一种基于红外热成像的锅炉泄漏检测方法及系统与流程

1.本技术涉及电力设备监测与故障诊断技术领域，尤其是涉及一种基于红外热成像的锅炉泄漏检测方法及系统。


背景技术：

2.目前，锅炉泄漏点查找主要依靠声学检测技术结合人工目视检查，但是，锅炉正常运行时，燃料燃烧、烟气流动、灰粒撞击炉内金属表面等，会在锅炉内产生较强的噪声信号，而声学检测技术难以区别泄漏噪声和正常运行噪声信号，导致锅炉泄漏范围的判断精度不高,同时，难以定量判断锅炉的异常部位。
3.针对上述中的相关技术，发明人发现现有的锅炉泄漏检测方法存在有难以精确定位锅炉泄漏范围的问题。


技术实现要素：

4.为了精确定位锅炉泄漏范围，本技术提供了一种基于红外热成像的锅炉泄漏检测方法及系统。
5.第一方面，本技术提供一种基于红外热成像的锅炉泄漏检测方法。
6.本技术是通过以下技术方案得以实现的：
7.一种基于红外热成像的锅炉泄漏检测方法，包括以下步骤，
8.获取锅炉各部位的热图像与实测温度数据；
9.获取锅炉对应部位的正常温度数据；
10.基于所述热图像、所述实测温度数据与所述正常温度数据，采用预设的温差分析与识别算法进行对比分析，识别得到所述热图像上的异常温度区域，作为第一检测结果，以及，
11.获取锅炉的热声场，作为第二检测结果；
12.根据所述第一检测结果和所述第二检测结果，结合预设的数据融合算法进行分析，获取所述第一检测结果和所述第二检测结果的空间相关性，确定热图像上的所述异常温度区域内与所述第二检测结果关联的区域的泄漏情况。
13.本技术在一较佳示例中可以进一步配置为：基于所述热图像、所述实测温度数据与所述正常温度数据，采用预设的温差分析与识别算法进行对比分析，识别得到所述热图像上的异常温度区域的步骤包括，
14.将所述实测温度数据与所述正常温度数据进行差分分析,得到锅炉上各点温差值；
15.根据锅炉结构与热工特点,预设置锅炉各部位的正常温差范围阈值；
16.依次判断各点温差值与所述正常温差范围阈值的大小，识别出锅炉上的温度点或温度区域；
17.对所述温度点或所述温度区域与典型泄漏故障模式进行匹配，判断所述温度点或
所述温度区域是否泄漏；
18.标定被判断为泄漏的所述温度点或所述温度区域，得到所述热图像上的异常温度区域。
19.本技术在一较佳示例中可以进一步配置为：对所述温度点或所述温度区域与典型泄漏故障模式进行匹配，判断所述温度点或所述温度区域是否泄漏的步骤包括，
20.将所述温度点或所述温度区域与典型泄漏故障模式，从形状、大小、分布位置、温度梯度、边界清晰度和相对稳定性中的任一种或两种或多种进行匹配，判断所述温度点或所述温度区域是否泄漏；
21.其中，形状匹配时判断为泄漏包括所述温度点的高度或所述温度区域的形状与典型泄漏故障模式的温度分布形状的高度一致或相似；
22.其中，大小匹配时判断为泄漏包括所述温度区域的的面积位于典型泄漏故障模式的温度分布的面积范围内，或所述温度区域的的体积位于典型泄漏故障模式的温度分布的体积范围内，或所述温度点位于典型泄漏故障模式的温度分布范围内；
23.其中，分布位置匹配时判断为泄漏包括所述温度点或所述温度区域的分布位置与典型泄漏故障模式的温度分布的中心位置或预设范围重合；
24.其中，温度梯度匹配时判断为泄漏包括所述温度区域的温度变化梯度与典型泄漏故障模式的温度梯度分布相匹配,即中心温度高于第一阈值且边缘温度低于第二阈值；
25.其中，边界清晰度匹配时判断为泄漏包括所述温度区域的边界清晰或模糊程度与典型泄漏故障模式的温度梯度转变清晰度匹配；
26.其中，相对稳定性匹配时判断为泄漏包括所述温度点或所述温度区域的温度在预设时间范围内保持相对稳定。
27.本技术在一较佳示例中可以进一步配置为：根据所述第一检测结果和所述第二检测结果，结合预设的数据融合算法进行分析，获取所述第一检测结果和所述第二检测结果的空间相关性，确定热图像上的所述异常温度区域内与所述第二检测结果关联的区域的泄漏情况的步骤包括，
28.对所述第二检测结果进行分析，基于声源位置与预设的声级异常频段，初步判断锅炉内的泄漏噪声，得到异常声源；
29.比较所述第一检测结果与所述异常声源在空间上的位置关系，得到锅炉上的异常温度区域和异常声源之间的重合区域，作为第三检测结果；
30.结合异常温度区域的特点与预设的声级异常频段，判断所述第三检测结果的泄漏情况。
31.本技术在一较佳示例中可以进一步配置为：预设的声级异常频段包括以下的任一种或两种或多种，
32.大于预设的第一频率的高频尖叫的，声级较高且持续的气体泄漏疑似噪声；
33.位于预设的第二频率内的沉闷敲击的时断时续的液体滴落或流动疑似噪声，其中，所述第二频率小于所述第一频率；
34.位于预设的第三频率内的低频鼓的声级较高且持续的液体内部沸腾或流动疑似噪声，其中，所述第三频率小于或等于所述第二频率；
35.杂乱无序的宽频段内的多点或大区域疑似泄漏噪声；
36.频谱或声级出现异常变化或增大的锅炉内部疑似泄漏噪声。
37.本技术在一较佳示例中可以进一步配置为：所述结合异常温度区域的特点与预设的声级异常频段，判断所述第三检测结果的泄漏情况的步骤包括，
38.对热图像上的所述异常温度区域与所述异常声源从空间位置、温度与噪声频率、时间相对稳定性、边界与温度梯度清晰度中的任一种或两种或多种进行匹配，判断所述第三检测结果的泄漏情况；
39.其中，空间位置匹配时判断所述第三检测结果存在泄漏包括异常温度区域的空间位置与异常声源的位置重合或二者中心或两者主要范围一致；
40.其中，温度与噪声频率匹配时判断所述第三检测结果存在泄漏包括异常温度区域的温度分布特征与异常声源的频率相对应；
41.其中，时间相对稳定性匹配时判断所述第三检测结果存在泄漏包括异常温度区域的温度与异常声源在一定时间范围内同时出现或同时消失；
42.其中，边界与温度梯度清晰度匹配时判断所述第三检测结果存在泄漏包括异常温度区域的边界与温度梯度清晰度，和异常声源的起止及变化特点相匹配。
43.本技术在一较佳示例中可以进一步配置为：还包括从预构建的标准状态信息数据库获取锅炉对应部位的正常温度数据；
44.其中，所述标准状态信息数据库是锅炉在不同的季节和不同运行参数的状态下,采用红外热成像监测装置扫描记录锅炉各部位的温度场数据与图像建立的。
45.本技术在一较佳示例中可以进一步配置为：还包括以下步骤，
46.在锅炉检修或运行过程中发现的各类泄漏点，采用红外热成像监测装置扫描与声学检测,记录异常温差与噪声数据，建立包括泄漏类型、泄漏位置、异常温度和声级特征的泄漏案例数据库；
47.利用大数据挖掘技术分析所述泄漏案例数据库和所述标准状态信息数据库，得到锅炉数据之间的相关性与规律；
48.协同优化所述温差分析与识别算法和所述数据融合算法。
49.第二方面，本技术提供一种基于红外热成像的锅炉泄漏检测装置。
50.本技术是通过以下技术方案得以实现的：
51.一种基于红外热成像的锅炉泄漏检测装置，包括，
52.第一采集模块，用于获取锅炉各部位的热图像与实测温度数据；
53.第二采集模块，用于获取锅炉对应部位的正常温度数据；
54.异常温度识别模块，用于基于所述热图像、所述实测温度数据与所述正常温度数据，采用预设的温差分析与识别算法进行对比分析，识别得到所述热图像上的异常温度区域，作为第一检测结果；
55.第三采集模块，用于获取锅炉的热声场，作为第二检测结果；
56.泄漏检测模块，用于根据所述第一检测结果和所述第二检测结果，结合预设的数据融合算法进行分析，获取所述第一检测结果和所述第二检测结果的空间相关性，确定热图像上的所述异常温度区域内与所述第二检测结果关联的区域的泄漏情况。
57.第三方面，本技术提供一种基于红外热成像的锅炉泄漏检测系统。
58.本技术是通过以下技术方案得以实现的：
59.一种基于红外热成像的锅炉泄漏检测系统，包括，
60.红外热成像监测装置，用于扫描采集锅炉各部位的热图像与温度数据，得到热成像实测数据；
61.标准状态信息数据库，用于存储锅炉各部位的正常温度数据；
62.温差分析与识别单元，用于对比分析热成像实测数据与标准状态信息数据库,识别锅炉的异常温度区域；
63.声学检测装置，用于扫描采集锅炉的热声场,检测异常声源；
64.数据融合算法单元，用于分析热成像实测数据与声学检测结果,找出二者的相关性,确定热图像上的所述异常温度区域内与所述第二检测结果关联的区域的泄漏情况；
65.泄漏定点单元，用于基于所述数据融合算法单元的识别结果，精准定位锅炉的泄漏位置。
66.第四方面，本技术提供一种计算机设备。
67.本技术是通过以下技术方案得以实现的：
68.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一种基于红外热成像的锅炉泄漏检测方法的步骤。
69.第五方面，本技术提供一种计算机可读存储介质。
70.本技术是通过以下技术方案得以实现的：
71.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一种基于红外热成像的锅炉泄漏检测方法的步骤。
72.综上所述，与现有技术相比，本技术提供的技术方案带来的有益效果至少包括：
73.采用红外热成像技术实现高效率全方位连续扫描,以获得锅炉准确的温度分布信息；运用温差分析与识别算法，对热图像数据进行智能处理,定量判断锅炉泄漏位置，进一步提高锅炉泄漏位置的判断精度；以及，运用数据融合算法将红外热成像技术与声学检测技术的检测结果联合使用,以实现多元信息融合,并通过融合结果对锅炉泄漏位置的判断结果进行相互验证,再度提高锅炉泄漏判断的准确性，在锅炉检修过程通过目视与声学检测手段再判断数据融合算法的识别结果中的泄漏区域,以实现锅炉泄漏位置的精准定位，能够精确判断出锅炉内部存在的泄漏点,及时且有针对性地为锅炉检修提供依据,提高了电站设备管理的检修精度与检修效率,有效降低了电站设备的安全风险。
附图说明
74.图1为本技术一个示例性实施例提供的一种基于红外热成像的锅炉泄漏检测方法的流程示意图。
75.图2为本技术又一个示例性实施例提供的一种基于红外热成像的锅炉泄漏检测装置的结构框图。
76.图3为本技术另一个示例性实施例提供的一种基于红外热成像的锅炉泄漏检测系统的结构框图。
具体实施方式
77.本具体实施例仅仅是对本技术的解释，其并不是对本技术的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本技术的权利要求范围内都受到专利法的保护。
78.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术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技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，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，都属于本技术保护的范围。
79.另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，如无特殊说明，一般表示前后关联对象是一种“或”的关系。
80.目前，锅炉泄漏点查找主要依靠人工目视检查与声学检测技术，目视检查效率低、判断主观,无法定量判断异常部位；声学检测技术判断精度不高,难以精确定位泄漏点，无法有效实现锅炉泄漏点的精确查找与定点检修,存在较大安全隐患。
81.为此，本技术实施例提供一种基于红外热成像的锅炉泄漏检测方法，采用红外热成像技术实现高效率全方位连续扫描,以获得锅炉准确的温度分布信息,使得锅炉泄漏位置的判断依据更可靠；运用温差分析识别算法技术,实现对热图像数据的高效智能处理,以定量分析锅炉的泄漏位置，进一步提高锅炉泄漏位置的判断精度；将红外热成像技术与声学检测技术联合使用,实现多元信息融合,使得融合结果相互验证,以再度提高锅炉泄漏判断的准确性；建立标准状态数据库作为参照,使得锅炉泄漏位置的判断更加准确科学,可定量分析锅炉泄漏异常位置；最后通过人工目视检查与声学检测技术，对数据融合算法的融合结果再次进行检测，实现锅炉泄漏位置的精准定点识别,为锅炉检修工作提供准确依据，锅炉检修效率更高；以及，利用反馈数据持续优化锅炉泄漏检测系统,使得锅炉泄漏检测系统的性能更强、适应性更广,锅炉泄漏检测系统的泄漏判断结果更精准。
82.本技术的技术关键点在于:
83.1、红外热成像技术的应用以实现高效率全方位锅炉数据信息采集；
84.2、数据分析算法的研究与应用,实现对锅炉温度场数据的智能处理；
85.3、多元信息融合技术的应用,提高锅炉泄漏位置判断的准确性。
86.下面结合说明书附图对本技术实施例作进一步详细描述。
87.参照图1，本技术实施例提供一种基于红外热成像的锅炉泄漏检测方法，所述方法的主要步骤描述如下。
88.s1:获取锅炉各部位的热图像与实测温度数据；
89.s2:获取锅炉对应部位的正常温度数据；
90.s3:基于所述热图像、所述实测温度数据与所述正常温度数据，采用预设的温差分析与识别算法进行对比分析，识别得到所述热图像上的异常高温区域，作为第一检测结果，以及，
91.s4:获取锅炉的热声场，作为第二检测结果；
92.s5:根据所述第一检测结果和所述第二检测结果，结合预设的数据融合算法进行分析，获取所述第一检测结果和所述第二检测结果的空间相关性，确定热图像上的所述异
常高温区域内的泄漏范围；
93.s6:通过对热图像上的异常高温区域内的所述泄漏范围进行检测，得到锅炉泄漏点。
94.在一实施例中，基于所述热图像、所述实测温度数据与所述正常温度数据，采用预设的温差分析与识别算法进行对比分析，识别得到所述热图像上的异常高温区域的步骤包括，
95.将所述实测温度数据与所述正常温度数据进行差分分析,得到锅炉上各点温差值；
96.根据锅炉结构与热工特点,预设置锅炉各部位的正常温差范围阈值；
97.依次判断各点温差值与所述正常温差范围阈值的大小，识别出锅炉上的高温点或高温区域；
98.对所述高温点或所述高温区域与典型泄漏故障模式进行匹配，判断所述高温点或所述高温区域是否泄漏；
99.标定被判断为泄漏的所述高温点或所述高温区域，得到所述热图像上的异常高温区域。
100.在一实施例中，对所述高温点或所述高温区域与典型泄漏故障模式进行匹配，判断所述高温点或所述高温区域是否泄漏的步骤包括，
101.将所述高温点或所述高温区域与典型泄漏故障模式，从形状、大小、分布位置、温度梯度、边界清晰度和相对稳定性中的任一种或两种或多种进行匹配，判断所述高温点或所述高温区域是否泄漏；
102.其中，形状匹配时判断为泄漏包括所述高温点的高度或所述高温区域的形状与典型泄漏故障模式的温度分布形状的高度一致或相似；
103.其中，大小匹配时判断为泄漏包括所述高温区域的的面积位于典型泄漏故障模式的温度分布的面积范围内，或所述高温区域的的体积位于典型泄漏故障模式的温度分布的体积范围内，或所述高温点位于典型泄漏故障模式的温度分布范围内；
104.其中，分布位置匹配时判断为泄漏包括所述高温点或所述高温区域的分布位置与典型泄漏故障模式的温度分布的中心位置或预设范围重合；
105.其中，温度梯度匹配时判断为泄漏包括所述高温区域的温度变化梯度与典型泄漏故障模式的温度梯度分布相匹配,即中心温度高于第一阈值且边缘温度低于第二阈值；
106.其中，边界清晰度匹配时判断为泄漏包括所述高温区域的边界清晰或模糊程度与典型泄漏故障模式的温度梯度转变清晰度匹配；
107.其中，相对稳定性匹配时判断为泄漏包括所述高温点或所述高温区域的温度在预设时间范围内保持相对稳定。
108.在一实施例中，根据所述第一检测结果和所述第二检测结果，结合预设的数据融合算法进行分析，获取所述第一检测结果和所述第二检测结果的空间相关性，确定热图像上的所述异常高温区域内与所述第二检测结果关联的区域的泄漏情况的步骤包括，
109.对所述第二检测结果进行分析，基于声源位置与预设的声级异常频段，初步判断锅炉内的泄漏噪声，得到异常声源；
110.比较所述第一检测结果与所述异常声源在空间上的位置关系，得到锅炉上的异常
高温区域和异常声源之间的重合区域，作为第三检测结果；
111.结合异常高温区域的特点与预设的声级异常频段，判断所述第三检测结果的泄漏情况。
112.在一实施例中，预设的声级异常频段包括以下的任一种或两种或多种，
113.大于预设的第一频率的高频尖叫的，声级较高且持续的气体泄漏疑似噪声；
114.位于预设的第二频率内的沉闷敲击的时断时续的液体滴落或流动疑似噪声，其中，所述第二频率小于所述第一频率；
115.位于预设的第三频率内的低频鼓的声级较高且持续的液体内部沸腾或流动疑似噪声，其中，所述第三频率小于或等于所述第二频率；
116.杂乱无序的宽频段内的多点或大区域疑似泄漏噪声；
117.频谱或声级出现异常变化或增大的锅炉内部疑似泄漏噪声。
118.在一实施例中，所述结合异常高温区域的特点与预设的声级异常频段，判断所述第三检测结果的泄漏情况的步骤包括，
119.对热图像上的所述异常高温区域与所述异常声源从空间位置、温度与噪声频率、时间相对稳定性、边界与温度梯度清晰度中的任一种或两种或多种进行匹配，判断所述第三检测结果的泄漏情况；
120.其中，空间位置匹配时判断所述第三检测结果存在泄漏包括异常高温区域的空间位置与异常声源的位置重合或二者中心或两者主要范围一致；
121.其中，温度与噪声频率匹配时判断所述第三检测结果存在泄漏包括异常高温区域的温度分布特征与异常声源的频率相对应；
122.其中，时间相对稳定性匹配时判断所述第三检测结果存在泄漏包括异常高温区域的温度与异常声源在一定时间范围内同时出现或同时消失；
123.其中，边界与温度梯度清晰度匹配时判断所述第三检测结果存在泄漏包括异常高温区域的边界与温度梯度清晰度，和异常声源的起止及变化特点相匹配。
124.在一实施例中，还包括从预构建的标准状态信息数据库获取锅炉对应部位的正常温度数据；
125.其中，所述标准状态信息数据库是锅炉在不同的季节和不同运行参数的状态下,采用红外热成像监测装置扫描记录锅炉各部位的温度场数据与图像建立的。
126.在一实施例中，还包括以下步骤，
127.在锅炉检修或运行过程中发现的各类泄漏点，采用红外热成像监测装置扫描与声学检测,记录异常温差与噪声数据，建立包括泄漏类型、泄漏位置、异常温度和声级特征的泄漏案例数据库；
128.利用大数据挖掘技术分析所述泄漏案例数据库和所述标准状态信息数据库，得到锅炉数据之间的相关性与规律；
129.协同优化所述温差分析与识别算法和所述数据融合算法。
130.在一实施例中，根据所述第一检测结果和所述第二检测结果，结合预设的数据融合算法进行分析，获取所述第一检测结果和所述第二检测结果的空间相关性的步骤包括，
131.将所述第一检测结果和所述第二检测结果进行配准与重叠,确定所述第一检测结果和所述第二检测结果中图像的异常信息在空间上的重合程度，以度量所述第一检测结果
和所述第二检测结果在空间上的内在关联,其中，重合度越高，空间相关性越强。
132.在一实施例中，所述确定所述第一检测结果和所述第二检测结果中图像的异常信息在空间上的重合程度的步骤包括，
133.分别计算所述第一检测结果和所述第二检测结果的信息熵,以及互信息；
134.若所述互信息大于所述信息熵,则判定空间相关性越强。
135.在一实施例中，所述确定所述第一检测结果和所述第二检测结果中图像的异常信息在空间上的重合程度的步骤包括，
136.统计所述第一检测结果和所述第二检测结果中异常信息的空间距离及其分布规律；
137.若所述空间距离小于预设距离阈值且异常信息的分布集中于预设区域范围内，则判定空间相关性越强。
138.在一实施例中，所述确定所述第一检测结果和所述第二检测结果中图像的异常信息在空间上的重合程度的步骤包括，
139.计算所述第一检测结果和所述第二检测结果的异常信息的空间坐标之间的pearson相关系数r或spearman秩相关系数ρ,其中，pearson相关系数r或spearman秩相关系数ρ越接近1，则判定空间相关性越强。
140.上述各个实施例的具体描述步骤如下。
141.采用红外热成像监测装置在锅炉运转过程持续进行热扫描,并将图像与温度数据传送至温差分析与识别单元进行处理。
142.建立标准状态信息数据库。在锅炉正常运转状态下,采用红外热成像监测装置扫描记录各部位的温度场数据与图像,建立标准状态信息数据库。标准状态信息数据库要涵盖锅炉的各个结构部位,不同的运行参数下的数据,以及不同季节的温度变化规律等。
143.以及，建立泄漏案例数据库。在锅炉检修或运行过程中发现的各类泄漏点,进行热成像扫描与声学检测,记录异常温差与噪声数据,建立泄漏案例数据库。包括泄漏类型、位置、异常温度与声级特征等信息。
144.温差分析与识别算法利用标准状态信息数据库对测量数据进行分析对比,找出温度异常升高的区域,初步判断泄漏存在的可能区域，温差分析与识别算法的主要步骤可描述如下:
145.1.获取红外热成像仪连续监测获得的锅炉各部位温度场图像与数据；
146.2.从标准状态信息数据库中提取同一部位的正常温度数据与图像作为参照；
147.3.将实测温度数据与参照数据进行差分分析,得到各点温差值；
148.4.根据锅炉结构与热工特点,预先设置各部位的正常温差范围及阈值；
149.5.将温差分析结果与阈值对比,识别出温差超出阈值范围的高温点或区域；
150.6.对识别出的高温异常区域进行形状、大小、分布特征等参数分析,与典型泄漏故障模式进行匹配,判断泄漏可能性；
151.7.对判断为有泄漏可能的高温区域进行标定,提醒检修人员进行重点检查。
152.该算法的关键在于获得准确的标准状态信息作为参照,设置合理的温差阈值与判断规则,研究不同泄漏模式下的温度分布特征,不断优化算法模型,使其对各种泄漏情况均能进行有效识别。
153.在系统初期,该算法可结合声学检测等手段共同判断,提高准确性。
154.随着运行数据的积累与模型的优化,算法判断的精度和准确性将逐渐提高,最终可作为主要的泄漏识别手段,为锅炉泄漏点的定点查找与预防检修提供重要依据。
155.其中，对识别出的高温异常区域进行形状、大小、分布特征等参数分析,与典型泄漏故障模式进行匹配,判断泄漏可能性包括，
156.1)形状匹配:异常区域的形状与典型泄漏模式的温度分布形状高度一致或相似,如圆形、椭圆形、条状等；
157.2)大小匹配:异常区域的大小(面积或体积)处于典型泄漏模式的温度分布大小范围内,不能过大或过小；
158.3)分布位置匹配:异常区域的分布位置与典型泄漏模式的温度分布中心位置或主要范围重合,如位于焊缝或管道附近；
159.4)温度梯度匹配:异常区域的温度变化梯度与典型泄漏模式的温度梯度分布相匹配,中心温度较高而边缘温度较低；
160.5)边界清晰度匹配:异常区域的边界清晰或模糊程度与典型泄漏模式的温度梯度转变清晰度相匹配；
161.6)相对稳定性匹配:异常区域的温度在一定时间范围内保持相对稳定,而非快速变化,符合典型泄漏模式的温度变化特点；
162.7)其他参数匹配:异常区域其他特征参数(如周边温度场变化等)与典型泄漏模式的特征参数匹配。
163.综上,高温异常区域与泄漏故障模式的匹配主要是从形状、大小、位置、温度变化特征等多个方面进行综合判断，需要对典型泄漏模式的温度分布特征与变化规律进行深入研究与总结,才能更好识别与匹配异常区域,提高算法的判断精度。
164.根据温差分析与识别算法得到锅炉的初步泄漏范围。
165.同时，采用声学检测装置开展热声场扫描,数据融合算法分析温差分析与识别单元和声学检测装置两种检测结果之间的空间相关性,进一步确认泄漏大致范围。其中，数据融合算法的主要思路如下:
166.1.获取热成像监测与声学检测的实测数据,包括温度场图像与声源分布图等；
167.2.对热成像数据进行温差分析与识别,确定有可能泄漏的高温异常区域,并进行标定；
168.3.对声学检测数据进行分析,找出声源位置与声级异常的频段,初步判断可能的声源类型,如泄漏噪声等；
169.4.比较热成像判断出的高温区域与声学分析的异常声源在空间上的位置关系,找出二者之间高度重合或相关的部位；
170.5.结合高温异常区域的特点与可能的泄漏噪声频率,判断相关区域存在泄漏的可能性；
171.6.对判断为有泄漏可能的重合区域进行准确标定,提醒作业人员进行重点检查确认。
172.本实施例中，声级异常频段包括：
173.1)高频尖叫噪声:出现2000hz以上高频尖叫噪声,声级较高且持续,可以初步判断
为气体泄漏噪声,如蒸汽泄漏噪声；
174.2)沉闷敲击噪声:出现500-1000hz之间沉闷的敲击噪声,时断时续,可以初步判断为液体滴落或流动噪声,如水箱或管道泄漏噪声；
175.3)低频鼓噪声:出现200-500hz之间低频鼓噪声,声级较高且持续,可以初步判断为液体内部沸腾或流动噪声,如热水器或锅炉水箱泄漏噪声；
176.4)杂乱无序噪声:出现宽频段内的杂乱噪声,如尖叫、滴落、鼓噪等混杂噪声,可以初步判断为多点或大区域泄漏噪声,如管道破裂等泄漏噪声；
177.5)锅炉运行噪声变化:若锅炉运转噪声频谱或声级出现异常变化或增大,也可以初步判断为锅炉内部泄漏噪声,需要排除其他干扰因素后进行确认。
178.所以,通过对声学检测数据频谱分析,观察噪声频段与类型的变化,结合噪声持续性及声级变化,可以初步判断锅炉内可能出现的不同泄漏噪声,为定位泄漏源提供参考依据。
179.本实施例中，结合高温异常区域的特点与可能的泄漏噪声频率,判断相关区域存在泄漏的可能性的步骤包括：
180.1)空间位置匹配:高温异常区域的空间位置与判断出的泄漏噪声源位置高度重合或十分相关联,二者中心或主要范围基本一致；
181.2)温度与噪声频率匹配:高温异常区域的温度分布特征与判断出的泄漏噪声频率相对应,如高温中心区域的温度与高频噪声成正相关；
182.3)相对恒定性:高温异常区域的温度与泄漏噪声在一定时间范围内保持相对稳定,同时出现与消失；
183.4)边界与梯度清晰度匹配:高温异常区域的边界与温度梯度清晰度与泄漏噪声的起止及变化特点相匹配；
184.5)其他特征参数匹配:高温异常区域的其他特征参数(如形状、大小等)与泄漏噪声判断结果相符；
185.6)环境影响与干扰排除:确认高温异常与泄漏噪声并非受周边环境温度变化或其他干扰因素的影响而产生；
186.7)泄漏理论分析匹配:从热工与声学理论对两种判断结果进行分析,结果表明二者存在一定的对应关系或因果关系。
187.所以,通过对高温异常区域特征与泄漏噪声结果的位置、温度、时间相对稳定性、边界清晰度等多方面判断,并排除环境影响与干扰后进行匹配,就可以初步判断两者之间存在泄漏的对应关系。
188.该算法的关键在于研究热成像温差与不同泄漏噪声之间的相关性,选择有效的信息融合方案,提高泄漏判断的精度。
189.在算法模型不成熟的初期,需依靠检修确认的案例数据进行优化与完善。
190.随着更多红外与声学数据的积累,算法模型将不断优化,从相关性判断逐步过渡到因果关系分析,实现对锅炉泄漏的智能判断。
191.与单一的温差分析或声源判断相比,声学与热成像数据的有效融合可以避免单一信息源的误报,提高泄漏判断的准确性与可靠性,是实现锅炉泄漏位置精准定点检查的关键技术手段之一。
192.该算法与红外热成像技术及声学检测技术的配合使用,使本技术的锅炉泄漏检测效果的精度达到最大化，也极大提高了锅炉泄漏检测效率。
193.本实施例中，空间相关性的检测主要依据多源异构信息之间的协同关系,如红外热成像结果与声学检测结果。
194.具体方法可以采用如下几种:
195.1)图像配准:将红外热图像和声学检测图像进行配准与重叠,观察两个图像中的异常信息(如高温区域和噪声源)在空间上的重合程度,重合度越高则空间相关性越强；
196.2)信息熵与互信息:计算两个检测结果的信息熵h(x)与h(y),以及互信息i(x；y),如果互信息较高(即i(x；y)》h(x)和i(x；y)》h(y)),则空间相关性较强；
197.3)空间距离及其分布:统计两个检测结果中异常信息的空间距离d及其分布规律,如果距离d较短且分布较集中,则空间相关性较强；
198.4)统计相关系数:如计算两个检测结果异常信息的空间坐标之间的pearson相关系数r或spearman秩相关系数ρ,相关系数越接近1,空间相关性越强。
199.例如,计算热成像与声学检测异常区域的空间相关系数r的公式为:r＝∑(x-x-)(y-y-)/√∑(x-x-)2∑(y-y-)2，其中,x与y分别为两种检测方法判断出的异常区域的空间坐标,x-与y-分别为x与y的平均值。
200.所以,空间相关性的检测主要是采用信息论、图像处理和统计分析的方法,综合利用两个检测结果之间的特征匹配度、信息交互量和空间分布规律等,计算相关的参数(如互信息、空间距离及其分布、相关系数等)来判断与度量两个检测结果在空间上存在的内在关联,从而确认泄漏可能存在的区域。
201.根据数据融合算法对红外热成像监测结果和声学检测装置提供的热声场扫描数据进行深入分析,通过空间相关性判断两种检测信息的匹配关联区域，进一步确定锅炉泄漏的大致范围，采用数据融合算法可以提供异常信息匹配的定量指标(如相关系数),为范围判断提供量化依据；数据融合算法综合考虑图像空间信息与声学参数,可发现单一判断易遗漏的匹配关联,提高范围判断的完备性；借助数据融合算法可以排除热成像或声学检测误差导致的误判范围,缩小泄漏范围判断的偏差,提高判断的准确性与可靠性；通过数据融合算法可以定量指出某一区域的泄漏可能性大小与精度高低,为检修人员精准定位泄漏点提供参考，以使得锅炉泄漏位置的判断精度更高。
202.最后，在检修过程,采用人工目视与声学检测手段再确定锅炉泄漏的精确位置,实现泄漏点精准定点检修与处理，具体的泄漏点定点的步骤包括：
203.1)参考数据融合算法单元提供的相关性分析结果,确定热成像与声学检测异常信息之间匹配度最高的区域,作为泄漏点的大致范围；
204.2)检修人员在锅炉内部对该区域进行目视检查,发现温度异常变化的部位或可疑声源,确定泄漏点的可能位置；
205.3)使用声学检测设备(如声相机)对该区域进行扫描,判断声源的精确方位与来源,锁定泄漏点的具体位置；
206.4)在确定的位置进行温度测量或喷漆,如果温度异常升高或喷漆起泡,则证实该位置为泄漏点；
207.5)结合锅炉结构,判断泄漏点周围的焊缝或管道是否存在破损或老化,以确定泄
漏的根源；
208.6)在锅炉检修过程中进行超声波检测或x射线照相,以发现泄漏点周围结构的内部缺陷,进一步确定泄漏原因。
209.所以,泄漏点的定点检修主要是综合利用热成像、声学检测与人工目视等手段,在数据融合分析结果指导下,逐步缩小泄漏范围,发现温度异常变化与噪声来源,使用专业设备确定泄漏方位与位置,并结合锅炉结构判断泄漏原因,实现对泄漏点的精准定位与维修。
210.通过采用成熟的红外热成像、声学检测与人工智能技术,通过有效融合应用实现锅炉泄漏点的精确查找,为电站锅炉的安全稳定运行提供重要保障。
211.锅炉泄漏检测系统的实施虽还需要大量锅炉实测数据与历史案例信息进行训练优化,需要电厂的密切配合与数据支持，但系统建成后,其泄漏点查找效果将大大优于现有技术,具有很高的推广应用价值,是电力行业智能化装备的重要发展方向之一。
212.锅炉泄漏检测系统也可产生大量数据,通过云计算与大数据分析可研发更高级的锅炉状态监测与故障预测，提高锅炉泄漏判断的成熟度与可靠性,并朝着更加智能化的方向持续优化与发展。
213.进一步地，随着更多红外与声学数据的积累,算法模型将不断优化,从相关性判断逐步过渡到因果关系分析,实现对锅炉泄漏的智能判断，其中，相关性判断优化包括：
214.1)原算法主要依靠高温异常区域与泄漏噪声判断结果之间的位置匹配、温度对应、时间相关性等方面相关性判断泄漏可能性。获得更多数据后,可以查找二者匹配的概率分布,设置较为准确的相关性判断阈值,提高判断准确度。
215.2)泄漏特征参数完善:获得不同泄漏情况下的大量热成像与声学检测数据,可以总结各种泄漏的特征参数范围,如区域形状、温差大小、噪声频率等,建立更详尽的参照模式,为相关性判断提供更准确依据。
216.3)环境影响识别完善:获得长期监测数据,可以掌握系统周边环境温度变化与各种干扰噪声的特征,建立详尽的环境影响模式,提高对有效信息的识别能力,减少误判可能。
217.4)因果关系判断:大量数据的积累为相关变量间的因果关系分析提供可能。可利用统计分析方法,判断高温异常区域与泄漏噪声判断结果之间的依赖关系,甚至推理出两者之间的边界条件与演变规律,实现对泄漏的因果关系判断与预警。
218.5)模型自学习优化:大数据的积累为模型自学习与优化提供基础。可以利用相关算法模型,自动学习锅炉热工参数,建立高精度的热工检测模型。学习环境影响变化规律,建立周边环境影响判断模型。学习相关变量之间的依赖关系,建立泄漏判断因果关系模型。实现模型性能的持续优化与提高。
219.所以,随着运行时间的增加与数据积累,不但可以不断优化与完善算法模型,提高相关性判断的准确性；还可以实现对相关变量之间因果关系的判断,以及模型的自学习与优化,最终达到对锅炉泄漏高精度的智能判断与预警。这需要利用大数据分析与人工智能技术,实现数据挖掘、知识发现与算法优化。
220.进一步地，系统优化算法与标准状态信息数据库建立的主要思路如下：
221.1.标准状态信息数据库建立。在锅炉正常运转状态下,采用红外热成像系统扫描记录各部位的温度场数据与图像,建立标准状态数据库。数据库要涵盖锅炉的各个结构部
位,不同的运行参数下的数据,以及不同季节的温度变化规律等。
222.2.泄漏案例数据库建立。在锅炉检修或运行过程中发现的各类泄漏点,进行热成像扫描与声学检测,记录异常温差与噪声数据,建立泄漏案例数据库。包括泄漏类型、位置、异常温度与声级特征等信息。
223.3.算法模型优化。利用标准状态数据库与泄漏案例数据库,对温差分析与识别算法、声学检测与数据融合算法进行优化。找出不同泄漏情况下的异常规则,提高算法判断的准确性；优化关键参数如温差阈值与判断规则等。
224.4.新数据挖掘。对系统运行过程中获得的大量红外与声学监测数据进行挖掘分析,找出数据之间的相关性与规律,用于进一步完善标准状态数据库、泄漏案例数据库及优化算法模型。
225.5.模块协同优化。对红外热成像设备、声学检测设备与信息处理算法模块的性能及参数进行协同优化与调整,使其能相互配合,发挥最大效果,从而不断提高整个系统的泄漏识别精度与智能判断水平。该方法的关键是利用红外热成像与声学检测获得的大量数据,建立详尽的标准状态数据库与泄漏案例数据库,并通过新数据的挖掘不断进行优化。依靠数据库与案例优化各算法模块与系统性能,实现性能的持续提高。通过数据库与算法的配合使用,可以最大限度地实现各种数据间的关联分析,实现对锅炉泄漏状况的智能判断。这是本系统实现高效精准泄漏查找的理论基础。
226.本技术中对系统运行过程中获得的大量红外与声学监测数据进行挖掘分析得到的数据之间的相关性与规律包括：
227.1)标准状态温度分布特征:不同锅炉结构、负荷条件下的标准状态温度分布特征,为异常温差判断提供准确参照；
228.2)周边环境温度变化规律:周边环境温度变化的频率、幅度特征,为环境影响判断提供依据,减少误判；
229.3)泄漏温度分布特征:不同部位、不同泄漏方式下的温度分布特征,如高温中心、温差分布、梯度变化等,为泄漏判断提供准确参照；
230.4)泄漏噪声频率特征:不同泄漏介质、不同泄漏方式下的噪声频率特征,为泄漏噪声判断提供依据；
231.5)环境噪声频率特征:各种环境噪声的频率特征,为环境噪声识别提供参照,减少误判；
232.6)相关变量依赖关系:高温异常区域特征与泄漏噪声判断结果之间的依赖关系与变化规律,为因果关系判断提供基础；
233.7)模型自学习参数:热工参数、环境影响参数、泄漏判断参数等,为模型自学习与优化提供数据支撑；
234.8)其他未公开的规律:尚未发现但隐藏在大数据背后的关联性与规律等。
235.所以,对获得的大量监测数据进行挖掘分析,不但可以发现数据之间的相关性,如温度分布与噪声频率之间的对应关系；也可以发现隐藏的数据规律,如环境影响变化规律与相关变量依赖关系等。这些知识与规律的发现,为标准状态数据库、泄漏案例数据库的完善,以及算法模型优化等提供了数据支撑。
236.本技术中，锅炉泄漏检测模块协同优化的主要思路可以为：
237.1)模块性能评估:评估红外热成像设备、声学检测设备与信息处理算法模块各自的检测性能、精度水平与限制条件,找出提高空间及优化方向；
238.2)参数匹配与调整:调整各模块的关键参数,实现三者之间的匹配与协调,如调整检测时间间隔、频率范围、温差阈值与判断规则等,使得检测与判断结果达到一致；
239.3)信息融合策略优化:对信息处理算法中数据融合的步骤、方法与策略进行优化,选择最优的数据融合方案,提高判断结果的准确性；
240.4)模块耦合与配合:加强各模块之间的连接与传输,实现模块间实时快速的数据交换与共享,使其能相互配合与补充,作为一个整体发挥最大效果；
241.5)新算法研发:研发新的检测与判断算法,实现多模块的数据深度融合,提高系统的智能判断水平与泄漏识别能力；
242.6)模块集成优化:对系统的设备布局、连接方式与软硬件集成方案进行优化设计,减少干扰,提高模块间的协同效应,优化系统整体性能；
243.7)智能反馈与控制:建立模块间的智能反馈与控制机制,实现对检测与判断结果的动态调节与优化,不断提高系统运行的稳定性与适应性。
244.判断锅炉初步泄漏范围可采用红外热成像监测装置扫描采集的热图像与温度数据，并通过图像分析可以观察到温度分布情况,并找出温度较高的区域；利用标准状态信息数据库中的锅炉温度分布数据与参数作为正常参考,与热成像实测数据进行比较分析；通过温差分析与阈值设定,可以定义温度超过正常状态一定温差值(如超过50℃)的区域；考虑锅炉结构与热传导特性,温度升高区域的空间范围与形状也是判断泄漏可能性的因素之一，如温度较高区域集中在某一局部与焊缝或管道附近,泄漏可能性较大；综合考虑声学检测装置的检测结果，声学检测可以识别异常热音或振动,从而也可以判断出异常高温区域；数据融合算法对红外热成像结果和声学检测结果进行分析融合,找出两种检测方法判断出的异常区域的空间相关性等等。
245.所以,锅炉初步泄漏范围判断需综合考虑温差分析结果、图像区域判断、声学检测识别结果和多种信息的空间相关性分析,找到温度异常升高及其它异常现象比较集中的区域,作为泄漏初步存在的范围，能为锅炉检修人员提供一个比较准确的判断依据与工作方向,以提高锅炉检修效率与锅炉检修精确度。
246.综上所述，一种基于红外热成像的锅炉泄漏检测方法通过采用红外热成像技术实现高效率全方位连续扫描,以获得锅炉准确的温度分布信息,并建立标准状态数据库作为参照,可定量分析异常程度，使得后续锅炉泄漏判断的依据更可靠；运用温差分析与识别算法，对热图像数据进行智能处理,定量判断锅炉泄漏位置，进一步提高锅炉泄漏的判断精度；以及，将红外热成像技术与声学检测技术联合使用,以实现多元信息融合,通过融合结果对锅炉泄漏的判断结果进行相互验证,再度提高锅炉泄漏判断的准确性；进而精确判断出锅炉内部存在的泄漏点,及时有针对性地为检修提供依据,提高了电站设备管理的精度与效率,有效降低了安全风险。
247.应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本技术实施例的实施过程构成任何限定。
248.参照图2，本技术实施例还提供一种基于红外热成像的锅炉泄漏检测装置，该一种
基于红外热成像的锅炉泄漏检测装置与上述实施例中一种基于红外热成像的锅炉泄漏检测方法一一对应。该一种基于红外热成像的锅炉泄漏检测装置包括，
249.第一采集模块，用于获取锅炉各部位的热图像与实测温度数据；
250.第二采集模块，用于获取锅炉对应部位的正常温度数据；
251.异常温度识别模块，用于基于所述热图像、所述实测温度数据与所述正常温度数据，采用预设的温差分析与识别算法进行对比分析，识别得到所述热图像上的异常高温区域，作为第一检测结果；
252.第三采集模块，用于获取锅炉的热声场，作为第二检测结果；
253.泄漏检测模块，用于根据所述第一检测结果和所述第二检测结果，结合预设的数据融合算法进行分析，获取所述第一检测结果和所述第二检测结果的空间相关性，确定热图像上的所述异常高温区域内与所述第二检测结果关联的区域的泄漏情况。
254.关于一种基于红外热成像的锅炉泄漏检测装置的具体限定可以参见上文中对于一种基于红外热成像的锅炉泄漏检测方法的限定，在此不再赘述。
255.上述一种基于红外热成像的锅炉泄漏检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。
256.上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
257.参照图3，在一个实施例中，提供了一种基于红外热成像的锅炉泄漏检测系统，包括，
258.红外热成像监测装置，用于扫描采集锅炉各部位的热图像与温度数据，得到热成像实测数据；
259.标准状态信息数据库，用于存储锅炉各部位的正常温度数据；
260.温差分析与识别单元，用于对比分析热成像实测数据与标准状态信息数据库,识别锅炉的异常高温区域；
261.声学检测装置，用于扫描采集锅炉的热声场,检测异常声源；
262.数据融合算法单元，用于分析热成像实测数据与声学检测结果,找出二者的相关性,确定热图像上的所述异常高温区域内与所述第二检测结果关联的区域的泄漏情况；
263.泄漏定点单元，用于基于所述数据融合算法单元的识别结果，精准定位锅炉的泄漏位置。
264.进一步地，一种基于红外热成像的锅炉泄漏检测系统还包括，
265.系统优化单元，用于对各数据库、算法模型与检测装置进行优化升级,提高锅炉泄漏检测系统性能。
266.具体地，红外热成像监测装置用于扫描采集锅炉各部位的热图像与温度数据；标准状态信息数据库用于存储锅炉各部位的正常温度数据；温差分析与识别单元用于对比分析热成像实测数据与标准数据库,识别出异常高温区域；声学检测装置用于扫描采集锅炉的热声场,检测异常声源；数据融合算法单元用于分析热成像与声学检测结果,找出二者的相关性,确认泄漏存在的大致范围；泄漏定点单元用于在检修过程通过目视与声学检测手段进一步确认数据融合算法单元的识别结果中的泄漏区域,实现精准定位；以及系统优化
单元用于对各数据库、算法模型与检测装置进行优化升级,不断提高系统性能。
267.进一步地，所有数据及分析结果会由系统优化单元综合分析,不断完善各数据库、算法模型与检测装置,以提高锅炉泄漏系统的泄漏判断精度与泄漏判断效率。
268.系统优化单元的综合分析步骤主要如下：
269.1)对热成像监测与声学检测的原始数据进行统计分析,判断温度、噪声等参数的正常范围及变化规律,不断完善标准状态信息数据库；
270.2)对温差分析与识别单元的异常判断结果进行回顾分析,判断检测规则或参数是否合理,需要进行修改或升级,不断优化温差分析与识别算法；
271.3)对数据融合算法单元的相关性分析结果进行检验,判断相关性判断规则或阈值选择是否恰当,需要进行调整优化,不断完善数据融合算法；
272.4)对泄漏精准定点的效果进行评估,判断热成像、声学检测或人工判断的误差与误判,需要对设备或方法进行改进,不断优化泄漏定位的精度；
273.5)综合分析热成像、声学检测与检修过程的信息,总结典型案例与检修经验,建立案例数据库,为系统判断与人员定点提供参考；
274.6)定期检查系统性能,评估各功能模块的工作效果,需要进行更新或更换模块提高系统的泄漏判断精度与工作效率。
275.系统优化单元主要通过对各数据库、算法与检测装置进行统计分析与效果评估,总结应用经验,以判断是否需要进行升级改进,实现对锅炉泄漏检测系统的持续完善与性能提升。
276.在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现上述任意一种基于红外热成像的锅炉泄漏检测方法。
277.在一个实施例中，提供了一种计算机可读存储介质，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：
278.s1:获取锅炉各部位的热图像与实测温度数据；
279.s2:获取锅炉对应部位的正常温度数据；
280.s3:基于所述热图像、所述实测温度数据与所述正常温度数据，采用预设的温差分析与识别算法进行对比分析，识别得到所述热图像上的异常高温区域，作为第一检测结果，以及，
281.s4:获取锅炉的热声场，作为第二检测结果；
282.s5:根据所述第一检测结果和所述第二检测结果，结合预设的数据融合算法进行分析，获取所述第一检测结果和所述第二检测结果的空间相关性，确定热图像上的所述异常高温区域内的泄漏范围；
283.s6:通过对热图像上的异常高温区域内的所述泄漏范围进行检测，得到锅炉泄漏点。
284.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
285.所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述系统的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。

技术特征：
1.一种基于红外热成像的锅炉泄漏检测方法，其特征在于，包括以下步骤，获取锅炉各部位的热图像与实测温度数据；获取锅炉对应部位的正常温度数据；基于所述热图像、所述实测温度数据与所述正常温度数据，采用预设的温差分析与识别算法进行对比分析，识别得到所述热图像上的异常温度区域，作为第一检测结果，以及，获取锅炉的热声场，作为第二检测结果；根据所述第一检测结果和所述第二检测结果，结合预设的数据融合算法进行分析，获取所述第一检测结果和所述第二检测结果的空间相关性，确定热图像上的所述异常温度区域内与所述第二检测结果关联的区域的泄漏情况。2.根据权利要求1所述的基于红外热成像的锅炉泄漏检测方法，其特征在于，基于所述热图像、所述实测温度数据与所述正常温度数据，采用预设的温差分析与识别算法进行对比分析，识别得到所述热图像上的异常温度区域的步骤包括，将所述实测温度数据与所述正常温度数据进行差分分析,得到锅炉上各点温差值；根据锅炉结构与热工特点,预设置锅炉各部位的正常温差范围阈值；依次判断各点温差值与所述正常温差范围阈值的大小，识别出锅炉上的温度点或温度区域；对所述温度点或所述温度区域与典型泄漏故障模式进行匹配，判断所述温度点或所述温度区域是否泄漏；标定被判断为泄漏的所述温度点或所述温度区域，得到所述热图像上的异常温度区域。3.根据权利要求2所述的基于红外热成像的锅炉泄漏检测方法，其特征在于，对所述温度点或所述温度区域与典型泄漏故障模式进行匹配，判断所述温度点或所述温度区域是否泄漏的步骤包括，将所述温度点或所述温度区域与典型泄漏故障模式，从形状、大小、分布位置、温度梯度、边界清晰度和相对稳定性中的任一种或两种或多种进行匹配，判断所述温度点或所述温度区域是否泄漏；其中，形状匹配时判断为泄漏包括所述温度点的高度或所述温度区域的形状与典型泄漏故障模式的温度分布形状的高度一致或相似；其中，大小匹配时判断为泄漏包括所述温度区域的的面积位于典型泄漏故障模式的温度分布的面积范围内，或所述温度区域的的体积位于典型泄漏故障模式的温度分布的体积范围内，或所述温度点位于典型泄漏故障模式的温度分布范围内；其中，分布位置匹配时判断为泄漏包括所述温度点或所述温度区域的分布位置与典型泄漏故障模式的温度分布的中心位置或预设范围重合；其中，温度梯度匹配时判断为泄漏包括所述温度区域的温度变化梯度与典型泄漏故障模式的温度梯度分布相匹配,即中心温度高于第一阈值且边缘温度低于第二阈值；其中，边界清晰度匹配时判断为泄漏包括所述温度区域的边界清晰或模糊程度与典型泄漏故障模式的温度梯度转变清晰度匹配；其中，相对稳定性匹配时判断为泄漏包括所述温度点或所述温度区域的温度在预设时间范围内保持相对稳定。
4.根据权利要求1所述的基于红外热成像的锅炉泄漏检测方法，其特征在于，根据所述第一检测结果和所述第二检测结果，结合预设的数据融合算法进行分析，获取所述第一检测结果和所述第二检测结果的空间相关性，确定热图像上的所述异常温度区域内与所述第二检测结果关联的区域的泄漏情况的步骤包括，对所述第二检测结果进行分析，基于声源位置与预设的声级异常频段，初步判断锅炉内的泄漏噪声，得到异常声源；比较所述第一检测结果与所述异常声源在空间上的位置关系，得到锅炉上的异常温度区域和异常声源之间的重合区域，作为第三检测结果；结合异常温度区域的特点与预设的声级异常频段，判断所述第三检测结果的泄漏情况。5.根据权利要求4所述的基于红外热成像的锅炉泄漏检测方法，其特征在于，预设的声级异常频段包括以下的任一种或两种或多种，大于预设的第一频率的高频尖叫的，声级较高且持续的气体泄漏疑似噪声；位于预设的第二频率内的沉闷敲击的时断时续的液体滴落或流动疑似噪声，其中，所述第二频率小于所述第一频率；位于预设的第三频率内的低频鼓的声级较高且持续的液体内部沸腾或流动疑似噪声，其中，所述第三频率小于或等于所述第二频率；杂乱无序的宽频段内的多点或大区域疑似泄漏噪声；频谱或声级出现异常变化或增大的锅炉内部疑似泄漏噪声。6.根据权利要求4所述的基于红外热成像的锅炉泄漏检测方法，其特征在于，所述结合异常温度区域的特点与预设的声级异常频段，判断所述第三检测结果的泄漏情况的步骤包括，对热图像上的所述异常温度区域与所述异常声源从空间位置、温度与噪声频率、时间相对稳定性、边界与温度梯度清晰度中的任一种或两种或多种进行匹配，判断所述第三检测结果的泄漏情况；其中，空间位置匹配时判断所述第三检测结果存在泄漏包括异常温度区域的空间位置与异常声源的位置重合或二者中心或两者主要范围一致；其中，温度与噪声频率匹配时判断所述第三检测结果存在泄漏包括异常温度区域的温度分布特征与异常声源的频率相对应；其中，时间相对稳定性匹配时判断所述第三检测结果存在泄漏包括异常温度区域的温度与异常声源在一定时间范围内同时出现或同时消失；其中，边界与温度梯度清晰度匹配时判断所述第三检测结果存在泄漏包括异常温度区域的边界与温度梯度清晰度，和异常声源的起止及变化特点相匹配。7.根据权利要求1-6任意一项所述的基于红外热成像的锅炉泄漏检测方法，其特征在于，还包括从预构建的标准状态信息数据库获取锅炉对应部位的正常温度数据；其中，所述标准状态信息数据库是锅炉在不同的季节和不同运行参数的状态下,采用红外热成像监测装置扫描记录锅炉各部位的温度场数据与图像建立的。8.根据权利要求7所述的基于红外热成像的锅炉泄漏检测方法，其特征在于，还包括以下步骤，
在锅炉检修或运行过程中发现的各类泄漏点，采用红外热成像监测装置扫描与声学检测,记录异常温差与噪声数据，建立包括泄漏类型、泄漏位置、异常温度和声级特征的泄漏案例数据库；利用大数据挖掘技术分析所述泄漏案例数据库和所述标准状态信息数据库，得到锅炉数据之间的相关性与规律；协同优化所述温差分析与识别算法和所述数据融合算法。9.一种基于红外热成像的锅炉泄漏检测装置，其特征在于，包括，第一采集模块，用于获取锅炉各部位的热图像与实测温度数据；第二采集模块，用于获取锅炉对应部位的正常温度数据；异常温度识别模块，用于基于所述热图像、所述实测温度数据与所述正常温度数据，采用预设的温差分析与识别算法进行对比分析，识别得到所述热图像上的异常温度区域，作为第一检测结果；第三采集模块，用于获取锅炉的热声场，作为第二检测结果；泄漏检测模块，用于根据所述第一检测结果和所述第二检测结果，结合预设的数据融合算法进行分析，获取所述第一检测结果和所述第二检测结果的空间相关性，确定热图像上的所述异常温度区域内与所述第二检测结果关联的区域的泄漏情况。10.一种基于红外热成像的锅炉泄漏检测系统，其特征在于，包括，红外热成像监测装置，用于扫描采集锅炉各部位的热图像与温度数据，得到热成像实测数据；标准状态信息数据库，用于存储锅炉各部位的正常温度数据；温差分析与识别单元，用于对比分析热成像实测数据与标准状态信息数据库,识别锅炉的异常温度区域；声学检测装置，用于扫描采集锅炉的热声场,检测异常声源；数据融合算法单元，用于分析热成像实测数据与声学检测结果,找出二者的相关性,确定热图像上的所述异常温度区域内与所述第二检测结果关联的区域的泄漏情况；泄漏定点单元，用于基于所述数据融合算法单元的识别结果，精准定位锅炉的泄漏位置。

技术总结
本申请涉及电力设备监测与故障诊断技术领域，尤其涉及一种基于红外热成像的锅炉泄漏检测方法及系统，其方法包括获取锅炉各部位的热图像与实测温度数据；获取锅炉对应部位的正常温度数据；基于热图像、实测温度数据与正常温度数据，采用预设的温差分析与识别算法进行对比分析，识别得到热图像上的异常温度区域，作为第一检测结果，以及，获取锅炉的热声场，作为第二检测结果；根据第一检测结果和第二检测结果，结合预设的数据融合算法进行分析，获取第一检测结果和第二检测结果的空间相关性，确定热图像上的异常温度区域内与第二检测结果关联的区域的泄漏情况。本申请具有精确判断锅炉内部存在的泄漏点,提高检修精度与检修效率的效果。的效果。的效果。


技术研发人员：卢振宇 林珠 代文静 李慧珍 谭旭南 侯庆超 冯景浩
受保护的技术使用者：广州珠江天然气发电有限公司
技术研发日：2023.06.14
技术公布日：2023/10/15