[发明专利]数据驱动的固定拓扑结构换热网络智能优化改造方法

说明书

一种基于数据驱动的固定拓扑结构换热网络智能优化改造方法，包括以下步骤：1)对换热网络进行性能模拟；2)建立BP神经网络；3)采用遗传算法对换热网络进行优化，获得最佳改造方案。本发明以固定的换热网络拓扑结构为出发点，不需要对原有换热网络的拓扑结构和换热匹配关系进行任何修改，不仅减少了改造的时间和投资的成本，确保了改造的可行性，而且能获得良好的改造收益。本发明建立了一种智能优化方法，可以为换热网络的优化改造提供科学的指导，仅需要知道换热网络的工艺参数，就可以自动获得各台换热设备的最优性能指标UA值和换热网络的最小能源消耗，给出最佳的节能改造方案，从而减少公用工程的消耗、实现节能降耗的目的。

技术领域

本发明涉及化工过程工业的换热网络，特别涉及数据驱动的固定拓扑结构换热网络智能优化改造方法。

技术背景

随着生产的发展和人民生活水平的提高，能量回收与合理的利用等问题得到了广泛的发展。节能对能源供需平衡起着无可替代的作用。因此，对于耗能巨大的化工过程工业提出了节约能量、降低消耗等更高的要求。作为能量回收利用的一个重要子系统的换热网络，在其中的作用不言而喻。对于固定拓扑结构或已经在运行的换热网络，如何优化改造使其达到最大的节能量，减少公用工程的消耗对节能减排具有重要的意义。企业往往需要根据市场的需求、原料和产品的供需关系与设备的运行情况等对能量集成网络进行升级改造。若对网络进行重新布管或改变现有换热器的使用位置，不仅需要花费大量的改造时间，还要投资大笔的资金进行升级改造，其可行性还要受到空间位置等现场因素的制约。因此，建立一种智能、经济、高效、可行的换热网络优化改造方法，来指导企业科学有效地开展节能优化工作，具有很强的现实意义。

因此本发明提供了一种基于数据驱动的固定拓扑结构换热网络智能优化改造方法，用以对现有换热网络进行经济高效的节能优化和升级改造。本发明对换热网络进行了大量的性能模拟，即通过改变现有换热网络的某些参数，获得其他的一些性能参数，通过对换热网络的性能数据进行原始的大量积累的基础上，获得其内部的某种关联关系。本发明以固定换热网络的拓扑结构为出发点，即不对换热网络进行任何换热器重新匹配、变动换热器的使用位置、增加新的换热匹配、重新布管等操作，仅对现有换热器的传热性能进行改变，以确保换热网络改造的经济性和可行性，实现经济、高效、可行的换热网络优化改造。同时，本发明采用了神经网络与遗传算法相结合的智能优化算法来获得换热网络的最佳优化改造方案。换热网络升级改造问题，通常都是非线性问题，难以优化求解。神经网络具有可以拟合任意非线性函数的优势，而遗传算法可以找到非线性函数的全局最优解，将两种算法相结合为求解换热网络的最佳优化改造方案，提供了解决办法。

发明内容

为了克服现有技术的不足，本发明基于数据驱动的固定拓扑结构换热网络智能优化改造方法，可获得固定拓扑结构下的换热网络的最大节能量与各处换热器的最优性能指标UA值，其中U是换热器的传热系数，A是换热器的换热面积。

为了解决上述技术问题，本发明提供如下的技术方案：

一种基于数据驱动的固定拓扑结构换热网络智能优化改造方法，包括以下步骤：

1)对换热网络进行性能模拟，过程如下：

1.1)获取现有换热网络的物流数据，冷物流和热物流的进出口温度和热容流率，所有换热器的传热系数、换热面积、热负荷和进出口温度；

1.2)将各换热器的传热系数U与换热面积A相乘，获得各换热器性能指标UA的值；

1.3)为积累性能数据，改变每一台换热器的性能指标UA的值，使其在设定范围之间变化，然后固定换热网络的进出口温度，通过换热网络性能模拟计算出每股流体所需的公用工程消耗量，再获得总的公用工程消耗量，并将这些原始数据收集并保存下来；

2)建立BP神经网络，过程如下：