目前大型火电站锅炉广泛采用的回转式空气预热器存在积灰堵塞问题,严重时甚至会引发火灾,导致锅炉被迫停止运行.针对这一问题,文中提出一种基于红外热成像与NanoDet的空预器转子网格划分方法:首先利用红外热像仪对空预器转子进行实时监测,通过仿射变换和支持向量机对转子红外数据集进行精选和剔除,然后对转子红外图像进行高斯滤波去噪等方法进行预处理,运用深度学习轻量化模型NanoDet对精细化样本进行特征学习,使该模型能够在兼顾速度和精确度两方面实现转子田字区域匹配,最后在模板图上绘制好每个转子网格区域的编号,将这些编号仿射到所需匹配的红外图像上,实现转子网格划分,为后续积灰故障检测提供帮助.

传统的空预器积灰监测系统采用的热电偶进行监测,对换热元件监测范围具有局限性.为了能全区域监测空预器换热元件的局部积灰状态,提出了一种基于红外机器视觉技术的空预器积灰监测方案.该方案利用红外热像仪实时监测空预器换热元件运行状态,并采集其高清红外热像视频上传至数据库,以进一步标识空预器积灰区域;此外,该方案对摄像头安装角度进行优化,以实现全区域监测.试验结果表明,基于该方案的监测系统能够全区域、高精度判别空预器换热元件的积灰区域,为清除积灰提供了导向作用,保证了空预器的安全稳定运行.

空气预热器是燃煤火力机组的核心换热元件,由于氨逃逸引起的空预器堵灰现象,对其安全稳定运行会产生严重影响.针对堵灰问题,提出了一种基于全域红外热成像的空预器换热元件局部堵塞状态监测方法,运用高分辨率红外热成像测温技术实现换热元件温度的准确观测,同时采用多点协同观察和视角优化设计方法,达到换热元件全域观察能力,并设计集成边缘计算监测系统,对多点全域红外热像图进行实时智能识别与积灰诊断,红外画面与诊断结果经光纤通讯传输至机组监控中心.该方法可有效解决火力发电机组空预器积灰监测精准难题,确保机组空预器安全稳定运行.

家用典型负荷的特征分析和分类已成为智能用电领域的重点方向,从电路特性上解决家用典型负荷特征分析和分类方法问题,是基于多组家用电器实测波形,对电阻型、整流电子型和电机型三类典型家用负荷的电量波形特征进行分析,并提取功率因数、电流谐波总畸变率、50％电流幅值占比等参数构成组合负荷印记.利用决策树支持向量机(SVM)对家用典型负荷进行分类研究,并用300组典型负荷的实测负荷印记数据和单一功率因数数据对分类方法进行了验证,结果表明:所提负荷印记代表性强,分类方法准确率高达97.67％.先进行电器分类的判别方法,提高了对电器识别的准确性.