CN115855763A - 一种防烟道堵塞方法、装置、电子设备和计算机可读介质 - Google Patents
一种防烟道堵塞方法、装置、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN115855763A CN115855763A CN202211630663.2A CN202211630663A CN115855763A CN 115855763 A CN115855763 A CN 115855763A CN 202211630663 A CN202211630663 A CN 202211630663A CN 115855763 A CN115855763 A CN 115855763A
- Authority
- CN
- China
- Prior art keywords
- concentration
- gas
- flue
- nitrogen oxide
- smoke
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 claims abstract description 329
- 239000007789 gas Substances 0.000 claims abstract description 179
- 239000000779 smoke Substances 0.000 claims abstract description 80
- 239000004071 soot Substances 0.000 claims abstract description 10
- 238000005070 sampling Methods 0.000 claims description 41
- 238000004590 computer program Methods 0.000 claims description 17
- 238000012549 training Methods 0.000 claims description 13
- 238000010801 machine learning Methods 0.000 claims description 11
- 238000013507 mapping Methods 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 8
- 239000000428 dust Substances 0.000 abstract description 8
- 238000010408 sweeping Methods 0.000 abstract description 4
- 230000000903 blocking effect Effects 0.000 description 7
- 230000002265 prevention Effects 0.000 description 7
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000003546 flue gas Substances 0.000 description 4
- 238000010926 purge Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000010531 catalytic reduction reaction Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Landscapes
- Treating Waste Gases (AREA)
Abstract
本申请实施例提供了一种防烟道堵塞方法、装置、电子设备和计算机可读介质。该方法包括:获取烟道出口处排出的第一气体的烟尘浓度和气体流速;基于烟尘浓度和气体流速,确定目标时长;每间隔目标时长从烟道出口处向烟道送入第二气体;其中,第二气体的气体流向与第一气体的气体流向相反。本申请实施例中,获取烟道出口处排出的第一气体的烟尘浓度和气体流速;基于烟尘浓度和气体流速,确定目标时长;进而每间隔目标时长从烟道出口处向烟道送入第二气体,以此吹扫附着在烟道上的烟尘,防止烟道堵塞,此外,通过吹扫附着在烟道上的烟尘,避免氮氧化物检测器检测到的氮氧化物的浓度存在误差。
Description
技术领域
本申请涉及烟气污染物控制环保领域,尤其涉及一种防烟道堵塞方法、装置、电子设备和计算机可读介质。
背景技术
现如今,工业生产排出的氮氧化物(NOx)成为了主要的大气污染物之一,造成了严重的环境污染问题。为了控制NOx的排放,通常将选择性催化还原(Selective CatalyticReduction,SCR)工艺作为主要的脱硝方法处理NOx。SCR工艺通过喷放氨气,使得氨气与NOx发生化学反应生成对环境无害的氮气(N2),完成NOx的脱除。
在完成NOx的脱除之后,通过烟道将产生的N2排出,并在烟道上设置氮氧化物检测器,检测排出气体中氮氧化物的浓度,以此确定NOx脱除效果。然而,上述排出气体中的烟尘可能会附着在烟道上从而堵塞烟道,并导致氮氧化物检测器检测到的氮氧化物的浓度产生误差。
发明内容
本申请实施例提供一种防烟道堵塞方法、装置、电子设备和计算机存储介质,以解决脱硝处理过程中产生的烟尘可能会附着在烟道上从而堵塞烟道的问题。
为解决上述技术问题,本申请是这样实现的:
第一方面,本申请实施例提供了一种防烟道堵塞方法,包括:
获取烟道出口处排出的第一气体的烟尘浓度和气体流速;
基于所述烟尘浓度和所述气体流速,确定目标时长;
每间隔所述目标时长从所述烟道出口处向烟道送入第二气体;
其中,所述第二气体的气体流向与所述第一气体的气体流向相反。
第二方面,本申请实施例还提供一种防烟道堵塞装置包括感应器、流速检测器、处理器和吹风器,所述感应器包括烟尘检测器;
所述烟尘检测器,用于获取烟道出口处排出的第一气体的烟尘浓度;
所述流速检测器,用于获取烟道出口处排出的第一气体的气体流速;
所述处理器,用于基于所述烟尘浓度和所述气体流速,确定目标时长;
所述吹风器,用于每间隔所述目标时长从所述烟道出口处向烟道送入第二气体;
其中,所述第二气体的气体流向与所述第一气体的气体流向相反。
第三方面,本申请实施例还提供一种电子设备,包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现第一方面所述的防烟道堵塞方法的步骤。
第四方面,本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现第一方面所述的防烟道堵塞方法的步骤。
本申请实施例中,获取烟道出口处排出的第一气体的烟尘浓度和气体流速;基于烟尘浓度和气体流速,确定目标时长;进而每间隔目标时长从烟道出口处向烟道送入第二气体,以此吹扫附着在烟道上的烟尘,防止烟道堵塞,此外,通过吹扫附着在烟道上的烟尘,避免氮氧化物检测器检测到的氮氧化物的浓度存在误差。
附图说明
图1是本申请实施例提供的防烟道堵塞方法的流程示意图;
图2是本申请实施例提供的防烟道堵塞方法的应用流程图之一;
图3是本申请实施例提供的第一浓度曲线的示意图;
图4是本申请实施例提供的第二浓度曲线的示意图;
图5是本申请实施例提供的防烟道堵塞方法的应用流程图之二;
图6是本申请实施例提供的防烟道堵塞装置的结构示意图之一;
图7是本申请实施例提供的防烟道堵塞装置的结构示意图之二;
图8是本申请实施例提供的电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
请参加图1,图1是本申请实施例提供的防烟道堵塞方法的流程示意图,如图1所示,本实施例提供一种防烟道堵塞方法,该方法包括以下步骤:
S101,获取烟道出口处排出的第一气体的烟尘浓度和气体流速。
需要说明的是,本申请实施例提供的防烟道堵塞方法应用于防烟道堵塞装置,上述防烟道堵塞装置包括感应器和流速检测器,感应器包括烟尘检测器,关于防烟道堵塞装置的具体结构请参阅后续实施例。
本步骤中,通过烟尘检测器对烟道出口处排出的第一气体进行检测,获得烟尘浓度,应理解,上述烟尘浓度包括但不限于PM2.5的浓度和PM10的浓度。通过流速检测器对烟道出口处排出的第一气体进行检测,获得第一气体的气体流速。
S102,基于所述烟尘浓度和所述气体流速,确定目标时长。
本步骤中,在得到烟尘浓度和气体流速之后,可以基于烟尘浓度和气体流速确定目标时长,具体的技术方案请参阅后续实施例。
S103,每间隔所述目标时长从所述烟道出口处向烟道送入第二气体。
需要说明的是,应用本申请实施例提供的防烟道堵塞方法的防烟道堵塞装置还包括吹风器,上述吹风器可以为风扇。
本步骤中,控制吹风器每间隔目标时长从烟道出口处向烟道送入第二气体,以吹扫附着在烟道上的烟尘,防止烟道堵塞,其中第二气体的气体流向与第一气体的气体流向相反。上述目标时长也可以理解为吹扫频率,控制吹风器以吹扫频率工作,即控制吹风器间歇性工作,以从烟道出口处向烟道送入第二气体。
本申请实施例中,获取烟道出口处排出的第一气体的烟尘浓度和气体流速;基于烟尘浓度和气体流速,确定目标时长;进而每间隔目标时长从烟道出口处向烟道送入第二气体,以此吹扫附着在烟道上的烟尘,防止烟道堵塞,此外,通过吹扫附着在烟道上的烟尘,避免氮氧化物检测器检测到的氮氧化物的浓度存在误差。
可选地,所述基于所述烟尘浓度和所述气体流速,确定目标时长包括:
将所述烟尘浓度和所述气体流速输入至预设的目标模型中,获得目标时长。
本实施例中,可以使用机器学习模型确定目标时长。
具体而言,先使用训练集对预设的机器学习模型进行迭代训练,可选地,上述训练集包括烟尘浓度训练数据、气体流速训练数据和时长数据,上述机器学习模型包括但不限于卷积神经网络(Convolutional Neural Networks,CNN)模型和前馈神经网络(Feedforward Neural Networks,FNN)。
在机器学习模型迭代预设次数之后,确定机器学习模型训练完成,得到目标模型。进而将烟尘浓度和气体流速输入至预设的目标模型中,获得目标时长。
为便于理解上述实施例整体的技术方案,请参阅图2,如图2所示,通过烟尘检测器和流速检测器分别检测烟道出口处排出的第一气体的烟尘浓度和气体流速;将烟尘浓度和气体流速输入至目标模型中,获得目标时长;控制吹风器每间隔目标时长从烟道出口处向烟道送入第二气体。
可选地,所述方法还包括:
获取烟道出口处排出的第一气体的氮氧化物浓度;
在所述烟道出口处排出的第一气体的氮氧化物浓度不处于预设浓度区间的情况下,根据第一浓度曲线,确定所述烟道出口处排出的第一气体的预测氮氧化物浓度。
需要说明的是,上述防烟道堵塞装置中的感应器还包括氮氧化物浓度检测器,且上述氮氧化物浓度检测器设置在烟道出口处。
本实施例中,通过设置在烟道出口处的氮氧化物浓度检测器获取烟道出口处排出的第一气体的氮氧化物浓度,在上述第一气体的氮氧化物浓度不处于预设浓度区间的情况下,表示该烟道排出气体的氮氧化物浓度异常,即脱硝处理过程出现异常,这种情况下,可以根据第一浓度曲线,对第一气体的氮氧化物浓度进行预测,获得第一气体的预测氮氧化物浓度,并基于上述预测氮氧化物浓度通知相关人员检修脱硝处理装置。
应理解,上述预设浓度区间为用户自定义设置的氮氧化物浓度区间。
应理解,上述预测氮氧化物浓度用于表征脱硝处理过程不存在异常的情况下,烟道出口处排出的第一气体的氮氧化物浓度。
应理解,上述第一浓度曲线基于烟道出口处排出的第一气体的氮氧化物采样结果确定,为便于理解,请参阅图3,图3是本申请实施例提供的第一浓度曲线的示意图,其中,图3中的横坐标轴用于表征采样时间,纵坐标轴用于表征氮氧化物浓度平均值。
可选地,在上述第一气体的氮氧化物浓度处于预设浓度区间的情况下,表示该烟道排出气体的氮氧化物浓度正常,即脱硝处理过程出现正常,这种情况下,不需要通知相关人员检修脱硝处理装置。
本实施例中,在烟道出口处排出的第一气体的氮氧化物浓度不处于预设浓度区间的情况下,即脱硝处理过程出现异常的情况下,基于第一浓度曲线,确定烟道出口处排出的第一气体的预测氮氧化物浓度,进而便于通知相关人员根据预测氮氧化物浓度,检修脱硝处理装置,以此提高了检修效率。
可选地,所述获取烟道出口处排出的第一气体的氮氧化物浓度之前,所述方法还包括:
在N个相同的预设时间段内对烟道出口处排出的第一气体进行采样,获得N个相同的预设时间段内所述第一气体的氮氧化物浓度;
基于所述N个相同的预设时间段内所述第一气体的氮氧化物浓度,生成N个第二浓度曲线;所述第二浓度曲线用于表征采样时间和氮氧化物浓度之间的映射关系;
根据所述N个第二浓度曲线中每个采样时间对应的氮氧化物浓度的平均值,生成第一浓度曲线;所述第一浓度曲线用于表征采样时间和氮氧化物浓度平均值之间的映射关系。
如上所述,设置在烟道出口处的氮氧化物检测器用于对烟道出口处排出的第一气体进行采样,获得第一气体的氮氧化物浓度。
本实施例中,可以在N个相同的预设时间段内通过氮氧化物检测器获得第一气体的氮氧化物浓度,进而生成N个第二浓度曲线。需要说明的是,一个第二浓度曲线是基于氮氧化物检测器在一个预设时间段内检测到的氮氧化物浓度确定的。
具体而言,请参阅图4,图4中的横坐标轴用于表征采样时间,纵坐标轴用于表征氮氧化物浓度,从图4中可以得到,第二浓度曲线用于表征采样时间和氮氧化物浓度之间的映射关系。
进一步的,可以根据N个第二浓度曲线生成第一浓度曲线,如上所述,第一浓度曲线用于表征采样时间和氮氧化物浓度平均值之间的映射关系。具体而言,可以通过以下公式生成第一浓度曲线:
其中,Cave表示第一浓度曲线表征的氮氧化物浓度平均值,Ci表示第二浓度曲线表征的氮氧化物浓度。
以下具体说明,如何根据第一浓度曲线,对第一气体的氮氧化物浓度进行预测,获得第一气体的预测氮氧化物浓度:
可选地,所述根据所述第一浓度曲线,确定所述烟道出口处排出的第一气体的预测氮氧化物浓度包括:
获取所述烟道出口处排出的第一气体的采样时间;
将所述第一浓度曲线中与所述采样时间对应的氮氧化物浓度平均值,确定为所述烟道出口处排出的第一气体的预测氮氧化物浓度。
本实施例中,可以通过设置在烟道出口处的氮氧化物浓度检测器,确定烟道出口处排出的第一气体的采样时间,也就是说,将氮氧化物浓度检测器的采样时间,确定为该第一气体的采样时间。
如上所述,第一浓度曲线中的横坐标轴用于表征采样时间,纵坐标轴用于表征氮氧化物浓度平均值,即第一浓度曲线可以反映采样时间与氮氧化物浓度平均值之间的映射关系。
本实施例中,在获取到第一气体的采样时间之后,将第一浓度曲线中与采样时间对应的氮氧化物浓度平均值,确定为烟道出口处排出的第一气体的预测氮氧化物浓度。
为便于理解上述实施例整体的技术方案,请参阅图5,如图5所示,根据氮氧化物浓度检测器采集到的氮氧化物浓度生成第二浓度曲线;基于N个第二浓度曲线生成第一浓度曲线;在烟道出口处排出的第一气体的氮氧化物浓度不处于预设浓度区间的情况下,根据第一浓度曲线,确定烟道出口处排出的第一气体的预测氮氧化物浓度,并通知相关人员进行检修。
本申请还提供了一种防烟道堵塞装置,参见图6,图6是本申请实施例提供的防烟道堵塞装置的结构示意图之一,如图6所示,防烟道堵塞装置200包括感应器201、流速检测器、处理器和吹风器,所述感应器201包括烟尘检测器2011;
所述烟尘检测器2011,用于获取烟道出口处排出的第一气体的烟尘浓度;
所述流速检测器,用于获取烟道出口处排出的第一气体的气体流速;
所述处理器,用于基于所述烟尘浓度和所述气体流速,确定目标时长;
所述吹风器,用于每间隔所述目标时长从所述烟道出口处向烟道送入第二气体;
其中,所述第二气体的气体流向与所述第一气体的气体流向相反。
在一可选地实施方式中,可以在各个烟道出口处设置防烟道堵塞装置200,在图7示出的结构中,防烟道堵塞装置200的数量为6个。
在一可选地实施方式中,上述防堵塞装置也可以是氮氧化物浓度采样装置,在该实施例中,上述防堵塞装置设置在烟道的不同位置采集氮氧化物气体,并测量氮氧化物气体浓度。
可选地,所述处理器,具体用于:
将所述烟尘浓度和所述气体流速输入至预设的目标模型中,获得目标时长;
其中,所述目标模型为训练完成的机器学习模型,所述机器学习模型的训练集包括烟尘浓度训练数据、气体流速训练数据和时长数据。
可选地,所述感应器201还包括氮氧化物浓度检测器2012,所述氮氧化物浓度检测器2012,用于获取烟道出口处排出的第一气体的氮氧化物浓度;
所述处理器,还用于在所述烟道出口处排出的第一气体的氮氧化物浓度不处于预设浓度区间的情况下,根据第一浓度曲线,确定所述烟道出口处排出的第一气体的预测氮氧化物浓度;所述第一浓度曲线基于所述烟道出口处排出的第一气体的氮氧化物采样结果确定。
可选地,所述氮氧化物浓度检测器2012,还用于在N个相同的预设时间段内对烟道出口处排出的第一气体进行采样,获得N个相同的预设时间段内所述第一气体的氮氧化物浓度;
所述处理器,还用于基于所述N个相同的预设时间段内所述第一气体的氮氧化物浓度,生成N个第二浓度曲线;所述第二浓度曲线用于表征采样时间和氮氧化物浓度之间的映射关系;
根据所述N个第二浓度曲线中每个采样时间对应的氮氧化物浓度的平均值,生成第一浓度曲线;所述第一浓度曲线用于表征采样时间和氮氧化物浓度平均值之间的映射关系。
可选地,所述处理器,还具体用于获取所述烟道出口处排出的第一气体的采样时间;
将所述第一浓度曲线中与所述采样时间对应的氮氧化物浓度平均值,确定为所述烟道出口处排出的第一气体的预测氮氧化物浓度。
本申请实施例中,获取烟道出口处排出的第一气体的烟尘浓度和气体流速;基于烟尘浓度和气体流速,确定目标时长;进而每间隔目标时长从烟道出口处向烟道送入第二气体,以此吹扫附着在烟道上的烟尘,防止烟道堵塞,此外,通过吹扫附着在烟道上的烟尘,避免氮氧化物检测器检测到的氮氧化物的浓度存在误差。
可选地,所述烟尘检测器2011和所述氮氧化物检测器2012设置在所述感应器201的第一端,且所述烟尘检测器2011与所述烟道出口处之间的距离大于所述氮氧化物检测器2012与所述烟道出口处之间的距离,所述第一端为所述感应器201靠近所述烟道出口处的一端。
请一并参阅图6,本实施例中,将氮氧化物检测器2012背对烟气导入方向设定,防止烟气中的烟尘影响氮氧化物检测器2012的检测结果。
可选地,所述感应器201沿第二端的延伸方向与所述第二气体的气体流向之间的夹角大于45度且小于180度,所述第二端为所述感应器201远离所述烟道出口处的一端。
本实施例中,通过设置感应器201与第二气体的气体流向之间的夹角,使得第二气体更为流畅的送入烟道,以吹扫附着在烟道上的烟尘。
图8为实现本申请各个实施例的电子设备的硬件结构示意图,如图8所示,电子设备300包括处理器301,存储器302,存储在存储器302上并可在所述处理器301上运行的计算机程序,该计算机程序被处理器301执行时实现如下步骤:
获取烟道出口处排出的第一气体的烟尘浓度和气体流速;
基于所述烟尘浓度和所述气体流速,确定目标时长;
每间隔所述目标时长从所述烟道出口处向烟道送入第二气体。
进一步的,计算机程序被处理器301执行时还实现如下步骤:
将所述烟尘浓度和所述气体流速输入至预设的目标模型中,获得目标时长。
进一步的,计算机程序被处理器301执行时还实现如下步骤:
获取烟道出口处排出的第一气体的氮氧化物浓度;
在所述烟道出口处排出的第一气体的氮氧化物浓度不处于预设浓度区间的情况下,根据第一浓度曲线,确定所述烟道出口处排出的第一气体的预测氮氧化物浓度。
进一步的,计算机程序被处理器301执行时还实现如下步骤:
在N个相同的预设时间段内对烟道出口处排出的第一气体进行采样,获得N个相同的预设时间段内所述第一气体的氮氧化物浓度;
基于所述N个相同的预设时间段内所述第一气体的氮氧化物浓度,生成N个第二浓度曲线;
根据所述N个第二浓度曲线中每个采样时间对应的氮氧化物浓度的平均值,生成第一浓度曲线。
进一步的,计算机程序被处理器301执行时还实现如下步骤:
获取所述烟道出口处排出的第一气体的采样时间;
将所述第一浓度曲线中与所述采样时间对应的氮氧化物浓度平均值,确定为所述烟道出口处排出的第一气体的预测氮氧化物浓度。
电子设备300能够实现图1的方法实施例中防烟道堵塞方法实现的各个过程,且实现相同的技术效果,为避免重复,这里不再赘述。
本申请实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述防烟道堵塞方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。其中,所述的计算机可读存储介质,如只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
上面结合附图对本申请的实施例进行了描述,但是本申请并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本申请的启示下,在不脱离本申请宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本申请的保护之内。
Claims (14)
1.一种防烟道堵塞方法,其特征在于,所述方法包括:
获取烟道出口处排出的第一气体的烟尘浓度和气体流速;
基于所述烟尘浓度和所述气体流速,确定目标时长;
每间隔所述目标时长从所述烟道出口处向烟道送入第二气体;
其中,所述第二气体的气体流向与所述第一气体的气体流向相反。
2.根据权利要求1所述的方法,其特征在于,所述基于所述烟尘浓度和所述气体流速,确定目标时长包括:
将所述烟尘浓度和所述气体流速输入至预设的目标模型中,获得目标时长;
其中,所述目标模型为训练完成的机器学习模型,所述机器学习模型的训练集包括烟尘浓度训练数据、气体流速训练数据和时长数据。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取烟道出口处排出的第一气体的氮氧化物浓度;
在所述烟道出口处排出的第一气体的氮氧化物浓度不处于预设浓度区间的情况下,根据第一浓度曲线,确定所述烟道出口处排出的第一气体的预测氮氧化物浓度;所述第一浓度曲线基于所述烟道出口处排出的第一气体的氮氧化物采样结果确定。
4.根据权利要求3所述的方法,其特征在于,所述获取烟道出口处排出的第一气体的氮氧化物浓度之前,所述方法还包括:
在N个相同的预设时间段内对烟道出口处排出的第一气体进行采样,获得N个相同的预设时间段内所述第一气体的氮氧化物浓度;
基于所述N个相同的预设时间段内所述第一气体的氮氧化物浓度,生成N个第二浓度曲线;所述第二浓度曲线用于表征采样时间和氮氧化物浓度之间的映射关系;
根据所述N个第二浓度曲线中每个采样时间对应的氮氧化物浓度的平均值,生成第一浓度曲线;所述第一浓度曲线用于表征采样时间和氮氧化物浓度平均值之间的映射关系。
5.根据权利要求3所述的方法,其特征在于,所述根据所述第一浓度曲线,确定所述烟道出口处排出的第一气体的预测氮氧化物浓度包括:
获取所述烟道出口处排出的第一气体的采样时间;
将所述第一浓度曲线中与所述采样时间对应的氮氧化物浓度平均值,确定为所述烟道出口处排出的第一气体的预测氮氧化物浓度。
6.一种防烟道堵塞装置,其特征在于,所述装置包括感应器、流速检测器、处理器和吹风器,所述感应器包括烟尘检测器;
所述烟尘检测器,用于获取烟道出口处排出的第一气体的烟尘浓度;
所述流速检测器,用于获取烟道出口处排出的第一气体的气体流速;
所述处理器,用于基于所述烟尘浓度和所述气体流速,确定目标时长;
所述吹风器,用于每间隔所述目标时长从所述烟道出口处向烟道送入第二气体;
其中,所述第二气体的气体流向与所述第一气体的气体流向相反。
7.根据权利要求6所述的装置,其特征在于,所述处理器,具体用于:
将所述烟尘浓度和所述气体流速输入至预设的目标模型中,获得目标时长;
其中,所述目标模型为训练完成的机器学习模型,所述机器学习模型的训练集包括烟尘浓度训练数据、气体流速训练数据和时长数据。
8.根据权利要求6所述的装置,其特征在于,所述感应器还包括氮氧化物浓度检测器,所述氮氧化物浓度检测器,用于获取烟道出口处排出的第一气体的氮氧化物浓度;
所述处理器,还用于在所述烟道出口处排出的第一气体的氮氧化物浓度不处于预设浓度区间的情况下,根据第一浓度曲线,确定所述烟道出口处排出的第一气体的预测氮氧化物浓度;所述第一浓度曲线基于所述烟道出口处排出的第一气体的氮氧化物采样结果确定。
9.根据权利要求8所述的装置,其特征在于,所述氮氧化物浓度检测器,还用于在N个相同的预设时间段内对烟道出口处排出的第一气体进行采样,获得N个相同的预设时间段内所述第一气体的氮氧化物浓度;
所述处理器,还用于基于所述N个相同的预设时间段内所述第一气体的氮氧化物浓度,生成N个第二浓度曲线;所述第二浓度曲线用于表征采样时间和氮氧化物浓度之间的映射关系;
根据所述N个第二浓度曲线中每个采样时间对应的氮氧化物浓度的平均值,生成第一浓度曲线;所述第一浓度曲线用于表征采样时间和氮氧化物浓度平均值之间的映射关系。
10.根据权利要求8所述的装置,其特征在于,所述处理器,还具体用于获取所述烟道出口处排出的第一气体的采样时间;
将所述第一浓度曲线中与所述采样时间对应的氮氧化物浓度平均值,确定为所述烟道出口处排出的第一气体的预测氮氧化物浓度。
11.根据权利要求8所述的装置,其特征在于,所述烟尘检测器和所述氮氧化物检测器设置在所述感应器的第一端,且所述烟尘检测器与所述烟道出口处之间的距离大于所述氮氧化物检测器与所述烟道出口处之间的距离,所述第一端为所述感应器靠近所述烟道出口处的一端。
12.根据权利要求11所述的装置,其特征在于,所述感应器沿第二端的延伸方向与所述第二气体的气体流向之间的夹角大于45度且小于180度,所述第二端为所述感应器远离所述烟道出口处的一端。
13.一种电子设备,其特征在于,包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至5中任一项所述的防烟道堵塞方法的步骤。
14.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的防烟道堵塞方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211630663.2A CN115855763A (zh) | 2022-12-19 | 2022-12-19 | 一种防烟道堵塞方法、装置、电子设备和计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211630663.2A CN115855763A (zh) | 2022-12-19 | 2022-12-19 | 一种防烟道堵塞方法、装置、电子设备和计算机可读介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115855763A true CN115855763A (zh) | 2023-03-28 |
Family
ID=85674034
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211630663.2A Pending CN115855763A (zh) | 2022-12-19 | 2022-12-19 | 一种防烟道堵塞方法、装置、电子设备和计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115855763A (zh) |
-
2022
- 2022-12-19 CN CN202211630663.2A patent/CN115855763A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104481655B (zh) | 颗粒物捕集器内碳消耗量的获取方法、控制器和发动机 | |
CN112933913B (zh) | 喷氨控制方法、装置及煤燃烧*** | |
CN113175678B (zh) | 垃圾焚烧的监控方法及装置 | |
KR20210058843A (ko) | 암모니아 센서를 제거하기 위해 소프트웨어 알고리즘을 이용한 암모니아 과잉의 동적 검출 | |
CN115855763A (zh) | 一种防烟道堵塞方法、装置、电子设备和计算机可读介质 | |
CN111080469B (zh) | 一种用于火电厂的co2排放量核算方法及装置 | |
CN110905636B (zh) | 汽车尾气的处理方法及装置 | |
CN111540412A (zh) | 一种基于最小二乘法的scr反应器入口烟气软测量方法 | |
CN104880535A (zh) | 一种逃逸氨浓度监测方法 | |
CN108325357B (zh) | 一种电厂锅炉的scr***及其还原剂的供给调节方法 | |
CN109521139A (zh) | 一种催化剂活性在线检测方法 | |
Bonfils et al. | Closed-loop control of a SCR system using a NOx sensor cross-sensitive to NH3 | |
CN115569495A (zh) | 一种用于垃圾焚烧烟气和飞灰的监控反馈*** | |
KR101201288B1 (ko) | 환원제 분사량 제어 방법 | |
CN108786428A (zh) | 一种sncr脱硝最优控制***和控制方法 | |
CN113779494B (zh) | Scr故障诊断方法和装置 | |
CN216149434U (zh) | 一种scr脱硝***喷氨控制结构 | |
Villani et al. | Exploring the performance limits of non-catalytic de-NOx in waste-to-energy plants | |
CN115857454A (zh) | 一种脱硝控制方法、装置、电子设备和计算机可读介质 | |
CN110554135B (zh) | 一种基于检测活性的scr脱硝催化剂更换体积量核算方法 | |
CN111359411B (zh) | 火电机组及其基于nh3测量的脱硝控制方法及*** | |
JPH10109018A (ja) | 排ガス脱硝方法と装置 | |
CN114534458B (zh) | 一种喷射脱硝还原剂的控制方法和装置 | |
JP2003210934A (ja) | 排ガス処理装置 | |
WO2004060561A1 (ja) | ハニカム触媒及び脱硝装置の脱硝触媒並びに排煙脱硝装置 |
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 | ||
CB02 | Change of applicant information |
Country or region after: China Address after: 250100 floor 36, building 4, Lushang Guoao City, No. 9777, Jingshi Road, Lixia District, Jinan City, Shandong Province Applicant after: Shandong Chuangyu Energy Technology Co.,Ltd. Address before: 250100 floor 36, building 4, Lushang Guoao City, No. 9777, Jingshi Road, Lixia District, Jinan City, Shandong Province Applicant before: Shandong Chuangyu Environmental Protection Technology Co.,Ltd. Country or region before: China |
|
CB02 | Change of applicant information |