冷凝器污垢的软测量建模与优化控制方法研究

本项目旨在研究基于沉积-剥蚀结垢机理的冷凝器污垢软测量建模与优化控制新方法，解决生产现场污垢难以实时精确测控的难题，提高冷凝器的运行效率。主要研究内容为：围绕沉积-剥蚀结垢机理，研究综合结垢阶段在线识别，分阶段、分类型、分过程混合智能建模，模型优化等技术的污垢软测量建模方法，构建结构紧凑、精度高、鲁棒性强的污垢在线测量模型；以污垢软测量建模为基础，研究变工况抑垢、阻垢剂抑垢、化学清洗除垢的冷凝器污垢联合控制方案，建立阻垢速率模型并研究多目标约束优化算法，求取结垢速率最小的最优运行工况组合，并确定阻垢剂的最优投入时机和最优投入量，到达高效抑垢目的；研究清洗液浓度的在线滚动优化与鲁棒优化控制相结合的污垢清洗控制方法，使得既能快速除垢，又能使换热管的腐蚀降至最小。.项目研究成果将为冷凝器的高效、安全运行提供理论依据，对促进我国电力、化工等行业节能降耗、提高经济效益具有重要意义，应用前景广阔。

本项目旨在研究基于沉积-剥蚀结垢机理的冷凝器污垢软测量建模与优化控制新方法，解决生产现场污垢难以实时精确测控的难题，提高冷凝器的运行效率。项目提出了一种机理建模与智能建模相结合的混合建模方法，分阶段、分类型、分过程建立微粒污垢、析晶污垢、微生物污垢的沉积率、剥蚀率模型，仿真与现场实验结果表明该方法能较准确地在线监测冷凝器污垢，并在冷凝器出现堵管或空气漏入量较大时，取得比热阻法、传热系数法更可靠的测量结果；提出了一种冷凝器污垢预测的新方法，该方法将污垢分解为软垢和硬垢两部分，并分别采用模糊阶段识别算法和切比雪夫神经网络神经描述其增长趋势，进而通过二者的组合实现较为精确的污垢预测，实验结果表明该方法能有效处理周期性结垢过程的残余污垢现象，并能适应冷凝器工况参数和冷却水质参数的动态变化，取得比常规模型更好的预测结果；提出了一种确定阻垢剂优化控制方法，该方法采用智能混合建模方法，建立阻垢剂投入量与结垢速率、冷凝器运行工况参数以及水质参数的数学模型并通过多目标差分进化算法，确定阻垢剂的最优投入量，与常规经验方法相比，该方法在提高阻垢效果的同时还能降低机组运行成本；提出了将清洗液浓度的在线优化与清洗液浓度的鲁棒优化控制相结合的化学清洗控制方法，即根据最优清洗液浓度控制清洗过程，根据清洗控制的效果实现清洗液浓度的滚动优化，二者有机结合，实现既能快速除垢，又能使换热管的腐蚀降至最小，实验结果证明了该方法的有效性。.本项目的研究成果解决了生产现场污垢难以实时精确测控的难题，为冷凝器的高效、安全运行提供了理论依据，对促进我国电力、化工等行业节能降耗、提高经济效益具有重要意义，应用前景广阔。