CN116952413B - 一种生物质燃料垛测温方法及其系统 - Google Patents
一种生物质燃料垛测温方法及其系统 Download PDFInfo
- Publication number
- CN116952413B CN116952413B CN202311206739.3A CN202311206739A CN116952413B CN 116952413 B CN116952413 B CN 116952413B CN 202311206739 A CN202311206739 A CN 202311206739A CN 116952413 B CN116952413 B CN 116952413B
- Authority
- CN
- China
- Prior art keywords
- information
- pile
- temperature
- fuel
- density
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000000446 fuel Substances 0.000 title claims abstract description 283
- 238000009529 body temperature measurement Methods 0.000 title claims abstract description 56
- 239000002028 Biomass Substances 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000009826 distribution Methods 0.000 claims abstract description 233
- 238000009423 ventilation Methods 0.000 claims abstract description 132
- 238000001514 detection method Methods 0.000 claims abstract description 59
- 238000003860 storage Methods 0.000 claims abstract description 41
- 238000012544 monitoring process Methods 0.000 claims abstract description 29
- 238000007418 data mining Methods 0.000 claims abstract description 28
- 239000002245 particle Substances 0.000 claims description 176
- 238000004458 analytical method Methods 0.000 claims description 51
- 238000004088 simulation Methods 0.000 claims description 39
- 230000007613 environmental effect Effects 0.000 claims description 35
- 239000000523 sample Substances 0.000 claims description 20
- 238000002955 isolation Methods 0.000 claims description 19
- 238000011156 evaluation Methods 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 9
- 238000004141 dimensional analysis Methods 0.000 claims description 8
- 238000009413 insulation Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000007621 cluster analysis Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 239000003550 marker Substances 0.000 claims description 4
- 238000005259 measurement Methods 0.000 abstract description 12
- 230000000694 effects Effects 0.000 abstract description 11
- 238000007726 management method Methods 0.000 abstract description 7
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000007405 data analysis Methods 0.000 abstract description 4
- 238000007619 statistical method Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000002485 combustion reaction Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005056 compaction Methods 0.000 description 1
- 239000002361 compost Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007417 hierarchical cluster analysis Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 239000010902 straw Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K13/00—Thermometers specially adapted for specific purposes
- G01K13/10—Thermometers specially adapted for specific purposes for measuring temperature within piled or stacked materials
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/231—Hierarchical techniques, i.e. dividing or merging pattern sets so as to obtain a dendrogram
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/30—Hydrogen technology
- Y02E60/50—Fuel cells
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Solid Fuels And Fuel-Associated Substances (AREA)
Abstract
本发明涉及测温控制调整技术领域，提供了一种生物质燃料垛测温方法及其系统，方法包括：获取燃料垛堆尺寸信息；获取存储环境基础信息；获取垛堆密度分布特征；确定通风深度极大值信息；获取温度梯度分布信息；获取燃料垛温度测定结果，解决了常规的测温方法存在测量不准确、工作效率低的技术问题，实现了通过采用图像采集装置和温度探测设备，结合数据挖掘和分析技术，可以实现对燃料垛堆温度的准确测量和预测，并且能够对特定区域进行深度监测，实时在线监测和预警，提高了测温的准确性和效率，增强对垛堆环境的监控和管理能力，有效降低了温度过高导致的火灾风险，提高生物质燃料垛堆的安全性能的技术效果。
Description
技术领域
本发明涉及测温控制调整相关技术领域，具体涉及一种生物质燃料垛测温方法及其系统。
背景技术
生物质燃料垛测温是指对生物质燃料垛堆进行温度测量的过程。生物质燃料垛测温通常是为了监测垛堆的温度分布和变化情况，以评估垛堆内部的燃烧状态和热量传递情况，同时可以用于监控和调节燃料垛堆的操作条件和燃烧效率。
生物质燃料垛的测温方法常见方式为单点测温、光学测温，单点测温即通过在垛堆中选择一个代表性的位置，安装温度探头进行测量，但仅可以获得一个或多个位置的温度信息，但不能全面反映整个垛堆的温度分布情况。光学测温即使用红外热像仪等设备，通过测量燃料垛表面的红外辐射来推算温度，可以实现非接触式的测温，但受到垛堆表面条件的影响较大，不太适用于垛堆表面有灰尘、烟尘等情况的测量。
综上可知，测温方法存在测量不准确、工作效率低以及无法实现实时在线监测等问题，难以满足对生物质燃料垛的全面、准确的温度监测需求。
综上所述，现有技术中存在常规的测温方法存在测量不准确、工作效率低的技术问题。
发明内容
本申请通过提供了一种生物质燃料垛测温方法及其系统，旨在解决现有技术中的常规的测温方法存在测量不准确、工作效率低的技术问题。
鉴于上述问题，本申请提供了一种生物质燃料垛测温方法及其系统。
本申请公开的第一个方面，提供了一种生物质燃料垛测温方法，其中，应用于生物质燃料垛测温系统，所述系统和温度探测设备、图像采集装置通信连接，所述温度探测设备包括可伸缩感温探头，所述方法包括：通过图像采集装置获取垛堆图像信息进行垛堆尺寸分析，获取燃料垛堆尺寸信息；获取存储环境基础信息，其中，所述存储环境基础信息包括环境温度信息和环境通风信息；当燃料颗粒平均密度大于或等于燃料颗粒基准密度时，根据所述燃料垛堆尺寸信息和所述燃料颗粒平均密度进行数据挖掘，获取垛堆密度分布特征；根据所述垛堆密度分布特征和所述环境通风信息进行通风分布分析，确定通风深度极大值信息；根据所述环境温度信息、垛堆存储时长和所述通风深度极大值信息进行温度分布预测，获取温度梯度分布信息，其中，所述温度梯度分布信息具有特征区域分布深度和特征区域分布温度；控制可伸缩感温探头对所述特征区域分布温度大于或等于温度安全阈值的所述特征区域分布深度进行温度探测，获取燃料垛温度测定结果。
本申请公开的另一个方面，提供了一种生物质燃料垛测温系统，其中，所述系统和温度探测设备、图像采集装置通信连接，所述温度探测设备包括可伸缩感温探头，所述系统包括：垛堆尺寸分析模块，用于通过图像采集装置获取垛堆图像信息进行垛堆尺寸分析，获取燃料垛堆尺寸信息；基础信息获取模块，用于获取存储环境基础信息，其中，所述存储环境基础信息包括环境温度信息和环境通风信息；数据挖掘模块，用于当燃料颗粒平均密度大于或等于燃料颗粒基准密度时，根据所述燃料垛堆尺寸信息和所述燃料颗粒平均密度进行数据挖掘，获取垛堆密度分布特征；通风分布分析模块，用于根据所述垛堆密度分布特征和所述环境通风信息进行通风分布分析，确定通风深度极大值信息；温度分布预测模块，用于根据所述环境温度信息、垛堆存储时长和所述通风深度极大值信息进行温度分布预测，获取温度梯度分布信息，其中，所述温度梯度分布信息具有特征区域分布深度和特征区域分布温度；温度探测模块，用于控制可伸缩感温探头对所述特征区域分布温度大于或等于温度安全阈值的所述特征区域分布深度进行温度探测，获取燃料垛温度测定结果。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
由于采用了通过图像采集装置获取垛堆图像信息进行垛堆尺寸分析，获取燃料垛堆尺寸信息；获取存储环境基础信息，其中，存储环境基础信息包括环境温度信息和环境通风信息；当燃料颗粒平均密度大于或等于燃料颗粒基准密度时，根据燃料垛堆尺寸信息和燃料颗粒平均密度进行数据挖掘，获取垛堆密度分布特征；根据垛堆密度分布特征和环境通风信息进行通风分布分析，确定通风深度极大值信息；根据环境温度信息、垛堆存储时长和通风深度极大值信息进行温度分布预测，获取温度梯度分布信息，其中，温度梯度分布信息具有特征区域分布深度和特征区域分布温度；控制可伸缩感温探头对特征区域分布温度大于或等于温度安全阈值的特征区域分布深度进行温度探测，获取燃料垛温度测定结果，实现了通过采用图像采集装置和温度探测设备，结合数据挖掘和分析技术，可以实现对燃料垛堆温度的准确测量和预测，减少温度探测频率，针对异常温度区域进行深度监测，实现实时在线监测和预警，不仅提高了测温的准确性和效率，还增强了对垛堆环境的监控和管理能力，有效降低了温度过高导致的火灾风险，提高生物质燃料垛堆的安全性能的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例提供了一种生物质燃料垛测温方法可能的流程示意图。
图2为本申请实施例提供了一种生物质燃料垛测温方法中确定燃料颗粒平均密度可能的流程示意图。
图3为本申请实施例提供了一种生物质燃料垛测温方法中获取燃料颗粒基准密度可能的流程示意图。
图4为本申请实施例提供了一种生物质燃料垛测温系统可能的结构示意图。
附图标记说明：垛堆尺寸分析模块100，基础信息获取模块200，数据挖掘模块300，通风分布分析模块400，温度分布预测模块500，温度探测模块600。
具体实施方式
本申请实施例提供了一种生物质燃料垛测温方法及其系统，解决了常规的测温方法存在测量不准确、工作效率低的技术问题，实现了通过采用图像采集装置和温度探测设备，结合数据挖掘和分析技术，可以实现对燃料垛堆温度的准确测量和预测，减少温度探测频率，针对异常温度区域进行深度监测，实现实时在线监测和预警，不仅提高了测温的准确性和效率，还增强了对垛堆环境的监控和管理能力，有效降低了温度过高导致的火灾风险，提高生物质燃料垛堆的安全性能的技术效果。
在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示，本申请实施例提供了一种生物质燃料垛测温方法，其中，应用于生物质燃料垛测温系统，所述系统和温度探测设备、图像采集装置通信连接，所述温度探测设备包括可伸缩感温探头，所述方法包括：
S10：通过图像采集装置获取垛堆图像信息进行垛堆尺寸分析，获取燃料垛堆尺寸信息；
步骤S10包括步骤：
S11：燃料垛堆具有基准尺寸标记区域，其中，所述基准尺寸标记区域包括水平基准尺寸标记区域和垂直基准尺寸标记区域；
S12：所述垛堆图像信息包括所述水平基准尺寸标记区域和所述垂直基准尺寸标记区域；
S13：对所述垛堆图像信息进行数字化，获取垛堆数字图像；
S14：基于所述水平基准尺寸标记区域，对所述垛堆数字图像进行尺寸分析，获取燃料垛堆水平尺寸信息；
S15：基于所述垂直基准尺寸标记区域，对所述垛堆数字图像进行尺寸分析，获取燃料垛堆垂直尺寸信息；
S16：将所述燃料垛堆水平尺寸信息和所述燃料垛堆垂直尺寸信息添加进所述燃料垛堆尺寸信息。
具体而言，所述生物质燃料垛测温系统和温度探测设备、图像采集装置通信连接，所述通信连接简单来说就是通过信号的传输交互，在所述生物质燃料垛测温系统和温度探测设备、图像采集装置之间构成通讯网络，所述可伸缩感温探头是指用于温度探测的具有可伸缩功能的探头设备，所述温度探测设备包括可伸缩感温探头，为进行生物质燃料垛测温提供硬件支撑；
进一步的，通过图像采集装置获取垛堆图像信息进行垛堆尺寸分析，获取燃料垛堆尺寸信息，包括，传统垛堆尺寸分析需要通过尺寸测量仪器进行测绘，成本较高，且燃料垛具有形状不规则性，误差率较高，基于此，所述基准尺寸标记区域包括水平基准尺寸标记区域和垂直基准尺寸标记区域；燃料垛堆中设定了用于测量尺寸的标记区域，包括水平基准尺寸标记区域和垂直基准尺寸标记区域；通过图像采集装置获取到的图像信息包括了垛堆中的水平基准尺寸标记区域和垂直基准尺寸标记区域，进而得到垛堆图像信息；
对所述垛堆图像信息进行数字化：基于所述垛堆图像信息，从空间上被分割成离散像素，信号值分为有限个等级、用数码0和1表示的垛堆数字图像；
基于所述水平基准尺寸标记区域，对所述垛堆数字图像进行尺寸分析，获取燃料垛堆水平尺寸信息，具体举例说明：垛堆图像中的基准区域水平尺寸为a，其实际标记尺寸为A；需要测量区域在图像水平尺寸为b，其实际尺寸假设为B，则图的比例缩放具有一致性，b/B=a/A，由此，则可以计算出需要测量区域的水平尺寸；基于所述垂直基准尺寸标记区域，对所述垛堆数字图像进行尺寸分析，获取燃料垛堆垂直尺寸信息；
将获取到的所述燃料垛堆水平尺寸信息和所述燃料垛堆垂直尺寸信息添加进所述燃料垛堆尺寸信息中。通过图像采集装置获取垛堆图像信息，结合基准尺寸标记区域和尺寸分析技术，可以实现对燃料垛堆的尺寸信息的测量和分析。水平尺寸信息、垂直尺寸信息对于评估垛堆的几何形状、体积大小具有重要意义，可以为燃料垛堆的设计、管理和优化提供参考依据。
S20：获取存储环境基础信息，其中，所述存储环境基础信息包括环境温度信息和环境通风信息；
S30：当燃料颗粒平均密度大于或等于燃料颗粒基准密度时，根据所述燃料垛堆尺寸信息和所述燃料颗粒平均密度进行数据挖掘，获取垛堆密度分布特征；
如图2所示，步骤S30还包括步骤：
S31：获取燃料垛堆基础信息，其中，所述燃料垛堆基础信息包括垛堆质量信息和燃料粒径信息；
S32：根据所述燃料粒径信息，确定所述燃料颗粒基准密度；
S33：基于所述燃料垛堆尺寸信息进行体积计算，获取燃料垛堆体积信息；
S34：根据所述燃料垛堆体积信息和所述垛堆质量信息进行密度计算，确定所述燃料颗粒平均密度。
具体而言，所述存储环境基础信息包括环境温度信息和环境通风信息，使用温度传感器或温度计等设备，测量储存环境中的温度信息，并记录下来，记录所得数据包括环境中的实时温度信息或历史温度数据；使用通风监测仪器或仪表，测量储存环境的通风情况，并记录下来，记录所得数据包括环境中的通风量、通风方向、通风速度，获取存储环境基础信息可以确定垛堆所处的环境条件，对于管理和控制垛堆的质量和安全性具有参考价值。
所述燃料颗粒平均密度指垛堆中实际燃料颗粒的平均密度值；所述燃料颗粒基准密度是指燃料颗粒的理论密度或标准密度；确定燃料颗粒平均密度；当燃料颗粒平均密度大于或等于燃料颗粒基准密度时，根据所述燃料垛堆尺寸信息和所述燃料颗粒平均密度进行数据挖掘，获取垛堆密度分布特征，通过根据燃料垛堆尺寸信息和燃料颗粒平均密度进行数据挖掘，可以了解垛堆中燃料的密度分布情况，为燃料管理和利用提供参考；
进一步的，确定燃料颗粒平均密度，包括，所述燃料垛堆基础信息包括垛堆质量信息和燃料粒径信息，多数垛堆质量信息是指描述燃料垛堆整体质量的信息，通常以质量单位来表示，如千克或吨，所述垛堆质量信息可以是垛堆中所有燃料颗粒的总质量或者指定体积范围内的质量。所述燃料粒径信息是指描述燃料颗粒大小的信息，通常以长度单位来表示，如毫米或微米，所述燃料粒径信息可以是燃料颗粒的平均直径或者指定范围内的直径，获取燃料垛堆基础信息；
所述燃料颗粒基准密度是根据燃料颗粒的物理特性，在标准条件下测定的颗粒密度，满足GB/T 30727-2014《固体生物质燃料发热量测定方法》、GB/T 21923-2008《固体生物质燃料检验通则》等相关标准文件的统一限定；根据所述燃料粒径信息，确定所述燃料颗粒基准密度，所述燃料颗粒基准密度是用来衡量颗粒之间的装填度、堆积性质等因素的重要参数；
所述燃料垛堆体积信息是根据燃料垛堆的尺寸信息计算得出的，常用的尺寸指标包括底面积和垛堆的高度，燃料垛堆体积信息是衡量垛堆大小的重要参数，用来评估垛堆的容积效果、有效装填度等；基于所述燃料垛堆尺寸信息进行体积计算，获取燃料垛堆体积信息；
密度计算是根据燃料垛堆的体积信息和质量信息进行的。通过将垛堆质量除以垛堆体积，可以得到燃料垛堆的平均密度，燃料颗粒的平均密度可以提供关于颗粒之间的紧密程度、堆积性质信息。燃料垛堆基础信息提供了描述燃料垛堆特性的关键参数，而燃料粒径、垛堆体积和密度等信息则是通过计算或测量来获得的重要指标，用于评估垛堆的装填质量、堆积性能等技术效果。
步骤S32包括步骤：
S321：所述燃料垛堆基础信息还包括单位质量颗粒数量统计值；
S322：根据所述垛堆质量信息和所述单位质量颗粒数量统计值，确定颗粒总数信息；
S323：将所述颗粒总数信息、所述垛堆质量信息和颗粒基准间隙输入基准密度分析模型，获取所述燃料颗粒基准密度。
具体而言，基于所述燃料垛堆尺寸信息进行体积计算，获取燃料垛堆体积信息，包括，所述燃料垛堆基础信息还包括单位质量颗粒数量统计值，即在单位质量（例如千克）的燃料中包含的颗粒数量；根据燃料垛堆的质量信息和单位质量颗粒数量统计值，进行乘积计算，确定燃料垛堆中颗粒的总数；
所述颗粒基准间隙是指燃料颗粒之间的平均间隔距离，可以根据燃料垛堆的特性和设计参数进行确定；构建基准密度分析模型，所述基准密度分析模型是一个用于计算燃料颗粒基准密度的数学模型；将所述颗粒总数信息、所述垛堆质量信息和颗粒基准间隙作为数据，输入基准密度分析模型，获取所述燃料颗粒基准密度；
燃料颗粒基准密度可以用于评估燃料的堆积性质、流动性能等。通过燃料粒径信息和相关信息的分析，确定燃料颗粒基准密度，从而为燃料垛堆的设计、运行和优化提供参考依据。利用基准密度分析模型，可以更准确地估计燃料颗粒的密度，为进行基准密度分析提供模型支持。
如图3所示，步骤S323包括步骤：
S3231：所述基准密度分析模型包括颗粒仿真分布模块和密度统计模块；
S3232：基于所述颗粒基准间隙和所述颗粒总数信息，在所述颗粒仿真分布模块进行模拟堆垛，获取模拟堆垛结果，其中，所述模拟堆垛结果具有颗粒间隙模拟值和模拟堆垛体积信息；
S3233：当所述颗粒间隙模拟值与所述颗粒基准间隙的间隙偏差大于预设间隙偏差，在所述颗粒仿真分布模块进行重复模拟堆垛；
S3234：当所述颗粒间隙模拟值与所述颗粒基准间隙的间隙偏差小于或等于预设间隙偏差，通过所述密度统计模块对所述垛堆质量信息和所述模拟堆垛体积信息进行处理，获取所述燃料颗粒基准密度。
具体而言，构建基准密度分析模型，包括，所述基准密度分析模型包括颗粒仿真分布模块和密度统计模块；颗粒仿真分布模块根据输入的颗粒总数信息和颗粒基准间隙，在模拟环境中进行颗粒堆垛的仿真；所述颗粒仿真分布模块模拟了颗粒之间的间隙分布和堆积形态，计算出模拟堆垛结果，所述模拟堆垛结果包括颗粒间隙模拟值和模拟堆垛的体积信息；
构建颗粒仿真分布模块：以全卷积神经网络为模型基础，采用历史颗粒总数信息、颗粒基准间隙、历史堆垛结果作为构建数据，基于所述历史颗粒总数信息、颗粒基准间隙组合新的堆积形态特征，将所述历史堆垛结果作为标识结果，传入全卷积神经网络中进行模型收敛学习，构建训练获得所述颗粒仿真分布模块，确定颗粒仿真分布模块，为进行颗粒仿真分布提供模型基础；
构建密度统计模块：收集垛堆质量经验信息：可以利用传感器、称重设备等进行实时采集或者手动输入；收集堆垛体积经验信息：堆垛体积经验信息可以通过计算堆垛的长、宽、高等尺寸来得到；统计分析质量与体积信息：密度统计模块内部引用了平均值、方差、峰度等相关统计分析基础算法，根据收集的垛堆质量经验信息和垛堆体积经验信息，进行统计分析，包括平均值、方差、峰度等统计量的计算，以了解燃料颗粒的堆垛特性；根据垛堆质量经验信息和垛堆体积经验信息的统计分析结果，密度统计模块可通过公式计算出燃料颗粒基准密度，所述基准密度是指在一定条件下，燃料颗粒在堆垛中的平均密度；
比较所述颗粒间隙模拟值与所述颗粒基准间隙的间隙偏差、预设间隙偏差：当所述颗粒间隙模拟值与所述颗粒基准间隙的间隙偏差大于预设间隙偏差，在所述颗粒仿真分布模块进行重复模拟堆垛；当所述颗粒间隙模拟值与所述颗粒基准间隙的间隙偏差小于或等于预设间隙偏差，暂停颗粒仿真分布模块中的重复模拟堆垛，通过所述密度统计模块对所述垛堆质量信息和所述模拟堆垛体积信息进行处理，获取所述燃料颗粒基准密度；
所述密度统计模块用于处理垛堆质量信息和模拟堆垛体积信息，从而确定燃料颗粒基准密度，密度统计模块对颗粒堆垛的体积和质量信息进行统计分析，计算出燃料颗粒基准密度。通过基准密度分析模型准确评估燃料颗粒基准密度，进行精确的模拟和统计分析，能够考虑颗粒堆垛的间隙分布和堆积形态，提供客观可靠的基准密度结果，对于燃料颗粒的生产和应用具有重要意义，帮助优化燃烧效率和能源利用效率，提高生物质能源和其他颗粒燃料的利用效果。
步骤S30包括步骤：
S35：以燃料生物质类型、所述燃料垛堆尺寸信息和所述燃料颗粒平均密度为约束信息进行数据挖掘，获取同族垛堆监测记录数据，其中，所述同族垛堆监测记录数据表征约束信息偏差小于偏差阈值的垛堆记录数据；
S36：所述同族垛堆监测记录数据包括垛堆密度检测结果记录数据和垛堆密度分布位置记录数据；
S37：根据所述垛堆密度分布位置记录数据，对所述垛堆密度检测结果记录数据进行聚类分析，获取垛堆密度聚类结果，其中，任意一个所述垛堆密度聚类结果表征多个同族垛堆监测记录数据于相同分布位置的记录数据；
S38：遍历所述垛堆密度聚类结果进行集中值评价，获取所述垛堆密度分布特征；
S39：其中，遍历所述垛堆密度聚类结果进行集中值评价，获取所述垛堆密度分布特征，包括，
S391：获取任意一个所述垛堆密度聚类结果的簇内元素偏离度，其中，所述簇内元素偏离度表征任意一个所述垛堆密度聚类结果的簇内元素与簇内密度均值的偏差绝对值；
S392：提取所述簇内元素偏离度小于或等于簇内元素偏离度阈值的垛堆密度记录值进行均值计算，获取所述垛堆密度分布特征。
具体而言，当燃料颗粒平均密度大于或等于燃料颗粒基准密度时，根据所述燃料垛堆尺寸信息和所述燃料颗粒平均密度进行数据挖掘，获取垛堆密度分布特征，包括，所述燃料生物质类型是指燃料的种类，如木材、秸秆等；所述燃料垛堆尺寸信息是指垛堆的尺寸参数，如长度、宽度、高度等；所述燃料颗粒平均密度是指垛堆中燃料颗粒的平均密度；基于生物质燃料垛测温系统的数据存储单元，以燃料生物质类型、所述燃料垛堆尺寸信息和所述燃料颗粒平均密度为约束信息进行数据挖掘，获取同族垛堆监测记录数据，所述同族垛堆监测记录数据表征约束信息偏差小于偏差阈值的垛堆记录数据，具有相似约束信息的垛堆监测记录数据；所述偏差阈值是设定的一个阈值，用于判断约束信息偏差的大小，一般的，不超出10%。
所述同族垛堆监测记录数据包括垛堆密度检测结果记录数据和垛堆密度分布位置记录数据，其中，所述垛堆密度检测结果记录数据用于表征记录燃料垛堆中不同位置的密度检测结果；所述垛堆密度分布位置记录数据用于表征记录垛堆密度检测结果在垛堆中的分布位置；
根据所述垛堆密度分布位置记录数据，对所述垛堆密度检测结果记录数据进行聚类分析：选所述垛堆密度检测结果记录数据中位置最中心作为参照点，进行自底向上的凝聚层次聚类分析，迭代直到所述垛堆密度检测结果记录数据中数据分布不再变化后，获取垛堆密度聚类结果，其中，任意一个所述垛堆密度聚类结果表征多个同族垛堆监测记录数据于相同分布位置的记录数据；重复上述步骤，遍历所述垛堆密度聚类结果进行集中值评价，获取所述垛堆密度分布特征，所述集中值评价是指对垛堆密度聚类结果进行综合评价，以得到垛堆密度分布特征；
进一步的，遍历所述垛堆密度聚类结果进行集中值评价，获取所述垛堆密度分布特征，包括，获取任意一个所述垛堆密度聚类结果的簇内元素偏离度，其中，所述簇内元素偏离度指聚类结果中每个簇内元素与簇内密度均值之间的差异，用于表征任意一个所述垛堆密度聚类结果的簇内元素与簇内密度均值的偏差绝对值；提取所述簇内元素偏离度小于或等于簇内元素偏离度阈值的垛堆密度记录值进行均值计算，并将所述簇内元素偏离度小于或等于簇内元素偏离度阈值的垛堆密度记录值的均值作为垛堆密度分布特征。将燃料垛堆的密度检测结果进行聚类分析，进而获取垛堆密度分布特征，助于了解燃料垛堆的密度分布情况，以便进行垛堆管理和优化设计。
S40：根据所述垛堆密度分布特征和所述环境通风信息进行通风分布分析，确定通风深度极大值信息；
步骤S40包括步骤：
S41：所述环境通风信息包括风压信息；
S42：将所述风压信息输入通风隔绝密度标定表，获取通风隔绝密度，其中，所述通风隔绝密度标定表为预设的特征标定数据表，可周期性更新；
S43：根据所述垛堆密度分布特征和所述通风隔绝密度，获取垛堆密度大于或所述通风隔绝密度的垛堆特征区域；
S44：根据所述垛堆特征区域进行深度极大值筛选，获取所述通风深度极大值信息。
具体而言，根据所述垛堆密度分布特征和所述环境通风信息进行通风分布分析，确定通风深度极大值信息，包括，在通风分布分析中，需要根据垛堆的密度分布特征和环境的通风信息来确定通风的深度极大值，环境通风信息包括风压信息，即环境中风的压力情况；
将获得的风压信息输入到通风隔绝密度标定表中，以获取通风隔绝密度。通风隔绝密度标定表是一个按照HJ 1266—2022《生物质废物堆肥污染控制技术规范》所设置的预设特征标定数据表，用于根据风压信息来确定相应的通风隔绝密度，通风隔绝密度标定表可以定期更新；
所述垛堆特征区域是指垛堆中具有较高密度的部分；根据所述垛堆密度分布特征和所述通风隔绝密度，可以获取垛堆密度大于或等于通风隔绝密度的垛堆特征区域；根据垛堆特征区域进行深度极大值筛选，以获取通风深度的极大值信息，具体来说，可以通过分析垛堆的密度分布，找到垛堆密度达到最大点的位置和深度。确定垛堆的通风情况，通风效果最好的位置，为通过适当的通风措施降低密度较高的垛堆升温问题，有效降低了温度过高导致的火灾风险，提高生物质燃料垛堆的安全性能。
S50：根据所述环境温度信息、垛堆存储时长和所述通风深度极大值信息进行温度分布预测，获取温度梯度分布信息，其中，所述温度梯度分布信息具有特征区域分布深度和特征区域分布温度；
S60：控制可伸缩感温探头对所述特征区域分布温度大于或等于温度安全阈值的所述特征区域分布深度进行温度探测，获取燃料垛温度测定结果。
步骤S50包括步骤：
S51：根据所述通风深度极大值信息对燃料垛堆进行区域划分，获取通风区域分布信息和非通风区域分布信息；
S52：以所述环境温度信息、所述通风区域分布信息和所述垛堆存储时长为约束信息，采集同族燃料垛堆的第一温度检测记录数据和第一温度分布位置记录数据，其中，所述同族燃料垛堆指的是垛堆形状和燃料类型相同的垛堆；
S53：以所述环境温度信息、所述非通风区域分布信息和所述垛堆存储时长为约束信息，采集所述同族燃料垛堆的第二温度检测记录数据和第二温度分布位置记录数据；
S54：基于所述第一温度分布位置记录数据对所述第一温度检测记录数据进行分布位置聚类，获取第一温度聚类结果；
S55：遍历所述第一温度聚类结果进行集中值评价，获取第一温度梯度分布信息；
S56：基于所述第二温度分布位置记录数据对所述第二温度检测记录数据进行分布位置聚类，获取第二温度聚类结果；
S57：遍历所述第二温度聚类结果进行集中值评价，获取第二温度梯度分布信息；
S58：将所述第一温度梯度分布信息和所述第二温度梯度分布信息，添加进所述温度梯度分布信息。
具体而言，所述温度梯度分布信息是指垛堆内部不同垛堆深度、不同位置的温度梯度分布情况，包括梯度深度和梯度温度；根据所述环境温度信息、垛堆存储时长和所述通风深度极大值信息进行温度分布预测，获取温度梯度分布信息；控制可伸缩感温探头对所述特征区域分布温度大于或等于温度安全阈值的所述特征区域分布深度进行温度探测：确定温度安全阈值，作为判断是否进行探测的标准；将可伸缩感温探头定位到特征区域中，对其进行温度探测；针对特征区域中温度大于或等于温度安全阈值的情况，记录相应的深度信息；根据记录的深度信息，获取燃料垛温度测定结果。通过控制可伸缩感温探头对特征区域分布温度大于或等于温度安全阈值的特征区域分布深度进行温度探测，可以提供关于垛堆温度的测定结果，以及帮助监控和控制燃料垛的温度安全性。
进一步的，根据所述环境温度信息、垛堆存储时长和所述通风深度极大值信息进行温度分布预测，获取温度梯度分布信息，包括，
根据所述通风深度极大值信息对燃料垛堆进行区域划分，可以得到通风区域分布信息和非通风区域分布信息，确定垛堆中有通风和无通风两种不同的区域，通风区域分布信息一般在空间上层的15-20cm，非通风区域分布信息一般在除通风区域之外的空间下层；
所述同族燃料垛堆是指垛堆形状和燃料类型相同的垛堆，在所述环境温度信息、所述通风区域分布信息和所述垛堆存储时长的约束下，采集同族燃料垛堆的第一温度检测记录数据和第一温度分布位置记录数据；同样，在所述环境温度信息、所述非通风区域分布信息和所述垛堆存储时长的约束下，采集同族燃料垛堆的第二温度检测记录数据和第二温度分布位置记录数据；
基于所述第一温度分布位置记录数据对所述第一温度检测记录数据进行分布位置聚类，可以得到第一温度聚类结果，所述第一温度聚类结果用于表征温度分布的不同类别，聚类分析的步骤此处不做重复性展开；遍历第一温度聚类结果并进行集中值评价，按照温度上升的梯度，对垛堆区域进行排列，进而得到第一温度梯度分布信息；
同样地，基于所述第二温度分布位置记录数据对所述第二温度检测记录数据进行分布位置聚类，可以得到第二温度聚类结果；遍历所述第二温度聚类结果并进行集中值评价，按照温度上升的梯度，对垛堆区域进行排列，进而得到第二温度梯度分布信息；
将所述第一温度梯度分布信息和所述第二温度梯度分布信息添加进所述温度梯度分布信息中。可以根据环境的温度、垛堆的通风情况和存储时长来预测温度的梯度分布情况。通过分析温度分布信息，可以了解垛堆的温度变化规律，为燃料垛堆的管理和控制提供参考。
综上所述，本申请实施例所提供的一种生物质燃料垛测温方法及其系统具有如下技术效果：
1．由于采用了通过图像采集装置获取垛堆图像信息进行垛堆尺寸分析，获取燃料垛堆尺寸信息；获取存储环境基础信息，其中，存储环境基础信息包括环境温度信息和环境通风信息；当燃料颗粒平均密度大于或等于燃料颗粒基准密度时，根据燃料垛堆尺寸信息和燃料颗粒平均密度进行数据挖掘，获取垛堆密度分布特征；根据垛堆密度分布特征和环境通风信息进行通风分布分析，确定通风深度极大值信息；根据环境温度信息、垛堆存储时长和通风深度极大值信息进行温度分布预测，获取温度梯度分布信息，其中，温度梯度分布信息具有特征区域分布深度和特征区域分布温度；控制可伸缩感温探头对特征区域分布温度大于或等于温度安全阈值的特征区域分布深度进行温度探测，获取燃料垛温度测定结果，本申请通过提供了一种生物质燃料垛测温方法及其系统，实现了通过采用图像采集装置和温度探测设备，结合数据挖掘和分析技术，可以实现对燃料垛堆温度的准确测量和预测，减少温度探测频率，针对异常温度区域进行深度监测，实现实时在线监测和预警，不仅提高了测温的准确性和效率，还增强了对垛堆环境的监控和管理能力，有效降低了温度过高导致的火灾风险，提高生物质燃料垛堆的安全性能的技术效果。
2．由于采用了环境通风信息包括风压信息；将风压信息输入通风隔绝密度标定表，获取通风隔绝密度，其中，通风隔绝密度标定表为预设的特征标定数据表，可周期性更新；根据垛堆密度分布特征和通风隔绝密度，获取垛堆密度大于或通风隔绝密度的垛堆特征区域；根据垛堆特征区域进行深度极大值筛选，获取通风深度极大值信息。确定垛堆的通风情况，通风效果最好的位置，为通过适当的通风措施降低密度较高的垛堆升温问题，有效降低了温度过高导致的火灾风险，提高生物质燃料垛堆的安全性能。
实施例二
基于与前述实施例中一种生物质燃料垛测温方法相同的发明构思，如图4所示，本申请实施例提供了一种生物质燃料垛测温系统，其中，所述系统和温度探测设备、图像采集装置通信连接，所述温度探测设备包括可伸缩感温探头，所述系统包括：
垛堆尺寸分析模块100，用于通过图像采集装置获取垛堆图像信息进行垛堆尺寸分析，获取燃料垛堆尺寸信息；
基础信息获取模块200，用于获取存储环境基础信息，其中，所述存储环境基础信息包括环境温度信息和环境通风信息；
数据挖掘模块300，用于当燃料颗粒平均密度大于或等于燃料颗粒基准密度时，根据所述燃料垛堆尺寸信息和所述燃料颗粒平均密度进行数据挖掘，获取垛堆密度分布特征；
通风分布分析模块400，用于根据所述垛堆密度分布特征和所述环境通风信息进行通风分布分析，确定通风深度极大值信息；
温度分布预测模块500，用于根据所述环境温度信息、垛堆存储时长和所述通风深度极大值信息进行温度分布预测，获取温度梯度分布信息，其中，所述温度梯度分布信息具有特征区域分布深度和特征区域分布温度；
温度探测模块600，用于控制可伸缩感温探头对所述特征区域分布温度大于或等于温度安全阈值的所述特征区域分布深度进行温度探测，获取燃料垛温度测定结果。
进一步的，所述数据挖掘模块300还用于执行以下步骤：
获取燃料垛堆基础信息，其中，所述燃料垛堆基础信息包括垛堆质量信息和燃料粒径信息；
根据所述燃料粒径信息，确定所述燃料颗粒基准密度；
基于所述燃料垛堆尺寸信息进行体积计算，获取燃料垛堆体积信息；
根据所述燃料垛堆体积信息和所述垛堆质量信息进行密度计算，确定所述燃料颗粒平均密度。
进一步的，所述垛堆尺寸分析模块100用于执行以下步骤：
燃料垛堆具有基准尺寸标记区域，其中，所述基准尺寸标记区域包括水平基准尺寸标记区域和垂直基准尺寸标记区域；
所述垛堆图像信息包括所述水平基准尺寸标记区域和所述垂直基准尺寸标记区域；
对所述垛堆图像信息进行数字化，获取垛堆数字图像；
基于所述水平基准尺寸标记区域，对所述垛堆数字图像进行尺寸分析，获取燃料垛堆水平尺寸信息；
基于所述垂直基准尺寸标记区域，对所述垛堆数字图像进行尺寸分析，获取燃料垛堆垂直尺寸信息；
将所述燃料垛堆水平尺寸信息和所述燃料垛堆垂直尺寸信息添加进所述燃料垛堆尺寸信息。
进一步的，所述数据挖掘模块300还用于执行以下步骤：
所述燃料垛堆基础信息还包括单位质量颗粒数量统计值；
根据所述垛堆质量信息和所述单位质量颗粒数量统计值，确定颗粒总数信息；
将所述颗粒总数信息、所述垛堆质量信息和颗粒基准间隙输入基准密度分析模型，获取所述燃料颗粒基准密度。
进一步的，所述数据挖掘模块300还用于执行以下步骤：
所述基准密度分析模型包括颗粒仿真分布模块和密度统计模块；
基于所述颗粒基准间隙和所述颗粒总数信息，在所述颗粒仿真分布模块进行模拟堆垛，获取模拟堆垛结果，其中，所述模拟堆垛结果具有颗粒间隙模拟值和模拟堆垛体积信息；
当所述颗粒间隙模拟值与所述颗粒基准间隙的间隙偏差大于预设间隙偏差，在所述颗粒仿真分布模块进行重复模拟堆垛；
当所述颗粒间隙模拟值与所述颗粒基准间隙的间隙偏差小于或等于预设间隙偏差，通过所述密度统计模块对所述垛堆质量信息和所述模拟堆垛体积信息进行处理，获取所述燃料颗粒基准密度。
进一步的，所述数据挖掘模块300用于执行以下步骤：
以燃料生物质类型、所述燃料垛堆尺寸信息和所述燃料颗粒平均密度为约束信息进行数据挖掘，获取同族垛堆监测记录数据，其中，所述同族垛堆监测记录数据表征约束信息偏差小于偏差阈值的垛堆记录数据；
所述同族垛堆监测记录数据包括垛堆密度检测结果记录数据和垛堆密度分布位置记录数据；
根据所述垛堆密度分布位置记录数据，对所述垛堆密度检测结果记录数据进行聚类分析，获取垛堆密度聚类结果，其中，任意一个所述垛堆密度聚类结果表征多个同族垛堆监测记录数据于相同分布位置的记录数据；
遍历所述垛堆密度聚类结果进行集中值评价，获取所述垛堆密度分布特征；
其中，遍历所述垛堆密度聚类结果进行集中值评价，获取所述垛堆密度分布特征，包括，
获取任意一个所述垛堆密度聚类结果的簇内元素偏离度，其中，所述簇内元素偏离度表征任意一个所述垛堆密度聚类结果的簇内元素与簇内密度均值的偏差绝对值；
提取所述簇内元素偏离度小于或等于簇内元素偏离度阈值的垛堆密度记录值进行均值计算，获取所述垛堆密度分布特征。
进一步的，所述通风分布分析模块400用于执行以下步骤：
所述环境通风信息包括风压信息；
将所述风压信息输入通风隔绝密度标定表，获取通风隔绝密度，其中，所述通风隔绝密度标定表为预设的特征标定数据表，可周期性更新；
根据所述垛堆密度分布特征和所述通风隔绝密度，获取垛堆密度大于或所述通风隔绝密度的垛堆特征区域；
根据所述垛堆特征区域进行深度极大值筛选，获取所述通风深度极大值信息。
进一步的，所述温度分布预测模块500用于执行以下步骤：
根据所述通风深度极大值信息对燃料垛堆进行区域划分，获取通风区域分布信息和非通风区域分布信息；
以所述环境温度信息、所述通风区域分布信息和所述垛堆存储时长为约束信息，采集同族燃料垛堆的第一温度检测记录数据和第一温度分布位置记录数据，其中，所述同族燃料垛堆指的是垛堆形状和燃料类型相同的垛堆；
以所述环境温度信息、所述非通风区域分布信息和所述垛堆存储时长为约束信息，采集所述同族燃料垛堆的第二温度检测记录数据和第二温度分布位置记录数据；
基于所述第一温度分布位置记录数据对所述第一温度检测记录数据进行分布位置聚类，获取第一温度聚类结果；
遍历所述第一温度聚类结果进行集中值评价，获取第一温度梯度分布信息；
基于所述第二温度分布位置记录数据对所述第二温度检测记录数据进行分布位置聚类，获取第二温度聚类结果；
遍历所述第二温度聚类结果进行集中值评价，获取第二温度梯度分布信息；
将所述第一温度梯度分布信息和所述第二温度梯度分布信息，添加进所述温度梯度分布信息。
综上所述的方法的任意步骤都可作为计算机指令或者程序存储在不设限制的计算机存储器中，并可以被不设限制的计算机处理器调用识别用以实现本申请实施例中的任一项方法，在此不做多余限制。
进一步的，综上所述的第一或第二可能不止代表次序关系，也可能代表某项特指概念，和/或指的是多个元素之间可单独或全部选择。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。
Claims (9)
1.一种生物质燃料垛测温方法，其特征在于，应用于生物质燃料垛测温系统，所述系统和温度探测设备、图像采集装置通信连接，所述温度探测设备包括可伸缩感温探头，包括：
通过图像采集装置获取垛堆图像信息进行垛堆尺寸分析，获取燃料垛堆尺寸信息；
获取存储环境基础信息，其中，所述存储环境基础信息包括环境温度信息和环境通风信息；
当燃料颗粒平均密度大于或等于燃料颗粒基准密度时，根据所述燃料垛堆尺寸信息和所述燃料颗粒平均密度进行数据挖掘，获取垛堆密度分布特征；
根据所述垛堆密度分布特征和所述环境通风信息进行通风分布分析，确定通风深度极大值信息；
根据所述环境温度信息、垛堆存储时长和所述通风深度极大值信息进行温度分布预测，获取温度梯度分布信息，其中，所述温度梯度分布信息具有特征区域分布深度和特征区域分布温度；
控制可伸缩感温探头对所述特征区域分布温度大于或等于温度安全阈值的所述特征区域分布深度进行温度探测，获取燃料垛温度测定结果。
2.如权利要求1所述的方法，其特征在于，还包括：
获取燃料垛堆基础信息，其中，所述燃料垛堆基础信息包括垛堆质量信息和燃料粒径信息；
根据所述燃料粒径信息，确定所述燃料颗粒基准密度；
基于所述燃料垛堆尺寸信息进行体积计算，获取燃料垛堆体积信息；
根据所述燃料垛堆体积信息和所述垛堆质量信息进行密度计算，确定所述燃料颗粒平均密度。
3.如权利要求1所述的方法，其特征在于，通过图像采集装置获取垛堆图像信息进行垛堆尺寸分析，获取燃料垛堆尺寸信息，包括：
燃料垛堆具有基准尺寸标记区域，其中，所述基准尺寸标记区域包括水平基准尺寸标记区域和垂直基准尺寸标记区域；
所述垛堆图像信息包括所述水平基准尺寸标记区域和所述垂直基准尺寸标记区域；
对所述垛堆图像信息进行数字化，获取垛堆数字图像；
基于所述水平基准尺寸标记区域，对所述垛堆数字图像进行尺寸分析，获取燃料垛堆水平尺寸信息；
基于所述垂直基准尺寸标记区域，对所述垛堆数字图像进行尺寸分析，获取燃料垛堆垂直尺寸信息；
将所述燃料垛堆水平尺寸信息和所述燃料垛堆垂直尺寸信息添加进所述燃料垛堆尺寸信息。
4.如权利要求2所述的方法，其特征在于，根据所述燃料粒径信息，确定所述燃料颗粒基准密度，包括：
所述燃料垛堆基础信息还包括单位质量颗粒数量统计值；
根据所述垛堆质量信息和所述单位质量颗粒数量统计值，确定颗粒总数信息；
将所述颗粒总数信息、所述垛堆质量信息和颗粒基准间隙输入基准密度分析模型，获取所述燃料颗粒基准密度。
5.如权利要求4所述的方法，其特征在于，将所述颗粒总数信息、所述垛堆质量信息和颗粒基准间隙输入基准密度分析模型，获取所述燃料颗粒基准密度，包括：
所述基准密度分析模型包括颗粒仿真分布模块和密度统计模块；
基于所述颗粒基准间隙和所述颗粒总数信息，在所述颗粒仿真分布模块进行模拟堆垛，获取模拟堆垛结果，其中，所述模拟堆垛结果具有颗粒间隙模拟值和模拟堆垛体积信息；
当所述颗粒间隙模拟值与所述颗粒基准间隙的间隙偏差大于预设间隙偏差，在所述颗粒仿真分布模块进行重复模拟堆垛；
当所述颗粒间隙模拟值与所述颗粒基准间隙的间隙偏差小于或等于预设间隙偏差，通过所述密度统计模块对所述垛堆质量信息和所述模拟堆垛体积信息进行处理，获取所述燃料颗粒基准密度。
6.如权利要求1所述的方法，其特征在于，当燃料颗粒平均密度大于或等于燃料颗粒基准密度时，根据所述燃料垛堆尺寸信息和所述燃料颗粒平均密度进行数据挖掘，获取垛堆密度分布特征，包括：
以燃料生物质类型、所述燃料垛堆尺寸信息和所述燃料颗粒平均密度为约束信息进行数据挖掘，获取同族垛堆监测记录数据，其中，所述同族垛堆监测记录数据表征约束信息偏差小于偏差阈值的垛堆记录数据；
所述同族垛堆监测记录数据包括垛堆密度检测结果记录数据和垛堆密度分布位置记录数据；
根据所述垛堆密度分布位置记录数据，对所述垛堆密度检测结果记录数据进行聚类分析，获取垛堆密度聚类结果，其中，任意一个所述垛堆密度聚类结果表征多个同族垛堆监测记录数据于相同分布位置的记录数据；
遍历所述垛堆密度聚类结果进行集中值评价，获取所述垛堆密度分布特征；
其中，遍历所述垛堆密度聚类结果进行集中值评价，获取所述垛堆密度分布特征，包括，
获取任意一个所述垛堆密度聚类结果的簇内元素偏离度，其中，所述簇内元素偏离度表征任意一个所述垛堆密度聚类结果的簇内元素与簇内密度均值的偏差绝对值；
提取所述簇内元素偏离度小于或等于簇内元素偏离度阈值的垛堆密度记录值进行均值计算，获取所述垛堆密度分布特征。
7.如权利要求1所述的方法，其特征在于，根据所述垛堆密度分布特征和所述环境通风信息进行通风分布分析，确定通风深度极大值信息，包括：
所述环境通风信息包括风压信息；
将所述风压信息输入通风隔绝密度标定表，获取通风隔绝密度，其中，所述通风隔绝密度标定表为预设的特征标定数据表，可周期性更新；
根据所述垛堆密度分布特征和所述通风隔绝密度，获取垛堆密度大于或所述通风隔绝密度的垛堆特征区域；
根据所述垛堆特征区域进行深度极大值筛选，获取所述通风深度极大值信息。
8.如权利要求1所述的方法，其特征在于，根据所述环境温度信息、垛堆存储时长和所述通风深度极大值信息进行温度分布预测，获取温度梯度分布信息，其中，所述温度梯度分布信息具有特征区域分布深度，包括：
根据所述通风深度极大值信息对燃料垛堆进行区域划分，获取通风区域分布信息和非通风区域分布信息；
以所述环境温度信息、所述通风区域分布信息和所述垛堆存储时长为约束信息，采集同族燃料垛堆的第一温度检测记录数据和第一温度分布位置记录数据，其中，所述同族燃料垛堆指的是垛堆形状和燃料类型相同的垛堆；
以所述环境温度信息、所述非通风区域分布信息和所述垛堆存储时长为约束信息，采集所述同族燃料垛堆的第二温度检测记录数据和第二温度分布位置记录数据；
基于所述第一温度分布位置记录数据对所述第一温度检测记录数据进行分布位置聚类，获取第一温度聚类结果；
遍历所述第一温度聚类结果进行集中值评价，获取第一温度梯度分布信息；
基于所述第二温度分布位置记录数据对所述第二温度检测记录数据进行分布位置聚类，获取第二温度聚类结果；
遍历所述第二温度聚类结果进行集中值评价，获取第二温度梯度分布信息；
将所述第一温度梯度分布信息和所述第二温度梯度分布信息，添加进所述温度梯度分布信息。
9.一种生物质燃料垛测温系统，其特征在于，用于实施权利要求1-8任意一项所述的一种生物质燃料垛测温方法，所述系统和温度探测设备、图像采集装置通信连接，所述温度探测设备包括可伸缩感温探头，包括：
垛堆尺寸分析模块，用于通过图像采集装置获取垛堆图像信息进行垛堆尺寸分析，获取燃料垛堆尺寸信息；
基础信息获取模块，用于获取存储环境基础信息，其中，所述存储环境基础信息包括环境温度信息和环境通风信息；
数据挖掘模块，用于当燃料颗粒平均密度大于或等于燃料颗粒基准密度时，根据所述燃料垛堆尺寸信息和所述燃料颗粒平均密度进行数据挖掘，获取垛堆密度分布特征；
通风分布分析模块，用于根据所述垛堆密度分布特征和所述环境通风信息进行通风分布分析，确定通风深度极大值信息；
温度分布预测模块，用于根据所述环境温度信息、垛堆存储时长和所述通风深度极大值信息进行温度分布预测，获取温度梯度分布信息，其中，所述温度梯度分布信息具有特征区域分布深度和特征区域分布温度；
温度探测模块，用于控制可伸缩感温探头对所述特征区域分布温度大于或等于温度安全阈值的所述特征区域分布深度进行温度探测，获取燃料垛温度测定结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311206739.3A CN116952413B (zh) | 2023-09-19 | 2023-09-19 | 一种生物质燃料垛测温方法及其系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311206739.3A CN116952413B (zh) | 2023-09-19 | 2023-09-19 | 一种生物质燃料垛测温方法及其系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116952413A CN116952413A (zh) | 2023-10-27 |
| CN116952413B true CN116952413B (zh) | 2023-11-24 |
Family
ID=88462403
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311206739.3A Active CN116952413B (zh) | 2023-09-19 | 2023-09-19 | 一种生物质燃料垛测温方法及其系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116952413B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103335688A (zh) * | 2013-06-05 | 2013-10-02 | 徐州中矿奥特麦科技有限公司 | 圆形煤场三维料位及温度监测装置 |
| CN104755965A (zh) * | 2012-11-16 | 2015-07-01 | 雪佛龙美国公司 | 用于为沉积物中出现的包合物确定最小孔隙率的方法和系统 |
| CN105142408A (zh) * | 2012-12-04 | 2015-12-09 | 英戈·施托克格南特韦斯伯格 | 热处理监控系统 |
| CN109269660A (zh) * | 2018-10-29 | 2019-01-25 | 上海化工研究院有限公司 | 一种用于集装箱堆垛的串列式分区狭隙温度探测装置 |
| CN112556853A (zh) * | 2020-10-27 | 2021-03-26 | 国能生物发电集团有限公司 | 一种基于无间断巡视无人机的生物质料垛温度遥测系统 |
| CN112557588A (zh) * | 2020-10-27 | 2021-03-26 | 国能生物发电集团有限公司 | 一种监测生物质料垛可燃性气体浓度防范自燃的方法 |
| CN113989428A (zh) * | 2021-09-03 | 2022-01-28 | 北京科技大学 | 一种基于深度视觉的冶金库区全局三维重建方法及装置 |
| KR20220017255A (ko) * | 2020-08-04 | 2022-02-11 | (주)한울전력기술 | 지구물리 탐사방법을 이용한 저탄장 모니터링 시스템 |
| CN114623948A (zh) * | 2020-12-14 | 2022-06-14 | 华为技术有限公司 | 一种电子设备及检测体温的方法 |
| CN115046653A (zh) * | 2022-04-28 | 2022-09-13 | 河南科技大学 | 一种基于温度场云图的跨区域储备粮粮温异变检测方法 |
| CN217784793U (zh) * | 2022-06-21 | 2022-11-11 | 武汉云卓环保工程有限公司 | 一种煤堆测温监控系统 |
| CN116596982A (zh) * | 2023-05-22 | 2023-08-15 | 重庆三峰环境集团股份有限公司 | 一种基于短波高光谱相机的垃圾热值预测系统及方法 |
-
2023
- 2023-09-19 CN CN202311206739.3A patent/CN116952413B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104755965A (zh) * | 2012-11-16 | 2015-07-01 | 雪佛龙美国公司 | 用于为沉积物中出现的包合物确定最小孔隙率的方法和系统 |
| CN105142408A (zh) * | 2012-12-04 | 2015-12-09 | 英戈·施托克格南特韦斯伯格 | 热处理监控系统 |
| CN103335688A (zh) * | 2013-06-05 | 2013-10-02 | 徐州中矿奥特麦科技有限公司 | 圆形煤场三维料位及温度监测装置 |
| CN109269660A (zh) * | 2018-10-29 | 2019-01-25 | 上海化工研究院有限公司 | 一种用于集装箱堆垛的串列式分区狭隙温度探测装置 |
| KR20220017255A (ko) * | 2020-08-04 | 2022-02-11 | (주)한울전력기술 | 지구물리 탐사방법을 이용한 저탄장 모니터링 시스템 |
| CN112556853A (zh) * | 2020-10-27 | 2021-03-26 | 国能生物发电集团有限公司 | 一种基于无间断巡视无人机的生物质料垛温度遥测系统 |
| CN112557588A (zh) * | 2020-10-27 | 2021-03-26 | 国能生物发电集团有限公司 | 一种监测生物质料垛可燃性气体浓度防范自燃的方法 |
| CN114623948A (zh) * | 2020-12-14 | 2022-06-14 | 华为技术有限公司 | 一种电子设备及检测体温的方法 |
| CN113989428A (zh) * | 2021-09-03 | 2022-01-28 | 北京科技大学 | 一种基于深度视觉的冶金库区全局三维重建方法及装置 |
| CN115046653A (zh) * | 2022-04-28 | 2022-09-13 | 河南科技大学 | 一种基于温度场云图的跨区域储备粮粮温异变检测方法 |
| CN217784793U (zh) * | 2022-06-21 | 2022-11-11 | 武汉云卓环保工程有限公司 | 一种煤堆测温监控系统 |
| CN116596982A (zh) * | 2023-05-22 | 2023-08-15 | 重庆三峰环境集团股份有限公司 | 一种基于短波高光谱相机的垃圾热值预测系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116952413A (zh) | 2023-10-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102676718B (zh) | 一种对高炉料面状态进行报警的系统及方法 | |
| CN108764802B (zh) | 一种适于储粮数字监管的abc策略方法 | |
| CN101907481A (zh) | 基于压力传感器的粮仓储粮数量检测方法 | |
| CN109919481B (zh) | 一种碾压混凝土压实度多参数联合实时评价方法 | |
| WO2024140233A1 (zh) | 大体积混凝土结构开裂风险评估与预警方法 | |
| CN115687983A (zh) | 一种桥梁健康状态监测方法、系统及电子设备 | |
| WO2015154638A1 (zh) | 一种料场重量检测方法及系统 | |
| CN110160435A (zh) | 滑坡含水率增载响应比预测参数与方法 | |
| CN118313342B (zh) | 一种用于电子器件的热仿真方法及系统 | |
| CN116952413B (zh) | 一种生物质燃料垛测温方法及其系统 | |
| CN112435058A (zh) | 一种基于云计算的工程造价智能管理系统 | |
| CN118211103B (zh) | 一种海洋温盐深传感器的数据校正方法 | |
| CN118134044B (zh) | 智能化生物实验室仪器共享管理方法及系统 | |
| CN110044746A (zh) | 一种岩土工程勘察用测定装置及测定方法 | |
| CN103323571B (zh) | 粮仓粮食储藏的粮堆中虫霉活动定位的方法 | |
| CN117236771B (zh) | 一种基于大数据技术的工程质量检测评估系统及方法 | |
| CN117574176B (zh) | 一种bipv光伏玻璃生产工艺优化方法 | |
| CN110823340A (zh) | 基于底面两圈标准差多项式模型的粮仓检测方法及系统 | |
| CN113533622A (zh) | 一种基于神经网络的磨煤机煤质预测方法 | |
| CN118095813A (zh) | 基于bim技术的地基沉降的可视化监测方法及系统 | |
| CN110082389B (zh) | 一种基于温度概率密度分布检测保温集装箱保温效果的方法 | |
| CN116398868B (zh) | 一种基于火电站炉管虚拟分区的壁温异常识别方法及系统 | |
| TW202042079A (zh) | 水質監測系統與控制方法 | |
| CN105590149A (zh) | 产品技术状态监管系统 | |
| Wu et al. | Visual monitoring technology of the tunnel 3D laser scanning and engineering applications |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |