[发明专利]一种基于机器学习的环路热管太阳能压力模式识别方法

说明书

本发明提供了一种基于机器学习的环路热管太阳能压力模式识别方法，所述集热装置包括反射镜和集热管箱，所述集热装置包括除垢阶段，所述采取如下方式运行：在除垢阶段，采取如下方式运行：所述压力感知元件与控制器进行数据连接，所述压力数据实时存储在数据库中，采用一维深度卷积神经网络提取数据特征，并进行模式识别，从而控制是否对集热管箱进行集热以进行除垢。本发明能够基于机器学习与模式识别的理论方法，根据集热装置不同的运行工况，利用集热装置实时监控系统中压力数据，设计出相应的集热运行模式，用大量的压力数据训练深度卷积神经网络，从而进行集热装置除垢，提高热利用效果和除垢效果。

技术领域

本发明属于太阳能领域，尤其涉及一种太阳能集热器系统。

背景技术

随着现代社会经济的高速发展，人类对能源的需求量越来越大。然而煤、石油、天然气等传统能源储备量不断减少、日益紧缺，造成价格的不断上涨，同时常规化石燃料造成的环境污染问题也愈加严重，这些都大大限制着社会的发展和人类生活质量的提高。能源问题已经成为当代世界的最突出的问题之一。因而寻求新的能源，特别是无污染的清洁能源已成为现在人们研究的热点。

太阳能是一种取之不尽用之不竭的清洁能源，而且资源量巨大，地球表面每年收的太阳辐射能总量为1×10¹⁸kW·h，为世界年耗总能量的一万多倍。世界各国都已经把太阳能的利用作为新能源开发的重要一项。然而由于太阳辐射到达地球上的能量密度小(每平方米约一千瓦)，而且又是不连续的，这给大规模的开发利用带来一定困难。因此，为了广泛利用太阳能，不仅要解决技术上的问题，而且在经济上必须能同常规能源相竞争。

针对集热器的结构，现有技术已经进行了很多的研发和改进，但是整体来说集热能力不足，而且还存在运行时间长容易结垢问题，影响集热效果。

无论哪种形式和结构的太阳能集热器，都要有一个用来吸收太阳辐射的吸收部件，集热器的结构对太阳能的吸收起到重要的作用。

针对上述问题，本发明在前面发明的基础上进行了改进，提供了一种新的环路热管太阳能集热系统，从而解决热管换热量低及其换热不均匀的问题。

在应用中发现，太阳能持续集热加热或者晚上不加热会导致内部流体形成稳定性，即流体不再流动或者流动性很少，或者流量稳定，导致集热管振动性能大大减弱，从而影响集热管的除垢以及加热的效率。因此需要对上述太阳能集热器进行改进。本申请人已经对此申请了相关的专利。

但是，在实践中发现，通过固定性周期性以及参数或者参数差变化来调整管束的振动，会出现滞后性以及周期会出现过长或者过短的情况。因此本发明对前面的申请进行了改进，对振动进行智能型控制，从而使得内部的流体能够实现的频繁性的振动，从而实现很好的除垢以及加热效果。

发明内容

本发明针对现有技术中的不足，提供一种新式结构的集热装置。该集热装置能够基于机器学习与模式识别的理论方法，根据集热装置不同的运行工况，利用集热装置实时监控系统中压力数据，设计出相应的集热运行模式，用大量的压力数据训练深度卷积神经网络，从而进行集热装置除垢，提高热利用效果和除垢效果。

为实现上述目的，本发明采用如下技术方案：

一种基于机器学习的环路热管太阳能压力模式识别方法，所述集热装置包括反射镜和集热管箱，所述集热装置包括除垢阶段，所述采取如下方式运行：在除垢阶段，采取如下方式运行：

所述压力感知元件与控制器进行数据连接，所述压力数据实时存储在数据库中，采用一维深度卷积神经网络提取数据特征，并进行模式识别，从而控制是否对集热管箱进行集热以进行除垢；

所述基于压力模式识别包括如下步骤：

1)数据准备：对数据库中的集热装置的压力数据进行重新审查和校验，对缺失数据、无效数据、不一致数据进行纠正，保证数据的正确性以及逻辑上的一致性；