针对燃煤火力发电站,基于大数据学习和深度神经网络,采用人工智能算法开发基于视频数据的AI识别预警系统,分析和识别生产现场常见的设备跑冒滴漏现象,及时、精准、自动推送报警,提高电力生产过程的安全风险管控和应急处置能力。结果表明视频数据AI识别预警系统能够精准、快速地识别生产现场的跑冒滴漏,具有极强的推广和应用价值。系统采用的技术包括图像编码压缩技术、图像增强和复原技术、图像特征描述技术、深度学习网络框架和人工智能模型,采用两级处理方案。第一级采用快速预筛检处理算法,第二级采用大数据深度学习算法。视频数据AI识别预警系统的实施效果包括实现电厂和变电站等生产区域的全天候、全自主智能监控,精准有效地排查异常情况,减少人工排查可能的疏漏,有效降低劳动强度,降低电厂运维成本,提高安全巡检作业效率和管理自动化、智能化水平。
类型: 期刊论文
作者: 赵俊杰,陆海涛,吴豪,杨如意,王利敏,王献文,刘强,胡勇
关键词: 燃煤火力发电,人工智能算法,跑冒滴漏视频识别,大数据深度学习,智能报警,安全风险管控
来源: 神华科技 2019年09期
年度: 2019
分类: 工程科技Ⅰ辑,工程科技Ⅱ辑,信息科技
专业: 电力工业,计算机软件及计算机应用,自动化技术
单位: 国电内蒙古东胜热电有限公司,国电浙江北仑第一发电有限公司,中国石油大学(北京)油气资源与探测国家重点实验室,华北电力大学能源与动力工程学院
基金: 国家自然科学基金青年基金项目(No.51806063和51736005),国家能源集团科技创新基金重点项目(No.GJNY-19-06-1),国家重点研发计划基金项目(No.2015CB251502)支持
分类号: TP391.41;TM621;TP18
页码: 40-44
总页数: 5
文件大小: 1777K
下载量: 209
本文来源: https://www.lunwen66.cn/article/f31624358e9a7fb3f4b103d9.html