一种火电厂机组智能拆解与关键材料分级回收方法及系统与流程

摘要: 本发明涉及废弃能源装备退役处理与资源化循环利用,具体为一种火电厂机组智能拆解与关键材料分级回收方法及系统。背景技术:1、随着全球能源结构的低碳化转型和我国双碳战...
一种火电厂机组智能拆解与关键材料分级回收方法及系统与流程

本发明涉及废弃能源装备退役处理与资源化循环利用,具体为一种火电厂机组智能拆解与关键材料分级回收方法及系统。

背景技术:

1、随着全球能源结构的低碳化转型和我国双碳战略目标的深入推进,大量高耗能、低效率的老旧燃煤发电机组正面临退役和淘汰。根据全球能源监测组织发布的报告,中国现有燃煤电厂装机容量合计约1175吉瓦,占全球总量的55%以上。国家能源局2025年发布的《新一代煤电升级专项行动实施方案(2025—2027年)》明确提出要加快淘汰落后产能。按照国际能源署(iea)的路线图,到2040年全球平均每年需有约126吉瓦的煤电机组完成退役。由此可见,未来数十年内将迎来海量煤电机组的退役潮,退役设备的安全拆解与资源化回收已成为亟待解决的重大工程技术问题。

2、燃煤电厂的核心机组设备(如锅炉、汽轮机、发电机及大型蒸汽管道系统等)不仅体积庞大、结构极其复杂,而且其材质构成包含了大量高价值金属材料。典型的设备材质包括:锅炉水冷壁管常用15crmog、12cr1movg等低合金耐热钢,过热器/再热器管常用tp347h、super304h等奥氏体不锈钢,高温过热器管常用p91(t91)、p92等高合金马氏体耐热钢,汽轮机转子及叶片常用12cr型马氏体钢和镍基合金,锅炉钢架及承重结构常用q235、q345等普通碳素结构钢,凝汽器铜管常用hsn70-1、bfe30-1-1等铜合金。

3、目前针对燃煤电厂退役机组的拆解回收仍存在以下显著的技术痛点:

4、第一,大型设备拆解过程安全性差且缺乏科学规划。传统的拆解方式主要依赖人工操作气割设备和大型吊车进行粗放式拆除。由于缺乏对设备整体结构应力的精确评估,在切割大型承重部件(如锅炉钢架横梁、汽轮机基座等)时极易发生结构失稳、坍塌等严重安全事故。在现有技术cn121365603a基于数字孪生的风机叶片拆解过程虚拟仿真与监控系统中虽然提出了基于数字孪生的风机叶片拆解虚拟仿真,但仅停留在仿真层面,缺乏与物理拆解设备(如机器人)的实时应力数据交互,无法在实际拆解过程中动态调整规划以防止坍塌。

5、第二,单一光谱检测技术难以满足电厂耐热钢的在线精细化分类需求。燃煤电厂退役设备中含有大量高价值合金耐热钢(如p91含有约9%的cr和1%的mo),但由于缺乏有效的在线材料识别手段,往往与普通碳钢混杂作为普通废钢回收,造成严重经济损失。在现有技术cn108114909b一种基于libs系统的废金属智能拣选设备及方法中公开了基于libs技术的再生金属分类系统,但libs技术在检测重元素(如cr、mo)时精度受限,而传统的xrf技术又难以准确检测轻元素(如c)。目前尚无有效方案将两者结合用于电厂耐热钢的在线分类。

6、第三,缺乏从宏观拆解规划到微观材料分级的全流程闭环系统。现有的拆除工程与废钢回收分属两个独立环节,导致拆解过程中产生的大量高价值材料无法在源头得到有效分类。迫切需要一种将数字孪生拆解规划与多模态光谱分级回收深度耦合的智能系统。

7、第四,拆解效率低下且环境污染大。人工气割作业效率低,一台600mw机组锅炉的传统拆解周期通常需要6—12个月。气割过程会产生大量含金属氧化物的有害烟尘,对周边环境及操作人员健康造成严重影响。

8、所以需要开发一种能够实现安全高效拆解、并能对不同材质的高价值金属进行精准分级回收的新型智能系统。本发明并非现有技术的简单物理拼接,而是通过建立数字孪生与物理拆解之间的应力反馈闭环,以及libs与xrf双模态光谱的深度融合,实现了跨系统的智能协同,从根本上解决了单一技术无法克服的安全性与精准性难题。

技术实现思路

1、为了解决上述现有技术中存在的问题,本发明提出了一种火电厂机组智能拆解与关键材料分级回收方法及系统。

2、本发明的技术方案如下:

3、一方面,本发明提出一种火电厂机组智能拆解与关键材料分级回收方法,具体步骤包括:

4、利用三维扫描获取燃煤电厂退役机组实体的三维点云数据,结合bim模型构建数字孪生模型;

5、在数字孪生模型中,利用强化学习算法进行大量虚拟拆解仿真,自动生成防止坍塌的最优拆解顺序与三维切割路径指令;

6、智能机器人接收三维切割路径指令并进行现场位姿校准,对燃煤电厂退役机组进行自动分块切割为金属部件。同时,通过应力监测传感器实时采集实际应力数据,反馈至数字孪生模型以动态修正后续切割路径,形成应力反馈闭环;

7、将分割拆除下的金属部件破碎为物理金属碎料,并利用磁选和风选装置剔除附着的杂质;

8、利用激光诱导击穿光谱检测探头和x射线荧光光谱检测探头同步采集同一块物理金属碎料的光谱信号,采用基于双分支卷积神经网络的特征融合算法对物理金属碎料的光谱信号进行分拆,结合电厂耐热钢光谱特征数据库,判断物理金属碎料的材质牌号;

9、根据物理金属碎料的材质牌号控制物理分拣执行机构的机械动作,将物理金属碎料分拣至对应的分类回收料仓中。

10、作为优选实施方式,所述强化学习算法以最小化拆解过程中的最大应力集中系数和整体失稳风险为优化目标,并为每一步拆解操作设定结构应力安全预警阈值。

11、作为优选实施方式,所述采用基于双分支卷积神经网络的特征融合算法对物理金属碎料的光谱信号进行分拆,结合电厂耐热钢光谱特征数据库,判断物理金属碎料的材质牌号步骤中,若物理金属碎料的材质牌号的置信度低于预设阈值,则将该物理金属碎料分流至待复检料仓进行二次确认。

12、作为优选实施方式,所述电厂耐热钢光谱特征数据库包括15crmog、12cr1movg、p91、p92、tp347h、super304h、q235、q345钢种的标准光谱指纹。

13、作为优选实施方式,所述分类回收料仓至少包括普通碳钢回收仓、低合金耐热钢回收仓、高合金马氏体耐热钢回收仓、奥氏体不锈钢回收仓以及有色金属回收仓。

14、作为优选实施方式,所述物理分拣执行机构为高速气流喷嘴阵列,其响应时间不超过20毫秒。

15、作为优选实施方式,所述智能机器人包括自由度重载机械臂、移动底盘、双目视觉传感器、末端快换切割执行器和应力监测传感器。

16、作为优选实施方式,所述末端快换切割执行器至少包括等离子切割头和高压水射流切割头。

17、作为优选实施方式,所述激光诱导击穿光谱检测探头与x射线荧光光谱检测探头的光路焦点通过机械调节对准于同一物理检测区域,或通过碎料在输送带上的运动速度计算时间差进行延时触发,确保采集同一区域的光谱信号。

18、另一方面,本发明提出一种退役机组智能拆解与关键材料分级回收系统,包括:

19、数字孪生拆解规划模块,利用三维扫描获取燃煤电厂退役机组实体的三维点云数据,结合bim模型构建数字孪生模型;在数字孪生模型中,利用强化学习算法进行大量虚拟拆解仿真,自动生成防止坍塌的最优拆解顺序与三维切割路径指令;

20、智能机器人柔性拆解模块,智能机器人接收三维切割路径指令并进行现场位姿校准,对燃煤电厂退役机组进行自动分块切割为金属部件。同时,通过应力监测传感器实时采集实际应力数据,反馈至数字孪生模型以动态修正后续切割路径,形成应力反馈闭环;

21、金属碎料预处理模块,将分割拆除下的金属部件破碎为物理金属碎料,并利用磁选和风选装置剔除附着的杂质;

22、关键材料在线光谱识别模块,利用激光诱导击穿光谱检测探头和x射线荧光光谱检测探头同步采集同一块物理金属碎料的光谱信号,采用基于双分支卷积神经网络的特征融合算法对物理金属碎料的光谱信号进行分拆,结合电厂耐热钢光谱特征数据库,判断物理金属碎料的材质牌号;

23、材料智能分级与回收模块,根据物理金属碎料的材质牌号控制物理分拣执行机构的机械动作,将物理金属碎料分拣至对应的分类回收料仓中。

24、本发明具有如下有益效果:

25、1、本发明首次将数字孪生技术与深度强化学习算法引入燃煤电厂超大型复杂设备的拆解路径规划中。通过在数字孪生模型中进行大量虚拟拆解仿真迭代,系统能够自动生成避免结构失稳和坍塌的最优拆解顺序,并为每一步操作设定安全预警阈值。与传统依赖经验的人工规划相比,本发明能够将拆解过程中的结构失稳风险降低至可控范围内,从根本上保障了施工安全,显著提升拆解安全性与科学性。

26、2、本发明创新性地采用了libs与xrf双模态光谱融合检测技术。libs技术对碳等轻元素具有良好的检测灵敏度,弥补了xrf技术在轻元素检测方面的固有不足;xrf技术则对cr、mo、v、nb等关键合金元素具有高精度定量能力。两者通过深度神经网络进行多模态特征融合后,能够在50毫秒内精准识别15crmog、p91、tp347h等电厂特有耐热钢的材质牌号,彻底解决了传统拆解中高价值合金钢与普通碳钢混杂贬值的行业痛点,可使退役设备的材料回收经济价值提升数倍,实现高价值耐热钢材料的精细化回收。

27、3、本发明构建了从宏观数字拆解规划到中观机器人柔性切割再到微观材料光谱分级回收的全链条闭环系统,大幅降低了人工高空作业强度和有害烟尘暴露风险,预计可将拆解周期缩短40%—60%,实现了退役能源装备的绿色、高效、智能化循环利用,实现了全流程自动化与环保高效。