预测板式换热器污垢热阻的新方法.pdfVIP

第34卷第 2期 东 北 电 力 大 学 学 报 V0l_34．No．2 2014年4月 JournalOfNortheastDianliUniversity Apr．，2014 文章编号：1005—2992(2014)02—0001—06 预测板式换热器污垢热阻的新方法 张仲彬 ，李 煜 ，郭进生 ，李兴灿 ，许 中)112，徐志明 (1．东北电力大学 能源与动力工程学院，吉林 吉林 132012；2．福建华电可门发电有限公司，福建 福卅I350500) 摘 要：通过动态监测板式换热器冷却水污垢热阻及影响污垢热阻的松花江水水质参数 (如 pH 值、溶解氧 、铁离子、氯离子、细菌总数、浊度 、电导率、化学需氧量、碱度和硬度等)变化。采用 BP神经 网络主成分分析、主成分回归 、全要素BP神经网络三种预测方法建立板式换热器污垢热阻预测模型，选 取 1—15号样本为训练或回归拟合样本 ，16—20号样本为测试样本，并将三种方法的预测结果进行了对 比。结果表明，三种方法均可对板式换热器污垢特性进行有效预测，而基于主成分分析的BP神经网络 方法的预测结果误差小，优于另外两种方法。 关 键 词：污垢热阻；预测；BP神经网络法 ；主成分分析 中图分类号：TK124 文献标识码 ：A 污垢 问题是一种典型的多学科交叉问题，很难清晰理解、准确把握其形成机制。20世纪90年代 以 来，科研人员提出了很多关于冷却水系统污垢预测的模型，目前该方面的模型主要有：灰色模型 ¨]、T—S 模型 、多模型组合 、神经网络 、偏最小二乘回归 等。但至今尚无一个统一、可信、适用的预测模 型 。 本文作者通过板式换热器冷却水系统流动及换热过程动态模拟实验平台测得松花江水中pH值、 电导率等十种水质参数和污垢热阻值，针对影响换热器污垢热阻的这些水质参数因素，以1—15号样本 为训练或 回归拟合样本，16—20号样本为测试样本，先后用 BP神经网络主成分分析、主成分 回归、全要 素BP神经网络三种预测方法建立了各 自的板式换热器污垢热阻预测模型，得到了不同的污垢热阻预 测结果，最后将BP神经网络主成分分析预测结果与主成分回归预测结果和全要素BP神经网络模拟预 测结果进行了对 比。 1 BP神经网络主成分分析法预测 1．1 主成分分析 主成分分析(PCA)是利用降维的思想，通过构造原始指标的适当线性组合，产生一系列互不相关 的综合性指标，从中选出少数几个综合指标，使其含有尽可能多的原始指标所含有的信息，用较少的指 标去解释原始资料中的大部分变异 。其执行步骤如下： 1．1．1 原始数据的标准化 实验系统及原理见文献[7]，由表 1实验数据可知，样本数据数m=2O，去除时间h这个影响因素 后，pH等每个水质参数样本中的指标数凡=10，依次记为 、 、…、。。为排除数量级和量纲不同带来 收稿 日期：2014-03-10 基金项 目：国家重点基础研究发展规划基金项 目(2007CB206904)；东北电力大学博士启动基金项 目(BSJXM-200916) 作者简介：张仲彬(1973-)，男，内蒙古 自治区通辽市人，东北电力大学能源与动力工程学院副教授，主要研究方向：强化传热及表面 材料的阻垢． 2 东北电力大学学报 第34卷 的影响，需对原始数据作标准化处理，使得每个指标的平均值为0，方差为 1。 标准化公式为： ： (i=1，2，…，20； =1，2，…，10) ， (1) ~／varxj 式中： 为第 i个样本的第 个指标的原始数据；和 分别为第 个指标原始数据的算术平均值和 标准差 。表 1中(时间除外)经标准化后的数据如表 2所列。 1．1．2 计算样本相关系数矩阵R R =() ()1o1o．