石墨列管式换热器
u型管式换热器
换热器的设计
换热器厂家
新闻动态
换热设备污垢监测及预测研究进展点击：1630 日期：[ 2014-04-26 22:42:55 ] |
| 作者：陈晓文 张早校 陈二锋 摘 要 重点阐述了近年来国内外学者对换热设备污垢预测和监测的研究工作,并提出了污垢预测和监测研究的新方向。同时,也对污垢机理做了概述,对污垢典型模型做了总结。 关键词 换热设备 污垢 机理 进展 污垢监测 换热设备污垢是指流体中的组分或杂质在与之相接触的换热表面上逐渐积聚起来的一层固态物质[1]。它广泛存在于化工、动力及制冷等工程技术领域的各种换热设备中。尽管结垢经过多年的研究己取得了不少进展,但是在大多数工程实际中,污垢问题仍然是一个难题。根据Stein hangen[2]对新西兰1100家企业的3000台各种类型的换热器的调查表明,90%以上的换热设备都存在着不同程度上的污垢问题。综观当今工业界,结垢造成的浪费和损失是很严重的,据美、英和新西兰的调查,换热设备污垢给工业发达国家所造成的损失平均占国民生产总值的0.3%。如果按照这个比例计算,中国2003年的国民生产总值是1.4万亿美元,则污垢给我国带来的损失就高达42亿美元。对我国这样的发展中国家,由于许多换热设备相对比较落后,环境污染对冷却介质的污染严重,污垢造成的实际损失可能更高些。因此,对换热设备结垢问题的研究是十分必要的。 1 污垢机理概述 1.1 污垢的分类 从结垢机制的角度[3],液侧污垢可分为如下6类:析晶污垢、微粒污垢、化学反应污垢、腐蚀污垢、生物污垢以及凝固污垢。需要指出的是,通常的污垢形成过程,可能是几种污垢机理同时作用的结果,如析晶污垢和腐蚀污垢就常常是混合而共存于同一换热面的,并且换热壁面上往往同时生成几种污垢且相互影响。因此,针对每一基本结垢类型,弄清其机理过程对防止结垢是十分重要的。 1.2 污垢的形成过程 污垢的形成过程是质量交换、热量交换和动量交换的动态综合,是多种十分复杂过程的同时作用,因而影响这一过程的因素很多,如流体性质、壁温、流体与壁面的温度梯度、流体流速以及壁面状况等。这些因素不同,形成的污垢特性也各不相同。但是所有各类污垢的形成一般都要经历以下5个阶段[1]: a.起始阶段。污垢形成的起始阶段也称诱导期或延迟时间,这是指从换热面与污染流体接触起到形成可观测到的污垢的一段时间。诱导期内污垢的引发机制目前还不完全清楚,只知道它和表面相关的各参数有很大关系。 b.输运阶段。输运过程是污垢形成过程中各阶段中研究得最为充分的一个过程。目前已被确认为输运机制的有布朗扩散或分子扩散、湍流扩散、化学反应率支配的输运、惯性碰撞、热泳和扩散泳。 c.附着阶段。实验研究发现,流体中的颗粒物质,只有在其重力可以忽略不计时,也就是说其粒径在lμm以下时才会附着于换热面而形成污垢。当污垢的一种成分通过输运而到达壁面附近时,只有当它真正附着于换热面上,污垢才算形成。因此,附着过程是整个污垢形成过程中的重要环节,它是尾随着输运而发生的。 d.老化阶段。污垢沉积的老化,从它在换热面上一开始形成时就开始了。老化具体表现为晶体结构的变化、热应力的发展以及污垢与换热面界面处发生的溶解过程等现象。 e.剥蚀阶段。剥蚀是指沉积在换热面上的污垢重新脱离换热面或污垢层被流动流体带走的过程。对剥蚀过程机制的研究,和其它过程特别是输运相比,还很不充分,目前还没有完全弄清楚。但观察表明,污垢物质脱离表面的形态基本上有3种:离子、颗粒和大块。按照污垢物质脱离的这些形态,研究者们提出了相应的3种剥蚀机制:溶解、磨蚀和剥落。虽然污垢的形成过程各不相同,但都是在清洁换热面与不洁净流体接触后才出现的,并且主要有两个作用相反过程的共同效应:一是污秽物质会沉积到换热面上而增加热阻;二是已存在的污垢物质被流体冲击而剥离,使污垢热阻减小。实际观察到的污垢热阻随时间的变化都是这两个现象叠加的结果。 2 典型的污垢预测模型 各类污垢的形成虽有共同的方面,但却有各自的特色,而且某些过程的机制也不清楚,因而目前还难以进行严格的理论分析以提出一个普遍的、精确表征污垢特性的理论模型。面对污垢研究的现状和换热设备设计、运行的实际需要,一些简化的、可以估计污垢对换热设备性能影响的实用方法便应运而生。这些方法多是在一些简化前提下,根据污垢形成过程中起主要作用的物理和化学因素的分析,结合一些实测数据而提出的。目前的预测模型都是以下述简化假定为基础的: a.各类污垢都是独立存在的,因而有可能只针对一类污垢分析其特性; b.污垢沉积层诸特性参数在各个方向上都是相同的,即是各向同性的,且均匀分布; c.污垢表面粗糙度的影响可以忽略; d.流体物理性质在污垢形成过程中的变化可以略去; e.换热面的初始状态可以不考虑。虽然,目前的模型已有多种,但几乎所有的研究者都是以Kern和Seanton提出的下述微分方程为基础进行研究的,所不同的只是通过对结垢过程的分析,建立用不同参数表示的沉积率和剥蚀率的具体表达式。 一些研究人员在不同的实验条件下得出一些典型沉积率模型和剥蚀率模型。文献[3]已将这些模型详细列于表中。针对不同的结垢过程,将 md和 mr的表达式代入式(1),就可以得到结垢速率表达式。 3 国内外污垢模型及监测预测研究新进展 污垢研究在20世纪80年代以后,基本上是沿着3个方向向前发展的。首先是对污垢的形成过程进行理论分析和实验研究[4～6];其次是污垢监测技术的开发研究[7,8];三是污垢的对策研究[9～12]。鉴于污垢的形成是在影响因素很多,动量、能量和质量传递同时存在的多相流动过程中进行的,在很多情况下还涉及到化学动力学、胶体化学、统计力学乃至表面化学等的理论知识,是一个多科学交叉的复杂问题,这势必给研究工作带来了很大困难。 近些年来,国内外的研究者开拓思维,又提出了一些新的研究污垢问题的方法。下面在这里做一些简单介绍。 3 1 国外研究新进展 AfganNH和CarvalhoMG[13]在换热器换热效率理论的基础上,提出了一种对象 属性 值结构,具有因果关系的换热器污垢评估知识库专家系统。该专家系统中对象即换热器;属性为传热有效度,冷热流体流量和冷热流体侧污垢;值为根据属性值得出的当前污垢状态并预测将来污垢发展情况的集合。这种专家系统可以为换热器冗余面积设计,结构过程控制,去垢效果评估和换热器安全评估提供参考。 SylvainLalot和StephaneLecoeucle[14]提出了一种耦合的神经网络来监测污垢热阻。分析过程分为两步:第1步为在线识别,第2步为分类。其中每一步都要用一个神经网络,并且第1个网络的连接权值是第2个网络的输入。在在线识别的过程中运用了一个多输入单输出(MISO)神经网络,并用神经网络输出差模型(NNOE)确定网络结构。在分类的过程中采用了具有无监督、自组织学习能力的改进CDL神经网络对可能出现的17种情况划分,即正常工况,4个结垢阶段,4个流体粘度改变情况以及8种结垢和粘度改变的组合情况。这种神经网络不仅可以根据输入参数确定当前换热器结垢情况,还可以分辨出总传热系数降低是由于污垢引起的还是由于粘性作用引起的。 PrietoMM等[15]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(即换热量Q、总传热系数U和洁净系数Fc)的方法。洁净系数是结垢状态的总传热系数与清洁状态总传热系数之比,因此可以通过监测洁净系数来监测冷凝器中污垢发展情况。研究表明,用这种网络预测的换热量Q的均方误差很小,对总传热系数U和洁净系数Fc预测的均方误差分别为17%和8%。这些误差相对于其他原因引起的误差水平是可以接受的,因此这种网络应用在冷凝器热性能评估中是可行的。KhanMS[16,17]等根据实验数据提出了以AI SI316不锈钢为材料的套管式逆流换热器为研究对象,以时间、管内径、管子表面温度和雷诺数为参数的CaCO3无量纲回归污垢热阻模型。通过对实验数据和模型预测数据的残差分析确定了在实验参数的范围内(Re=900～1700,Ts=338.15～358.15K,D=0.0064～0.0127m)该模型的高度可靠性。此外,还发现在实验范围内管表面温度、雷诺数和管内径对CaCO3结垢诱导期无影响。但微溶CaCO3的浓度以及管子粗糙度对诱导期有显著影响。 Zubair等[18,19]和Sheikh等[20]从新的视角来研究污垢问题,分析了污垢热阻随时间的变化规律,这种关系可归纳为线性、幂律、降率和渐近污垢增长。并引入概率方法,分析污垢增长模型。这使得污垢研究从纯理论向工业应用迈出了一大步。Zubair等[21]还进一步简化了上述关系,导出了它的4种关系的通用表达式。并分析了风险系数p和分散参数α对管壳式换热器性能的影响。 3.2 国内研究新进展 国内研究者对污垢研究的兴趣主要集中在除垢、抗垢以及污垢监测方法的实用性研究,对污垢结垢机理和模型的研究则较少。美国传热研究所(HTRI)是最早进行污垢监测研究的机构,其后也有一些研究者开发了污垢监测设备。对于这些设备文献[1]曾做过全面细致的评述。其中多以模拟换热器污垢特性代替真实设备的结垢情况,且在线的装置不多,其中不用模拟换热器的代表为杨善让等开发的在线污垢热阻智能监测器[22]。后来,杨善让等[23]在污垢热阻智能监测器的基础上,开发了动态模拟实际换热器冷却水的流态、水质、金属材质、换热强度、冷却水进出口温度等主要参数的在线自动监测装置,并用该装置对多种型号的电磁式水处理器的实时阻垢率进行了评价。结果表明该装置具有很高的实用性。该监测技术应用了一定的假设和传热学经验公式,难免引入一定的监测误差。孙灵芳[24]为考察其监测模型的不确定性,应用时间序列分析法对监测装置在某工况下所得污垢热阻数据的分析、建模和检验,从而论证了该监测技术的精确性。 此外,杨善让等人在污垢的形成机理和污垢的预测模型方面也作了较多工作。如对波纹管的污垢特性的研究[25],通过对波纹管和光管进行结垢对比试验表明,在试验范围内,相同的流速下,光管的污垢热阻是波纹管污垢热阻的3～6倍,即波纹管的抑垢能力比光管强。对管式换热器内微粒污垢积聚特性的研究[26],通过实验表明积灰随时间呈现渐近特性,并且没有发现诱导期。同时也考察了流体速度、颗粒直径和浓度对渐近污垢热阻的影响。杨善让等还用概率方法导出具有初始污垢热阻的污垢预测模型,并用实验验证了该模型的可用性[27,28]。 吴双应等[29]从热力学第二定律的角度出发,在恒壁温工况下分析了污垢对管内对流换热过程热力学性能的影响;提出了反映污垢对管内对流换热过程热力学性能影响的指标———单位热量的熵增率。该指标可以更加全面、综合地反映污垢对换热传热性能的影响。 最近,程伟良等[30]提出了一种基于质量传递理论的监测模型,通过对管内壁温、出入口压差、流体温度及浓度的测量,进而计算出流体流动生成的总污垢量。侯迪波等[31]针对间歇换热设备的周期性结垢现象提出了一种基于模糊神经网络的周期性结垢预测方法。把间歇换热设备的周期性结垢分解为可逆垢和不可逆垢,通过两个多入单出四层模糊神经网络分别学习结垢的短周期可逆垢和长周期不可逆垢增长趋势,并由两者的组合得到更为精确的污垢热阻预测值。 从污垢模型研究的新进展可以看出,对于污垢问题的研究方法已趋向于多元化,近年来,应用神经网络、模糊技术和概率统计的方法对污垢进行监测和预测成为研究的一个新方向。值得一提的是,神经网络具有强大的非线性系统辨识能力以及很强的自组织、自学习能力,用在污垢模型的研究和污垢预测工作中是相当适合的。但不适用于污垢机理的研究工作中。 4 结束语 综上所述,污垢研究经过几十年的努力,特别是近十多年来各国科学工作者和工程技术人员的共同努力,对污垢形成的基本物理/化学过程有了进一步的理解,对一些运行参数(如流体速度、温度和浓度等)对污垢进程影响的认识,积累了许多有关污垢的资料和实验数据。但在今后相当长的一段时间内,污垢研究的任务仍然是相当艰巨的。如进一步探索污垢的形成机制;进一步弄清楚污垢形成过程中换热设备的结构参数、运行参数等的影响;揭示污垢形成过程中的所谓诱导期的本质及其影响因素;研究污垢随时间增长特性的可靠预测方法以及经济有效的防垢、抑垢和除垢对策等。总之,关于污垢的理论还很不完善,对污垢的继续研究工作在工业生产中节能、环保和安全等方面都具有很重要的现实意义。 |
| 上一篇：二氧化碳输送过程的优化 | 下一篇：压力容器制造中几个常见问题述评(一) |