循环冷却水系统腐蚀预测研究

发布时间：2017-07-16 20:16

  本文关键词：循环冷却水系统腐蚀预测研究

  更多相关文章： 循环冷却水系统 腐蚀预测 加权灰关联分析 神经网络 遗传算法

【摘要】：随着冷却水的循环利用给国民经济带来的益处,循环冷却水系统越来越多的被应用在石化企业中。系统中的冷却水不断循环利用,并且受到一些其他因素影响如补充水水质、工艺条件和外界空气中杂质的引入等,冷却水水质逐渐恶化,容易造成循环冷却水系统发生水质故障,导致系统换热设备传热效率降低,使用寿命缩短。其中腐蚀是危害比较大的一种故障,严重时可能导致设备腐蚀穿孔进而发生物料泄漏,甚至有可能造成停产,造成巨大的经济损失和水资源浪费,危害人们的生活环境。目前常用的腐蚀速率检测手段不能实现全面监测,而且操作不便,无法对可能发生的腐蚀做出判断。因此,对循环冷却水系统的腐蚀趋势进行准确判断即进行腐蚀预测显得尤为重要。腐蚀预测研究工作作为循环冷却水系统完整性研究的重要部分,对腐蚀的高危险区域的判定和预防腐蚀措施的采取具有重要的指导意义。循环冷却水系统的腐蚀预测问题涉及因素众多,具有复杂的非线性特征,目前很难找到一种适合循环冷却水系统实际运行状况的精确的数学计算模型作为预测腐蚀速率的方法。论文针对预测参数选取仅依靠生产经验而导致预测结果不可靠的问题,提出应用加权灰关联分析法对循环冷却水系统腐蚀预测参数进行选取,有效的改善了腐蚀预测研究参数选取没有科学理论依据的问题,为石油化工领域等流程工业同类课题的研究与应用提供了参考,具有重要的可借鉴价值。针对应用BP神经建立循环冷却水系统腐蚀预测模型预测精度低的问题,引入遗传算法对预测模型进行优化,将两种方法进行对比研究。论文主要通过以下几个方面进行研究:(1)调研国内外水质腐蚀预测研究现状,分析腐蚀预测的研究方法与进展,为循环冷却水系统腐蚀预测方法的研究提供理论基础。(2)总结归纳循环冷却水系统的基础知识,包括循环冷却水系统的构成、循环冷却水系统常见故障、循环冷却水系统腐蚀故障的主要因素等。以某石化企业为背景,了解该石化企业数据来源以及循环冷却水系统工艺流程、运行参数、参数控制指标等。(3)应用加权灰关联分析法结合该企业炼油东循、烯烃一循循环冷却水系统的数据分析各影响因素对循环冷却水系统腐蚀速率的影响大小顺序,并用炼油三循的数据来验证。该方法的提出有效的改善了循环冷却水系统腐蚀预测研究参数选取没有科学理论依据的问题,对腐蚀预测精度的提高具有重要意义。(4)利用神经网络在处理复杂非线性系统中的优势,应用BP神经网络和遗传算法优化BP神经网络对该企业循环冷却水系统腐蚀速率进行预测,并将两者进行对比研究。(5)总结论文的内容与不足,对下一步需要研究的工作进行展望。
【关键词】：循环冷却水系统 腐蚀预测 加权灰关联分析 神经网络 遗传算法
【学位授予单位】：天津理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TQ050.9
【目录】：

• 摘要5-6
• Abstract6-10
• 第一章 绪论10-15
• 1.1 研究背景及意义10-12
• 1.1.1 水资源现状10-11
• 1.1.2 腐蚀产生的危害11
• 1.1.3 研究意义11-12
• 1.2 国内外研究现状12-13
• 1.3 论文研究的主要内容13-15
• 第二章 循环冷却水系统腐蚀预测研究基础15-22
• 2.1 循环冷却水系统15-19
• 2.1.1 循环冷却水系统分类15-16
• 2.1.2 循环冷却水系统概况16-18
• 2.1.3 循环冷却水系统数据来源18-19
• 2.2 循环冷却水系统常见故障分析19-21
• 2.3 本章小结21-22
• 第三章 循环冷却水系统腐蚀预测参数选取22-34
• 3.1 腐蚀预测参数选取的必要性22
• 3.2 应用灰色关联分析法进行腐蚀预测参数选取的可行性分析22-23
• 3.3 灰色关联度模型23-26
• 3.3.1 常用关联度模型23-25
• 3.3.2 加权灰关联分析模型25-26
• 3.4 加权灰关联分析法用于腐蚀预测参数的选取26-32
• 3.5 腐蚀预测参数选取结果及分析32-33
• 3.6 本章小结33-34
• 第四章 基于遗传算法优化BP神经网络的循环冷却水系统腐蚀预测34-57
• 4.1 基于BP神经网络的循环冷却水系统腐蚀预测34-47
• 4.1.1 应用BP神经网络预测循环冷却水系统腐蚀速率的可行性分析及意义34
• 4.1.2 BP神经网络基础知识34-35
• 4.1.3 BP神经网络缺点及改进方法35-37
• 4.1.4 基于BP神经网络的循环冷却水系统腐蚀速率预测模型实现37-47
• 4.2 基于GA-BP神经网络的循环冷却水系统腐蚀预测47-54
• 4.2.1 应用遗传算法优化BP神经网络的可行性分析及意义47
• 4.2.2 遗传算法基本原理及优点47
• 4.2.3 遗传算法主要步骤47-50
• 4.2.4 遗传算法优化BP神经网络实现50-54
• 4.3 BP神经网络和GA-BP神经网络预测效果对比54-56
• 4.4 本章小结56-57
• 第五章 总结与展望57-59
• 5.1 论文主要工作总结57-58
• 5.2 进一步工作展望58-59
• 参考文献59-62
• 发表论文和科研情况说明62-63
• 致谢63-64

【相似文献】

中国期刊全文数据库 前10条

1 张月梅;张翔华;;航天炉装置循环冷却水系统的改造[J];化肥工业;2012年04期

2 白忻平,王志峰,金剑萍;循环冷却水系统结垢量的计算[J];化学清洗;2000年02期

3 ;《敞开式循环冷却水系统的化学处理》一书已出版发行[J];工业用水与废水;2001年04期

4 于万波,蒋彬,魏美娜;循环冷却水系统节水试验及改造方案[J];工业水处理;2002年03期

5 李玉智,杨天平,王社虎,米凯斌;循环冷却水系统停车前的化学剥离清洗[J];煤化工;2002年02期

6 徐小连,李怀义,徐承明,高英斌,徐伟军,王红;重粉尘环境敞开循环冷却水系统水稳剂的研制[J];腐蚀科学与防护技术;2002年06期

7 宫志超;李瑞鹏;;循环冷却水系统补充水量分析[J];济南纺织化纤科技;2002年01期

8 张曙光,雷武,杨骐,夏明珠,王风云;循环冷却水系统成垢过程软件预测[J];计算机与应用化学;2003年06期

9 林敏,吴敏;合成循环冷却水系统存在的问题及处理[J];中氮肥;2003年06期

10 车海燕,徐章法;敞开式循环冷却水系统中的微生物及其控制[J];上海化工;2005年06期

中国重要会议论文全文数据库 前10条

1 范纪涛;贺中爱;刘训峰;;电厂循环冷却水系统油污染高效处理实验研究[A];2011年全国冶金安全环保学术交流会论文集[C];2011年

2 刘政修;;城市再生水在循环冷却水系统的应用[A];全国火电100-200MW级机组技术协作会2008年年会论文集（上册）[C];2008年

3 黄兴德;于萍;罗运柏;;模糊聚类应用于循环冷却水系统的水质诊断模式[A];’2001全国工业用水与废水处理技术交流会论文集暨水处理技术汇编[C];2001年

4 周泳;段建峰;刘荣;高健翎;;钢铁企业循环冷却水系统节能技术探讨[A];2012年全国冶金安全环保暨能效优化学术交流会论文集[C];2012年

5 陈焱;;生物分散剂在循环冷却水系统中的应用[A];’2004全国水处理技术研讨会暨第24届年会论文集[C];2004年

6 黄兴德;于萍;罗运柏;;模糊聚类应用于循环冷却水系统的水质诊断模式[A];中国土木工程学会水工业分会第四届理事会第一次会议论文集[C];2002年

7 秦立娟;张向怡;;中水回用循环冷却水系统研究及现场应用[A];中国精细化工协会第二届水处理化学品行业年会论文集[C];2006年

8 侯静;沈炳耘;侯晓羽;;在线监测循环冷却水系统静电离子棒抑垢的实验研究[A];2008全国能源与热工学术年会论文集[C];2008年

9 周伟生;吕勇;王冀生;王鑫;;微生物分散剂TS-830的研究与应用[A];’2004全国水处理技术研讨会暨第24届年会论文集[C];2004年

10 李建华;孙军;陈达;王义好;郑敏聪;郑玉敏;;敞开式循环冷却水系统结垢趋势判断[A];中国化学会第九届全国应用化学年会论文集[C];2005年

中国重要报纸全文数据库 前2条

1 见习记者 于海江;循环冷却水系统成节水重头戏[N];中国电力报;2013年

2 金亚飚;浅谈炼钢循环冷却水系统节能设计[N];世界金属导报;2011年

中国博士学位论文全文数据库 前1条

1 许萍;市政再生水补水的电厂循环冷却水系统微生物特征及控制技术研究[D];北京交通大学;2013年

中国硕士学位论文全文数据库 前10条

1 王宁;循环冷却水系统的优化设计[D];青岛科技大学;2013年

2 张家权;循环冷却水系统中水处理药剂实际应用研究[D];中国石油大学(华东);2014年

3 付长尧;冷循环冷却水系统综合优化研究[D];东北大学;2014年

4 丁慧;钢厂高炉循环冷却水系统节能研究[D];扬州大学;2016年

5 王冠兰;循环冷却水系统腐蚀预测研究[D];天津理工大学;2016年

6 张利平;多冷却塔循环冷却水系统的优化设计[D];青岛科技大学;2014年

7 孙龙;电厂循环冷却水系统水损失变化规律及节水方法研究[D];山东大学;2010年

8 龙德晓;降低循环冷却水系统操作费用的优化研究[D];青岛科技大学;2010年

9 刘曼;工业循环冷却水系统优化运行的研究[D];武汉大学;2005年

10 金路;电厂循环冷却水系统最优冷却量与最优开机台数[D];扬州大学;2013年

，

本文编号：550382