最新冷凝器污垢的智能预测方法研究.pdf

摘要 冷凝器电力、化工、机械等行业的大型换热设备，是火力发电厂的主要辅助 设备之一，它在汽轮机装置的热力循环中起冷源的作用。因此，冷凝器工作性能 的好坏对整个汽轮机运行过程中的经济性以及安全性会产生直接的影响。然而， 冷凝器一旦投入运行，冷凝管的内部总会产生一些对运行有害的污垢。为了解决 这方面的问题并为清洗提供理论依据，近年来不少国内外学者提出了预测污垢的 新技术。本文以冷凝器内的结垢为研究对象，主要研究了冷凝器污垢的软测量建 模和预测方法： 论文首先对冷凝器污垢产生的原因及污垢是怎样影响冷凝器工作效率的情况 做了一定的阐述，指出了对冷凝器污垢预测的重要意义，介绍了冷凝器的工作原 理以及污垢预测的研究现状。 其次，根据冷凝器污垢的形成机理、分类以及形成的各个阶段，对冷凝器污 垢预测模型给出了详细的说明。然后，将污垢分解为软垢和硬垢两部分，而软垢 又分阶段进行预测，硬垢则由数理统计模型得到，最后叠加得到总的污垢系数值。 常规的污垢测量方法虽然应用广泛，但从经济性与准确性的角度上来说，都有各 自的弊端。针对该问题，本文设计了一种基于K均值算法及切比雪夫神经网络的在 线污垢预测方法。传统的切比雪夫神经网络是动态的单输入单输出模型，为适应 冷凝器污垢受多种工况参数影响的情况，本文对算法进行了改进，用多输入单输 出模型取而代之。在冷凝器污垢系数的预测过程中，污垢系数受工况突变或大扰 动的影响很大，为保持污垢预测的连续性，对采样进来的数据进行了预处理，在 预先设定的门槛值的限定下，预测值能够在预设精度范围内与实际值逼近一致。 灰色模型与人工神经网络各具特点，本文在最后介绍了一种以灰色模型为主，以 人工神经网络为辅的灰色神经网络的污垢预测方法。仿真对比结果表明，灰色神 经网络预测模型在不同工况下预测精度比其它常规预测模型在短期预测中的精确 度要高。 最后，将各算法用MATLAB进行仿真，以检测算法的有效性和可行性。结果 表明算法是有效且可行的。 关键词：冷凝器；污垢预测；切比雪夫神经网络；K-means算法；智能测量；灰色 模型； ABSTRACT Condensera transfer inthe large auxiliaryequipment andotherfields essentialinthermal forits machinery playsan part powerplants sourceforthe inthe steamturbine． thecold thermodynamiccycle large providing ofitsworkhasdirectinfluenceonthe and Therefore，the economy performance is theentiresteamturbine thecondenser in operationprocess．However,once security willbesome insidethe willdoharm fouling condenser,which putinto。operation，there tothe ofcondensers．Inrecent scholarsfromhomeandbroad operation