[发明专利]一种电除尘器智能调节方法、系统、设备及可读存储介质在审

专利信息
申请号: 202210878793.1 申请日: 2022-07-25
公开(公告)号: CN115178378A 公开(公告)日: 2022-10-14
发明(设计)人: 马乐;姜大伟;陶丁;马肖波;钟学飞;刘心童;刘志杰;刘平;胡金伟;李颖博 申请(专利权)人: 西安热工研究院有限公司;西安西热控制技术有限公司;华能集团技术创新中心有限公司
主分类号: B03C3/68 分类号: B03C3/68
代理公司: 西安通大专利代理有限责任公司 61200 代理人: 朱海临
地址: 710048 陕*** 国省代码: 陕西;61
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 电除尘器 智能 调节 方法 系统 设备 可读 存储 介质
【说明书】:

发明涉及环保节能技术领域,具体涉及一种电除尘器智能调节方法、系统、设备及可读存储介质,其中,电除尘智能调节方法包括:获取出烟口处的烟尘图像信息;将烟尘图像信息输入至预先构建的烟尘图像分析模型中,输出烟尘污染等级,其中,所述烟尘图像分析模型为使用多组数据通过机器训练得出,所述多组数据中的每组数据均为包括烟尘的图片信息及标识该烟尘图片信息对应污染等级的标签;根据所述烟尘污染等级自动调整电除尘器的除尘运行参数至对应的预设污染等级。本发明通过对出烟口处的实时的出烟情况进行实时监测,实现电除尘运行参数的自动调节,使得电除尘器达到最优运行状态,实现节能环保和精细化管理的效果。

技术领域

本发明涉及环保节能技术领域,具体涉及一种电除尘器智能调节方法、系统、设备及可读存储介质。

背景技术

火电厂一般会应用烟尘处理系统,目前火电厂一般在电网内都会充当调峰的角色,而火电厂在为电网担当调峰任务的过程中负荷起伏较大,产生的烟尘量难以控制,经常会出现在调峰过程中电除尘工作效率、烟囱冒出黑烟的情况,首先电除尘的效率和锅炉负荷息息相关,而火电厂经常为电网担当调峰任务负荷起伏较大,而电除尘的参数目前主要靠运行人员手动设置无法保证时效性,经常会出现在调峰后电除尘工作效率大幅下降、烟囱冒出黑烟的情况。负荷降低的直接后果就是用煤量降低粉尘量降低,此时如果还要电除尘保持高除尘率就必须重新设置高、低压系统的参数但电除尘系统参数全部是手工设置的,而且由于前电场和后电场的性质差别很大,必须单独每台柜分开设置,这种人工的效率显然是无法满足实际工况的。

发明内容

针对现有技术中存在的问题,本发明提供了一种电除尘器智能调节方法、系统、设备及可读存储介质,能够实现电除尘运行参数的自动调节,使得电除尘器达到最优运行状态,实现节能环保和精细化管理的效果。

为了解决上述技术问题,本发明通过以下技术方案予以实现:

一种电除尘器智能调节方法,包括:

获取出烟口处的烟尘图像信息;

将所述烟尘图像信息输入至预先构建的烟尘图像分析模型中,输出烟尘污染等级,其中,所述烟尘图像分析模型为使用多组数据通过机器训练得出,所述多组数据中的每组数据均为包含烟尘的图片信息及标识该烟尘图片信息对应污染等级的标签;

根据所述烟尘污染等级自动调整电除尘器的除尘运行参数至对应的预设污染等级。

进一步地,所述烟尘污染等级包括由低至高依次排列的5个等级,每个等级数据通过机器训练时输入的烟尘的图片不低于1500张。

进一步地,当所述烟尘污染等级大于或等于4级时发出警报。

进一步地,当所述烟尘污染等级大于或等于3级时,提高电除尘器打震器的打震频率。

进一步地,所述用于训练所述烟尘图像分析模型的所述多组数据还包括不含有烟尘的图片信息,所述烟尘图像分析模型还用于输出不含烟尘的信息;当所述烟尘图像分析模型未输出不含烟尘的信息时,电除尘器停止工作,且处于待机状态。

进一步地,所述机器训练采用的深度学习框架为Tensorflow;所述机器训练采用的模型架构训练分类模型为Big Transfer;所述机器训练采用的计算机编程语言为Python;所述机器训练采用的制作界面为Pylnstaller。

一种电除尘器智能调节系统,包括:

摄像模块,用于获取出烟口处的烟尘图像信息;

烟尘污染等级输出模块,用于将所述烟尘图像信息输入至预先构建的烟尘图像分析模型中,输出烟尘污染等级,其中,所述烟尘图像分析模型为使用多组数据通过机器训练得出,所述多组数据中的每组数据均为包含烟尘的图片信息及标识该烟尘图片信息对应污染等级的标签;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安热工研究院有限公司;西安西热控制技术有限公司;华能集团技术创新中心有限公司,未经西安热工研究院有限公司;西安西热控制技术有限公司;华能集团技术创新中心有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210878793.1/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top