火力发电厂煤流状态实时监测方法的研究及应用

作者：田志飞; 洪盛勇

来源：电力学报, 2021, 36(06): 564-572.

DOI：10.13357/j.dlxb.2021.068

• 智能电厂
• 深度学习
• 残差网络
• 煤流检测
• 巡检机器人

为了准确实时监测火力发电厂输煤系统的煤流状态,辅助提高输煤系统智能化水平,探讨了一种提高机器人可用性的方案。通过大数据分析及对比测试各种人工智能模型算法方案,结合输煤系统生产配煤及人员巡检要求,提供一种可靠的、可借鉴的人工智能服务生产实际的方法。经过工程实地采集数据,以残差网络为基础,建立了两个识别模型和一个检测模型,该模型可使机器人通过AI视觉检测指导配煤,并在堵煤时候自动抬起犁煤器。实际应用结果表明,该方法对煤流状态的识别准确率可达99%,其中对实际堵煤状态的准确识别可达100%,能够满足火力发电厂实际生产的要求,可在无人巡检的输煤皮带机器人智能巡检系统中推广应用。基于残差网络模型的煤流状态实时监测方法稳定性高、实用性强,提高了输煤系统的智能化水平。该方法在某2×350 MW超临界燃煤机组得到成功应用。