烟气换热器
陶瓷换热器
盘管式换热器
式换热器
新闻动态
管壳式换热器壳侧传热与阻力性能的实验研究与预测点击：1730 日期：[ 2014-04-26 22:21:47 ] |
| 管壳式换热器壳侧传热与阻力性能的实验研究与预测 谢公南 ，彭波涛 ，陈秋炀 ，王秋旺 ，罗来勤 ，黄彦平2 肖泽军2 (1．西安交通大学动力工程多相流国家重点实验室，陕西省西安市710049； 2．中国核动力研究设计院空泡物理和自然循环国家重点实验室，四川省成都市610041) 摘要：设计并建立了换热器传热与阻力的综合性能实验台，对1种弓形折流板换热器和2种连续螺旋折流板换热器壳侧基金项目：国防科技重点实验室基金项目(51482100204JW0801)国家教育部“新世纪优秀人才支持计划资助”项目(NCE％04．0938)。的传热及阻力性能进行了实验研究，实验介质管侧为水，壳侧为油；同时基于壳侧传热实验数据：应用遗传算法预测了换热器的总换热量。实验结果表明：在相同的壳侧流量下，螺旋折流板换热器的阻力要高于弓型折流板换热器，正进正出螺旋折流板换热器的阻力高于侧进侧出螺旋折流板换热器；螺旋折流板换热器的换热系数高于弓型折流板换热器，侧进侧出螺旋折流板换热器高于正进正出螺旋折流板换热器，而且流量越大这种优势越明显。预测结果表明通过遗传算法得到的传热关联式所得的换热量比采用线性回归所得的更加接近实验数据，表明遗传算法可应用于工程中换热设备性能的预测。 关键词：换热：压降；管壳式换热器；实验研究：连续螺旋 折流板：预测；遗传算法 0 引言 设计制造出一种高效能、低能耗、低成本的换热设备对于节约能源有着重要的意义。管壳式换热器广泛应用于化工、石油、电力及能源等工业领域，如进料换热器、蒸发器、冷凝器、再沸器、回热器。在管壳式换热器中壳侧常布置有折流板，使流体按特定的通道流动以改善其传热特性，弓型折流板换热器是使用最普遍的一种传统的管壳式换热器，它使壳侧流动成为弯曲的之字形流动，流体可以垂直冲刷管束，强化换热，但这种折流板的布置形式同时也带来了很多问题 之】。2O世纪6O年代，基于弓型折流板换热器结构，从改变折流板布置方式的角度，提出了螺旋折流板换热器的思想。目前螺旋折流板所采用的几乎都是不连续的近似螺旋曲面，与真实的螺旋曲面相去甚远，导致换热器壳侧流动偏离真实的螺旋流动甚远，从而影响换热器的换热与阻力性能，且由于近似的螺旋流动本身的复杂性，使得螺旋折流板换热器的流动换热机理很难被摸索出来。目前的研究多集中于非连续螺旋折流板换热器【3 ]，对连续螺旋折流板换热器的研究较少。 应用计算智能或软计算(soft computing)技术如遗传算法、人工神经网络、模糊逻辑等，在解决实际问题上受到了广泛的关注。这些技术起初是只应用到生物、计算机等学科，后来相继应用到如制造生产、运筹学、电力系统[6-7]等学科，近几年来应用到能源动力系统 。遗传算法是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化概率搜索算法，研究报道表明 ，遗传算法在各种领域中，对复杂系统的优化与预测都有广泛地应用，并得到了很好的研究结果。 因此，本文的主要工作是设计并建立了换热器传热与阻力的综合性能实验台，对3种带有不同折流板的管壳式换热器壳侧的传热及阻力性能进行实验研究，然后基于壳侧的换热数据，把遗传算法应用到管壳式换热器，对壳侧的换热性能进行预测。 1 实验系统及实验元件 1．1 传热与阻力性能实验系统 实验系统的简单示意图见图1(详见文献[121)。实验系统主要由3部分组成：油路循环系统、水路循环系统以及冷却塔回路系统，可以实现油水换热的实验功能。 (1)油路系统。油路系统包括油过滤系统和实验回路系统。导热油从油加热器经过膨胀箱，由油泵引出，经过过滤器回流至加热器，形成油路的过滤系统，导热油经油泵引出，通过涡轮流量计从上而下流过试验段(即换热器壳侧)，然后回流至油加热器，形成油路的实验回路系统。过滤系统与实验回路系统由阀门进行切换。在进油管上及油加热器的出口管上装有压力表，用来监测油路系统的压力变化。油加热器由一台64kW 大电流变压器直接通电加热，并由调压器调节加热功率。 (2)水路系统。冷水在水泵的作用下，由水箱流经涡轮流量计进入实验段(即换热器管侧)。在实验段的进口管和出口管处装有温度计套管，用热电偶来测量冷却水的进口、出口温度。然后，冷水流经出口至冷却回路换热器冷却，再流回至水箱，完成一个冷水循环。导热油及冷水的流量均通过管道电动阀门直接调节。 (3)冷却塔回路。冷水在水泵的作用下，由水箱流经冷却回路换热器的一侧，然后流经冷却塔冷却，再流回至水箱，完成一个冷却水循环。 1．2 实验元件 本实验所用换热器为1—2型换热器，即壳程数为1，管程数为2。换热器两端封头里加有隔板，构成了两管程的结构。本文分别对不同进出口的螺旋折流板换热器和弓形折流板换热器进行了对比实验研究。实验元件包括：弓型折流板换热器(如图)2(a)所示，简称换热器1)；连续螺旋折流板换热器，壳侧油正进正出(如图2(b)所示，简称换热器2)；连续螺旋折流板换热器，壳侧油侧进侧出(如图2(c)所示，简称换热器3)。本换热设备制造后，壳程、管程均以0．6MPa压力分别做水压试验。不同元件之间的几何参数见表1和表2。 1．3 实验数据处理 本次实验主要测量3个物理量，即流量、温度、压差。实验时将这3个物理量通过数采板采集到计算机后，实时进行运算，判断热平衡。若热平衡满足要求，则将多次采集到的数据保存后求取平均值，再输出到文件，然后用EXCEL软件进行后处理，计算出各种所需的参数。本文首先应用热平衡法求出换热器总的传热系数，再运用威尔逊热阻分离法将壳侧换热系数分离出来，同时利用换热器进出口压降计算阻力系数，并将壳侧换热系数及阻力系数整理为关于雷诺数的关系式，这样整理出来的结果具有更大的通用性。实验温差、流量和换热量的不确定度分别为1．8％、0．14％和1．8％。详细的后处理过程可参考文献[12]。 2 实验结果及讨论 为比较不同试件的阻力性能，壳程总压降随着壳侧油流量的变化如图3所示。从图3可以看出：相同的壳侧流量下，换热器1的壳程阻力稍小于换热器2和换热器3的壳程阻力。相同的壳侧流量下，换热器2的壳程压降稍大于换热器3的壳程压降。将实验结果以壳侧换热系数对壳侧油的流量作图(如图4所示)，以比较不同试件的传热性能。从图4中可以看出：相同的壳侧流量下，换热器1的壳侧换热系数小于换热器2和换热器3，流量越大越明显；相同的壳侧流量下，换热器2的换热系数稍小于换热器3的换热系数。连续螺旋折流板换热器中间带有堵塞的芯管，使得壳侧流通面积变小，因此在相同流量下，该类换热器的阻力要比弓型折流板换热器的阻力大。另一方面，连续螺旋折流板换热器不存在滞止死区，不存在流体与壁面的垂直撞击，而且流体在壳侧以比较均匀的流速沿螺旋通道包裹式的冲刷管束，有利于提高壳侧的换热，使得换热系数增大。侧进侧出结构不存在正进正出结构中流体垂直冲击中心管，更容易形成螺旋包裹式的流动，减小了阻力，提高了换热系数。更多的实验结果可参考文献[12】。 3 预测结果与讨论 为管壳式换热器的工业应用或进一步研究提供参考，常常将实验数据整理成无量纲形式： 式中Nu、Pr和尺 分别为努塞尔数、普朗特数和雷诺数。 通常对类似式(1)中系数的求取，采用回归分析、最优平方逼近法或直接导入后处理软件(如ORJG 、MATLAB等)进行拟合，虽然所得到的关联式能满足工程需求，但倘若数据点规律很复杂或数据变换后(对数、指数变换等)非线性映射很强烈， 采用上述方法求得关联式与实验数据有时会相差很远，找不到合适的规律来模拟实际规律。而且，工程上关注的是换热量而不是单纯的无量纲准则数，仅依据式(1)获得规律只是在一定误差范围内实验数据与关联式接近，而不是反映整个换热器的物理规律(换热量、压损等)。采用遗传算法搜索系数，可不受函数形式的限制， 自由定义复杂的非线性强烈的关联式形式(如多项式与对数混合、指数与对数混合等)，尽管这样会相对增加计算机的搜索时间。 遗传算法维持有一群个体组成的种群P(f)O代表遗传代数)，每个个体均代表问题的一个潜在解，每个个体都被评价优劣并得到适应值。经竞争选择后的个体要经历遗传操作：交叉(crossover)和变异(mutation)，由此产生新的个体，新个体称为后代c(o。从父代种群和子代种群选择优秀个体形成了新的种群。在若干代以后，算法收敛到一个最优个体，该个体很有可能代表这问题的最优或次优解u引。本文遗传算法程序采用二进制串编码。根据文献[12】拟合出来的系数，本文选择 ， 的搜索范围均为[-1，1】。常规的遗传算法是在空间组合范围内搜索求全局最大值，而且本文预测的目标是预测量与实验量的误差最小，所以构造下面的适应度函数： 式中：C定为一常数，取5000(大约为最大换热量的10％)；N为实验数据点(工况个数)；a 、 分别为实验所得的换热量和预测所得的换热量。可见达到全局最大适应度值就是达到全局最小误差，即是预测换热量的最佳值。换热量的计算过程如下：当式(1)系数确定后，求得壳侧换热系数，结合管内换热系数求得总传热系数，再根据由两侧进出口温度确定的对数温差求得总换热量。 本文遗传算法程序采用锦标赛(tournament)选择，均匀(uniform)交叉，单点(one—point)变异。同时采用基于小生环境(niche)下的共享技术，以及最优父代强制复制到下一代中去，详细资料可参见文献[11】。种群大小为20，最大遗传代数为100，交叉概率为0．5，变异概率为0．05。 图5为3种换热器预测总换热量与实验换热量的对比图，可见，采用遗传算法预测换热量比采用线性回归得到的换热量与实验换热量吻合得更好。为定量分析与比较预测结果，定义如下指标参数 该参数R是个重要的指标参数，它定量反映了预测结果与实验结果吻合程度，最理想的预测结果是使尺为1，若尺无限接近于1，表明预测结果更接近实验结果，预测效果越好，反之若 偏离1越远，表明预测结果偏离实验结果越远，预测效果越差。表3为3种换热器分别采用遗传算法与线性拟合预测换热量下 的对比。从表3可见，采用遗传算法获得关联式系数来预测换热量比采用线性回归获得关联式系数所得换热量更接近于实验换热量，即采用遗传算法来预测壳侧换热性能更能准确反映真实规律，从而显示出了遗传算法在搜索、预测方面的优越性。 在工程实际中，管壳式换热器壳侧流体的流动换热规律非常复杂，影响因素较多，处理实验数据时，如果采用通常由相似理论等方法得到的无量纲数如努塞尔数、斯坦顿数、．7因子等来回归实验数据，往往不能真实反映换热器的流动和换热规律，从而使拟合出来的经验关联式偏差较大。利用遗传算法具有良好的全局搜索、优化、预测能力，能够高精度地优化参数组合，将其应用于实验数据的整理，可大大提高拟合与预测的精度。 4 结论 (1)在相同的壳侧流量下螺旋折流板换热器壳侧的换热系数要高于弓型折流板换热器，而且螺旋折流板换热器换热系数高于正进正出螺旋折流板换热器。 (2)相同壳侧流量下，弓型折流板换热器的壳程压降稍小于螺旋折流板换热器的压降，螺旋正进正出结构的压降稍大于螺旋侧进侧出的压降。 (3)采用遗传算法预测的换热量比采用线性回归预测的换热量更加接近于实验结果，显示了遗传算法在工程应用中对换热设备进行性能预测方面的优越性。 |
| 上一篇：盐水冷凝器管束泄漏原因分析及改造措施 | 下一篇：乙烯装置规模化已成为全球发展趋势 |