基於DSP晶片TMS320F240實現大型換熱設備汙髒的在線監測系統的設計

基於DSP晶片TMS320F240實現大型換熱設備汙髒的在線監測系統的設計

王小華 , 樊紹勝 發表於 2020-11-11 11:02:51

凝汽器是火力發電廠的大型換熱設備，其作用是將汽輪機做功後的低溫蒸汽凝結為水，以提高熱力循環的效率｡圖1為表面式凝汽器的結構示意圖｡

凝汽器運行時，冷卻水從前水室的下半部分進來，通過冷卻水管（換熱管）進入後水室，向上折轉，再經上半部分冷卻水管流向前水室，最後排出｡低溫蒸汽則由進汽口進來，經過冷卻水管之間的縫隙往下流動，向管壁放熱後凝結為水｡在此工作過程中，由於冷卻水質的不潔淨，致使銅管內壁積聚了一些不利於傳熱的固態混合物（稱之為汙垢）｡汙垢的存在降低了換熱面的傳熱能力，從而降低了汽輪機效率.因此必須對其進行清洗｡如何定量地測定凝汽器的汙髒程度，以便為凝汽器的合理清洗提供依據，是許多學者都在探討的問題｡歸納起來，已提出的方法大致有以下幾種：

（1）通過測量汙垢熱阻來判斷凝汽器汙髒程度｡

（2）通過測量凝汽器出口､入口水室之間的水流阻力來判斷凝汽器汙髒程度｡

（3）通過計算傳熱係數來判斷凝汽器汙髒程度｡

熱阻法能較準確地測定凝汽器的汙髒程度，但需在換熱管上埋設鎧裝熱偶以檢測管壁溫度，凝汽器換熱管數量眾多，在工程上較難實現;水流阻力可反映汙垢的數量，但不能體現出汙垢的導熱性質，用該方法確定凝汽器汙髒程度顯然不夠準確;傳熱係數體現了凝汽器的換熱性能，但目前計算傳熱係數均採用傳統的經驗公式，而且未考慮蒸汽中不凝結氣體（空氣）對傳熱效果的影響？因而當凝汽器變工況運行時，存在較大誤差｡

傳熱端差是反映凝汽器熱交換狀況的重要性能指標，與傳熱係數相比，該參數容易測量，能夠連續觀察其變化而積累數據，因而本文選用它來體現凝汽器的汙髒狀態｡但傳熱端差除了主要取決於換熱面的汙髒程度外，還與凝汽器的工況參數如蒸汽流量､冷卻水量等密切相關，因此，如何從眾多參數中分離出換熱面汙髒對端差的影響，成為準確測定凝汽器汙髒程度的關鍵｡

1 測量原理 傳熱端差定義為：

δt=ts-tWO （1）

式中，δt--凝汽器的傳熱端差

ts--凝汽器壓力所對應的飽和蒸汽溫度

tWO--冷卻水出口溫度

分析換熱過程可知，當冷凝器的冷卻面積一定時，δt可表示為：

δt=f（Dc，Dw，c，ε，twi） ？ （2）

式中？Dc--蒸汽流量

Dw--冷卻水流量

c--凝汽器的汙髒係數

ε--蒸汽中不凝結氣體（空氣）的含量

twi--冷卻水入口溫度

設凝汽器被徹底清洗後，在某一給定的蒸汽流量Dc､冷卻水流量Dw､冷卻水入口溫度twi､空氣含量ε下測得的端差為δtd（δtd可看作清潔狀態下該工況對應的端差），改變工況並運行一段時間後測得的端差為δtf，顯然，δtd與δtf之間的差值Δδ既有因換熱面汙髒引起的，也有因工況參數變化而引起的，可表示為：

Δδ=Δδc+Δδg？ （3）

式中？Δδc--換熱面汙髒引起的端差變化，稱之為汙垢端差

Δδg--變工況引起的端差變化，稱之為變工況端差

定義汙髒係數為：

（4）

由上式可看出，要確定c，需求出Δδg｡由於Δδg=f（ΔDs，ΔDw，Δtwi，Δε，）描述的是一非常複雜的傳熱過程，其精確數學模型很難獲取，為此本文根據輸入､輸出測量數據，採用神經網絡建立變工況端差模型，實現了凝汽器汙髒程度的準確測量｡

2 神經網絡建模

變工況端差Δδg=f（ΔDs，ΔDw，Δtwi，Δε，）可由三層前饋神經網絡來逼近，如圖2所示｡

選擇Sigmoid函數作為隱層神經元的激勵函數：？

（5）

式中？a=1.716

b=2/3

以凝汽器在清潔狀態下不同工況的試驗數據作為訓練數據，採用BP算法訓練神經網絡｡學習的目標函數為：？

E=？di-yi ？ （6）

式中？n--樣本個數

yi--模型輸出

di--期望輸出

神經網絡的權值修正採用最速梯度下降法｡神經網絡訓練好後即可投入應用｡根據由神經網絡求得的變工況端差及（4）式，即可計算出汙髒係數｡

3 儀器結構

3.1 硬體設計

在線監測儀以DSP為核心，實時採集各有關參數，計算出汙髒係數並作動態顯示｡其硬體結構如圖3所示｡

圖中，tp為汽氣混合物在測量處的溫度;p為汽氣混合物在測量溫度處的壓力｡空氣含量由如下方法求得：

在凝汽器抽氣設備的出口處測量汽水混合物的壓力，並同時測出汽水混合物的溫度，則汽水混合物中的空氣含量由下式得出：

ε= （7）

其中，ps--汽氣混合物出口溫度所對應的水蒸氣飽和壓力，可通過查表求得｡

DSP選用TMS320F240，其結構為1）32位CPU;（2）554字的雙口RAM，16K字的FLASH EEPROM;（3）兩個10位的A/D轉換器;（4）串行通訊接口｡該晶片通過串行通訊接口可與控制室主機交換數據｡

3.2 軟體設計

軟體設計採用模塊化結構，主要包括1）數據採集､處理模塊;（2）神經網絡計算模塊;（3）顯示模塊;（4）通信模塊｡

4 試驗結果

4.1神經網絡模型的獲取

現場試驗在湘潭電廠N-3500-2型凝汽器上進行｡

在保持凝汽器清潔的情況下？以Dc=135t/h､Dw=9400t/h､twi=15℃､ε=0.015%作為設定工況，獲取凝汽器在不同工況下的試驗數據來訓練神經網絡｡表1為在凝汽器清潔時部分工況下神經網絡的輸出與實測數據的比較結果｡從比較的結果可以看出，神經網絡輸出與實測端差基本一致，表明基於神經網絡的建模方法能夠獲得具有較高精度的變工況端差模型｡

4.2 汙髒程度的在線監測

神經網絡模型確定後，即可進行在線監測｡為了驗證該方法的準確性，在凝汽器的不同位置埋設了16隻鎧裝熱偶，以便與熱阻法進行比較｡試驗分為兩個部分：

（1）將凝汽器徹底清洗，測取清洗後24小時內的汙髒係數變化｡

（2）重新投運清洗裝置，測取清洗時的汙髒係數變化｡

試驗結果如表2､表3所示｡其中，表2 為停運清洗裝置後，冷凝器的汙髒係數變化情況;表3為重新投運清洗裝置後，冷凝器的汙髒係數變化情況｡Dw=9400t/h及ε=0.015% 在試驗過程中保持不變｡清潔狀態時，在設定工況下測得的端差為δtd=6.1℃｡

從表2､表3可以看出 由本文介紹的方法求得的汙髒係數與熱阻法基本一致 而且汙髒係數的變化趨勢符合凝汽器換熱管汙垢的積聚與清洗特性，表明用該方法求得的汙髒係數是可信的｡

本文針對現有監測凝汽器換熱管汙髒程度方法的不足，提出了一種在線監測汙髒程度的新方法｡根據此方法研製了在線監測儀，並進行了現場試驗，試驗結果證明該儀器能準確地在線監測凝汽器汙髒｡由於測量儀所需的許多信號（如蒸汽流量､冷卻水入口溫度等）在現場已具備，可直接或以通信方式引入，因此測量儀成本低､安裝簡便，具有良好的應用前景｡本監測儀同樣適用於其它行業的大型換熱設備｡

責任編輯：gt

打開APP閱讀更多精彩內容

聲明：本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人，不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用，如有內容圖片侵權或者其他問題，請聯繫本站作侵刪。 侵權投訴