CN111460673B - 一种对储油罐管式加热工艺参数及加热管结构优化的方法 - Google Patents
一种对储油罐管式加热工艺参数及加热管结构优化的方法 Download PDFInfo
- Publication number
- CN111460673B CN111460673B CN202010266945.3A CN202010266945A CN111460673B CN 111460673 B CN111460673 B CN 111460673B CN 202010266945 A CN202010266945 A CN 202010266945A CN 111460673 B CN111460673 B CN 111460673B
- Authority
- CN
- China
- Prior art keywords
- heating
- storage tank
- temperature
- medium
- experimental
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及的是一种对储油罐管式加热工艺参数及加热管结构优化的方法,它包括:模拟储油罐管式加热过程,实时记录管式加热过程的三维温度场与速度场数据;确定影响因素及评价指标;设计影响因素的组合方案并开展基础实验,对每组方案进行实验并记录各影响因素数值,计算评价指标;将得到的若干组影响因素值与评价指标输入神经网络,计算得到基于当前数据下影响因素与评价指标的函数关系;得到最优的评价指标数值;对影响因素与评价指标的函数进行求解,得到最优评价指标数值对应的影响因素数值;根据粒子群算法预测的影响因素数值进行实验,将计算的评价指标数值与预测值进行对比。本发明能获得最优的管式加热工艺参数与加热管结构。
Description
技术领域:
本发明涉及的是采用管式加热储存原油或成品油的储罐内的传热和流动规律的研究技术领域,具体涉及的是一种对储油罐管式加热工艺参数及加热管结构优化的方法。
背景技术:
石油作为工业发展的心脏,制约国家的发展。随着我国经济的不断发展,对石油的需求不断增加,我国已经成为进口石油和消费石油的大国。近年来,我国为了有效应对世界石油形式,开展石油战略储备库的建设。至2017年中,我国当年共计建设完成二期石油战略储备库3810万立方米库容。
我国进口与生产的石油大多为易凝高粘原油,在储存过程中极易产生胶凝行为,因此必须对原油进行加热储存。管式加热是目前对储油罐内原油进行加热的首选方式,具有安装方便,加热效果好的特点。但每年用于管式加热的加热费用巨大,因此对现有的管式加热的加热管结构与加热方式进行改进与优化,从而在保证加热安全的前提下降低加热费用是十分重要的。
目前,对储油罐管式加热过程加热参数优化的方法,主要采用数值模拟的方式,通过现有成熟的CFD软件,对管式加热过程进行模拟,但是已有研究主要针对管式加热的传热过程,并没有将石蜡融化造成组成变化与传热过程相耦合,且通过数值模拟方式得到的结果并没有与实验进行验证,同时缺乏高效的数值求解算法,导致数值模拟计算缓慢,计算结果存在较大误差。对于室内实验,已有的室内实验大多针对固定类型的加热管的加热效果,并且实验介质单一,并没有一种可以实时记录不同加热参数的加热过程温度场与速度场数据的实验装置,同时也没有一种评价管式加热效果的指标。综上所述,目前并没有较为成熟的对储油罐管式加热过程加热参数优化的方法。
因此,建立一套针对储油罐管式加热过程加热参数优化的方法,实现对管式加热过程进行优化并寻找最优管式加热方案是十分有必要的。
发明内容:
本发明的目的是提供一种对储油罐管式加热工艺参数及加热管结构优化的方法,这种对储油罐管式加热工艺参数及加热管结构优化的方法用于解决目前没有较为成熟的对储油罐管式加热过程加热参数优化的方法的问题。
本发明解决其技术问题所采用的技术方案是:这种对储油罐管式加热工艺参数及加热管结构优化的方法包括如下步骤:
一、利用模拟储油罐管式加热过程的试验装置,模拟储油罐管式加热过程,实时记录管式加热过程的三维温度场与速度场数据,模拟储油罐管式加热过程的试验装置包括实验储罐、PIV装置,实验储罐内设置加热管;
二、确定影响因素及评价指标,以加热管的类型、规格、加热管位置、加热管内加热介质的温度和流量作为影响管式加热效果的因素,称为影响因素;提出均匀度理论与场协同理论,以实验储罐内介质的温度场均匀度、协同角、升温速率以及加热效率作为评价管式加热效果的指标,称为评价指标;
三、设计影响因素的组合方案并开展基础实验,对每组方案进行实验并记录各影响因素数值,计算其温度场均匀度、协同角、升温速率与加热效率;
均匀度:
在n维欧式空间内的点集S,认为其是可数的,对于其中任意xi∈S,xi的最近临体记为MP(xi),称M(xi)=d(xi,MP(xi))为xi的临近距离,将以xi为球心,M(xi)/2为半径的封闭球称为B(xi),称其为xi的独占球,体积记为v(xi),xi的外切封闭体有无限多,记其中之一为CU(xi),称其为xi的独占体,体积记为vc(xi),Vn(r)是n维球的体积,n=1,2,...,r是球的半径。
在n维欧式空间内:
协同角:
对于层流边界层的能量守恒方程:
其中λ是流体介质的导热系数,ρ是密度,cp是比热容,x与y表示方向,u是x方向速度,v是y方向速度,T是温度,对方程两边在讨论域中积分后得到:
δt代表热边界层厚度,q(x)为壁面热流,w是导热厚度,将(5)左边的对流项改写成矢量形式:
Rex是雷诺数,Nux是努塞尔数,Pr是普朗特数,被积因子写成
其中β是速度方向和温度梯度方向的夹角,在加热过程中,用速度方向和温度梯度方向的夹角β来表征传热效果;
升温速率:
升温速率通过PIV装置配合温度显影剂获得实验储罐内实验介质的温度数据;
加热效率:
采用加热效率评价不同加热管的加热效果;
Q1=cmΔT=cvA(T1-T2) (10)
其中Q1是单位时间加热管向实验储罐内实验介质释放的热量,c是加热管内加热介质的比热容,m是加热介质的质量流量,v是加热介质的速度流量,A是加热管的截面积,ΔT是加热管首段与末端的温度差,T1是加热管首段处加热介质的温度,T2是加热段末端处加热介质的温度;
Q2=c′m′ΔT′=c′m′(T2′-T1′) (11)
其中Q2是单位时间实验储罐内实验介质由加热管获得的能量,c′是实验储罐内实验介质的比热容,m′是实验储罐内实验介质的质量,ΔT′是单位时间实验储罐内实验介质的温度差,T1′是加热开始阶段实验储罐内实验介质平均温度,T2′是加热进行单位时间后实验储罐内实验介质平均温度;
φ是管式加热过程中的加热效率;
四、将步骤三得到的若干组影响因素值与评价指标输入神经网络,对数据进行训练并估算每个粒子得到全局最优,计算得到基于当前数据下影响因素与评价指标的函数关系;
五、采用专家调查法确定各评价指标权重,对评价指标加权求和得到最优的评价指标数值;
六、应用引入变异因子抑制局部最优的粒子群算法,对影响因素与评价指标的函数进行求解,得到最优评价指标数值对应的影响因素数值;
七、根据粒子群算法预测的影响因素数值进行实验,将计算的评价指标数值与预测值进行对比,若偏差在一定范围内则认为得到最优管式加热过程工艺参数与加热管结构;若偏差超过一定范围则将该组数据输入神经网络,重复步骤四到七,继续计算,直至得到最优影响因素。
上述方案中步骤六的具体方法:
Vid=ωVid+C1random(0,1)(Pid-Xid)+C2random(0,1)(Pgd-Xid) (13)
Xid=Xid+Vid (14)
其中,ω为惯性因子,其值非负,较大时全局寻优能力强局部寻优能力弱,较小时全局寻优能力弱局部寻优能力强;C1和C2为加速常数,C1为每个粒子的个体学习因子,C2是每个粒子的社会学习因子;Xid是第i个粒子的位置;Pid是第i个粒子搜索到的最优位置,Pgd是整个粒子群搜索到的最优位置;Vid是第i个粒子的速度。
根据粒子群的群体适应度标准差α和理论最优适应度fbest给出收敛判断依据,令
m是粒子个数,fi是第i个粒子的适应度,fav是粒子群目前的平均适应度,α反映所有例子的收敛程度,α越小,粒子群越趋于收敛,反之α越大,粒子群处于随机搜索状态;当α=0时粒子群算法达到全局收敛或局部收敛,将此时得到的适应度fgd与理论最优适应度fbest作比较,即可判断粒子群是聚集于全局极值还是局部极值;
若算法趋于局部收敛,对此时粒子按变异概率P变异
其中k取值范围为(0,1),αv为判断粒子群收敛程度的阈值,其取值与实际情况相关;为了不破坏群体的良好特性,只对部分粒子变异,通过引入变异算子,将“聚集”在局部最优解附近的粒子散开,进一步增大粒子搜索的范围。
上述方案中模拟储油罐管式加热过程的试验装置包括实验储罐、矩形腔体、PIV装置、数据采集控制系统、加热箱,实验储罐、矩形腔体均为透明的,且二者材质相同,实验储罐设置于矩形腔体内,实验介质充满矩形腔体与实验储罐之间;实验储罐具有浮顶,浮顶布置多个测试孔,测试管穿过测试孔伸入实验储罐内,伸出浮顶部分通过导线与数据采集控制系统相连,测试管安装多个温度传感器;罐壁底部设置有储罐进口和储罐出口,罐底可拆卸地设置多组加热管;储罐进口、储罐出口、多组加热管进口均与相应的支管路连接,各支管路均设置阀门、温度传感器和流量传感器,并构成实验管路,实验管路的另一端与一组加热箱相连,在加热箱和实验储罐之间安装有一组离心泵,通过切换阀门,切换实验流程;PIV装置通过拍摄预先混合在实验介质中的示踪粒子与温度显影剂,拍摄实验储罐内的三维温度场和速度场,对实验储罐内实验介质的三维温度场与三维速度场进行监测。
上述方案中PIV装置由双腔激光器、高分辨率跨帧相机、电脑以及配套软件、同步器、电源配置器、导光臂与对应光源透镜组成,可以对实验储罐内三维温度场与速度场数据进行实时收集。
上述方案中测试管安装多个温度传感器的方式为:测试管上具有多个小孔,温度传感器头部通过测试管上的小孔伸出,温度传感器与小孔间采用与测试管相同材质的塑料密封,测试管伸出浮顶外部分的表面涂覆有保温涂料,越靠近罐底和罐顶的测试管处,温度传感器越密集,浮顶距离罐壁越近,测试孔间距越小。
上述方案中实验介质是由有机溶剂与石蜡调制而成的模拟油,有机溶剂为异辛烷或变压器油,实验介质透明且化学组成可调以便于对试验介质的物性进行调制。
上述方案中使用PIV装置对实验储罐内介质的三维温度场与三维速度场进行监测的方法,首先打开同步器使拍照时间与激光发射时间在同一时刻,打开电脑上安装的配套软件,在导光臂安装光源透镜,调整高分辨率跨帧相机与导光臂方向至所在平面垂直,调整高分辨率跨帧相机焦距与光圈直至在电脑中出现清晰图像;打开电源配置器,双腔激光器开始运行,在实验储罐内放置示踪粒子与温度显影剂,使用电脑设置合适的激光发射时间与发射频率,开始进行拍摄。
本发明具有以下有益效果:
1.本发明使用的实验装置中加热管可拆卸,可以在不同位置安装不同类型与规格的加热管,并通过调控管路阀门与加热箱加热温度来调整加热管内加热介质温度与流速,通过PIV装置对管式加热过程温度场与速度场数据实时记录。将温度场均匀度、协同角、升温速率与加热效率作为评价管式加热效果的指标,采用正交试验表设计影响因素的组合方案并开展基础实验,记录每组实验中各影响因素的数值并计算评价指标数值,运用神经网络得到基于当前数据下影响因素与评价指标的函数关系,采用专家调查法确定各评价指标权重,对评价指标加权求和得到最优的评价指标数值,应用引入变异因子抑制局部最优的粒子群算法,通过设定合适步长对影响因素与评价指标的函数进行求解,得到最优评价指标数值对应的影响因素数值,最后对粒子群算法预测的最优影响因素数值进行实验,并与预测的评价指标数值进行对比,判断偏差是否满足要求以决定是否继续迭代计算。该方法对于保证安全加热前提下获得最优的管式加热工艺参数与加热管结构具有重要的现实意义与指导作用。
2.本发明适用于对管式加热过程的工艺参数及加热管结构进行优化。
附图说明:
图1:为本发明实验装置工艺图。
图2:为不同尺寸及不同形式的加热管示意图;其中图2a为不同直径的加热盘管;图2b为同一切斜角度不同直径的加热盘管;图2c为蛇形加热管和U型加热管。
图3:为本发明的整体流程图。
图4为图1中Ⅰ处的放大图。
1矩形腔体 2实验储罐 3测试管 4数据采集控制系统 5第一加热箱 6第二加热箱7第二加热箱出口阀门 8第一加热箱出口阀门 9电源配置器 10第二离心泵 11第一离心泵12双腔激光器 13光源透镜 14导光臂 15电脑 16高分辨率跨帧相机 17同步器 18浮顶 19加热管
具体实施方式
下面结合附图对本发明做进一步的说明:
如图3所示,这种对储油罐管式加热工艺参数与加热管结构优化的方法如下:
1、本发明具有一套可以模拟储油罐管式加热过程的试验装置,同时配有一套PIV装置实时记录管式加热过程的三维温度场与速度场数据。
2、确定影响因素及评价指标,以加热管19的类型、规格、加热管19位置、加热管内加热介质的温度和流量作为影响管式加热效果的因素,称为影响因素;提出均匀度理论与场协同理论,以实验储罐2内介质的温度场均匀度、协同角、升温速率以及加热效率作为评价管式加热效果的指标,称为评价指标;
3、采用正交试验表的方式设计影响因素的组合方案,对每组方案进行实验并记录各影响因素数值,计算其温度场均匀度、协同角、升温速率与加热效率。
均匀度:在n维欧式空间内的点集S,认为其是可数的,对于其中任意xi∈S,xi的最近临体记为MP(xi),称M(xi)=d(xi,MP(xi))为xi的临近距离,将以xi为球心,M(xi)/2为半径的封闭球称为B(xi),称其为xi的独占球,体积记为v(xi),xi的外切封闭体有无限多,记其中之一为CU(xi),称其为xi的独占体,体积记为vc(xi),Vn(r)是n维球的体积,n=1,2,...,r是球的半径。
在n维欧式空间内:
协同角:场协同原理从流场和温度场相互配合的角度重新审视对流换热的物理机制。该原理不但统一地认识现有各种对流换热和传热强化现象的物理本质,且可以知道发展新的强化传热技术。
对于层流边界层的能量守恒方程:
其中λ是流体介质的导热系数,ρ是密度,cp是比热容,x与y表示方向,u是x方向速度,v是y方向速度,T是温度,对方程两边在讨论域中积分后得到:
δt代表热边界层厚度,q(x)为壁面热流,w是导热厚度,将(5)左边的对流项改写成矢量形式:
Rex是雷诺数,Nux是努塞尔数,Pr是普朗特数,被积因子写成
其中β是速度方向和温度梯度方向的夹角。由式(8)、(9)可以看出,提高无因次积分值可以有效强化传热,这个无因次积分的物理意义在于,热边界层厚度界面内的无因次热源强度的总和。一般来说,提高被积函数的数值能有效强化传热。在速度、温度梯度一定(或Rex、Pr不变)的条件下,减小他们之间的夹角就能有效提高无因次积分值,从而使Nux增大,即强化传热。所以在加热过程中,也可以用速度矢量和温度梯度矢量的夹角β来表征传热效果。
升温速率:对于某些储油罐而言,需要在较短时间内对罐内介质快速升温。所以将罐内介质的平均温度的升温速率作为一项评价管式加热效果的指标。升温速率通过PIV装置配合温度显影剂获得实验罐内介质的温度数据。
加热效率:采用加热效率评价不同加热管的加热效果。
Q1=cmΔT=cvA(T1-T2) (10)
其中Q1是单位时间加热管向罐内介质释放的热量,c是加热管内加热介质的比热容,m是加热介质的质量流量,v是加热介质的速度流量,A是加热管的截面积,ΔT是加热管首段与末端的温度差,T1是加热管首段处加热介质的温度,T2是加热段末端处加热介质的温度。
Q2=c′m′ΔT′=c′m′(T2′-T1′) (11)
其中Q2是单位时间罐内介质由加热管获得的能量,c′是储油罐内介质的比热容,m′是储油罐内介质的质量,ΔT′是单位时间储油罐内介质的温度差,T1′是加热开始阶段储油罐内介质平均温度,T2′是加热进行单位时间后储油罐内介质平均温度。
φ是管式加热过程中的加热效率。
4、将影响因素与评价指标输入神经网络,得到影响因素与评价指标的函数关系。
5、采用专家调查法确定各评价指标权重,对评价指标加权求和得到最优的评价指标数值。
6、应用引入变异因子抑制局部最优的粒子群算法,对影响因素与评价指标的函数进行求解,得到最优评价指标数值对应的影响因素数值。
7、根据粒子群算法预测的影响因素数值进行实验,将计算的评价指标数值与预测值进行对比,若偏差超过一定范围则将该组数据输入神经网络中继续计算,直至得到最优影响因素,若偏差在一定范围内则认为得到最优管式加热过程工艺参数与加热管结构。
在本发明的一较佳实施方式中,应用引入变异因子抑制局部最优的粒子群算法,对影响因素与评价指标的函数进行求解,得到最优评价指标数值对应的影响因素数值。
Vid=ωVid+C1random(0,1)(Pid-Xid)+C2random(0,1)(Pgd-Xid) (13)
Xid=Xid+Vid (14)
其中,ω为惯性因子,其值非负,较大时全局寻优能力强局部寻优能力弱,较小时全局寻优能力弱局部寻优能力强;C1和C2为加速常数,C1为每个粒子的个体学习因子,C2是每个粒子的社会学习因子;Xid是第i个粒子的位置;Pid是第i个粒子搜索到的最优位置,Pgd是整个粒子群搜索到的最优位置;Vid是第i个粒子的速度。
根据粒子群的群体适应度标准差α和理论最优适应度fbest给出收敛判断依据,令
m是粒子个数,fi是第i个粒子的适应度,fav是粒子群目前的平均适应度,α反映所有例子的收敛程度,α越小,粒子群越趋于收敛,反之α越大,粒子群处于随机搜索状态。当α=0时粒子群算法达到全局收敛或局部收敛,将此时得到的适应度fgd与理论最优适应度fbest作比较,即可判断粒子群是聚集于全局极值还是局部极值。
若算法趋于局部收敛,对此时粒子按变异概率P变异
其中的k取值范围为(0,1),αv为判断粒子群收敛程度的阈值,其取值与实际情况相关。为了不破坏群体的良好特性,只对部分粒子变异。通过引入变异算子,将“聚集”在局部最优解附近的粒子散开,进一步增大粒子搜索的范围。
如图1所示,本发明中模拟储油罐管式加热过程的试验装置包括一圆柱形的实验储罐2,浮顶18可移动,与实验油样紧密接触,与罐壁间通过密封结构相连,浮顶18与罐壁的材料与实验储罐2相同;浮顶18布置多个贯穿的测试孔,封装了多个温度传感器的测试管3穿过测试孔伸入实验储罐2内,伸出浮顶部分通过导线与数据采集控制系统4相连;实验储罐2的罐壁设置有进出口,其与向罐内流进流出实验介质的管路相连;距罐底一定高度处安装若干组可替换的加热管19,加热管19具有不同的类型与规格,罐壁还设置有多组加热管的进出口,其与向罐内流进流出被加热的实验介质的管路相连;实验储罐2外安装一组阀门,将输送被加实验介质和实验介质的管路相连,通过切换阀门的开关方式,使得不同管路间可以相互连通,切换实验流程,构建不同的实验工况。在各管路上都安装有温度和流量传感器,以便实时采集数据。实验管路的另一端与一组加热箱相连,在加热箱和实验储罐2之间安装有一组离心泵,用于泵送实验介质,加热箱与实验储罐2的容积之差为正数。实验设备可以通过操控管路阀门实现单管加热、多管自由组合加热以及控制加热管内流量,不同加热管内流量可以不同。实验储罐2嵌入一相同材质的矩形腔体1内,壁面、罐顶及罐壁均使用透明有机玻璃且介质透明,可通过PIV装置测得管式加热过程中三维的温度场以及速度场。实验介质充满矩形腔体1与实验储罐2之间,以避免光线发生偏折,且实验储罐2外的介质对实验储罐壁起到一定的保温作用。数据采集控制系统4同时收集加热管温度、流量、加热箱温度以及离心泵转速等数据并实时显示。PIV装置由双腔激光器12、高分辨率跨帧相机16、电脑15以及配套软件、同步器17、电源配置器9、导光臂14与对应光源透镜13组成,可以对实验储罐2内三维温度场与速度场数据进行实时收集。
实验储罐2按照实际浮顶储罐的结构特点设计而成,高径比参照真实储罐高径比例设计,是进行对管式加热结构方案优化的主体设备,嵌入于同样材料的方腔内。在进液过程第二加热箱6内达到预定温度的介质通过第二加热箱出口阀门7,在第二离心泵10的作用下通过储罐进口阀门并通过温度传感器与流量传感器到达储罐进口,同时打开储罐出口阀门,在第一离心泵11的作用下抽取实验储罐2内介质通过储罐出口途径温度传感器与流量传感器到达第一离心泵11回至第二加热箱6,这一过程是将第二加热箱6内预定温度介质输至实验储罐2内,回流的目的是保证实验储罐2内介质温度分布均匀。
所述封装多个温度传感装置的测试管3通过测试孔深入实验储罐内,纵向上温度测试装置的安装位置是参考数值模拟结果设置的,在温度变化幅度大的地方温度测试装置越密集,在纵向上体现为越靠近罐底和罐顶,温度测试装置越密集。测试管小孔伸出的温度传感器表面覆盖保温涂料,导线通过测试管3伸出与数据采集装置相连。多个位置的温度传感器测得温度与PIV装置测得温度显影剂温度场彼此校正,得到更加准确的三维温度场。
加热箱有2个,第一加热箱5通过离心泵向实验储罐入口输送实验介质,第二加热箱实验介质通过离心泵进入加热管的流量可控,可以配合不同规格加热管19探究不同流速、加热管直径下管式加热的加热效果。第二加热箱介质在通过加热管前后途径温度传感器,可以比较通过加热管前后温度变化计算加热管向实验储罐2内介质能量扩散情况。
在管式加热过程中,使用PIV装置对实验储罐2内介质的三维温度场与三维速度场进行监测。进行PIV装置监测,首先打开同步器17使拍照时间与激光发射时间在同一时刻,打开电脑15并打开对应软件,在导光臂14安装符合实验预期的光源透镜13,调整高分辨率跨帧相机16与导光臂14方向至所在平面垂直并,调整高分辨率跨帧相机16焦距与光圈直至在电脑15中出现清晰图像。打开电源配置器9,双腔激光器12开始运行。在实验储罐2内放置合适的示踪粒子与温度显影剂,使用电脑15设置合适的激光发射时间与发射频率,开始进行拍摄。
如图2所示为该管式加热结构的加热管,储罐内加热管19可拆卸,可以更换不同形状不同尺寸的加热管进行管式加热模拟,以验证不同类型、规格的加热管的加热情况。加热管有不同的尺寸,切斜不同角度以及不同的盘管形式。
本发明中模拟储油罐管式加热过程的试验装置实验方法具体如下:
在实验储罐2内安装若干组预定类型与规格的加热管;
使用加热箱将介质加热至预定温度;
调整罐顶至预定高度,使实验储罐2的储液空间固定;
打开储罐进口阀门,第一加热箱出口阀门8,通过第一离心泵11将第一加热箱5中达到预定温度的介质,途径温度传感器与流量传感器进入实验储罐2;
打开出口阀门,介质通过流量仪和温度测量设备在第二离心泵10的作用下回到第一加热箱5,期间保持实验储罐2内液位稳定;
实验储罐2内油温分布均匀后,关闭进口阀门和出口阀门,将对应若干组加热管的进出阀门打开,第二加热箱6中达到预定温度的介质在第一离心泵11作用下途径温度传感器和流量传感器进入加热管中开始管式加热过程;
利用多个温度传感器实时监测实验储罐2径向、轴向不同位置的介质温度;
用PIV装置测得管式加热作用下实验储罐2中介质三维温度场与三维速度场;
通过第二离心泵10将实验储罐2内介质排入第一加热箱5内;通过排液口排净罐内剩余介质。
实施例:
本发明提供一种对储油罐管式加热工艺参数及加热管结构优化的方法,通过该方法对管式加热过程的加热管类型、规格、位置以及加热管内加热介质的温度和流量进行优化得到最优管式加热方式。
表1加热管类型、规格、位置以及加热介质的温度和流量的初始实验数据
表2采用正交试验表设计的实验方案
采用室内实验方式对上述21组管式加热过程进行模拟,通过PIV装置记录管式加热过程中的温度场和速度场数据,计算得到温度场均匀度、协同角、升温速率与加热效率数据。
将实验数据样本作为神经网络训练集,对神经网络进行训练。
采用专家调查法确定各评价指标权重,对评价指标加权求和得到最优的评价指标数值。
采用引入变异因子抑制局部最优的粒子群算法对影响因素与评价指标的函数进行求解,随机初始化群体规模为N的每一个粒子。
对每一个粒子的适应度进行评价,生成每一粒子的适应值。通过对比全局粒子,得到全局最优位置。
更新每一个粒子的速度及位置。
评估位置更新后粒子群每一个粒子的适应值,进而更新粒子群历史最优位置。
更新后的粒子与迭代前的粒子进行比较,如满足终止条件,则输出粒子群算法多目标优化结果。反之,则继续进行迭代。
按照粒子群算法预测的结果进行室内模拟实验,计算对应的评价指标数值。
将实验算得评价指标数值与预测值进行对比,存在一个的常数ε,若偏差小于ε,则认为得到最有管式加热过程的工艺参数和加热管结构。反之,则将该组数据输入神经网络,重复迭代。
Claims (5)
1.一种对储油罐管式加热工艺参数及加热管结构优化的方法,其特征在于:
一、利用模拟储油罐管式加热过程的试验装置,模拟储油罐管式加热过程,实时记录管式加热过程的三维温度场与速度场数据,模拟储油罐管式加热过程的试验装置包括实验储罐、PIV装置,实验储罐(2)内设置加热管(19);
所述的PIV装置由双腔激光器(12)、高分辨率跨帧相机(16)、电脑(15)以及配套软件、同步器(17)、电源配置器(9)、导光臂(14)与对应光源透镜(13)组成,可以对实验储罐内三维温度场与速度场数据进行实时收集;
使用PIV装置对实验储罐内介质的三维温度场与三维速度场进行监测,首先打开同步器(17)使拍照时间与激光发射时间在同一时刻,打开电脑上安装的配套软件,在导光臂(14)安装光源透镜(13),调整高分辨率跨帧相机(16)与导光臂(14)方向至所在平面垂直,调整高分辨率跨帧相机焦距与光圈直至在电脑中出现清晰图像;打开电源配置器(9),双腔激光器开始运行,在实验储罐内放置示踪粒子与温度显影剂,使用电脑设置合适的激光发射时间与发射频率,开始进行拍摄;
二、确定影响因素及评价指标,以加热管的类型、规格、加热管位置、加热管内加热介质的温度和流量作为影响管式加热效果的因素,称为影响因素;提出均匀度理论与场协同理论,以实验储罐(2)内介质的温度场均匀度、协同角、升温速率以及加热效率作为评价管式加热效果的指标,称为评价指标;
三、设计影响因素的组合方案并开展基础实验,对每组方案进行实验并记录各影响因素数值,计算其温度场均匀度、协同角、升温速率与加热效率;
(1)均匀度:
在n维欧式空间内的点集S,认为其是可数的,对于其中任意xi∈S,xi的最近临体记为MP(xi),称M(xi)=d(xi,MP(xi))为xi的临近距离,将以xi为球心,M(xi)/2为半径的封闭球称为B(xi),称其为xi的独占球,体积记为v(xi),xi的外切封闭体有无限多,记其中之一为CU(xi),称其为xi的独占体,体积记为vc(xi),Vn(r)是n维球的体积,n=1,2,...,r是球的半径;
在n维欧式空间内:
(2)协同角:
对于层流边界层的能量守恒方程:
其中λ是流体介质的导热系数,ρ是密度,cp是比热容,x与y表示方向,u是x方向速度,v是y方向速度,T是温度,对方程两边在讨论域中积分后得到:
δt代表热边界层厚度,q(x)为壁面热流,w是导热厚度,将(5)左边的对流项改写成矢量形式:
Rex是雷诺数,Nux是努塞尔数,Pr是普朗特数,被积因子写成
其中β是速度方向和温度梯度方向的夹角,在加热过程中,用速度方向和温度梯度方向的夹角β来表征传热效果;
(3)升温速率:
升温速率通过粒子图像测速装置配合温度显影剂获得实验储罐内实验介质的温度数据;
(4)加热效率:
采用加热效率评价不同加热管的加热效果;
Q1=cmΔT=cvA(T1-T2) (10)
其中Q1是单位时间加热管向实验储罐内实验介质释放的热量,c是加热管内加热介质的比热容,m是加热介质的质量流量,v是加热介质的速度流量,A是加热管的截面积,ΔT是加热管首段与末端的温度差,T1是加热管首段处加热介质的温度,T2是加热段末端处加热介质的温度;
Q2=c′m′ΔT′=c′m′(T′2-T′1) (11)
其中Q2是单位时间实验储罐(2)内实验介质由加热管(19)获得的能量,c′是实验储罐(2)内实验介质的比热容,m′是实验储罐(2)内实验介质的质量,ΔT′是单位时间实验储罐(2)内实验介质的温度差,T′1是加热开始阶段实验储罐(2)内实验介质平均温度,T′2是加热进行单位时间后实验储罐(2)内实验介质平均温度;
φ是管式加热过程中的加热效率;
四、将步骤三得到的若干组影响因素值与评价指标输入神经网络,对数据进行训练并估算每个粒子得到全局最优,计算得到基于当前数据下影响因素与评价指标的函数关系;
五、采用专家调查法确定各评价指标权重,对评价指标加权求和得到最优的评价指标数值;
六、应用引入变异因子抑制局部最优的粒子群算法,对影响因素与评价指标的函数进行求解,得到最优评价指标数值对应的影响因素数值;
七、根据粒子群算法预测的影响因素数值进行实验,将计算的评价指标数值与预测值进行对比,存在一个常数ε,若偏差小于ε,则得到最优管式加热过程工艺参数与加热管结构;若偏差大于ε,则将该组数据输入神经网络,重复步骤四到七,继续计算,直至得到最优影响因素。
2.根据权利要求1所述的对储油罐管式加热工艺参数及加热管结构优化的方法,其特征在于:所述的步骤六的具体方法:
Vid=ωVid+C1random(0,1)(Pid-Xid)+C2random(0,1)(Pgd-Xid) (13)
Xid=Xid+Vid (14)
其中,ω为惯性因子,其值非负,较大时全局寻优能力强局部寻优能力弱,较小时全局寻优能力弱局部寻优能力强;C1和C2为加速常数,C1为每个粒子的个体学习因子,C2是每个粒子的社会学习因子;Xid是第i个粒子的位置;Pid是第i个粒子搜索到的最优位置,Pgd是整个粒子群搜索到的最优位置;Vid是第i个粒子的速度;
根据粒子群的群体适应度标准差α和理论最优适应度fbest给出收敛判断依据,令
m是粒子个数,fi是第i个粒子的适应度,fav是粒子群目前的平均适应度,α反映所有例子的收敛程度,α越小,粒子群越趋于收敛,反之α越大,粒子群处于随机搜索状态;当α=0时粒子群算法达到全局收敛或局部收敛,将此时得到的适应度fgd与理论最优适应度fbest作比较,即可判断粒子群是聚集于全局极值还是局部极值;
若算法趋于局部收敛,对此时粒子按变异概率P变异
其中k取值范围为(0,1),αv为判断粒子群收敛程度的阈值,其取值与实际情况相关;为了不破坏群体的良好特性,只对部分粒子变异,通过引入变异算子,将“聚集”在局部最优解附近的粒子散开,进一步增大粒子搜索的范围。
3.根据权利要求2所述的对储油罐管式加热工艺参数及加热管结构优化的方法,其特征在于:所述的模拟储油罐管式加热过程的试验装置包括实验储罐(2)、矩形腔体(1)、PIV装置、数据采集控制系统(4)、加热箱,实验储罐(2)、矩形腔体(1)均为透明的,且二者材质相同,实验储罐(2)设置于矩形腔体(1)内,实验介质充满矩形腔体(1)与实验储罐(2)之间;实验储罐(2)具有浮顶(18),浮顶(18)布置多个测试孔,测试管(3)穿过测试孔伸入实验储罐(2)内,伸出浮顶部分通过导线与数据采集控制系统(4)相连,测试管(3)安装多个温度传感器;罐壁底部设置有储罐进口和储罐出口,罐底可拆卸地设置多组加热管(19);储罐进口、储罐出口、多组加热管进口均与相应的支管路连接,各支管路均设置阀门、温度传感器和流量传感器,并构成实验管路,实验管路的另一端与一组加热箱相连,在加热箱和实验储罐之间安装有一组离心泵,通过切换阀门,切换实验流程;粒子图像测速装置通过拍摄预先混合在实验介质中的示踪粒子与温度显影剂,拍摄实验储罐内的三维温度场和速度场,对实验储罐内实验介质的三维温度场与三维速度场进行监测。
4.根据权利要求3所述的对储油罐管式加热工艺参数及加热管结构优化的方法,其特征在于:所述的测试管(3)安装多个温度传感器的方式为:测试管(3)上具有多个小孔,温度传感器头部通过测试管上的小孔伸出,温度传感器与小孔间采用与测试管相同材质的塑料密封,测试管(3)伸出浮顶外部分的表面涂覆有保温涂料,越靠近罐底和罐顶的测试管处,温度传感器越密集,浮顶距离罐壁越近,测试孔间距越小。
5.根据权利要求4所述的对储油罐管式加热工艺参数及加热管结构优化的方法,其特征在于:所述的实验介质是由有机溶剂与石蜡调制而成的模拟油,有机溶剂为异辛烷或变压器油,实验介质透明且化学组成可调以便于对试验介质的物性进行调制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010266945.3A CN111460673B (zh) | 2020-04-07 | 2020-04-07 | 一种对储油罐管式加热工艺参数及加热管结构优化的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010266945.3A CN111460673B (zh) | 2020-04-07 | 2020-04-07 | 一种对储油罐管式加热工艺参数及加热管结构优化的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111460673A CN111460673A (zh) | 2020-07-28 |
CN111460673B true CN111460673B (zh) | 2022-01-28 |
Family
ID=71683527
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010266945.3A Active CN111460673B (zh) | 2020-04-07 | 2020-04-07 | 一种对储油罐管式加热工艺参数及加热管结构优化的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111460673B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115809730B (zh) * | 2022-11-28 | 2023-05-09 | 东北石油大学 | 一种大型原油储罐热量损失预测方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9553453B2 (en) * | 2013-03-15 | 2017-01-24 | Dominion Resources, Inc. | Management of energy demand and energy efficiency savings from voltage optimization on electric power systems using AMI-based data analysis |
CN108062583A (zh) * | 2016-11-08 | 2018-05-22 | 同济大学 | 一种面向节能减排的加热炉工艺参数寻优方法 |
-
2020
- 2020-04-07 CN CN202010266945.3A patent/CN111460673B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111460673A (zh) | 2020-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104237305B (zh) | 一种岩体热导率测试装置及测试系统 | |
CN108956365B (zh) | 一种用于测量泡沫灭火剂蒸发速率的装置及方法 | |
CN111460673B (zh) | 一种对储油罐管式加热工艺参数及加热管结构优化的方法 | |
CN102419827B (zh) | 基于rbf神经网络的沸腾换热预测方法 | |
CN106370989B (zh) | 用于绝缘子闪络试验的温控装置及使用方法 | |
Yu et al. | Unsteady natural convection heat transfer from a heated horizontal circular cylinder to its air-filled coaxial triangular enclosure | |
Rendall et al. | Nondimensional convection numbers modeling thermally stratified storage tanks: Richardson's number and hot-water tanks | |
CN106568703A (zh) | 地下储库井筒管柱腐蚀实验装置及实验方法 | |
CN111476417B (zh) | 一种用于研究储油罐热油喷洒加热过程最优参数确定方法 | |
Lenhard et al. | Analysis of the fill amount influence on the heat performance of heat pipe | |
CN116595881A (zh) | 一种对原油储罐温度场预测和储油安全性评价的方法 | |
Marcotte et al. | Experimental validation of a TRC model for a double U-tube borehole with two independent circuits | |
Oppel et al. | Computer simulation of stratified heat storage | |
CN111445771A (zh) | 海底洋流模拟装置及其控制方法 | |
CN112800656A (zh) | 一种基于数值模拟利用欧拉法预测颗粒污垢热阻的方法 | |
Witte et al. | Development and validation of analytical solutions for earth basket (spiral) heat exchangers | |
Liu et al. | Effect of periodic change of ambient temperature on the temperature field in the single disc floating roof oil tank | |
Zhao et al. | Identification of Gas-Water Two-Phase Flow Patterns in Horizontal Wells of Shale Gas Reservoirs Based on Production Logging Data | |
Zhang et al. | Fast prediction of the replacement process of oil vapor in horizontal tank and its improved safety evaluation method | |
CN106640004A (zh) | 注汽锅炉出口的蒸汽热力参数的计算方法及其装置 | |
Witte et al. | An efficient borehole heat exchanger model for the analysis of transient thermal response: Comparison with some existing models | |
CN112560362B (zh) | 一种老旧小区供水管道老化诊断方法和系统 | |
Liu et al. | Mathematical modeling of large floating roof reservoir temperature arena | |
CN104089654B (zh) | 一种流体特性在线数据采集方法和系统 | |
CN212083291U (zh) | 一种长输热网蒸汽保温管热工性能测试装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220802 Address after: 300457 No. 49 Chuangye Road (East), Nangang Industrial Zone, Binhai New Area Development Zone, Tianjin Patentee after: LINGHANG PETROLEUM CHEMICAL (TIANJIN) CO.,LTD. Address before: 163319 No. 99 Xuefu Street, Daqing Hi-tech Development Zone, Heilongjiang Province Patentee before: NORTHEAST PETROLEUM University |