换热器清洗
气体换热器
列管式换热器
新闻动态
板式换热器冷却水污垢热阻预测的偏最小二乘回归法点击：2088 日期：[ 2014-04-26 21:14:37 ] |
| 板式换热器冷却水污垢热阻预测的偏最小二乘回归法 徐志明1,文孝强2,郑娇丽1,郭进生1,黄 兴1 (1·东北电力大学能源与动力工程学院,吉林省吉林市132012;2·华北电力大学能源与动力工程学院,北京102206) 摘要:搭建板式换热器冷却水污垢热阻实验台,测得不同时间、流速和温度下天然循环冷却水(松花江水)中铁离子、氯离子、细菌总数、pH值、溶解氧、浊度、电导率等水质参数,随机取一组实验的水质参数作为输入变量,建立换热器冷却水污垢热阻预测的偏最小二乘回归模型,对板式换热器的污垢热阻进行预测。整个实验过程中,热水进口温度为43·5~44·5℃,冷却水进口温度为21·5~22·5℃,流速为0·104 m·s-1,当温度和流速发生变化时,则重新采取数据。经过计算,确立本模型应提取4个潜变量,由此建立了板式换热器冷却水污垢热阻预测模型。预测结果和实验结果最大相对误差在5·11%以内。结果表明偏最小二乘回归算法的污垢模型预测精度高,所建预测模型是合理可行的。 关键词:板式换热器;污垢热阻;偏最小二乘回归;预测 DOI: 10·3969/j·issn·0438-1157·2011·06·008 中图分类号: TP 274 文献标志码: A文章编号: 0438-1157 (2011) 06-1531-06 引 言 90%以上的换热设备存在着不同程度的结垢问题,污垢的存在使换热设备的传热能力降低,介质流动阻力增大,造成经济损失[1]。数据表明:污垢造成的损失约占工业总产值的0·3%[1]。水冷器设计的不确定度,不计污垢影响一般可控制在20%以内[2],计入污垢影响则可达100%甚至更大[1]。根据冷却水水质参数在一定的条件下预测冷却水系统的结垢情况,对防止或抑制污垢生长,改进和优化冷却水系统,水处理技术及污垢清洗技术具有极大的意义。但水冷器污垢的形成是一个很复杂的物理、化学和生物过程,受很多因素的影响。这些因素大致可分为3类:①水质参数;②壁面材料、加工方式;③流速、水温等运行参数。但是,由于这些参数都随时空的变化而变化,造成理论分析预测污垢特性极为困难。 目前预测冷却水系统污垢的模型主要有:多模型组合、T-S模型、神经网络、支持向量机、偏最小二乘回归等。文献[3]充分考虑影响污垢形成的各因素,将灰色理论引入污垢预测,在较短时间内确定污垢热阻的变化趋势,并能适应冷凝器工况参数的动态变化,比常规渐近模型的预测精度更好。樊绍胜等[4-5]用T-S模型和多模型组合预测冷凝器污垢:文献[4]将污垢分解为软垢和硬垢两部分,并分别采用T-S模糊模型描述软垢和硬垢的增长趋势,进而通过二者的结合获得了较为精确的污垢预测,与渐近污垢模型及改进的渐近污垢模型相比,该方法可以有效地预测冷凝器周期性结垢现象,在冷凝器工况参数变化时也适用;文献[5]以冷却水流速、冷凝器压力所对应的排气温度、冷却水入口温度、冷却水浊度、预测时域为输入变量,以胶球清洗周期内的污垢热阻预测值为输出变量,采用经验模型、自适应指数平滑模型、灰色模型、T-S模糊模型等多种模型预测污垢的增长,并通过遗传算法对模型参数、各模型输出之间的组合系数进行自适应滚动优化调整,对文中样本预测的相对误差在4%以内,该方法短期污垢预测效果好,中长期污垢预测精度较高。柴海棣等[6]以实验装置中的3处壁温、污管的出入口温度、污管中流体的流速和污管热阻为输入,建立基于径向基神经网络的污垢预测模型,对筛选出的160组数据进行预测。与BP网络相比,该网络预测污垢热阻的收敛速度和仿真精度都优于BP网络。彭珍等[7]选择循环水出口温度、循环水进口温度、下游壁温、循环水流速作为特征量输入,利用3层前馈网络对实验得到的100个训练样本进行训练。20组换热管污垢热阻的实测值与预测值的比较结果表明:采用训练后的RBF神经网络模型对污垢热阻进行预测,预测值与实测值基本吻合,误差较小。徐志明等[8]搭建了污垢实验系统以测得管壁温度和出、入口温度等参数,并将这些参数作为模型的输入变量,以污垢热阻值作为模型的输出变量,利用最小二乘支持向量回归机搭建污垢预测模型,利用历时70 h的130组数据样本,预测光管的污垢特性,最大预测(泛化)误差小于8·5%,在掌握了现场参数的变化规律之后,经过简单的修改或调整,该模型能很好地适应工况参数的动态变化,且预测误差很小。赵波等[9]基于污垢形成机制的初步认识,定性分析了硬度(钙、镁离子)、碱度、pH值、溶解氧、浊度、铁离子浓度等水质因素对污垢形成的影响,将其和时间作为输入变量,污垢热阻作为输出变量,建立基于支持向量机的冷却水污垢热阻预测模型,并以另一运行周期数据检验模型预测精度以及实验系统的不确定度,平均误差为8·874%。张莹等[10]以某电厂300MW机组配套冷凝器作为研究对象,其型号为N-17000-1,冷却面积为17000m2,冷却水量为35307 t·h-1,铜管根数为18800根。以80个胶球清洗周期不同工况下的1462组数据作为研究样本,提出了基于局部加权偏最小二乘回归算法的污垢预测算法。该模型在已测量的污垢数据局部模型内对新测数据进行偏最小二乘回归分析,模型参数、各模型之间加权系数的自适应优化调整方法是自适应算法,适应冷凝器水质及工况参数的动态变化情况。结果表明与渐近式模型、神经网络相比局部加权偏最小二乘回归学习算法的污垢模型有更好的预测精度,与热阻法相近。Kern等[11]首先提出污垢热阻随时间的变化是沉积率与剥蚀率之差这一结垢模型,将污垢热阻随时间的变化关系归纳为线性污垢模型、幂律污垢模型、降律污垢模型、渐近污垢增长模型,而且已有基于上述方法制成的仪器仪表,对污垢清洗具有重要的指导作用[12]。 偏最小二乘回归算法可以实现多因变量对自变量的回归建模,涵盖自变量系统信息的同时最好地解释因变量,解决了自变量间多重相关性情况下的建模问题,适合小样本容量的回归建模,可以有效排除系统噪声干扰。本文通过冷却水系统流动及换热过程动态模拟实验系统测得松花江水中铁离子、氯离子、细菌总数、pH值、溶解氧、浊度、电导率、细菌总数、碱度、硬度等水质参数,并以此作为模型的输入参数,建立了基于偏最小二乘回归的板式换热器冷却水水质结垢预测模型。 1·偏最小二乘回归思想 假设有q个因变量{y1,…,yq},p个自变量{x1,…,xp},为了研究因变量和自变量之间的回归关系,在观测了n个样本点后,构成自变量与因变量的观测矩阵X=[x1,…,xp]n×p和Y=[y1,…,yq]n×q。偏最小二乘回归分析分别从X和Y中提取成分t1和u1,其中t1是x1,…,xp的线性组合,u1是y1,…,yq的线性组合,而且为了回归分析的需要t1、u1满足下列两个要求: (1)t1和u1应尽可能大地携带它们各自数据表中的变异信息; (2)t1和u1的相关程度能够达到最大值。此要求表明t1和u1不仅应尽可能好地代表矩阵X和Y,而且t1应对u1有最强的解释能力。成分被提取后,要分别实行X对t1及Y对u1的偏最小二乘回归,然后依据交叉有效性原则确定提取成分的个数。 2·基于偏最小二乘回归的板式换热器污垢特性预测 2·1训练样本及测试样本的获得 板式换热器污垢热阻动态模拟实验系统和原理见文献[13],所选板式换热器的尺寸参数见表1。 天然松花江水中不仅含有铁离子、氯离子、细菌、溶解氧,而且具有一定的pH值、碱度、硬度和浊度、电导率等。冷却水系统结垢形成过程(起始—输运—附着—剥蚀)都受到这些水质参数影响。所以本文利用上述实验不同时间、流速、温度下天然循环冷却水(松花江水)中铁离子、氯离子、细菌总数、pH值、溶解氧、浊度、电导率等水质参数。本实验每个工况持续进行6 d左右,每隔0·01 h或0·02 h记录一次污垢热阻值。选择三组中任意一组不同时间下的8653组数据中的20组(表2)作为模型的训练(前15组)和检测样本(后5组),对板式换热器热阻进行预测。热水进口温度为43·5~44·5℃,冷却水进口温度为21·5~22·5℃,流速为0·104 m·s-1,当温度和流速发生变化时,则需要重新采取数据。 2·2 板式换热器污垢的预测结果 根据偏最小二乘回归建模步骤,以松花江水中铁离子、氯离子、细菌总数、pH值、溶解氧、浊度、电导率、细菌总数、碱度、硬度为自变量,以污垢热阻为因变量,建立了板式换热器污垢预测的偏最小二乘回归模型,模型建立过程如下。 (3)计算第k个解释潜变量t(k)(表3)。 (4)计算潜变量因子P(k)、Q(k)(表4)。Q1=1, Q2=0·8494, Q3=0·3095, Q4=-0·3467。 (5)计算第k+1步残差矩阵E(k+1)、F(k+1)。 式中yi为第i个样本点真实值;如果PRESSk-PRESSk-1<ε(ε为预设精度),则转入步骤(8);否则返回步骤(2)继续迭代。但实际工作中,也可根据PRESSk和拟合误差平方和的变化趋势人为指定提取潜变量的个数;由图1可知PRESS4=0·1261最小,所以确定提取潜变量个数k=4。 (7)建立PLS回归方程。若迭代在第k+1处停止,则PLS回归方程为： 根据以上步骤得到各步相应关于标准化后的PLS回归方程依次为: ①提取第一个成分t1 ②提取第一个成分t2 ③提取第一个成分t3 ④提取第一个成分t4 (8)通过逆标准变换把式(8)转换为关于原始变量的PLS回归方程 2·3 结果分析 基于偏最小二乘回归的板式换热器冷却水污垢预测值和预测误差如表5和图2所示。 最大相对误差和平均相对误差分别为5·11%、2·2%,污垢的增长趋势虽然有一定波动,但与实验和实际基本吻合。水质参数对污垢的形成有很大的影响。由式(9)和定性分析可知,硬度对污垢形成的影响最大,因为反映硬度的盐类会发生化学反应,生成沉积在换热器表面上形成污垢的沉淀;冷却水的碱度越大,能与强酸发生中和反应的碳酸根离子含量就越高,在换热器表面沉积污垢层的能力就越强;pH值和碱度在冷却水中属于同一系列,它和碱度对结垢的影响相同,即加快结晶核的生成速率,使换热器表面结垢后的传热系数加速降低;溶解氧腐蚀碳钢会增加冷却水中的Fe2+、Fe3+和OH-含量,促使Fe(OH)3沉淀的生成, Fe2+能与磷酸根离子结合生成黏着性很强的磷酸亚铁,而且是冷却水中铁细菌的营养源。另外电导率、氯离子、微生物等对污垢的形成都有不同程度的影响。 3·结 论 (1) PLS回归算法对板式换热器热阻有很好预测能力,为以后在已知水质条件下设计冷却水系统,提前预知污垢特性提供了一种新方法。 (2)本文利用实验测量的水质参数建立的PLS回归板式换热器冷却水污垢热阻模型,总样本的相对平均误差为2·2%,最大相对误差为5·11%。 (3)改变换热器和实验工况后,本模型仍适用,但是水质参数要重新测量。 参考文献：略 |
| 上一篇：板式空冷凝汽器在汽轮机乏汽冷凝系统中的应用 | 下一篇：新型平板热管换热器热回收效率特性实验研究 |