, etc.).
Desde el punto de vista económico, el nuevo prototipo objeto de esta invención tiene un elevado interés por varios motivos:
a. Genera importantes ahorros energéticos por reducción de consumos de vapor.
b. Reduce emisiones atmosféricas de CO2, causante del llamado efecto invernadero y su influencia en el Calentamiento Global.
c. Mejora de procesos productivos que utilizan vapor como portador térmico.
d. Incrementa de fiabilidad de redes de vapor en la industria.
e. Reduce de costes de mantenimiento y operativos.
Desde el punto de vista de la seguridad, el nuevo prototipo objeto de esta invención también tiene un notable interés, pues el diagnóstico en tiempo real de redes de vapor y condensado no solo incrementa la eficiencia de los procesos sino que reduce riesgos accidentales en situaciones imprevisibles.
Claims (3)
1. Dispositivo 1: SISTEMA DE DIAGNÓSTICO GLOBAL DE REDES DE VAPOR Y CONDENSADO EN TIEMPO REAL , caracterizado porque consta de los siguientes elementos:
a) Un conjunto de sensores de parámetros internos de red de vapor y condensado tales como ultrasonido, temperatura, presión, conductividad, turbidez, corrosión, vibración.
b) Un conjunto de sensores de parámetros ambientales locales (temperatura, velocidad del viento, lluvia). Opcionalmente estos parámetros pueden ser captados por el sistema desde otras fuentes externas (estaciones meteorológicas locales, datos facilitados por internet sobre condiciones locales, u otros medios disponibles).
c) Un número suficiente de transmisores de datos desde los sensores internos y externos hasta un sistema de recepción y procesamiento de datos.
d) Un sistema o plataforma informática de recepción y procesamiento de datos, que puede ser física o virtual y puede ser alojada localmente o en la nube (Cloud Computing).
e) Los dispositivos de campo tales como sensores y transmisores están alojados en cajas metálicas que albergan en su interior circuitos electrónicos y elementos hardware (sensores, circuitos electrónicos, pilas y/o baterías). Dicha carcasa es conectable mecánicamente a cualquier elemento de una red de vapor y condensado. El conector puede incorporar un radiador de aletas para evitar disipar calor.
f) Un sistema de alimentación eléctrica de sensores y transmisores, que puede ser por medio de pilas, por baterías recargables con energía solar, o por cableado eléctrico.
2. Dispositivo 2: Según reivindicación 1, UN MODULO DE CIRCUITOS ELECTRÓNICOS, alojado en el interior de la carcasa descrita en la reivindicación 1, y está constituido por los siguientes elementos: un chasis o carcasa que puede albergar en su interior uno o varios sensores de ultrasonido, temperatura, presión, conductividad, turbidez, corrosión, o vibraciones, circuitos electrónicos de muestreo y análisis de dichos parámetros; un analizador electrónico basado en microprocesador para realizar el muestreo de parámetros captados por los citados sensores; y un emisor de datos para información óptica, acústica, numérica, analógica o digital, codificada en correspondencia con los valores de los parámetros medidos por los citados sensores.
a. Dispositivo 3: Según reivindicaciones 1 y 2, UNA PLATAFORMA INFORMÁTICA DE PROCESAMIENTO DE DATOS, física, virtual o en la nube, que procesa en tiempo real datos internos del proceso captados por sensores instalados en equipos monitorizados (ultrasonido, temperatura, presión, conductividad, turbidez, corrosión, vibraciones) y parámetros externos (temperatura ambiente, lluvia, velocidad el viento) y realiza análisis cruzado de todos ellos a lo largo del tiempo mediante Redes Neuronales, Inteligencia Artificial y Machine Learning.
3. Dispositivo 4: Según reivindicaciones 1, 2 y 3, UNA INTERFAZ GRÁFICA DE USUARIO PARA VISUALIZACIÓN DE RESULTADOS, basado en técnicas de realidad aumentada y realidad virtual.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| ES202230069A ES2946940A1 (es) | 2022-01-28 | 2022-01-28 | Sistema de diagnostico global de redes de vapor y condensado en tiempo real |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| ES202230069A ES2946940A1 (es) | 2022-01-28 | 2022-01-28 | Sistema de diagnostico global de redes de vapor y condensado en tiempo real |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| ES2946940A1 true ES2946940A1 (es) | 2023-07-28 |
Family
ID=87378220
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| ES202230069A Withdrawn ES2946940A1 (es) | 2022-01-28 | 2022-01-28 | Sistema de diagnostico global de redes de vapor y condensado en tiempo real |
Country Status (1)
| Country | Link |
|---|---|
| ES (1) | ES2946940A1 (es) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110285403A (zh) * | 2019-06-10 | 2019-09-27 | 华北电力大学 | 基于被控参数预估的主蒸汽温度控制方法 |
| US20200167592A1 (en) * | 2018-11-26 | 2020-05-28 | Doosan Heavy Industries & Construction Co., Ltd. | Apparatus for generating learning data for combustion optimization and method therefor |
| CN111765449A (zh) * | 2020-09-03 | 2020-10-13 | 浙江省能源集团有限公司 | 一种基于长短期记忆网络的过热器爆泄预警方法 |
| KR20210010194A (ko) * | 2019-07-19 | 2021-01-27 | 울산과학기술원 | 딥러닝 기반의 화력 발전소 재과열기 튜브의 누설 감지 방법 및 이를 수행하는 장치 |
-
2022
- 2022-01-28 ES ES202230069A patent/ES2946940A1/es not_active Withdrawn
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20200167592A1 (en) * | 2018-11-26 | 2020-05-28 | Doosan Heavy Industries & Construction Co., Ltd. | Apparatus for generating learning data for combustion optimization and method therefor |
| CN110285403A (zh) * | 2019-06-10 | 2019-09-27 | 华北电力大学 | 基于被控参数预估的主蒸汽温度控制方法 |
| KR20210010194A (ko) * | 2019-07-19 | 2021-01-27 | 울산과학기술원 | 딥러닝 기반의 화력 발전소 재과열기 튜브의 누설 감지 방법 및 이를 수행하는 장치 |
| CN111765449A (zh) * | 2020-09-03 | 2020-10-13 | 浙江省能源集团有限公司 | 一种基于长短期记忆网络的过热器爆泄预警方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102084784B1 (ko) | 머신러닝기반 태양광발전운영 관리방법 | |
| CN105156905A (zh) | 管道的泄漏监测系统及监测方法、监测设备和服务器 | |
| CN204190699U (zh) | 一种基于物联网太阳能组件的监控系统 | |
| CN204027732U (zh) | 输电线路导线温度探测装置 | |
| CN106846701A (zh) | 一种基于北斗卫星的森林火灾监控装置 | |
| CN104614923A (zh) | 一种耐高低温的摄像热控装置 | |
| ES2946940A1 (es) | Sistema de diagnostico global de redes de vapor y condensado en tiempo real | |
| CN209783327U (zh) | 间接空冷散热器、间接空冷塔及间接空冷系统 | |
| Buerhop et al. | Analysis of inhomogeneous local distribution of potential induced degradation at a rooftop photovoltaic installation | |
| KR102423721B1 (ko) | 열전 발전 모듈을 이용한 IoT 배관 온도 모니터링 시스템 | |
| Akiyama et al. | Anomaly detection of solar power generation systems based on the normalization of the amount of generated electricity | |
| CN204012560U (zh) | 强迫风冷装置 | |
| Yu et al. | Fault detection method for steam boiler tube using Mahalanobis distance | |
| Bakır | A comparative evaluation and real-time measurement of failures in solar power plants by thermal imaging in Turkey | |
| CN201191383Y (zh) | 一种温度控制装置 | |
| CN202748584U (zh) | 一种球形摄像机 | |
| EP3783277A1 (en) | Thermoelectric generator with no moving parts applied to geothermal energy | |
| CN207753990U (zh) | 一种打标机柜plc控制系统用机箱 | |
| CN109270908A (zh) | 建筑能源设备管理系统 | |
| CN215985058U (zh) | 一种蒸汽暖风器的泄露监测装置 | |
| CN212159246U (zh) | 一种火电厂氨逃逸表计快速冷却的装置 | |
| TWM511095U (zh) | 環境感測警報系統 | |
| CN204461465U (zh) | 一种基于arm和fpga构架的风电监测装置 | |
| Kim | The intelligent solar power monitoring system based on Smart Phone | |
| KR20240078171A (ko) | 태양광 발전 시스템의 통합 모니터링 및 안전제어 시스템 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| BA2A | Patent application published |
Ref document number: 2946940 Country of ref document: ES Kind code of ref document: A1 Effective date: 20230728 |
|
| FA2A | Application withdrawn |
Effective date: 20231113 |