技术领域
[0001] 本申请涉及防腐处理技术领域，更具体地，涉及一种发电厂水箱内壁防腐方法。
相关背景技术
[0002] 发电厂内的除盐水箱是大量储存除盐水的一种金属箱罐，然后将除盐水分配到各个发电厂区域中。由于除盐水本身就是发电厂生产过程中应用最为广泛的水源类型，因此对于水质要求较高。发电厂除盐水箱的水质会直接影响到后续工作的质量，而出现的一些防腐蚀产物也会影响到生产相关设备的正常运行。在发电厂正常运行的时候，本身对于除盐水箱检修窗口较小，需要除盐水箱保持较高的使用寿命，因此在发电厂的正常生产运行过程中，水箱内壁的防腐处理不可忽视。
[0003] 现有技术中，对于水箱内壁的防腐处理仅局限于巡检人员的观察，在出现严重腐蚀问题时才发起应对措施，导致水箱中的水质被污染，影响整个电厂的生产效率。
具体实施方式
[0041] 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，所描述的实施例仅仅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做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。
[0042] 本申请实施例提供一种发电厂水箱内壁防腐方法，如图1所示，应用于水箱内壁防腐工艺，该方法包括以下步骤：
[0043] S101，获取水箱内壁的图像数据，基于深度学习对图像数据进行内壁腐蚀度检测；
[0044] 本实施例中，电厂水箱上方设置高清摄像头，采集水箱内壁的图像数据，将历史水箱内壁的图像采集数据作为样本数据。
[0045] 在本申请的一些实施例中，所述基于深度学习对图像数据进行内壁腐蚀度检测，包括：获取水箱内壁图像的样本数据，将水箱内壁图像样本数据转化为灰度图，基于k均值聚类算法设定灰度阈值；根据灰度阈值对腐蚀灰度图图像进行二值化处理；提取二值化处理后的腐蚀灰度图图像的生锈像素点，根据生锈像素点对腐蚀灰度图图像进行类别标记；对类别标记后的腐蚀灰度图图像进行数据增强，根据增强后的腐蚀灰度图图像构建训练集；根据训练集中的图像数据，训练得到水箱内壁腐蚀度检测模型，基于水箱内壁腐蚀度检测模型对水箱内壁图像的实时数据进行检测。
[0046] 本实施例中，将灰度图中大于灰度阈值的像素点的灰度值设定为255，将灰度图中小于或等于灰度阈值的像素点的灰度值设定为0，根据灰度阈值对腐蚀灰度图图像进行二值化处理，将灰度值为0的像素点确定为生锈像素点，根据生锈像素点在腐蚀灰度图图像中的占比对腐蚀灰度图图像进行类别标记，按照生锈像素点在腐蚀灰度图图像中的占比将腐蚀灰度图图像分为10％，20％，30％，40％，50％，60％，70％，80％，90％九类。
[0047] 在本申请的一些实施例中，所述基于k均值聚类算法设定灰度阈值，包括：获取腐蚀灰度图图像的像素点数据，根据像素点数据随机选取k个初始聚类中心；计算各像素点数据与聚类中心的欧氏距离，根据各像素点数据与聚类中心的欧氏距离对像素点数据进行聚类划分；获取经聚类划分后各分区数据像素点数据的平均值，根据像素点数据的平均值更新聚类中心；重复迭代并设定新的聚类中心，直至聚类中心不再发生变化，得到最终聚类中心，将最终聚类中心的像素点灰度平均值设定为灰度阈值。
[0048] 本实施例中，采用k均值聚类算法设定灰度阈值，将k值设定为8。
[0049] S102，根据内壁腐蚀度检测结果基于水箱内壁防腐工艺对水箱内壁进行防腐处理；
[0050] 本实施例中，水箱内壁防腐工艺具体包括：
[0051] S1021，罐体打磨。将表面的氧化皮、灰尘、油污清理干净，并修整不平整部位。表面处理达到干燥、无灰尘、无油污及其它包括可溶性盐在内的污染，对表面的锈蚀部位进行打磨，使表面呈现出金属光泽，且表面经打磨除锈后的粗糙度达到Ry＝40‑80μm；
[0052] S1022，喷涂铝粉漆涂层。打磨验收通过后，使用压缩空气喷涂铝粉漆，厚度控制在80‑90μm、干膜厚度控制在40‑50μm。
[0053] S1023，三布五油涂层。铝粉漆涂层干透后，使用玻璃丝布+环氧树脂+沥青漆，按“三布五油”施工标准进行施工。
[0054] S1024，橡胶漆涂层。三布五油涂层干透后，喷涂氯化橡胶防腐面漆。橡胶漆层干膜厚度控制在100‑120μm。
[0055] 在本申请的一些实施例中，所述根据内壁腐蚀度检测结果基于水箱内壁防腐工艺对水箱内壁进行防腐处理，包括：获取水箱内壁图像的实时数据的内壁腐蚀度等级，若内壁腐蚀度等级为70％‑90％，则对水箱内壁进行防腐处理；若内壁腐蚀度等级为10％‑60％，则不对水箱内壁进行防腐处理。
[0056] 本实施例中，当水箱内壁腐蚀度为第一类型时，说明水箱内壁图像采集点的腐蚀情况已接近80％，需要进行防腐处理，当水箱内壁腐蚀度为第二类型或第三类型时，说明水箱内壁图像采集点的腐蚀情况一般，不需要进行防腐处理。
[0057] S103，获取防腐处理后水箱的腐蚀深度值，根据水箱的腐蚀深度值对水箱进行寿命评估；
[0058] 本实施例中，腐蚀深度为水箱初始厚度与当前剩余厚度的差值，采用腐蚀深度代表水箱的腐蚀程度。
[0059] 在本申请的一些实施例中，所述根据水箱的腐蚀深度值对水箱进行寿命评估，包括：根据防腐处理后的腐蚀深度计算腐蚀速率，根据腐蚀速率计算腐蚀深度达到水箱厚度所需时间，将腐蚀深度达到水箱厚度所需时间确定为水箱的寿命评估值。
[0060] 本实施例中，通过记录水箱从初始厚度降至当前剩余厚度所用时间计算腐蚀速率，通过腐蚀速率得出腐蚀深度达到水箱厚度所需时间。
[0061] S104，获取水箱内的水质劣化程度，根据水质劣化程度结合水箱寿命评估值设定防腐检验周期；
[0062] 在本申请的一些实施例中，所述根据水质劣化程度结合水箱寿命评估值设定防腐检验周期，包括：获取水箱中水的水质参数，所述水质参数包括pH值、电导率、总有机碳含量，根据水箱损耗计算公式确定水箱损耗参数；设定第一预设阈值，检测第一预设周期内水箱损耗参数的变化曲线，根据水箱损耗参数变化曲线预测水箱损耗参数达到第一预设阈值所需时间，将水箱损耗参数达到第一预设阈值所需时间设定为防腐检验周期。
[0063] 本实施例中，将水质参数作为水质劣化程度，将水质参数结合水箱寿命评估值设定水箱损耗计算公式。第一预设阈值根据电厂历史运行数据结合水箱水质最低参数设定，第一预设周期为90天，通过将第一预设周期内水箱损耗参数的变化曲线拟合为线性回归模型，通过线性回归模型计算水箱损耗参数达到第一预设阈值所需时间。
[0064] 在本申请的一些实施例中，所述根据水箱损耗计算公式确定水箱损耗参数为：
[0065] F＝α|p‑7|+βc+γt+δd
[0066] 其中，F为水箱损耗参数，α，β，γ，δ为水质参数权重，p为pH值，c为电导率，t为总有机碳含量，d为水箱寿命评估值。
[0067] 本实施例中，水质参数权重根据历史运行经验设定，通过水质检测装置对水箱中水的水质参数进行检验。
[0068] S105，当达到防腐检验周期时，获取水箱内壁的腐蚀度变化曲线，根据腐蚀度变化曲线检验防腐效果。
[0069] 本实施例中，在防腐处理完成后开始进行防腐检验周期计时，
[0070] 在本申请的一些实施例中，所述根据腐蚀度变化曲线检验防腐效果，包括：获取水箱内壁腐蚀度在第二预设周期内的变化曲线，将第二预设周期划分为多个子周期；计算子周期内水箱内壁腐蚀度的斜率均值，判断斜率均值是否超出第二预设阈值；若斜率均值未超出第二预设阈值，则判定防腐处理达到防腐效果；若斜率均值超出第二预设阈值，则判定防腐处理未达到防腐效果。
[0071] 本实施例中，绘制水箱内壁腐蚀度类别在第二预设周期内的变化曲线，将第二预设周期设定为100天，将第二预设周期平均划分为10个子周期，斜率均值代表了水箱内壁的腐蚀突变值，若出现超出第二预设阈值的斜率均值，则说明存在腐蚀突变值，防腐处理存在缺陷，若未出现，则说明水箱内壁腐蚀度变化平稳，防腐效果良好。
[0072] 通过应用以上技术方案，本发明实现了根据图像处理获取水箱内壁的灰度图，通过k均值聚类算法设定灰度阈值并对图像进行二值化处理，基于深度学习对经二值化处理后的灰度图样本数据进行训练，得到水箱内壁腐蚀度检测模型，对实时图像数据进行内壁腐蚀度检测，基于检测结果对水箱内壁进行防腐处理，通过检测防腐处理后水箱的腐蚀深度值计算腐蚀速率，并根据腐蚀速率计算出腐蚀深度值达到水箱厚度所需时间，将此时间设定为水箱寿命评估值，根据水箱寿命评估值结合水质参数计算防腐检验周期，在达到防腐检验周期后根据水箱内壁的腐蚀度变化曲线检验防腐效果。通过本实施例所采用的方法使电厂水箱内壁腐蚀度检测结果更加准确快速，有效防止水箱内壁被腐蚀破坏，准确评估防腐处理效果，保障了电厂运行的安全性。
[0073] 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本发明可以通过硬件实现，也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD‑ROM，U盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施场景所述的方法。
[0074] 最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不驱使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
