工业机理建模、多维智能感知、融合决策引擎——三层相互印证，而不是依赖单一指标。
管卫 TubeGuard 是南京唐博科技开发的锅炉受热面泄漏预警系统，基于电厂现有 DCS 壁温数据，无需加装传感器，可对过热器、再热器的磨损减薄、高温腐蚀、氧化皮堵塞等渐进性劣化进行早期识别，在泄漏发生前数日至数周发出分级预警，覆盖 60-75% 的受热面泄漏类型。
← 返回管卫 TubeGuard 产品主页管卫 TubeGuard 采用多层融合智能检测架构。三层各自独立给出证据，再由决策层综合判定——这也是它能在不承诺具体误报率的前提下，做到有效抑制误报的原因。
从锅炉受热面的传热与工质流动机理出发，刻画各测点在不同工况下应有的温度分布规律。机理层保证了判定的物理可解释性——每一个结论都能追溯到具体的物理过程，而不是纯统计相关。
在机理基准之上，从大量壁温测点的时间序列中识别偏离常态的模式——包括单点的持续单向偏离、相邻测点之间关系的变化，以及长期趋势的转折。多个维度同时观察，避免单一指标的偶然性。
综合前两层的证据给出分级判定，并附上支撑该判定的测点与依据。多层融合决策，有效抑制误报——只有多条线索同时指向同一部位时才会升级预警等级。
这是整套方法能否在真实机组上成立的关键。机组负荷变化时，受热面壁温本来就会整体升降；深度调峰工况下，这种波动更加频繁剧烈。如果用固定阈值判断，要么频繁误报、要么被迫把阈值放宽到失去意义。
系统的做法是先识别当前处于哪一类工况，建立该工况下壁温应有的水平，再看实测值相对这一水平的偏离。负荷带来的整体变化会被一并纳入基准，而个别测点持续、单向的偏离则会显现出来——这才是劣化的特征。
管卫 TubeGuard 不替代法定的定期检验，而是其延伸与增强。
系统输出为劣化趋势的统计判定，供运行决策参考。具体的验证方式见验证案例。
核心是对电厂现有的 DCS 数据分析——从锅炉受热面壁温数据中把渐进性劣化的趋势提取出来。做法分三层：先用工业机理建模刻画受热面在不同工况下应有的温度分布规律；再通过多维智能感知从大量测点中识别偏离常态的模式；最后由融合决策引擎综合多层证据给出分级判定。三层相互印证，而不是依赖单一指标，因此能在抑制误报的同时保留早期信号。
靠工况自适应。机组负荷变化时，受热面壁温本来就会整体上升或下降，若用固定阈值判断必然误报。系统的做法是先识别当前工况，建立该工况下壁温应有的水平，再看实测值相对这一水平的系统性偏离——负荷带来的整体变化会被一并纳入基准，而个别测点持续、单向的偏离则会显现出来，这才是劣化的特征。
