凝汽器污垢智能建模与优化控制方法-研究.pdfVIP

摘要 凝汽器是大型换热设备，广泛应用于电力、化工、冶金、机械等行业，是汽 轮机的重要组成部分，它使凝汽式汽轮机做功后排除的蒸汽凝结成水，形成并保 持所需要的真空，降低排汽压力和排汽温度，提高机组的循环热效率。凝汽器运 行时，洁净的换热表面和不洁净的冷却介质(一般为水)相接触，发生化学反应 等原因，形成污垢。污垢是热的不良导体，其导热系数只有铜的0．5％，所以污 垢在沉积表面积聚到一定厚度时，严重的肯定会较明显的降低凝汽器的热交换能 力，使排气温度升高，排气真空下降，进而导致汽轮机热效率下降，使得其运行 效益降低，我国是能耗大国，节能降耗一直是我国发展的主题，所以对凝汽器污 垢的研究非常有必要。 论文从影响污垢形成因素着手，通过污垢的沉积与剥蚀建立污垢模型，并对 改进的算法收敛性进行分析。由于凝汽器污垢结垢的周期性和结垢过程的动态 性，采用Elman神经网络对其建模，但标准的Elman神经网络对复杂的系统辨识 度降低，因此将其进行改进；针对算法应用在神经网络存在的收敛慢的问题，将 粒子群优化算法和遗传算法进行结合，得到改进的算法，用其来训练神经网络。 仿真结果表示，该方法能够很好预测污垢，和其它算法进行比较，提高了神经网 络的收敛性和训练速度。 在对凝汽器污垢进行预测建模后，为了更好的控制污垢，必须对其清洗参数 进行优化控制。在确定好化学清洗周期的数学模型后，采用最速下降法对其模型 进行求解，得到最佳清洗周期，从而得到最佳清洗时间和间隔；确定好清洗周期 后，控制化学清洗的主要参数达到除垢的目的，为了维持清洗液浓度的动态稳定 性，利用模型预测控制，并用改进型Elman神经网络进行建模，自适应算法进行 ． 网络参数的训练，对于目标函数的优化，文章采用改进的粒子群优化算法。 为了验证提出算法的有效性，用MATLAB分别进行仿真，其结果表明其算法 是有效、可行的。 关键词：凝汽器污垢；智能建模；粒子群优化遗传算法；改进型E11／1811神经网络； 预测控制； ABSTRACT heat usedinthe akindof power, Thecondenseris exchanger，widely large．scale andother makestheturbineor industries，it chemical，metallurgy,machinery into the ofthesteamcondenses workaftertheexclusion water,reducing compressor wateris not steam andexhaust cooling always exhaustpressure temperature．Because reactionandother the OCCurachemical reasons，then clean．heat will exchange