文档介绍：中国工程热物理学会传热传质学
学术会议论文编号: 123174
基于水质监测的换热器结垢、
腐蚀预测模型
曹生现基金项目:国家自然科学基金项目(50806010);吉林省科技发展计划项目();吉林省教育厅项目(吉教科合字[2010]第77号)
,李思博1,刘学冰2,徐秀国2,张素燕2
(1东北电力大学,吉林,吉林市,132012;2山东华聚能源股份有限公司,山东,邹城市,273500)
Tel:0432-4806483,**********;Email:csxlb_jl@
摘要:为预防水冷凝汽器结垢、腐蚀,本文基于某电厂实际工况,通过循环冷却水水质智能在线监控系统监测的换热污垢特性参数和多个水质参数,利用范数灰色关联法,对于影响循环冷却水系统中换热器污垢、腐蚀的问题因素,进行了关联分析。以获得主要的影响因素作为在线预测模型的输入量,利用基于粒子群算法(pso)的小波神经网络(wnn)建立了换热器污垢热阻、腐蚀速率的在线预测模型。同时,由模型计算的污垢热阻、腐蚀速率预测值与实际监测值进行了误差分析,验证了预测模型的准确性。
关键词:污垢热阻;腐蚀速率;水质参数;范数灰色关联;预测模型
0 前言
在循环冷却水系统中,循环冷却水处理,最重要的是解决换热设备的结垢和腐蚀问题。换热器结垢影响换热效率,增加能源消耗,腐蚀会降低设备使用寿命,并存在安全隐患[1,2]。因此,如何及时预测并针对问题采取合理的处理对策,对于延长设备的检修周期,节能降耗,提高经济效益具有重要意义。为此对换热器的污垢热阻和腐蚀速率进行预测研究已成为工作者普遍感兴趣的理论课题,一些理论分析和预测模型便应运而生。
Prieto等[3]提出用一种非全连的前向神经网络来预测海水冷却的电厂冷凝器性能的方法。樊绍胜等[4]提出一种基于灰色理论和多模型组合的冷凝器污垢预测方法,用于预测冷凝器周期性结垢现象。王雷等[5]提出采用支持向量回归时间序列建立了凝汽器清洁系数时间序列预测模型。侯迪波等[6]提出了一种基于模糊神经网络(FNN)的周期性结垢预测方法。Pisigan和Singley[7]建立的预测碳钢腐蚀速度的预测模型。刘武[8]等应用灰色GM(1,1)模型对管道腐蚀速率经行了预测。王海涛[9]等采用人工神经网络技术建立基于各环境因素大气中碳钢腐蚀预测模型。这些成果对换热器结垢、腐蚀预测研究具有一定的理论基础,但换热器结垢与腐蚀是相互影响,尤其是结垢与腐蚀相伴生长产生所谓协同作用,因此单一对结垢和腐蚀进行预测研究在实际应用中有一定的局限性。
本文基于循环冷却水水质智能在线监控系统对某电厂循环冷却水系统换热器污垢特性参数和水质参数的在线监测,利用范数灰色关联法进行关联分析,基于粒子群算法的小波神经网络建立了换热器污垢热阻和腐蚀速率的在线预测模型。
1 预测模型
循环冷却水系统换热器的结垢、腐蚀的形成机理是极其复杂的物理化学作用过程,既独立又彼此相互影响,两者与水质参数、温度、水的流动状态及换热器材料等因素密切相关。目前,我国绝大本分电厂的循环冷却水的系统采取敞开式,水质再冷却是通过冷却塔来进行的,其在循环过程中要与空气接触,部分水在通过冷却塔时还会不断被蒸发损失掉,因而水中各种矿物质和离子含量也不断被浓缩增高,同时给细菌藻类的迅速繁殖创造了条件[10