[发明专利]一种确定锅炉的减薄值的方法、装置以及存储介质

说明书

本申请公开了一种确定锅炉的减薄值的方法、装置以及存储介质。该方法包括：获取锅炉各部位的检修数据，其中检修数据是按照时间顺序获取的检修数据；以及利用预先训练的三维卷积神经网络模型，根据锅炉各部位的检修数据，对锅炉各部位的减薄数据进行预测。本发明无需分析管壁腐蚀因素，而是按照时间顺序获取锅炉各部位的检修数据，并利用预先训练的三维卷积神经网络模型，根据锅炉各部位的检修数据，通过人工智能分析的方式对锅炉各部位的减薄数据进行预测。从而有效提高了锅炉减薄预测的准确性。进而解决了现有技术中存在通过分析管壁腐蚀因素，结合数学物理方法建立模型来对锅炉减薄进行预测的方法的准确性低的技术问题。

技术领域

本申请涉及人工智能技术领域，特别是涉及一种确定锅炉的减薄值的方法、装置以及存储介质。

背景技术

电力生产企业作为一个技术密集型生产单位，事故类型多种多样。有数据显示我国火力发电厂各种事故中，锅炉事故约占发电厂总事故的70％以上，而过热器、再热器、省煤器、水冷壁四类管(简称“四管”)泄漏与爆破事故时有发生，在众多事故中出现最多，约占锅炉总事故的70％以上，成为困扰火力发电厂安全生产的一大难题。

长期以来，针对锅炉“四管”事故的研究主要集中于事故发生之后的爆管泄漏的原因分析，总结“爆管”经验指导之后的工业生产从而延长“四管”的使用寿命。针对各管减薄腐蚀程度，提出温度及一些灰烟是导致管壁腐蚀减薄的主要原因。但是，现有的锅炉减薄预测方法大多数通过分析管壁腐蚀因素，结合数学物理方法建立模型来预测管壁厚度的减薄程度，准确性低。

针对上述的现有技术中存在的通过分析管壁腐蚀因素，结合数学物理方法建立模型来对锅炉减薄进行预测的方法的准确性低的技术问题，目前尚未提出有效的解决方案。

发明内容

本公开的实施例提供了一种对锅炉减薄进行预测的方法、装置以及存储介质，以至少解决现有技术中存在的通过分析管壁腐蚀因素，结合数学物理方法建立模型来对锅炉减薄进行预测的方法的准确性低的技术问题。

根据本公开实施例的一个方面，提供了一种对锅炉减薄进行预测的方法，包括：获取锅炉各部位的检修数据，其中检修数据为按照时间顺序在预设位置检测的不同类型的检修数据；以及利用预先训练的三维卷积神经网络模型，根据检修数据，确定预设位置的减薄值。

根据本公开实施例的另一个方面，还提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时由处理器执行以上任意一项的方法。

根据本公开实施例的另一个方面，还提供了一种对锅炉减薄进行预测的装置，包括：获取模块，用于获取锅炉各部位的检修数据，其中检修数据为按照时间顺序在预设位置检测的不同类型的检修数据；以及预测模块，用于利用预先训练的三维卷积神经网络模型，根据检修数据，确定预设位置的减薄值。

根据本公开实施例的另一个方面，还提供了一种对锅炉减薄进行预测的装置，包括：处理器；以及存储器，与处理器连接，用于为处理器提供处理以下处理步骤的指令：获取锅炉各部位的检修数据，其中检修数据为按照时间顺序在预设位置检测的不同类型的检修数据；以及利用预先训练的三维卷积神经网络模型，根据检修数据，确定预设位置的减薄值。

本发明提供了一种对锅炉减薄进行预测的方法。本发明无需分析管壁腐蚀因素，而是按照时间顺序获取锅炉各部位的检修数据，并利用预先训练的三维卷积神经网络模型，根据锅炉各部位的检修数据，通过人工智能分析的方式对锅炉各部位的减薄数据进行预测。从而有效提高了锅炉减薄预测的准确性。进而解决了现有技术中存在通过分析管壁腐蚀因素，结合数学物理方法建立模型来对锅炉减薄进行预测的方法的准确性低的技术问题。

附图说明

此处所说明的附图用来提供对本公开的进一步理解，构成本申请的一部分，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。在附图中：

图1是用于实现根据本公开实施例1所述的方法的计算设备的硬件结构框图；