技术特征：
1.一种基于机器学习的环路热管太阳能液位模式识别方法，所述集热装置包括反射镜和集热管箱，集热管箱内部设置液位感知元件，用于检测集热管箱内部的液位，所述液位感知元件与控制器进行数据连接，所述液位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；包括如下步骤：1)数据准备：对数据库中的集热管箱8的液位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。2)生成数据集：将准备好的数据分成训练集/训练集标签、检测集/检测集标签。3)网络训练：将训练集数据输入卷积神经网络，不断经过卷积、池化，得到特征向量，送入全连接网络。通过计算网络的输出与训练集标签，得到网络误差，利用误差反向传播算法，不断修正网络权值、偏置、卷积系数、池化系数，使误差满足设定的精度要求，网络训练完成。4)网络检测：将检测集数据输入到已经训练好的网络中，输出检测结果标签。5)集热器运行：根据检测结果标签控制是否对集热管箱进行集热以进行除垢。2.如权利要求1所述的一种基于机器学习的环路热管太阳能液位模式识别方法，生成数据集步骤包括如下步骤：1)生成训练集数据及标签：根据集热装置不同的运行工况，从数据库中读取对应工况的液位数据值，生成各种工况状态下的训练集数据以及工况标签；作为优选，在具体应用中，我们将运行工况分为标签为1，进行集热装置集热，其标签为2，集热装置不集热，程序根据不同的工况，自动生成工况标签；2)生成检测集数据及标签：根据集热装置不同的运行工况，从数据库中读取对应工况的液位数据值，生成各种工况状态下的检测集数据以及工况标签；作为优选可以判断是否集热装置内流体的蒸发达到了饱和，未达到了饱和，标签为1，达到了饱和，标签为2。3.一种换热装置，所述换热装置包括位于下部的集热管箱、左上管、右上管和放热管组，左上管、右上管位于集热管箱的上部。
技术总结
本发明提供了一种基于机器学习的环路热管太阳能液位模式识别方法，集热管箱内部设置液位感知元件，用于检测集热管箱内部的液位；所述液位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，利用集热管箱实时监控系统中液位数据，设计出相应的集热运行模式，用大量的液位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。果和除垢效果。
技术研发人员：郭春生 刘元帅 许艳锋 李蒸 李言伟 江程 马军 薛于凡 谷潇潇 宁文婧 薛丽红 韩卓晟 逯晓康 刘百川
受保护的技术使用者：山东大学
技术研发日：2020.05.19
技术公布日：2021/11/23