凝汽器是火力发电厂的大型换热设备，其作用是将汽轮机做功后的低温蒸汽凝结为水，以提高热力循环的效率。图１为表面式凝汽器的结构示意图。
凝汽器运行时，冷却水从前水室的下半部分进来，通过冷却水管（换热管）进入后水室，向上折转，再经上半部分冷却水管流向前水室，最后排出。低温蒸汽则由进汽口进来，经过冷却水管之间的缝隙往下流动，向管壁放热后凝结为水。在此工作过程中，由于冷却水质的不洁净，致使铜管内壁积聚了一些不利于传热的固态混合物（称之为污垢）。污垢的存在降低了换热面的传热能力，从而降低了汽轮机效率因此必须对其进行清洗。如何定量地测定凝汽器的污脏程度，以便为凝汽器的合理清洗提供依据，是许多学者都在探讨的问题。归纳起来，已提出的方法大致有以下几种：
(１)通过测量污垢热阻来判断凝汽器污脏程度。
(２)通过测量凝汽器出口、入口水室之间的水流阻力来判断凝汽器污脏程度。
(３)通过计算传热系数来判断凝汽器污脏程度。
热阻法能较准确地测定凝汽器的污脏程度，但需在换热管上埋设铠装热偶以检测管壁温度，凝汽器换热管数量众多，在工程上较难实现；水流阻力可反映污垢的数量，但不能体现出污垢的导热性质，用该方法确定凝汽器污脏程度显然不够准确；传热系数体现了凝汽器的换热性能，但目前计算传热系数均采用传统的经验公式，而且未考虑蒸汽中不凝结气体(空气)对传热效果的影响因而当凝汽器变工况运行时，存在较大误差。
传热端差是反映凝汽器热交换状况的重要性能指标，与传热系数相比，该参数容易测量，能够连续观察其变化而积累数据，因而本文选用它来体现凝汽器的污脏状态。但传热端差除了主要取决于换热面的污脏程度外，还与凝汽器的工况参数如蒸汽流量、冷却水量等密切相关，因此，如何从众多参数中分离出换热面污脏对端差的影响，成为准确测定凝汽器污脏程度的关键。
１ 测量原理 传热端差定义为：
δt＝ｔs－ｔwo (１)
式中，δt--凝汽器的传热端差
ｔs--凝汽器压力所对应的饱和蒸汽温度
ｔwo--冷却水出口温度
分析换热过程可知，当冷凝器的冷却面积一定时，δt可表示为：
δt＝ｆ（ｄc，ｄw，ｃ，ε，ｔwi） (２)
式中ｄc--蒸汽流量
ｄw--冷却水流量
ｃ--凝汽器的污脏系数
ε--蒸汽中不凝结气体（空气）的含量
ｔwi--冷却水入口温度
设凝汽器被彻底清洗后，在某一给定的蒸汽流量ｄc、冷却水流量ｄw、冷却水入口温度ｔwi、空气含量ε下测得的端差为δtd（δtd可看作清洁状态下该工况对应的端差），改变工况并运行一段时间后测得的端差为δtf，显然，δtd与δtf之间的差值δδ既有因换热面污脏引起的，也有因工况参数变化而引起的，可表示为：
δδ＝δδc＋δδg (３)
式中δδc--换热面污脏引起的端差变化，称之为污垢端差
δδg--变工况引起的端差变化，称之为变工况端差
定义污脏系数为：
（４）
由上式可看出，要确定ｃ，需求出δδg。由于δδg＝ｆ（δｄs，δｄw，δｔwi，δε，）描述的是一非常复杂的传热过程，其精确数学模型很难获取，为此本文根据输入、输出测量数据，采用神经网络建立变工况端差模型，实现了凝汽器污脏程度的准确测量。
２ 神经网络建模
变工况端差δδg＝ｆ（δｄs，δｄw，δｔwi，δε，）可由三层前馈神经网络来逼近，如图２所示。
选择ｓｉｇｍｏｉｄ函数作为隐层神经元的激励函数：
(５)
式中ａ＝１．７１６
ｂ＝２／３
以凝汽器在清洁状态下不同工况的试验数据作为训练数据，采用ｂｐ算法训练神经网络。学习的目标函数为：
ｅ＝ｄｉ－ｙｉ (６)
式中ｎ--样本个数
ｙi--模型输出
ｄi--期望输出
神经网络的权值修正采用最速梯度下降法。神经网络训练好后即可投入应用。根据由神经网络求得的变工况端差及（４）式，即可计算出污脏系数。
３ 仪器结构
３．１ 硬件设计
在线监测仪以ｄｓｐ为核心，实时采集各有关参数，计算
凝汽器是火力发电厂的大型换热设备，其作用是将汽轮机做功后的低温蒸汽凝结为水，以提高热力循环的效率。图１为表面式凝汽器的结构示意图。
凝汽器运行时，冷却水从前水室的下半部分进来，通过冷却水管（换热管）进入后水室，向上折转，再经上半部分冷却水管流向前水室，最后排出。低温蒸汽则由进汽口进来，经过冷却水管之间的缝隙往下流动，向管壁放热后凝结为水。在此工作过程中，由于冷却水质的不洁净，致使铜管内壁积聚了一些不利于传热的固态混合物（称之为污垢）。污垢的存在降低了换热面的传热能力，从而降低了汽轮机效率因此必须对其进行清洗。如何定量地测定凝汽器的污脏程度，以便为凝汽器的合理清洗提供依据，是许多学者都在探讨的问题。归纳起来，已提出的方法大致有以下几种：
(１)通过测量污垢热阻来判断凝汽器污脏程度。
(２)通过测量凝汽器出口、入口水室之间的水流阻力来判断凝汽器污脏程度。
(３)通过计算传热系数来判断凝汽器污脏程度。
热阻法能较准确地测定凝汽器的污脏程度，但需在换热管上埋设铠装热偶以检测管壁温度，凝汽器换热管数量众多，在工程上较难实现；水流阻力可反映污垢的数量，但不能体现出污垢的导热性质，用该方法确定凝汽器污脏程度显然不够准确；传热系数体现了凝汽器的换热性能，但目前计算传热系数均采用传统的经验公式，而且未考虑蒸汽中不凝结气体(空气)对传热效果的影响因而当凝汽器变工况运行时，存在较大误差。
传热端差是反映凝汽器热交换状况的重要性能指标，与传热系数相比，该参数容易测量，能够连续观察其变化而积累数据，因而本文选用它来体现凝汽器的污脏状态。但传热端差除了主要取决于换热面的污脏程度外，还与凝汽器的工况参数如蒸汽流量、冷却水量等密切相关，因此，如何从众多参数中分离出换热面污脏对端差的影响，成为准确测定凝汽器污脏程度的关键。
１ 测量原理 传热端差定义为：
δt＝ｔs－ｔwo (１)
式中，δt--凝汽器的传热端差
ｔs--凝汽器压力所对应的饱和蒸汽温度
ｔwo--冷却水出口温度
分析换热过程可知，当冷凝器的冷却面积一定时，δt可表示为：
δt＝ｆ（ｄc，ｄw，ｃ，ε，ｔwi） (２)
式中ｄc--蒸汽流量
ｄw--冷却水流量
ｃ--凝汽器的污脏系数
ε--蒸汽中不凝结气体（空气）的含量
ｔwi--冷却水入口温度
设凝汽器被彻底清洗后，在某一给定的蒸汽流量ｄc、冷却水流量ｄw、冷却水入口温度ｔwi、空气含量ε下测得的端差为δtd（δtd可看作清洁状态下该工况对应的端差），改变工况并运行一段时间后测得的端差为δtf，显然，δtd与δtf之间的差值δδ既有因换热面污脏引起的，也有因工况参数变化而引起的，可表示为：
δδ＝δδc＋δδg (３)
式中δδc--换热面污脏引起的端差变化，称之为污垢端差
δδg--变工况引起的端差变化，称之为变工况端差
定义污脏系数为：
（４）
由上式可看出，要确定ｃ，需求出δδg。由于δδg＝ｆ（δｄs，δｄw，δｔwi，δε，）描述的是一非常复杂的传热过程，其精确数学模型很难获取，为此本文根据输入、输出测量数据，采用神经网络建立变工况端差模型，实现了凝汽器污脏程度的准确测量。
２ 神经网络建模
变工况端差δδg＝ｆ（δｄs，δｄw，δｔwi，δε，）可由三层前馈神经网络来逼近，如图２所示。
选择ｓｉｇｍｏｉｄ函数作为隐层神经元的激励函数：
(５)
式中ａ＝１．７１６
ｂ＝２／３
以凝汽器在清洁状态下不同工况的试验数据作为训练数据，采用ｂｐ算法训练神经网络。学习的目标函数为：
ｅ＝ｄｉ－ｙｉ (６)
式中ｎ--样本个数
ｙi--模型输出
ｄi--期望输出
神经网络的权值修正采用最速梯度下降法。神经网络训练好后即可投入应用。根据由神经网络求得的变工况端差及（４）式，即可计算出污脏系数。
３ 仪器结构
３．１ 硬件设计
在线监测仪以ｄｓｐ为核心，实时采集各有关参数，计算
 热门点击
推荐技术资料
| | 
公网安备44030402000607
