TW201621226A - 用於確定鍋爐內積垢的系統 - Google Patents

用於確定鍋爐內積垢的系統 Download PDF

Info

Publication number
TW201621226A
TW201621226A TW104122562A TW104122562A TW201621226A TW 201621226 A TW201621226 A TW 201621226A TW 104122562 A TW104122562 A TW 104122562A TW 104122562 A TW104122562 A TW 104122562A TW 201621226 A TW201621226 A TW 201621226A
Authority
TW
Taiwan
Prior art keywords
boiler
fouling
liquid
temperature
sensor data
Prior art date
Application number
TW104122562A
Other languages
English (en)
Other versions
TWI575193B (zh
Inventor
瑞塔 恰特帕亞
皇提 范
崔佛 瑞恩
保羅 賀夫
Original Assignee
英特爾股份有限公司
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 英特爾股份有限公司 filed Critical 英特爾股份有限公司
Publication of TW201621226A publication Critical patent/TW201621226A/zh
Application granted granted Critical
Publication of TWI575193B publication Critical patent/TWI575193B/zh

Links

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
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F22—STEAM GENERATION
    • F22B—METHODS OF STEAM GENERATION; STEAM BOILERS
    • F22B1/00—Methods of steam generation characterised by form of heating method
    • F22B1/28—Methods of steam generation characterised by form of heating method in boilers heated electrically
    • F22B1/284—Methods of steam generation characterised by form of heating method in boilers heated electrically with water in reservoirs
    • 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
    • F22B37/56—Boiler cleaning control devices, e.g. for ascertaining proper duration of boiler blow-down
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M99/00—Subject matter not provided for in other groups of this subclass

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Thermal Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Energy (AREA)
  • Sustainable Development (AREA)
  • Heat-Pump Type And Storage Water Heaters (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Arrangements For Transmission Of Measured Signals (AREA)

Abstract

本發明實施係關於用於確定鍋爐內積垢之系統。至少一感測器可在操作期間監視鍋爐且提供感測器資料至包括可確定鍋爐內積垢量之鍋爐積垢確定模組的鍋爐監視模組。範例感測資料可包含電源輸入、鍋爐內液體溫度及位於鍋爐內之容器中的氣體溫度。鍋爐監視模組可基於液體及容器之溫度確定至鍋爐的熱能傳遞。機器學習引擎可參考電源輸入確定至液體的熱能傳遞率，熱能傳遞率藉由機器學習引擎被評估以確定量化鍋爐內的積垢量之熱能傳遞率的延遲。

Description

用於確定鍋爐內積垢的系統
本發明有關於監視系統，且特別是有關於使用物裡和/或機器學習模型用以確認鍋爐內積垢量的系統。
用於加熱各種液體之鍋爐可被使用在各種家庭的、商業的和/或工業的應用。例如，常見的應用為用於加熱液體以作出如咖啡、茶等等的熱飲料之鍋爐。一種範例鍋爐可包含浸在含有將被加熱的水之容器內的加熱元件(例如，加熱管)。加熱元件可運行在電力、氣體等等下。一種可能影響鍋爐加熱效能的問題為積垢。鍋爐內的積垢是由水中的雜質沉積在鍋爐加熱管上而引起的。相比於使用來製造鍋爐的材料(例如，銅或鋼)，這些主要是氧化矽、鈣或鎂鹽的沉積物具有較低的導熱性。鍋爐內的積垢可基本上減少從加熱管至水的熱能傳遞率，其可至少減低鍋爐的運行效率，但其最嚴重的還可能造成潛在危險的操作條件。
特別是，積垢在鍋爐加熱管上可導致潛在危險的熱點。如果不加以控制，積垢可作為由於熱延遲(heat retardation)而逐漸降低鍋爐效率的絕緣體。積垢的增長最終可能會導致鍋爐加熱管過熱、破裂等等。回到熱飲料的範例，其最重要的是確保在熱飲料販賣機中的鍋爐保持沒有積垢，積垢不僅可能影響如前面討論的販賣機之安全操作及效率，而且還可能影響水的品質以及隨後分配的飲料的味道。目前，在熱飲料販賣機內的鍋爐例行地按照傳統的預防性維護準則(例如，根據製造商的建議)被更換。其結果是，基於鍋爐的實際情況鍋爐的更換可能常發生在其中更換是不必要的情況下。實際上並不需要的鍋爐更換可能導致例如對於販賣機營運商和他們的客戶浪費錢及不方便。
100‧‧‧系統
102‧‧‧鍋爐
104、104’‧‧‧裝置
106、106’‧‧‧容器
108‧‧‧感測器
110‧‧‧感測器資料
112、112’‧‧‧鍋爐監視模組
114‧‧‧鍋爐積垢確定模組
116‧‧‧通知
200‧‧‧系統模組
202‧‧‧處理模組
204‧‧‧記憶體模組
206‧‧‧電源模組
208‧‧‧使用者介面模組
210‧‧‧通訊介面模組
212‧‧‧通訊模組
300‧‧‧加熱管
302‧‧‧電源輸入
600、602、604、606、608‧‧‧操作
發明標的之各種實施例的特徵和優點當參考下面詳細敘述及附圖將顯而易見，相同參考數字指的是相同的部分，且其中：第1圖根據本發明至少一實施例示出一種用於確定鍋爐內積垢之範例系統；第2圖根據本發明至少一實施例示出對於可以使用的裝置範例配置；第3圖根據本發明至少一實施例示出利用在鍋爐積垢確定模型之範例準則； 第4圖根據本發明至少一實施例示出在好的鍋爐內之熱能傳遞率之範例；第5圖根據本發明至少一實施例示出在積垢的鍋爐內之熱能傳遞率之範例；以及第6圖根據本發明至少一實施例示出用於確定鍋爐內積垢之範例操作。
儘管以下的詳細描述將參照說明性的實施例，對本領域具通常知識者而言許多替換、修改及變化將是顯而易見。
【發明內容及實施方式】
本發明是關於一種用於確定鍋爐內積垢的系統。在一實施例中，在操作期間至少一感測器監視鍋爐。所述至少一感測器可接著提供感測器資料至包括至少一鍋爐積垢確定模組(boiler scaling determination module，BSDM)之鍋爐監視模組(boiler monitoring module，BMM)，所述BSDM利用感測器資料來確定鍋爐內積垢的量。所述感測器資料包含例如輸入至鍋爐內加熱管的電源、鍋爐內液體溫度以及所述鍋爐操作中的容器溫度。BMM可基於感測的液體溫度及容器溫度確定至鍋爐的熱傳遞。在BSDM中的機器學習引擎可接著基於電源輸入而確定鍋爐內至液體的熱能傳遞率，熱能傳遞率可接著藉由機器學習引擎評估以確定量化鍋爐內的積垢量之熱能傳遞率的延遲。鍋爐監視模組可接著導致鍋爐條件指示的產 生。鍋爐監視模組可被包括位於容器內、部分地在容器內或遠離容器的裝置內。在一實施例中，所述裝置可為利用區域網路(local-area network，LAN)或如網際網路(Internet)之廣域網路(wide-area network，WAN)監視鍋爐條件之遠端監視系統的一部分。
在至少一實施例中，系統可被配置以確定鍋爐內積垢。所述系統可包括例如鍋爐、鍋爐在其中操作的容器、至少一感測器以及裝置。鍋爐可用於加熱液體。所述至少一感測器可用以在考慮到鍋爐的操作產生感測器資料。所述裝置可包括至少一用以從至少一感測器接收感測器資料的通訊模組以及具有用以至少基於感測器訊號確定鍋爐內積垢量之BSDM的BMM。
例如，所述至少一感測器可用以至少感測加熱鍋爐內液體之電源輸入、鍋爐內液體溫度及容器溫度，所述感測器資料包括電源輸入、液體溫度及容器溫度。所述BSDM可用以從感測器資料去除雜訊或驗證所述感測器資料中的至少一者。所述BSDM更可用以至少基於電源輸入及液體溫度確定至鍋爐的熱能傳遞。所述BSDM可包含例如用以至少基於至鍋爐的熱能傳遞及所述容器溫度確定鍋爐內積垢的量之機器學習引擎。所述被用以確定鍋爐內積垢的量之機器學習引擎可包含被用以基於容器溫度確定鍋爐內至液體的熱能傳遞率之機器學習引擎，所述藉由機器學習引擎評估至液體的熱能傳遞率用以確定量化鍋爐內的積垢量之熱能傳遞率的延遲。在相同或不同實施例中， 所述BMM可用以導致關於確定的鍋爐內積垢的量之指標被產生。所述裝置可位於例如容器內。可選擇地，所述裝置的至少一部分可以是外置於容器，所述通訊模組經由區域網路或廣域網路之至少一者從至少一感測器接收所述感測器資料。
一種與本發明一致的用於確定鍋爐內積垢之方法可包含例如操作鍋爐以加熱液體，該鍋爐位於容器內，在裝置中接收關於該鍋爐之操作的感測器資料，輸入該感測器資料至該裝置內的BSDM中以及利用該鍋爐積垢確定模組來確定該鍋爐內積垢的量。至少一機器可讀儲存媒體具有單獨地或結合地儲存其上之與本發明一致的用於確定鍋爐內積垢之指令，當該指令藉由一個或多個處理器執行時，可導致一個或多個處理器以，例如操作鍋爐以加熱液體，該鍋爐位於容器內，在裝置中接收關於該鍋爐之操作的感測器資料，輸入該感測器資料至該裝置內的BSDM中以及利用該鍋爐積垢確定模組來確定該鍋爐內積垢的量。一種與本說明一致之用以確定鍋爐內積垢的裝置可包含例如用以接收關於鍋爐操作之感測器資料的通訊模組以及具有用於基於至少一感測器資料確定鍋爐內積垢量及導致關於鍋爐內確定的積垢量的指標被產生之鍋爐積垢確定模組的鍋爐監視模組。
第1圖根據本發明至少一實施例示出使用模型確定鍋爐內積垢之範例系統。系統100可包含至少一鍋爐102裝置104。鍋爐102可為任何能夠容納液體之容 器，所述鍋爐102的目的為用於基於由內部或外部的熱源施加的熱而加熱液體。而在本文提及的鍋爐102之一個範例可為能夠提供咖啡、茶等等給消費者(例如，收費)的飲料機中的熱水鍋爐，這一用途僅僅是一個簡單的例子可用來解釋與本發明一致的各種實施方案，而不是旨在用來限制這些實施例於一個特定的實施。在至少一實施例中，鍋爐102可位於容器106(enclosure)內。容器106可為任何能夠容納鍋爐102的外殼(housing)。繼續飲料機的範例，容器106可以飲料機外部箱體(cabinet)的外殼，飲料機外部箱體之內部容器(receptacle)以容納鍋爐102等等。
裝置104可以是包含能夠進行活動之處理資源的任何設備諸如將在下面敘述之關於本發明各種實施例。儘管特別的能力和特徵將在第2圖揭露，裝置104之各種範例可包含但不限制於行動通訊裝置諸如基於Google公司的Android®操作系統(operating system，OS)、Apple公司的iOS®、微軟公司的Windows® OS、Apple公司的Mac OS、Linux基金會的TizenTM OS、Mozilla Project的Firefox® OS、Blackberry公司的Blackberry® OS、惠普公司的Palm® OS、Symbian基金會的Symbian® OS等等之蜂巢式手機(cellular handset)、智慧型手機等等，諸如平板電腦(tablet computer)之行動運算裝置像Apple公司的iPad®、微軟公司的Surface®、三星公司的Galaxy Tab®、亞馬遜公司的Kindle Fire®等 等，包括由英特爾公司製造的低功率晶片組的Ultrabook®、簡易筆記型電腦(netbook)、筆記型電腦(notebook)、膝上型電腦(laptop)、掌上型電腦(palmtop)等等，可穿帶(wearable)裝置諸如手錶外形計算裝置的像三星的Galaxy Gear®、眼鏡外形介面像Google公司的Google Glass®等等，典型的固定運算裝置諸如桌上型電腦、伺服器、智慧電視，外形小巧運算方案(例如，空間受限的運算應用、電視機頂盒(set-top box))像英特爾公司的Next Unit of Computing(NUC)平台。
關於鍋爐102操作之資訊可經由感測器108提供至裝置104。在至少一實施例中感測器108可至少包括電壓和/或電流感測器、以及諸如熱敏電阻、熱電偶等等的溫度感測器。這些基本品種的感測器108可提供感測器資料110至裝置104。例如，感測器資料110可包含至少有關至鍋爐102的電輸入(例如，至配置以加熱鍋爐102內之液體的加熱元件)、鍋爐102內之液體溫度以及容器106之溫度的資料。在至少一實施例中，容器溫度可有關容器106本身(例如，容器106內部的內部表面)、容器106內之周圍空氣等等的溫度，容器溫度可對應於熱從鍋爐102散失至環境的量。然而，感測器108也可包含其它種類的感測器諸如觸控感測器、近接感測器(proximity sensors)、動態感測器等。這些類型的感測器108可被用來提供第1圖未示出之其它類型的感測器資料110至裝置104。例如，在飲料機的實例中觸控和近接 感測器可感測機器是否自動販售熱飲料，因此，鍋爐102是在不穩定裝態(例如，在自動販售過程中冷水可能被引入到鍋爐102以取代熱水消耗)。在至少一實施例中，裝置104可位於在容器106內或鄰近容器106，因此，感測器資料110經由有線通訊和/或例如藍芽、無線區域網路(Wireless Local-Area Networking，WLAN)等等的短距離無線通訊可以傳送到裝置104。在一替代實施中，裝置104的至少一部分可位於遠離容器106。感測器資料110可接著透過在例如網際網路之LAN和/或WAN上的互動與裝置104通訊。
裝置104可包含例如包括BSDM 114之BMM 112。在一操作範例中，BMM 112可接收感測器資料110且可以輸入感測器資料110進入BSDM 114中。BSDM 114可接著利用感測器資料110來確定鍋爐102內之積垢的量。一個範例敘述確定在鍋爐102其中之積垢的方式將在關於第3-5圖進一步解釋。BSDM 114和/或BMM 112可接著導致裝置104以產生通知116。通知116可包含例如視覺的和/或聽覺的警報通知使用者(例如，熱飲料販賣機的擁有者、負責維護熱飲料販賣機的人、熱飲料販賣機監視服務等等)有關鍋爐102的條件。通知116可以定期的產生，不管鍋爐102是否需要保養(例如，一個常規的鍋爐「健康」通知)，或者僅僅在其中BSDM 114確定積垢的量需要鍋爐102接受保養的情況下(例如，鍋爐保養需求警報)。在其中通知116被產生的方式可以取決於 用於鍋爐102之保養模式。例如，如果諸如擁有者、保養實體等等的使用者親自地常規性檢查鍋爐102(例如，所述熱飲料販賣機)，然後通知116可以位於容器106上，例如光和/或聲音的警報。在本地化方案中其也可能使得使用者在裝置104中存取更多具體的資料，例如鍋爐102內積垢水平、基於鍋爐102內積垢量的測量效率等等。通知116也可以傳送至擁有者、保養實體之使用者設備，例如智慧型手機、平板電腦、膝上型電腦、桌上型電腦等等。在另一範例保養模型中，集中式監視和/或保養實體可從遠端監視複數個鍋爐102，且可經由例如LAN或WAN直接存取、email、短訊息服務(SMS)等等在遠端位置接收所有監視的鍋爐102之通知116。當通知116指示其中一個監視的鍋爐102保養是需要的時候，所述集中式監視和/或保養實體可通知鍋爐102的擁有者和/或其它負責單位保養是需要的、可調度一個專業的保養來執行所需的維修等等。在其中監視是集中的情形下，所述保養和/或監視實體不需要物理性地靠近鍋爐102。例如，至少一經由像是網際網路的WAN(例如，以「雲端」配置)之可存取的伺服器可以能夠監視在世界任何地方的鍋爐102。
第2圖根據本發明至少一實施例示出對於可以使用的裝置範例配置。特別是，範例裝置104’可以為能夠執行第1圖所揭露之任何活動。然而裝置104’僅是指作為裝置與本發明內容一致的實施例一起使用的一個範例， 並且不意味著限制任何這些各種實施例以任何特定方式實施。
裝置104’可包含例如配置以管理裝置操作的系統模組200。系統模組200可包括例如處理模組202、記憶體模組204、電源模組206、使用者介面模組208及通訊介面模組210。裝置104’可更包括通訊模組212及BMM 112’。當通訊模組212及BMM 112’已經被示出為分離於系統模組200，第2圖所示之範例實施僅僅是為了說明被提供。一些或全部關聯於通訊模組210和/或BMM 112’之功能也可以被併入在系統模組200。
在裝置104’中，處理模組202可包含位於分離組件一個或多個處理器，或者可選擇地，一個或多個處理核心嵌入在單一組件中(例如，以系統上晶片(System-on-a-Chip，SoC)配置)及任何處理器相關支持的電路(例如，橋接介面等等)。處理器範例可包括但不限制於英特爾公司的各種x86-based的微處理器，包括那些在Pentium、Xeon、Itanium、Celeron、Atom、Core i-series的產品系列、先進RISC(例如，精簡指令集計算(reduced instruction set computing；RISC))機器或「ARM」處理器等等。支持電路的範例可包括晶片組(例如，英特爾公司的北橋、南僑等等)配置以在裝置104’中提供透過處理模組202可與操作在不同速度、在不同匯流排等等的其它系統組件互動的介面。一些或全部通常與支持電路相關聯的功能也可以包括在如處理器之相同物理封 裝內(例如，英特爾公司的Sandy Bridge family處理器)。
處理模組202可配置以在裝置104’內執行各種指令。指令可包括配置以導致處理模組202執行關於讀取資料、寫入資料、處理資料、制定資料、轉換資料、改變資料等等之活動的程式碼。資訊(例如，指令、資料等等)可被儲存在記憶體模組204。記憶體模組204可包含以固定或可去除形式的隨機存取記憶體(RAM)和/或唯讀記憶體(ROM)。RAM可包括用以在裝置104’操作期間保存資訊的揮發性記憶體，例如靜態RAM(SRAM)或動態RAM(DRAM)。ROM可包括基於BIOS、UEFI等等之非揮發(NV)記憶體模組配置用以當裝置104’被啟動時提供指令，例如電子可編程ROM(EPROMS)、快閃記憶體等等之可編程記憶體。其它固定/可去除記憶體可包括但不限制於例如軟碟(floppy disk)、硬碟驅動器等等之磁性記憶體、例如固態快閃記憶體之電子記憶體(例如，內嵌式多媒體卡(embed Multi Media Card，eMMC)等等)、可移除記憶卡或棒(例如，微儲存裝置(uSD)、USB等等)、例如光碟基ROM(CD-ROM)、數位影音光碟(DVD)、藍光光碟等等之光學記憶體。
電源模組206可包括內部電源(例如，電池、燃料電池等等)和/或外部電源(例如，機電或太陽能產生器、電源網路、燃料電池等等)以及配置以提供裝置104’操作所需電源的相關電路。使用者介面模組208可 包括用以允許使用者與裝置104’互動的硬體和/或軟體，例如各種輸入機構(例如，麥克風、開關、按鈕、旋鈕、鍵盤、揚聲器、觸控表面、配置以捕捉影像及/或近接感測、距離、動態、手勢、方位等等的一個或多個感測器)、各種輸出機構(例如，揚聲器、顯示器、光或閃爍指標、用於振動、動態之機電組件等等)。所述在使用者介面模組208之硬體可併入在裝置104’中和/或藉由有線或無線通訊介質與裝置104’耦接。
通訊介面模組210可被配置以管理封包路由及用於通訊模組212之其它控制功能，其可以包括配置以支持有線和/或無線通訊的資源。在一些情況下，裝置104’可包含超過一個通訊模組212(例如，包括用於有線協定和/或無線電之分離的物理介面模組)全部由集中的通訊介面模組210管理。有線通訊可包括串列或並列有線介質，例如乙太網路、USB、火線、Thunderbolt、數位影音介面(DVI)、高解析度多媒體介面(HDMI)等等。無線通訊可包括例如近距離接近(close proximity)無線媒體(例如，射頻(RF))諸如基於近場通訊(Near Field Communications，NFC)標準、紅外線(IR)等等)、短距離無線介質(例如，藍芽、WLAN、Wi-Fi等等)、長距離無線介質(例如，蜂巢廣域無線通訊技術、衛星通訊等等)或經由聲波之電子通訊。在一實施例中，通訊介面模組210可被配置以防止通訊模組212中處於活動狀態之無線通訊相互干擾。在執行這功能中，通訊介面 模組210可基於例如等待傳輸訊息之相對優先次序調度通訊模組212的活動。當第2圖中揭露的實施例示出通訊介面模組210從通訊模組212分離，它也可以是可能的通訊介面模組210和通訊模組212的功能併入在相同模組中。
與本發明一致的是，BMM 112’可以能夠至少與通訊模組212以及可選擇地與使用者介面208互動。在一操作範例中，BMM 112’可從感測器108接收感測器資料110。隨著由BSDM 114基於感測資料110之鍋爐102內積垢的確定，BMM 112’可接著產生通知116。在至少一實施例中，BMM 112’可導致通訊模組208以經由有線和/或無線通訊(例如，至擁有者或保養實體、關聯於監視和/或保養實體等等之位於遠端集中式監視裝置)傳送通知116。除了或代替提供通知116到通信模組212，BMM112’可以提供通知116給使用者介面模組208用以向設備104’的使用者呈現。呈現可包括例如顯示視覺通知、產生聽覺和/或觸覺通知等等。在至少一實施例中，視覺通知可更包含提供允許使用者獲得關於鍋爐102(例如，和/或所述熱飲料販賣機)條件之額外資料的使用者介面特徵。
第3圖根據本發明至少一實施例示出利用在鍋爐積垢確定模型之範例準則。BSDM 114可包含例如用於及時確定鍋爐102’內之積垢的至少一混合模型。在BSDM 114中的模型可考慮為「混合」是因為它可以包括結合物理定律以使機器學習引擎確定縮放條件之分析模 型。在BSDM 114中之模型所基於的範例方案係於第3圖所揭示，其中容器106’可包圍鍋爐102’。鍋爐102’可包含將由加熱管300加熱之液體(例如，水)。在這種情況下，加熱管300由電源輸入302驅動。在至少一實施例中，所述電源輸入可為電力，然而其他電源也可以被使用諸如但不限制於天然氣、丙烷、氫、生物燃料、太陽能等等。與本發明一致的，從加熱管300到液體的熱能傳遞率可以由以下等式表示：熱能傳遞率(W=Joule/sec)=k(T1-T2)A/d (1)
其中T1和T2分別為加熱管300和液體的溫度，k為加熱管300之熱傳遞係數(W/m/degC)，加熱管300的剖面示出了A為加熱管300的表面面積及d為加熱管300的厚度。k值可基於材料而不同。例如，可在加熱管300的構造中使用的材料可以為具有386.01W/m/degC之k值的純銅及17.4W/m/degC之k值的不銹鋼。相反的，可發展為縮放加熱管300表面之材料可為具有1.16-2.32W/m/degC之k值的硫酸鈣、0.58-1.16W/m/degC之k值的碳化鈣以及0.23-0.58W/m/degC之k值的二氧化矽。由這些材料k值的實質明顯差異，加熱管300上的積垢可作為絕緣體而嚴重地降低從加熱管300至液體的熱能傳遞率。在至少一實施例中，BSDM 114可利用模型基於從感測器108接收包括例如鍋爐溫度和電源輸入(例如，基於 感測的電流輸入)的感測器資料110來計算熱能傳遞率。考慮到上述關係，在BSDM 114中的模型可基於實際被施加到液體的熱：輸入至鍋爐的熱能=鍋爐液體吸收的熱能+經由鍋爐表面散失至環境的熱能。 (2)
輸入至鍋爐102’之電源(例如，以Watts或Joules/sec)可以是直接正比於輸入至鍋爐102’的熱能。經由鍋爐102’表面散失至環境的能量可直接正比於加熱管102(T2)與容器106’感測溫度(T3)之間的溫度差。由鍋爐102’液體吸收的能量可正比於熱能傳遞率。鍋爐102’內積垢的出現顯然延遲了熱傳遞。
在至少一實施例中，在BSDM 114中基於物理部分的模型可基於電源輸入及鍋爐溫度資料計算至鍋爐102’之熱能傳遞率。例如，在穩定狀態期間熱能傳遞率可直接正比於鍋爐溫度上升的斜率，其可以如第4圖及第5圖所示的被計算，其中圖400相應於好的鍋爐102’並且圖500相應於積垢的鍋爐102’。圖400和500的斜率值相應於從加熱管300至液體之熱能傳遞率，且可被計算於例如在圖400和500所示之鍋爐102’的「電流導通」時間後八秒。可接著針對下個五秒之溫度值計算所述斜率來估計熱傳遞的延遲。所述基於物理模型可按照在穩定狀態下鍋爐102’內液體溫度(T1)與加熱管300溫度是相同的邏輯 (例如，在熱飲料販賣機在當沒有熱水可分配時之「無法販售」狀態的例子中)，基於液體溫度(T1)和容器106’(T3)之間的差計算散失至環境的熱能。因此，當鍋爐102’被開啟且在穩定狀態下，鍋爐102’內之液體溫度(T1)和容器106’的溫度(T3)可被感測(例如，使用熱電偶)。溫度之間的差(例如，T1-T3)可以解釋為從鍋爐102’散失至環境的熱能。可接著基於所述斜率就從鍋爐102’到環境中散失的熱能調整至鍋爐102’之熱能傳遞率而確定至鍋爐102’內液體的熱能傳遞率。
至少確定的至鍋爐102’內液體之熱能傳遞率可接著被提供至模型中機器學習引擎以確定鍋爐條件。基於物理方法能夠基於經驗證及測試的物理法則而設計及發展健全參數。機器學習引擎能夠在多維特徵空間學習這些參數之間的非線性邊界，以便能夠及時辨識鍋爐的健康和積垢條件。這些方法的優勢相結合使得模型高度精確。例如，當實際BSDM 114以隨機地選自三個好鍋爐102’及三個積垢的鍋爐102’之資料組的65%接受訓練且接著混合模型使用資料組剩餘的35%被驗證時，它已經被觀察到所述混合模型在確定測試的鍋爐102’的積垢條件達到幾乎100%的準確度。
可以在BSDM 114中使用的範例參數如下。可以在BSDM 114中使用的範例訊號處理參數可包括但不限制於溫度和電流感測器資料的取樣率=5樣品/秒、對於鍋爐溫度之移動平均窗口長度=5秒、對於鍋爐容器溫度 之平均窗口長度=5秒以及對於在連續溫度值中裁減差的臨界值=0.15deg.C。用於基於物理模型從所述資料以計算熱能傳遞率之範例參數包括但不限制於對於考慮電流臨界=1安培、對於考慮有效電流之保持樣品數=2、對於考慮電流關閉期間隨後電流開啟期間之保持樣品數=3、鍋爐溫度值被記錄之後的延遲=8秒以及溫度被記錄之時間區間=8-13秒。在偵測積垢條件能夠達到幾乎100%的準確度之機器學習引擎的範例參數可包括但不限制於分類模型類型：支持向量機器，核心類型：線性核心(Linear kernel)、錯誤懲罰：1以及錯誤寬容=0.001。
第6圖根據本發明至少一實施例示出使用模型確定鍋爐內積垢之範例操作。在操作600中感測器資料可在BMM中從鍋爐以及容器接收。例如，至少一在鍋爐及容器中的感測器可感測所述感測器資料且接著提供給所述BMM。在操作602中所述感測器資料可被處理。處理所述感測器資料可包含例如過濾所述感測器資料以去除雜訊、驗證所述感測器資料以確認所述感測器資料係從真實源接收(例如，沒有被偽造)等等。過濾可包含例如掃描值與緊接在前和/或下一值不符合的感測器資料、去除完全超出範圍(例如，不可能)的值等等。驗證感測器資料可包含檢查關聯於用以確定感測器資料源之感測器資料之簽章、鑰匙等等以驗證感測器資料源等等。
所述處理的感測器資料可在操作604接著輸入進入BSDM。所述BSDM可以如本文前面所敘述利用感 測器資料來確定鍋爐內積垢的量。操作606可為選擇性步驟，原因是按照本發明產生通知的方法超過一個。例如，如果通知僅產生於當確定存在於鍋爐內積垢量需要動作時(例如，保養和/或更換)則可包括操作606。在操作606中基於由BSDM產生的結果做出一個鍋爐是否需要保養之確定。在操作606中確定鍋爐內積垢量未達到需要保養的程度之後，可以返回其中監視可繼續之操作600。如果在操作606中確定需要保養，接著在操作608中可產生指示鍋爐需要保養之通知。在替代實施中，通知可以在操作608中定期的被產生作為鍋爐的一般健康狀況。在此種情形下，操作608可一直發生在操作604後，操作608可被跟著一個可選擇返回其中鍋爐的監視可繼續的操作600。
雖然第6圖根據一實施例示出操作，但是應該理解的是，並不是所有的在第6圖所示的操作在其它實施例中皆是必需的。事實上，完全可預期本文其它實施例中，第6圖所描述之操作和/或其他本文敘述的操作可以以任何圖式中未特別示出的方式結合，但仍與本發明完全一致。因此，有關於沒有確切在圖式顯示特徵和/或操作之申請專利範圍都被認為在本發明之範圍及內容中。
如在本申請和權利要求中所使用的，項目列表加入用語「和/或」可以意味著所列項目的任意組合。例如，用語「A、B和/或C」表示A、B、C、A和B、A和C、B和C或A、B和C。如在本申請和權利要求中所使用的，項目列表加入用語「至少一個」可以意味著所列 項目的任意組合。例如，用語「至少一A、B或C」可表示A、B、C、A和B、A和C、B和C或A、B和C。
如在本文任何實施例所用的用語”模組”可意指被配置成來施行上述任何操作的軟體、韌體和/或電路系統。軟體可被實施為軟體封裝、程式碼、指令、指令集和/或紀錄在非暫態電腦可讀取儲存媒體中的資料。韌體可被實施為在記憶體裝置中硬編碼(例如，非揮發性)的程式碼、指令或指令集和/或資料。如使用在本文任何實施例中的「電路」，可包含例如，單獨地或在組合中的固線式電路、例如包含一或多個獨立指令處理核心的電腦處理器之可程式電路、狀態機器電路和/或由可程式電路系統執行的指令儲存之韌體。模組可以集體地或獨立地被實施為形成一較大系統之部分電路，例如積體電路(IC)、系統單晶片(SoC)、桌面電腦、筆記型電腦、平板電腦、伺服器、智慧型手機等。
本文所描述的任何操作可被實現於系統中，該系統包括一或多個儲存媒體(非暫態儲存媒體)，儲存於其上的有，單獨地或在組合中的，當被一或多個處理器執行時施行方法的指令。此處，處理器可包括，舉例來說，伺服器中央處理器、行動裝置中央處理器、和/或其他可程式電路系統。而且，意圖的是本文所描述的操作可被分布越過複數個實體裝置，如於多於一個實體位置的處理結構。儲存媒體可包括任何類型的有形媒體，舉例來說，任何類型的磁碟包括硬碟、軟碟、光碟、唯讀式光碟 (CD-ROM)、可抹寫光碟(CD-RW)、與磁光碟、半導體裝置例如唯讀記憶體(ROM)、隨機存取記憶體(RAM)如動態和靜態隨機存取記憶體、可抹除可程式化唯讀記憶體(EPROM)、電子可抹除可程式化唯讀記憶體(EEPROM)、快閃記憶體、固態硬碟(SSD)、內嵌式多媒體卡(eMMCs)、安全數位輸入/輸出(SDIO)卡、磁性或光學卡、或任意適用於儲存電子指令的媒體。其他實施例可被實作為由一可程式控制裝置執行的軟體模組。
因此，本發明係有關於用於確定鍋爐內積垢之系統。至少一感測器可在操作期間監視鍋爐且提供感測器資料至包括可以確定鍋爐內積垢量之鍋爐積垢確定模組之鍋爐監視模組。範例感測器資料可包含電源輸入、鍋爐內液體溫度及在容納鍋爐之容器內的空氣溫度。鍋爐監視模組可基於液體及容器之溫度確定傳遞至鍋爐之熱能。機器學習引擎可根據電源輸入確定至液體的熱能傳遞率，藉由機器學習引擎評估之熱能傳遞率用以確定量化在鍋爐內的積垢量之熱能傳遞率的延遲。
以下範例係有關於進一步實施例。本發明以下範例可包含例如裝置、方法、用於儲存當執行時導致機器基於方法執行動作之指令的至少一機器可讀媒體、基於方法執行動作的手段和/或利用模型之用於確定鍋爐內積垢的系統的主體材料。
根據範例1係一種用以確定鍋爐內積垢的系 統。該系統可包含用以加熱液體之鍋爐，該鍋爐在其中操作至少一感測器之容器，用以產生關於該鍋爐操作之感測器資料，以及包括用以從該至少一感測器接收該感測器資料的至少一通訊模組及具有至少基於該感測器資料以確定在該鍋爐內積垢量之鍋爐積垢確定模組之鍋爐監視模組的裝置。
範例2可包括範例1之元件，其中該至少一感測器係用以感測用以加熱該鍋爐內之該液體之電源輸入，該電源輸入包括在該感測器資料內。
範例3可包括範例2之元件，其中該至少一感測器係用以感測該鍋爐內之該液體之溫度，該液體溫度包括在該感測器資料內。
範例4可包括範例3之元件，其中該至少一感測器係用以感測該容器之溫度，該容器溫度包括在該感測器資料內。
範例5可包括範例4之元件，其中該容器溫度測量該容器中環境空氣之溫度用以確定在操作期間藉由該鍋爐散失之熱的量。
範例6可包括任何範例4至5之元件，其中該電源輸入、液體溫度及容器溫度在5秒移動平均窗口被取樣。
範例7可包括任何範例4至6之元件，其中該鍋爐積垢確定模組係用以去除來自該感測器資料之雜訊或驗證該感測器資料中的至少一者。
範例8可包括任何範例4至7之元件，其中該鍋爐積垢確定模組係用以至少基於該電源輸入及該液體溫度確定至該鍋爐之熱能傳遞。
範例9可包括範例8之元件，其中該鍋爐積垢確定模組包含用以至少基於至該鍋爐之該熱能傳遞及該容器溫度來確定該鍋爐內積垢量之機器學習引擎。
範例10可包括範例9之元件，其中該機器學習引擎為與具有1之錯誤懲罰及含0.001錯誤寬容之線性核心的支持向量機器(support vector machine)。
範例11可包括任何範例9至10之元件，其中該機器學習引擎被用以確定在該鍋爐內之該積垢量包含該機器學習引擎被用以考慮到該容器溫度來確定在該鍋爐內至該液體之熱能傳遞率，至該液體之該熱能傳遞率藉由該機器學習引擎評估以確定量化該鍋爐內的積垢量之該熱能傳遞率的延遲。
範例12可包括任何範例1至11之元件，其中該鍋爐監視模組係用以導致有關在該鍋爐內確定的該積垢量之指標被產生。
範例13可包括範例12之元件，其中該指標包含基於在該鍋爐內確定的該積垢量作為該鍋爐需要維修之警報。
範例14可包括任何範例1至13之元件，其中該裝置位於該容器中。
範例15可包括任何範例1至14之元件，其 中該裝置之至少一部分係外在於該容器，該通訊模組經由區域網路或廣域網路之至少一者從該至少一感測器接收該感測器資料。
範例16可包括任何範例1至15之元件，其中該至少一感測器係用以至少感測用以加熱該鍋爐內之該液體的電源輸入、在該鍋爐內之該液體溫度及容器溫度，該感測資料包括該電源輸入、液體溫度及容器溫度。
範例17可包括任何範例1至16之元件，其中至少該鍋爐及該容器為熱飲料販賣機的組件。
根據範例18其提供一種用於確定鍋爐內積垢之方法。該方法包含操作鍋爐以加熱液體，該鍋爐位於容器內，在裝置中接收關於該鍋爐之該操作之感測器資料，輸入該感測器資料進入在該裝置中的鍋爐積垢確定模組中，以及利用該鍋爐積垢確定模組以確定在該鍋爐內的積垢量。
範例19可包括範例18之元件，其中該感測器資料包含用以加熱在鍋爐內之液體的電源輸入、該鍋爐內該液體之溫度及該容器之溫度。
範例20可包括範例19之元件，其中該電源輸入、液體溫度及容器溫度在5秒移動平均窗口被取樣。
範例21可包括任何範例19至20之元件，且更可包含從該感測器資料去除雜訊或驗證該感測器資料中的一者。
範例22可包括任何範例19至21之元件，且 更可包含至少基於該電源輸入及該液體溫度確定至該鍋爐之熱能傳遞。
範例23可包括範例22之元件，且更可包含利用機器學習引擎以至少基於至該鍋爐之該熱能傳遞及該容器溫度確定在該鍋爐內之該積垢量。
範例24可包括範例23之元件，其中該機器學習引擎為與具有1之錯誤懲罰及含0.001錯誤寬容之線性核心的支持向量機器。
範例25可包括任何範例23至24之元件，其中確定在該鍋爐內之該積垢量包含考慮到該容器溫度確定至該鍋爐內該液體之熱能傳遞率，以及使用該機器學習引擎評估該熱能傳遞率以確定量化該鍋爐內的積垢量之該熱能傳遞率的延遲。
範例26可包括任何範例18至25之元件，且可更包含導致關於在該鍋爐內確定的該積垢量之指標被產生。
範例27可包括範例26之元件，其中該指標包含基於在該鍋爐內確定的該積垢量作為該鍋爐需要維修之警報。
根據範例28其提供一種至少包括鍋爐及裝置之系統，該系統被配置以執行上述任何範例18至27的方法。
根據範例29其提供一種被配置以執行上述任何範例18至27的方法之晶片組。
根據範例30其提供一種至少一機器可讀媒體，包含複數個響應於在運算裝置上被執行之指令，導致該運算裝置以執行任何上述範例18至27的方法。
根據範例31其提供一種組構以確定鍋爐內積垢的裝置，該裝置被配置以執行任何上述範例18至27的方法。
根據範例32其提供一種用於確定鍋爐內積垢之系統。該系統可包含操作鍋爐以加熱液體之手段，該鍋爐位於容器內，在裝置中接收關於該鍋爐之該操作之感測器資料的手段，輸入該感測器資料進入在該裝置中的鍋爐積垢確定模組中的手段，以及利用該鍋爐積垢確定模組以確定在該鍋爐內的積垢量的手段。
範例33可包括範例32之元件，其中該感測器資料包含用以加熱在該鍋爐內之該液體的電源輸入、該鍋爐內該液體之溫度及該容器之溫度。
範例34可包括範例33之元件，且更包含下列其中一者：從該感測器資料去除雜訊的手段或驗證該感測器資料的手段。
範例35可包括任何範例33至34之元件，且更包含至少基於該電源輸入及該液體溫度確定至該鍋爐之熱能傳遞的手段。
範例36可包括範例35之元件，且更包含利用機器學習引擎以至少基於至該鍋爐之該熱能傳遞及該容器溫度確定在該鍋爐內之該積垢量的手段。
範例37可包括範例36之元件，其中確定在該鍋爐內之該積垢量的手段包含考慮到該容器溫度確定至該鍋爐內該液體之熱能傳遞率的手段以及使用該機器學習引擎評估至該液體之該熱能傳遞率以確定量化該鍋爐內的積垢量之該熱能傳遞率的延遲的手段。
範例38可包括任何範例32至37之元件，且更可包含導致關於在該鍋爐內確定的該積垢量之指標被產生的手段。
根據範例39其提供一種組構以用以確定鍋爐內積垢之裝置。該裝置可包含用以接收關於鍋爐操作之感測器資料的通訊模組以及具有鍋爐積垢確定模組之鍋爐監視模組用以至少基於該感測器資料確定在該鍋爐內之積垢量及導致關於在該鍋爐內確定的該積垢量之指標被產生。
範例40可包括範例39之元件，其中該鍋爐積垢確定模組係用以至少基於用以加熱該鍋爐內之液體的電源輸入及該鍋爐內該液體之溫度確定至該鍋爐之熱能傳遞，該電源輸入及液體溫度被接收作為該感測器資料的一部份。
範例41可包括範例40之元件，其中該鍋爐積垢確定模組包含用以至少基於至該鍋爐之該熱能傳遞及該鍋爐操作時該容器之溫度來確定該鍋爐內積垢量之機器學習引擎，該容器溫度被接收作為該感測器資料的一部份。
範例42可包括範例41之元件，其中該機器 學習引擎被用以確定在該鍋爐內之該積垢量包含該機器學習引擎被用以考慮到該容器溫度來確定在該鍋爐內至該液體之熱能傳遞率，至該液體之該熱能傳遞率藉由該機器學習引擎評估以確定量化該鍋爐內的積垢量之該熱能傳遞率的延遲。
範例43可包括任何範例41至42之元件，其中該裝置位於該容器中。
範例44可包括任何範例41至42的元件，其中該裝置之至少一部分係外在於該容器，該通訊模組經由區域網路或廣域網路之至少一者從該至少一感測器接收該感測器資料。
被利用於本文的用語以及表示法是被用作描述的名詞而非用於限制，且在利用這種用語以及表示法中並無意圖來排除如所示以及所描述的特徵(或其部分)的任何均等內容，且被識別的是在申請專利範圍之內不同的修改均有可能。於是，請求項意圖涵蓋所有此種均等內容。
100‧‧‧系統
102‧‧‧鍋爐
104‧‧‧裝置
106‧‧‧容器
108‧‧‧感測器
110‧‧‧感測器資料
112‧‧‧鍋爐監視模組
114‧‧‧鍋爐積垢確定模組
116‧‧‧通知

Claims (25)

  1. 一種用以確定鍋爐內積垢的系統，包含：用以加熱液體之鍋爐；該鍋爐在其中操作之容器；用以產生關於該鍋爐操作之感測器資料的至少一感測器；以及包括用以從該至少一感測器接收該感測器資料的至少一通訊模組及具有至少基於該感測器資料以確定在該鍋爐內積垢量之鍋爐積垢確定模組之鍋爐監視模組的裝置。
  2. 如申請專利範圍第1項所述之系統，其中該至少一感測器係至少用以感測用以加熱該鍋爐內之該液體的電源輸入、該鍋爐內之該液體溫度及容器溫度，該感測器資料包括該電源輸入、該液體溫度及該容器溫度。
  3. 如申請專利範圍第2項所述之系統，其中該鍋爐積垢確定模組係用以去除來自該感測器資料之雜訊或驗證該感測器資料中的至少一者。
  4. 如申請專利範圍第2項所述之系統，其中該鍋爐積垢確定模組係用以至少基於該電源輸入及該液體溫度確定至該鍋爐之熱能傳遞。
  5. 如申請專利範圍第4項所述之系統，其中該鍋爐積垢確定模組包含用以至少基於至該鍋爐之該熱能傳遞及該容器溫度來確定該鍋爐內積垢量之機器學習引擎。
  6. 如申請專利範圍第5項所述之系統，其中該機器學習引擎被用以確定在該鍋爐內之該積垢量包含該機器學習 引擎被用以考慮到該容器溫度來確定在該鍋爐內至該液體之熱能傳遞率，至該液體之該熱能傳遞率藉由該機器學習引擎評估以確定量化該鍋爐內的積垢量之該熱能傳遞率的延遲。
  7. 如申請專利範圍第1項所述之系統，其中該鍋爐監視模組係用以導致有關在該鍋爐內確定的該積垢量之指標被產生。
  8. 一種用於確定鍋爐內積垢之方法，包含：操作鍋爐以加熱液體，該鍋爐位於容器內；在裝置中接收關於該鍋爐之該操作之感測器資料；輸入該感測器資料進入在該裝置中的鍋爐積垢確定模組中；以及利用該鍋爐積垢確定模組以確定在該鍋爐內的積垢量。
  9. 如申請專利範圍第8項所述之方法，其中該感測器資料包含用以加熱在該鍋爐內之該液體的電源輸入、該鍋爐內該液體之溫度及該容器之溫度。
  10. 如申請專利範圍第9項所述之方法，更包含下列其中一者：從該感測器資料去除雜訊；或驗證該感測器資料。
  11. 如申請專利範圍第9項所述之方法，更包含：至少基於該電源輸入及該液體溫度確定至該鍋爐之熱能傳遞。
  12. 如申請專利範圍第11項所述之方法，更包含：利用機器學習引擎以至少基於至該鍋爐之該熱能傳遞及該容器溫度確定在該鍋爐內之該積垢量。
  13. 如申請專利範圍第12項所述之方法，其中確定在該鍋爐內之該積垢量包含：考慮到該容器溫度確定至該鍋爐內之該液體之熱能傳遞率；以及使用該機器學習引擎評估至該液體之該熱能傳遞率以確定量化該鍋爐內的積垢量之該熱能傳遞率的延遲。
  14. 如申請專利範圍第8項所述之方法，更包含：導致關於在該鍋爐內確定的該積垢量之指標被產生。
  15. 至少一種機器可讀儲存媒體，具有單獨地或結合地儲存其上之用於確定鍋爐內積垢量之指令，當藉由一或多個處理器執行時導致該一或多個處理器以：操作鍋爐以加熱液體，該鍋爐位於容器內；在裝置中接收關於該鍋爐之該操作之感測器資料；輸入該感測器資料進入在該裝置中的鍋爐積垢確定模組中；以及利用該鍋爐積垢確定模組以確定在該鍋爐內的積垢量。
  16. 如申請專利範圍第15項所述之媒體，其中該感測器資料包含用以加熱在該鍋爐內之該液體的電源輸入、該鍋爐內該液體之溫度及該容器之溫度。
  17. 如申請專利範圍第16項所述之媒體，更包含當指 令藉由一或多個處理器執行時導致該一或多個處理器執行至少下列其中一者：從該感測器資料去除雜訊；或驗證該感測器資料。
  18. 如申請專利範圍第16項所述之媒體，更包含當指令藉由一或多個處理器執行時導致該一或多個處理器以：至少基於該電源輸入及該液體溫度確定至該鍋爐之熱能傳遞。
  19. 如申請專利範圍第18項所述之媒體，更包含當指令藉由一或多個處理器執行時導致該一或多個處理器以：利用機器學習引擎以至少基於至該鍋爐之該熱能傳遞及該容器溫度確定在該鍋爐內之該積垢量。
  20. 如申請專利範圍第19項所述之媒體，其中確定在該鍋爐內之該積垢量包含當指令藉由一或多個處理器執行時導致該一或多個處理器以：考慮到該容器溫度確定至該鍋爐內之該液體之熱能傳遞率；以及使用該機器學習引擎評估至該液體之該熱能傳遞率以確定量化該鍋爐內的積垢量之該熱能傳遞率的延遲。
  21. 如申請專利範圍第15項所述之媒體，更包含當指令藉由一或多個處理器執行時導致該一或多個處理器以：導致關於在該鍋爐內確定的該積垢量之指標被產生。
  22. 一種用以確定鍋爐內積垢之裝置，包含：用以接收關於鍋爐操作之感測器資料的通訊模組；以 及具有鍋爐積垢確定模組之鍋爐監視模組，其用以：至少基於該感測器資料確定在該鍋爐內之積垢量；及導致關於在該鍋爐內確定的該積垢量之指標被產生。
  23. 如申請專利範圍第22項所述之裝置，其中該鍋爐積垢確定模組係用以至少基於用以加熱該鍋爐內之液體的電源輸入及該鍋爐內該液體之溫度確定至該鍋爐之熱能傳遞，該電源輸入及液體溫度被接收作為該感測器資料的一部份。
  24. 如申請專利範圍第23項所述之裝置，其中該鍋爐積垢確定模組包含用以至少基於至該鍋爐之該熱能傳遞及該鍋爐操作時該容器之溫度來確定該鍋爐內積垢量之機器學習引擎，該容器溫度被接收作為該感測器資料的一部份。
  25. 如申請專利範圍第24項所述之裝置，其中該機器學習引擎被用以確定在該鍋爐內之該積垢量包含該機器學習引擎被用以考慮到該容器溫度來確定在該鍋爐內至該液體之熱能傳遞率，至該液體之該熱能傳遞率藉由該機器學習引擎評估以確定量化該鍋爐內的積垢量之該熱能傳遞率的延遲。
TW104122562A 2014-08-19 2015-07-13 用於確定鍋爐內積垢的系統、方法、機器可讀儲存媒體和裝置 TWI575193B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US14/463,401 US10151475B2 (en) 2014-08-19 2014-08-19 System for determining scaling in a boiler
PCT/US2015/035193 WO2016028367A1 (en) 2014-08-19 2015-06-10 System for determining scaling in a boiler

Publications (2)

Publication Number Publication Date
TW201621226A true TW201621226A (zh) 2016-06-16
TWI575193B TWI575193B (zh) 2017-03-21

Family

ID=55348002

Family Applications (1)

Application Number Title Priority Date Filing Date
TW104122562A TWI575193B (zh) 2014-08-19 2015-07-13 用於確定鍋爐內積垢的系統、方法、機器可讀儲存媒體和裝置

Country Status (6)

Country Link
US (1) US10151475B2 (zh)
EP (1) EP3183510B1 (zh)
JP (1) JP6411637B2 (zh)
KR (1) KR102254440B1 (zh)
TW (1) TWI575193B (zh)
WO (1) WO2016028367A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113654688A (zh) * 2016-09-12 2021-11-16 艺康美国股份有限公司 沉积物的监测器

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR3052567B1 (fr) * 2016-06-14 2020-01-24 Suez Groupe Procede , produit programme d'ordinateur et systeme de pilotage dynamique d'un reseau fluidique
JP2019105394A (ja) * 2017-12-12 2019-06-27 Ｊｆｅエンジニアリング株式会社 廃棄物焼却炉ボイラの閉塞および腐食の抑制方法
TWI679417B (zh) * 2018-12-19 2019-12-11 國立臺北科技大學 水垢檢測系統
FR3103880B1 (fr) * 2019-12-03 2021-11-26 Endel Sra Procédé de numérotation des tubes d’un alignement de tubes
CN112050179B (zh) * 2020-08-18 2021-11-19 宁波方太厨具有限公司 蒸汽发生器自适应控制方法及蒸汽发生系统
US20210110310A1 (en) * 2020-12-22 2021-04-15 Intel Corporation Methods and apparatus to verify trained models in an edge environment
TWI776618B (zh) * 2021-08-02 2022-09-01 中國鋼鐵股份有限公司 接鋼桶辨識系統與方法
US20230053386A1 (en) * 2021-08-23 2023-02-23 B/E Aerospace, Inc. Scale detection systems and methods for aircraft beverage makers
CN116091047B (zh) * 2023-04-10 2023-06-27 中国电力工程顾问集团西南电力设计院有限公司 一种用于火电厂的智能巡检采集系统及方法

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2675684B2 (ja) 1990-05-10 1997-11-12 株式会社東芝 熱交換器の異常監視装置
KR950021778U (ko) * 1993-12-17 1995-07-28 노이즈제거회로
JP3872587B2 (ja) 1998-01-06 2007-01-24 株式会社サムソン ボイラの熱伝導率低下物質付着判断装置
JP4168554B2 (ja) 1999-10-28 2008-10-22 三浦工業株式会社 ボイラにおける水管のスケ−ル付着判定方法
ITAN20040046A1 (it) 2004-10-01 2005-01-01 Merloni Termosanitari Spa Scaldaacqua ad accumulo, flangia per scaldaacqua ad accumulo, metodo di controllo delle incrostazioni di uno scaldaacqua, ed uso di sensori di temperatura per controllare le incrostazioni di calcare di uno scaldaacqua
JP2008215657A (ja) * 2007-02-28 2008-09-18 Noritz Corp 湯水加熱装置
JP4607927B2 (ja) 2007-08-27 2011-01-05 株式会社日立製作所 マイクロマニピュレータ
JP5141171B2 (ja) 2007-10-05 2013-02-13 三浦工業株式会社 ボイラ
CN201787554U (zh) * 2010-08-10 2011-04-06 上海锅炉厂有限公司 一种电站锅炉外护板温度测量装置
CN102052662B (zh) * 2010-10-26 2014-10-08 华南理工大学 超临界锅炉高温管内氧化皮堵塞在线预警装置及预警方法
JP5818567B2 (ja) 2011-08-09 2015-11-18 株式会社サムソン ボイラのスケール検出装置
JP5935431B2 (ja) 2012-03-21 2016-06-15 三浦工業株式会社 ボイラ
WO2014013229A1 (en) * 2012-07-16 2014-01-23 Alertme.Com Ltd Fuel consumption estimation

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113654688A (zh) * 2016-09-12 2021-11-16 艺康美国股份有限公司 沉积物的监测器

Also Published As

Publication number Publication date
KR102254440B1 (ko) 2021-05-21
US10151475B2 (en) 2018-12-11
JP2017528673A (ja) 2017-09-28
US20160053990A1 (en) 2016-02-25
KR20170020898A (ko) 2017-02-24
WO2016028367A1 (en) 2016-02-25
TWI575193B (zh) 2017-03-21
EP3183510A4 (en) 2018-04-18
EP3183510B1 (en) 2020-01-29
JP6411637B2 (ja) 2018-10-24
EP3183510A1 (en) 2017-06-28

Similar Documents

Publication Publication Date Title
TWI575193B (zh) 用於確定鍋爐內積垢的系統、方法、機器可讀儲存媒體和裝置
EP3215815B1 (en) System for determining sensor condition
US10316499B2 (en) Freeze prediction system
US12000625B2 (en) Water heaters with real-time hot water supply determination
TWI615625B (zh) 電池、系統、電池管理方法、電腦程式產品以及記錄媒體
JP5844851B2 (ja) 端末装置、遠隔制御方法及びプログラム
US10018975B2 (en) Home network control system for controlling devices in a home network and the control method thereof
WO2016022679A1 (en) Fluid control system
EP2113929A1 (en) Method and device for determining the relative humidity of an insulating liquid filled electric apparatus
US10623509B2 (en) Intelligent maintenance and repair of user properties
US10033184B2 (en) Demand response device configured to provide comparative consumption information relating to proximate users or consumers
US20170160237A1 (en) Eddy current corrosion sensor
CA2999899C (en) System and methods for commissioning and maintaining industrial equipment
US10235724B2 (en) Energy efficient hot water distribution
US11118957B2 (en) Liquid volume determination to affect functionality of a smart environment
JP2008242776A (ja) 残り使用可能時間報知装置及び流体供給システム
WO2014038438A1 (ja) 演算方法、演算装置及び記録媒体
Cross Measuring Performance of Chemical Process Equipment
Ning et al. Parameter Optimization of High-reliable Bus in System-on-Chip
KR20180109397A (ko) 열 수요를 이용한 수전 전력 예측 방법 및 장치

Legal Events

Date Code Title Description
MM4A Annulment or lapse of patent due to non-payment of fees