基于卷积神经网络的火电机组锅炉高温受热面管壁泄漏诊断方法研究
火电机组锅炉高温受热面的工作环境十分恶劣,易出现超温、化学腐蚀、结垢堵塞等问题,一旦受热面管壁发生爆管,将导致锅炉非停、人员伤害等严重事故,深入研究管壁泄漏故障规律并采用先进方法对泄漏故障风险进行实时预测诊断具有非常重要的意义.文章对高温受热面的金属温度、烟温、减温水流量、工质温度、燃烧方式等运行参数进行时间及空间二维分布研究,对空间数据特征进行提取,构建受热面热力图像,然后基于卷积神经网络的图像识别算法对受热面热力图像进行实时预测,判断受热面管壁是否存在泄漏的风险,实验结果表明该方法对高温受热面早期泄漏的预测结果准确,具有较高的实际应用价值.
高温受热面泄漏、数据驱动、卷积神经网络、热力图
TP315(计算技术、计算机技术)
2020-08-13(万方平台首次上网日期,不代表论文的发表时间)
共5页
53-56,96