CN114436449B - 一种余热发电循环水处理装置 - Google Patents
一种余热发电循环水处理装置 Download PDFInfo
- Publication number
- CN114436449B CN114436449B CN202210160730.2A CN202210160730A CN114436449B CN 114436449 B CN114436449 B CN 114436449B CN 202210160730 A CN202210160730 A CN 202210160730A CN 114436449 B CN114436449 B CN 114436449B
- Authority
- CN
- China
- Prior art keywords
- circulating water
- water
- waste heat
- power generation
- circulating
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 563
- 239000002918 waste heat Substances 0.000 title claims abstract description 65
- 238000010248 power generation Methods 0.000 title claims abstract description 57
- 239000008213 purified water Substances 0.000 claims abstract description 32
- 229910052500 inorganic mineral Inorganic materials 0.000 claims description 35
- 239000011707 mineral Substances 0.000 claims description 35
- 238000012545 processing Methods 0.000 claims description 23
- 238000001704 evaporation Methods 0.000 claims description 17
- 230000008020 evaporation Effects 0.000 claims description 17
- 239000003814 drug Substances 0.000 claims description 2
- 238000000034 method Methods 0.000 description 36
- 150000002500 ions Chemical class 0.000 description 33
- 230000008569 process Effects 0.000 description 15
- 238000000746 purification Methods 0.000 description 13
- 239000010865 sewage Substances 0.000 description 13
- 238000001514 detection method Methods 0.000 description 10
- 238000001223 reverse osmosis Methods 0.000 description 9
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 230000001502 supplementing effect Effects 0.000 description 8
- 238000001914 filtration Methods 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 6
- 239000003795 chemical substances by application Substances 0.000 description 6
- 238000005352 clarification Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- JLVVSXFLKOJNIY-UHFFFAOYSA-N Magnesium ion Chemical compound [Mg+2] JLVVSXFLKOJNIY-UHFFFAOYSA-N 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 239000012535 impurity Substances 0.000 description 5
- 229910001425 magnesium ion Inorganic materials 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 4
- 239000004568 cement Substances 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000001143 conditioned effect Effects 0.000 description 4
- 239000003546 flue gas Substances 0.000 description 4
- 239000007788 liquid Substances 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 239000012528 membrane Substances 0.000 description 4
- 229910021645 metal ion Inorganic materials 0.000 description 4
- 230000001105 regulatory effect Effects 0.000 description 4
- 238000010521 absorption reaction Methods 0.000 description 3
- 230000033228 biological regulation Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000013145 classification model Methods 0.000 description 3
- 230000003750 conditioning effect Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 230000000306 recurrent effect Effects 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000000460 chlorine Substances 0.000 description 2
- 229910052801 chlorine Inorganic materials 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 239000008394 flocculating agent Substances 0.000 description 2
- 230000017525 heat dissipation Effects 0.000 description 2
- 229910001385 heavy metal Inorganic materials 0.000 description 2
- 230000001376 precipitating effect Effects 0.000 description 2
- 230000003134 recirculating effect Effects 0.000 description 2
- 238000004062 sedimentation Methods 0.000 description 2
- 239000007921 spray Substances 0.000 description 2
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 1
- BHPQYMZQTOCNFJ-UHFFFAOYSA-N Calcium cation Chemical compound [Ca+2] BHPQYMZQTOCNFJ-UHFFFAOYSA-N 0.000 description 1
- 239000006004 Quartz sand Substances 0.000 description 1
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- RHZUVFJBSILHOK-UHFFFAOYSA-N anthracen-1-ylmethanolate Chemical compound C1=CC=C2C=C3C(C[O-])=CC=CC3=CC2=C1 RHZUVFJBSILHOK-UHFFFAOYSA-N 0.000 description 1
- 239000003830 anthracite Substances 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 229910001424 calcium ion Inorganic materials 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 239000002826 coolant Substances 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 230000020169 heat generation Effects 0.000 description 1
- 239000010842 industrial wastewater Substances 0.000 description 1
- 239000008235 industrial water Substances 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 239000010808 liquid waste Substances 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000011045 prefiltration Methods 0.000 description 1
- 239000012629 purifying agent Substances 0.000 description 1
- 239000002516 radical scavenger Substances 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 239000011150 reinforced concrete Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 239000010802 sludge Substances 0.000 description 1
- 239000002195 soluble material Substances 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 239000008399 tap water Substances 0.000 description 1
- 235000020679 tap water Nutrition 0.000 description 1
- 239000002912 waste gas Substances 0.000 description 1
- 239000002351 wastewater Substances 0.000 description 1
Images
Classifications
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F9/00—Multistage treatment of water, waste water or sewage
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F28—HEAT EXCHANGE IN GENERAL
- F28D—HEAT-EXCHANGE APPARATUS, NOT PROVIDED FOR IN ANOTHER SUBCLASS, IN WHICH THE HEAT-EXCHANGE MEDIA DO NOT COME INTO DIRECT CONTACT
- F28D21/00—Heat-exchange apparatus not covered by any of the groups F28D1/00 - F28D20/00
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24133—Distances to prototypes
- G06F18/24137—Distances to cluster centroïds
- G06F18/2414—Smoothing the distance, e.g. radial basis function networks [RBFN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
- G06F18/24155—Bayesian classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F1/00—Treatment of water, waste water, or sewage
- C02F1/001—Processes for the treatment of water whereby the filtration technique is of importance
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F1/00—Treatment of water, waste water, or sewage
- C02F1/28—Treatment of water, waste water, or sewage by sorption
- C02F1/283—Treatment of water, waste water, or sewage by sorption using coal, charred products, or inorganic mixtures containing them
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F1/00—Treatment of water, waste water, or sewage
- C02F1/44—Treatment of water, waste water, or sewage by dialysis, osmosis or reverse osmosis
- C02F1/441—Treatment of water, waste water, or sewage by dialysis, osmosis or reverse osmosis by reverse osmosis
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F1/00—Treatment of water, waste water, or sewage
- C02F1/52—Treatment of water, waste water, or sewage by flocculation or precipitation of suspended impurities
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F1/00—Treatment of water, waste water, or sewage
- C02F2001/007—Processes including a sedimentation step
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2101/00—Nature of the contaminant
- C02F2101/10—Inorganic compounds
- C02F2101/12—Halogens or halogen-containing compounds
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2101/00—Nature of the contaminant
- C02F2101/10—Inorganic compounds
- C02F2101/20—Heavy metals or heavy metal compounds
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2101/00—Nature of the contaminant
- C02F2101/30—Organic compounds
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Software Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Organic Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Medical Informatics (AREA)
- Thermal Sciences (AREA)
- Mechanical Engineering (AREA)
- Water Supply & Treatment (AREA)
- Environmental & Geological Engineering (AREA)
- Hydrology & Water Resources (AREA)
- Probability & Statistics with Applications (AREA)
- Treatment Of Water By Ion Exchange (AREA)
Abstract
本发明提供一种余热发电循环水处理装置,该装置包括集成设置在所述装置内的余热发电设备以及循环水处理设备;所述余热发电设备用于基于循环水将热能转换为电能;所述循环水处理设备用于生成满足预设要求的净化水;所述循环水处理设备包括依次连接的第一水箱、软化澄清器、第一过滤器、第二过滤器以及第二水箱;至少部分所述循环水来自所述循环水处理设备。
Description
技术领域
本说明书涉及余热发电领域,特别涉及一种余热发电循环水处理装置。
背景技术
余热发电是以吸收了多余热能的循环水为热源,进行热力发电,实现循环水余热的回收利用。在实际工作中,余热发电中的循环水往往工作环境的影响导致循环水的水质变差,可能形成水垢影响相关设备的工作。因此,需要一种效果更好的余热发电循环水处理设备。
发明内容
本说明书实施例之一提供一种余热发电循环水处理装置,所述装置包括集成设置在箱体内的余热发电设备以及循环水处理设备;所述余热发电设备用于基于循环水将热能转换为电能;所述循环水处理设备用于生成满足预设要求的净化水;所述循环水处理设备包括依次连接的第一水箱、软化澄清器、第一过滤器、第二过滤器以及第二水箱;至少部分所述循环水来自所述循环水处理设备。
在一些实施例中,所述第二水箱与所述循环水处理设备连接,所述净化水经所述第二水箱进入所述循环水处理设备。
在一些实施例中,所述装置还包括所述循环水控制设备;循环水控制设备用于:获取循环水数据;基于所述循环水数据,确定循环水调节参数,其中,所述循环水调节参数包括水泵电机转速、阀门开度和药剂投放量中的至少一种;以及基于所述循环水调节参数对至少部分所述循环水进行处理,得到调节后的循环水。
在一些实施例中,所述循环水数据包括所述循环水的循环量、目标离子的浓度以及水蒸发量中的至少一种。
在一些实施例中,所述循环水控制设备还用于基于循环水处理模型对所述循环水数据进行处理,得到所述循环水调节参数。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书一些实施例所示的余热发电循环水处理系统的应用场景示意图;
图2是根据本说明书一些实施例所示的余热发电循环水处理系统中循环水的流向示意图;
图3是根据本说明书一些实施例所示的循环水调节方法的示例性流程图;
图4是根据本说明书一些实施例所示的循环水处理模型的示例性结构框图;
图5是根据本说明书一些实施例所示的循环水调节参数确定模型的示例性结构框图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
图1是根据本说明书一些实施例所示的余热发电循环水处理系统的应用场景示意图。
如图1所示,余热发电循环水处理系统的应用场景100可以包括处理设备110、网络120、终端130、存储设备140、工厂150以及用于余热发电循环水处理的箱体160。其中,箱体160可以包括余热发电设备以及循环水处理设备。
在一些实施例中,处理设备110可以直接连接终端130、存储设备140、箱体160以访问信息和/或数据。例如,处理设备110可以从箱体160获取循环水数据。在一些实施例中,处理设备110可以处理从终端130、存储设备140、工厂150和/或箱体160获取数据和/或信息。例如,处理设备110可以基于箱体160获取的循环水数据控制箱体160的工作状态。再例如,处理设备110基于工厂150的工作状态控制箱体160进行余热发电。又例如,处理设备110可以响应于终端130输入的控制指令控制箱体160。在一些实施例中,处理设备110可以是单个服务器或服务器组。处理设备110可以是本地的、远程的。处理设备110可以在云平台上实现。
网络120可以包括提供能够促进余热发电循环水处理系统的信息和/或数据交换的任何合适的网络。在一些实施例中,一个或多个组件(例如,处理设备110、终端130、存储设备140、箱体160)之间可以通过网络120交换信息和/或数据。
在一些实施例中,网络120可以是有线网络或无线网络中的任意一种或多种。在一些实施例中,网络120可以包括一个或以上网络接入点。例如,网络120可以包括有线或无线网络接入点,例如,基站和/或网络交换点120-1、120-2…。通过这些接入点余热发电循环水处理系统的一个或多个组件可连接到网络120上以交换数据和/或信息。在一些实施例中,网络可以是点对点的、共享的、中心式的等各种拓扑结构或者多种拓扑结构的组合。
终端130指用户所使用的一个或多个终端设备或软件。在一些实施例中,终端130可以是移动设备、平板计算机、笔记本电脑等或其任意组合。在一些实施例中,终端130可以通过网络120与余热发电循环水处理系统中的其他组件交互。例如,在一些实施例中,终端130可以接收处理设备110发送的箱体160的工作状态,并展示给相关操作人员。在一些实施例中,终端130可以是固定的和/或移动的。
存储设备140可以用于存储数据、指令和/或任何其他信息。在一些实施例中,存储设备140可以存储从例如处理设备110、终端130、箱体160等获得的数据和/或信息。例如,存储设备140可以存储预先训练好的机器学习模型等。在一些实施例中,存储设备140可以设置在处理设备110中。在一些实施例中,存储设备140可包括大容量存储器、可移除存储器等或其任意组合。
工厂150可以是用于生产的机构(如,水泥窑、炼钢厂等),工厂150在生产过程中可能产生多余的热能,例如,工厂150中多余的余热可以是待降温物体散热时产生的热量,如,高温烟气余热,化学反应余热,废气、废液余热,低温余热(低于200℃)等。在一些实施例中,箱体160可以将工厂150中多余的热能进行收集并进行二次利用。
箱体160可以是用于执行余热发电以及循环水处理的一种余热发电循环水处理装置。箱体160可以利用工厂150在生产过程中产生的多余的热能进行发电,例如,箱体160可以与工厂150中待降温的高温物品/高温环境连通,并利用箱体160内的导热装置/导热材料(如,循环水)对高温物品/高温环境进行降温,箱体160内的导热装置/导热材料吸收高温物品/高温环境的热量后,箱体160可以基于吸收热能的导热装置/导热材料进行余热发电。
余热发电设备可以是箱体160中执行余热发电的装置,余热发电设备可以包括用于余热发电的循环水。循环水处理设备可以箱体160中对循环水进行处理的装置。余热发电设备以及循环水处理设备可以集成设置在箱体160中。关于箱体160、余热发电设备以及循环水处理设备的更多内容可以参考图2及其相关描述。
图2是根据本说明书一些实施例所示的余热发电循环水处理系统中循环水的流向示意图。
余热发电循环水处理系统是可以执行余热发电技术以及循环水处理的装置或装置组合,其中,余热发电技术是可以利用工厂(如,图1中工厂150)中待散热的热能进行发电的技术;循环水处理可以指对作为导热介质的循环水进行净化处理的技术。
在一些实施例中,余热发电循环水处理系统可以通过至少一个箱体装置(如,图1中箱体)实现,箱体可以是集成了余热发电功能以及循环水处理功能的装置。在一些实施例中,箱体在外观上可以与集装箱类似,进而箱体可以通过与集装箱类似的方式进行运输。在一些实施例中,当余热发电循环水处理系统的发电需求较大时,可以通过多个箱体连接构成满足额定发电效率的余热发电循环水处理系统。
如图2所示,余热发电循环水处理系统200可以包括余热发电设备210以及循环水处理设备220。在一些实施例中,余热发电设备210以及循环水处理设备220可以集成设置在箱体内。
基于上述设置,一些实施例提供的余热发电循环水处理系统可以通过集成了余热发电设备以及循环水处理设备的至少一个箱体实现,箱体可以参考集装箱的运输方式进行运输,运输方便、施工周期较短,外观美观。此外,通过箱体组成的余热发电循环水处理系统可以基于实际情况进行布局,提高了智能化水平与布局合理性。
余热发电设备210可以指执行余热发电技术的设备,余热发电设备210可以包括余热吸收装置以及发电装置,余热吸收装置可以吸收工厂中多余的热能,发电装置可以利用余热吸收装置吸收的热能进行发电。
如图2所示,余热发电设备210内可以包括循环水215,可以基于循环水215实现余热的吸收。例如,循环水215可以用作工厂中高温烟气的冷却介质,在对高温烟气进行散热时,循环水215可以吸收高温烟气中的热量。余热发电设备210可以基于循环水215吸收到的热量进行发电。
循环水处理设备220可以指对循环水215进行循环处理的装置,其中,循环水的处理可以包括循环水净化处理、循环水补充等。循环水净化处理可以指对循环水进行除杂、过滤等提升水质的处理。
在一些实施例中,如图2所示,循环水处理设备220可以包括第一水箱221、软化澄清器222、第一过滤器223、第二过滤器224以及第二水箱225。
净化水可以是循环水215经净化处理后得到的满足预设要求的水。
净化水的预设要求可以指对净化水的水质的输出条件,例如,净化水的预设要求可以包括净化水中重金属离子含量不超标,水质清澈等。在一些实施例中,净化水的预设要求可以与净化水的用途相关,例如,净化水用于循环水215的补充水时,净化水的预设要求可以是循环水215的补充水质要求。
第一水箱221可以是循环水处理设备220的进水装置。例如,循环水215中的部分循环水可以通过第一水箱221进入循环水处理设备220。在一些实施例中,第一水箱221可以是封闭式钢砼结构,第一水箱221上可以设置有供循环水215流入流出的通道,其中,第一水箱221的循环水流出通道可以与软化澄清器222连通。
在一些实施例中,进入第一水箱221中部分循环水的量可以根据循环水的工作环境确定,例如,可以将循环水的总流通量的5~20%作为部分循环水。部分循环水离开循环水215后,可以利用不包含杂质的水源(如:原水、净化水等)对循环水215中减少部分进行补充,由此,可以提高循环水的水质、降低其离子浓度,避免水垢对相关设备的影响。
在一些实施例中,第一水箱221可以包括用于收集雨水的收集水池、用于沉淀污水的中间水池以及用于存放反冲洗后污水的反洗水池中的至少一种。
在一些实施例中,第一水箱221可以与排污系统连通,将排污系统排出的污水输入循环水处理设备进行处理。其中,排污系统可以是工业废水、生活污水等废水产生设备。将排污系统与循环水处理设备连通,可以实现工业园区的污水的内部处理,不向外排放。
软化澄清器222可以是用于执行软化澄清的设备,例如,软化澄清器222可以是高密度沉淀池(又称机械加速沉淀池)。
在一些实施例中,软化澄清器222可以对从第一水箱221流入的循环水215进行软化澄清处理。在一些实施例中,软化可以指通过絮凝剂减少循环水215的金属离子浓度,澄清可以指通过沉淀技术将循环水215中难溶解的物质沉到软化澄清器222的底层,软化澄清处理可以包括向软化澄清器222中的循环水215添加絮凝剂,然后对循环水215进行沉淀,并将上层循环水作为软化澄清处理后的循环水215。
在一些实施例中,软化澄清器222包括设置有供循环水215流入流出的通道以及沉淀物排出通道(如排泥斗),软化澄清器222的循环水流出通道可以与第一过滤器223连通。
第一过滤器223可以是用于执行过滤处理的设备。在一些实施例中,第一过滤器223所采用的过滤手段可以根据后续净化处理确定,例如,后续净化处理包括污水反渗透(Reverse Osmosis,RO)分离处理时,第一过滤器223过滤后的循环水需要满足RO技术的水质要求,对应的第一过滤器223可以包括多介质过滤器以及活性炭过滤器,其中,多介质过滤器指利用两种以上过滤介质,在一定的压力下把浊度较高的水通过过滤介质除去悬浮杂质使水澄清的设备,第一过滤器223的过滤介质可以根据实际需要选择,例如,第一过滤器223的多介质过滤器可以包括石英砂滤料层以及无烟煤滤料层。第一过滤器223活性炭过滤器可以通过活性炭滤料层对循环水215进行过滤,其中,活性炭滤料层可以够吸附前级过滤中无法去除的余氯以防止后级反渗透膜受其氧化降解。
在一些实施例中,第一过滤器223进行过滤时,循环水215先通过多介质过滤器将循环水215中未沉淀的杂质过滤,再通过活性炭过滤器以除去循环水215中的余氯以及小分子有机物、重金属离子等污染物。
在一些实施例中,第一过滤器223包括设置有供循环水215流入流出的通道,第一过滤器223的循环水流出通道可以与第二过滤器224连通。
第二过滤器224可以是用于执行反渗透过滤处理的设备。在一些实施例中,第二过滤器224可以包括RO膜,第二过滤器224可以依靠RO膜在压力下使循环水215中的溶剂与溶质进行分离。在一些实施例中,循环水215经第二过滤器224净化为净化水,其中,循环水215的溶质经RO膜分离变为浓水。在一些实施例中,第二过滤器224包括设置有供循环水215流入流出的通道以及浓水的流出通道,第二过滤器224的循环水流出通道可以与第二水箱225连通。
在一些实施例中,第二过滤器224生成的浓水可以用于工业园区内的喷水降尘或立磨内喷水使用,进而降低污水的排放。
第二水箱225可以是净化水的收集装置,循环水215经净化处理后得到的净化水可以储存在第二水箱225中。在一些实施例中,第二水箱225可以与用水设备连通,以使净化水输入用水设备中,例如,第二水箱225可以与工厂(如工厂150)连通,净化水可以作为工厂的工业用水。
基于前述对第一水箱221、软化澄清器222、第一过滤器223、第二过滤器224以及第二水箱225的描述,循环水215从余热发电设备210进入循环水处理设备220进行净化处理的过程可以为:循环水215通过第一水箱221进入循环水处理设备220,再流入软化澄清器222进行软化澄清处理,软化澄清处理后的循环水215流入第一过滤器223进行过滤处理,过滤处理后的循环水215流入第二过滤器224进行RO分离处理,RO分离处理后的循环水215作为净化水储存在第二水箱225中。
在一些实施例中,可以对第一水箱221、软化澄清器222、第一过滤器223、第二过滤器224以及第二水箱225中的循环水215的流动路径进行三维设计,并将一个或多个第一水箱221、软化澄清器222、第一过滤器223、第二过滤器224以及第二水箱225集成在箱体内。
在一些实施例中,循环水的补充水(也称作原水)也可以通过第一水箱221进入循环水处理设备220进行净化,其中,原水可以包括河水、自来水等。
基于上述设计,一些实施例提供的余热发电循环水处理系统可以基于生产所带来的余热进行发电,并对污水进行处理,避免资源浪费。此外,循环水可以通过循环水处理装置的净化生成净化水,避免了污水的外排,同时提高了循环水的水质。
在一些实施例中,循环水215在循环过程中会产生损耗,需要对循环水215进行补充。例如,可以通过外部水源补充循环水215。再例如,可以利用第二水箱225中的净化水补充循环水215,由此,第二水箱225与余热发电设备210连接,净化水经第二水箱进入余热发电设备210。
基于上述设计,一些实施例提供的余热发电循环水处理系统实现了对水进行循环利用,当余热发电循环水处理系统与水泥厂连通时,可以减少每吨水泥的用水定额,避免资源浪费。同时,一些实施例提供的余热发电循环水处理系统,将部分循环水进行净化处理得到净化水时,使部分循环水的水质得到改善,再将净化水再次投入使用后,净化水稀释了循环水的目标例子的浓度实现了对循环水的净化,进而避免余热发电装置中大量结垢,从而使热传导更加高效,同时也避免了水垢对相关装置的腐蚀。
在一些实施例中,如图2所示,余热发电循环水处理系统200还可以包括循环水控制设备230。循环水控制设备230可以控制余热发电设备以及循环水处理设备,循环水控制设备230的具体功能可以参考图3的相关描述。
在一些实施例中,循环水的净化过程可以与循环水的水质相关,为提高循环水净化处理的准确性以及智能化水平,本说明书还提供一种循环水调节方法。
图3是一些实施例提供的循环水调节方法的示例性流程图。如图3所示,流程300包括下述步骤。在一些实施例中,流程300可以由循环水控制设备230或处理设备110执行。例如,流程300可以以程序或指令的形式存储在存储设备中,当循环水控制设备230中的处理器执行程序或指令时,可以实现流程300。在一些实施例中,流程300可以利用以下未描述的一个或以上附加操作,和/或不通过以下所讨论的一个或以上操作完成。
循环水控制设备230可以是控制循环水调节过程(也称循环水净化过程)的设备,循环水控制设备230可以与余热发电设备210以及循环水处理设备220通信连接。循环水控制设备230可以通过控制余热发电设备210和/或循环水处理设备220以控制循环水215的调节过程。
在一些实施例中,循环水控制设备230可以由处理器(如处理设备110)以及存储器(如存储设备140)实现或循环水控制设备230可以包含于处理设备110中,存储器中可以储存循环水调节方法的相关指令,处理器可以通过从存储器中调用并执行相关指令实现本说明书提供的循环水调节方法。
步骤310,获取循环水数据。
在一些实施例中,循环水数据可以包括能反应循环水的水质的数据,例如,循环水数据可以包括循环水的澄清度、浊度、味道、颜色、离子浓度等数据。在一些实施例中,循环水数据可以包括能反应循环水的工作状态的数据,例如,循环水温度、流量等数据。
在一些实施例中,循环水数据可以通过对应的检测装置获取,例如,循环水的温度可以通过温度检测设备获取。在一些实施例中,循环水数据可以通过对应的检测装置及相关的算法确定,例如,循环水的澄清度可以通过图像采集装置获取并基于循环水图像分析出循环水的澄清度;再例如,确定工厂的散热量后可以根据散热量确定循环水的总量。在一些实施例中,运输循环水的管道中可以设置有多个检测装置,检测装置可以与循环水控制设备230通信连接,检测装置可以将其检测到的循环水数据发送到循环水控制设备230。
在一些实施例中,循环水数据可以与循环水的调节过程相关,循环水数据具体涉及的参数可以根据循环水的实际工作环境确定。例如,作为工厂散热的导热介质时,对应的循环水数据可以包括循环水的循环量、目标离子的浓度以及水蒸发量中的至少一种。
循环水的循环量可以反应循环水的循环情况,例如,循环水的循环量可以包括与工厂散热量相关的循环水的循环总量、反应进入循环水处理设备的循环水分流量以及循环水补充量中的至少一种。在一些实施例中,循环水的循环量可以通过循环水的总量/流量描述,例如,循环水的循环量可以是500000L;又例如,循环水的循环总量可以是进入工厂中的循环水流量。对应的循环水的循环量可以通过液体流量检测器检测,例如,循环水的管道中可以设置多个液体流量检测器,液体流量检测器可以与循环水控制设备230通信连接,将检测到的循环水流量发送到循环水控制设备230。
目标离子的浓度可以指循环水中矿物质(待去除离子)的浓度,目标离子可以根据循环水的实际工作环境确定,例如,循环水用作水泥窑的导热介质时,目标离子可以是钙离子、镁离子等。目标离子的浓度可以通过对应的金属离子浓度检测装置(如离子选择性电极、光谱分析仪等)检测。在一些实施例中,循环水的管道中可以设置多个金属离子浓度检测装置,金属离子浓度检测装置可以与循环水控制设备230通信连接,将检测到的目标离子的浓度发送到循环水控制设备230。在一些实施例中,目标离子的浓度可以通过单位体积内的目标离子质量表示,例如,目标离子中镁离子的浓度可以是100mg/L。
水蒸发量可以指循环水在循环过程中蒸发掉的循环水量,例如,水蒸发量可以包括进行热能转换为电能时消耗的水的量。在一些实施例中,可以在循环水管道进入工厂处以及发电结束处设置液体流量检测器,根据两处流量的差值确定循环水的蒸发量。在一些实施例中,水蒸发量可以通过蒸发比例和/或流量差描述,例如,水蒸发量可以是每小时蒸发循环总量10%的循环水。在一些实施例中,水蒸发量可以是预设时间内循环水蒸发总量,例如,循环水处理设备完成循环水净化的时间可以记作净化周期,水蒸发量可以指一个净化周期内循环水的蒸发总量。
步骤320,基于循环水数据,确定循环水调节参数。
循环水调节参数可以指余热发电装置和/或循环水处理装置中相关设备的控制参数,例如,循环水调节参数可以包括循环水处理装置中各个水泵的转速。在一些实施例中,循环水调节参数可以与循环水在净化过程中的相关参数有关,例如,循环水调节参数可以与循环水的净化比例、原水的投放量、循环水的目标离子浓度相关,对应的循环水调节参数可以包括补充水泵电机转速、阀门开度和药剂投放量。在一些实施例中,基于循环水调节参数进行循环水处理后的循环水可以记为调节后循环水,在进行调节前的循环水可以记为原循环水。
循环水调节参数可以基于多种方式确定,例如,预设规则确定,可以根据获取的循环水数据,基于预先设定的调整规则确定循环水调节参数。仅作为示例的,预先设定的调整规则可以包括水蒸发量超过30%时,阀门开度不小于50%等。
补充水泵电机可以将补充水注入循环水中,补充水泵电机转速可以与调整循环水中原水的补充速度(单位时间内原水的补充量)对应,例如,当原水的补充速度为100L/min,根据电机每圈运输原水量(如电机每转运输0.04L水)可计算出补充水泵电机转速可以为2500r/min。
在一些实施例中,可以先确认原水的补充速度再确认补充水泵电机转速,例如,原循环水在预设时间内的蒸发量为总量的20%,则调节后循环水需要补充总循环量20%的原水,即需要在预设时间内通过补充水泵电机将总循环量20%的原水注入循环水中,原水的补充速度为(20%循环总量/预设时间),然后根据原水的补充速度以及电机每圈运输原水量可以计算补充水泵电机转速。
阀门可以是循环水与第一水箱连接处的阀门,阀门开度可以与循环水进入第一水箱的比例对应,例如,循环水中总流量20%进入第一水箱,则阀门的开度可以为20%。
在一些实施例中,阀门开度可以根据蒸发后循环水总量(也记作原循环水的当前流量)以及循环水进入第一水箱的比例确定,例如,循环水的蒸发量为20%,则蒸发后循环水为原循环水的总流量80%,若将原循环水总循环量的16.7%循环水作为净化水时,则需要将原循环水的当前循环量的20.9%(16.7%/80%=20.9%)的循环水引入循环水处理设备,对应的阀门开度可以是20.9%。
药剂可以是循环水处理设备所需要的净化药剂,例如,药剂可以是前述软化澄清器中的絮凝剂,药剂投放量可以指软化澄清器中的絮凝剂的投放量;再例如,药剂还可以是过滤器净化剂。
在一些实施例中,药剂投放量可以跟进行净化处理的循环水量以及循环水中目标离子浓度有关,例如,可以根据净化处理的循环水量(如1000L)以及循环水中目标离子浓度(如镁离子浓度150mg/L)确定各个目标离子总量(镁离子总量为1000L*150mg/L=150g),根据目标离子总量确定目标离子对应的絮凝剂投放量(如可以根据化学反应方程式确定对应关系,再根据对应关系确定投放量),基于各个絮凝剂投放量确定药剂投放量。
在一些实施例中,确定循环水调节参数可以通过机器学习模型确定,具体内容可以参见图4、图5及其描述。
步骤330,基于循环水调节参数对至少部分循环水进行处理,得到调节后的循环水。对至少部分循环水进行处理过程可以参考图2的相关描述。
在一些实施例中,可以根据循环水调节参数调节余热发电循环水处理系统中对应的设备,例如,将补充水泵电机的转速调节至前述确定的循环水调节参数中补充水泵电机转速。
调节后循环水是指基于循环水调节参数对循环水进行处理后得到的循环水。
在一些实施例中,调节后的循环水可以包括原循环水、净化水及原水。在一些实施例中,可以基于多种方法确定调节后的循环水中各组成的占比,例如,假设循环水的理论状态为循环水总量为a,目标离子浓度为b,根据一个净化周期的循环水数据可以确定循环水的蒸发率为20%(调整后的循环水最多包括0.8a的原循环水),目标离子浓度为1.5b(如0.8a的循环水中目标离子浓度为1.5b),在理想状况下,原水是从外部注入的补充水,可以改变可以更改循环水总量(如,可以增加原循环水总量20%的原水,注入后循环水总量为a,离子浓度为0.8a*1.5b/a=1.2b),净化水是有原循环水处除去目标离子后重新注入的水,可以改变目标离子总量,则经计算为使调整后的循环水的状态与循环水的理论状态相同(如,前述目标离子总量超过标准1.2ab-ab=0.2ab,则需要净化原循环水量为0.2ab/1.2b≈0.167a),则调节后的循环水可以包括:0.633a的原循环水+0.167a的净化水+0.2a的原水,则循环水调节参数可以根据调整后的循环水组成确定。
需要说明的是,上述调整后的循环水基于理想情况计算,在实际工作中,循环水调节参数可以实时更改,循环水的部分组成可能互相影响,上述计算过程可以根据实际情况进行调整。
在一些实施例中,可以检测调节后的循环水的循环水数据以确定调节后的循环水是否满足调节要求,其中,调节要求可以包括循环水数据应满足的范围和/或调节后的循环水的理论组成。
基于上述循环水调节方法,该方法可以保证循环水中矿物质的浓度不超标,以避免余热发电装置中大量结垢,从而使热传导更加高效,同时也可以避免水垢对相关装置的腐蚀。
图4是根据本说明书一些实施例所示的循环水处理模型的示例性结构框图。
在一些实施中,如图4所示,可以基于循环水处理模型对循环水数据进行处理,得到循环水调节参数。在一些实施例中,可以将循环水数据作为循环水处理模型的输入,经循环水处理模型处理,循环水处理模型的输出可以是循环水调节参数。
在一些实施例中,基于循环水处理模型对所述循环水数据进行处理的具体内容可以参考下方步骤410、420,步骤410、420可以由处理设备110执行。
步骤410,获取循环水数据。
步骤410与步骤310一致,故步骤410参见本说明书步骤310相应部分,在此不再赘述。
步骤420,对循环水数据进行处理,得到循环水调节参数。
在一些实施例中,可以通过循环水处理模型确定循环水数据对应的循环水调节参数。循环水处理模型的输入可以是当前的循环水数据,循环水处理模型的输出可以是当前的循环水数据对应的循环水调节参数。
在一些实施例中,循环水处理模型可以为循环神经网络(Recurrent NeuralNetwork,RNN)模型。
在一些实施例中,循环水处理模型还可以是其他模型,例如,支持向量机模型、Logistic回归模型、朴素贝叶斯分类模型、高斯分布贝叶斯分类模型、决策树模型、随机森林模型、KNN分类模型和神经网络模型等。
循环水处理模型可以基于历史循环水数据获取。训练样本可以为多个样本时间点的循环水数据,训练样本的标签为各个样本时间点对应的循环水调节参数。将带有标签的训练样本输入初始循环水处理模型,通过训练更新初始循环水处理模型的参数,当训练的模型满足预设条件时,训练结束,获取训练好的循环水处理模型。
基于一些实施例提供的循环水处理模型,在确定循环水调节参数可以通过机器学习模型进行处理,减少人力成本,同时基于长时段的历史数据进行预测使得数据更加准确。
图5是根据本说明书一些实施例所示的基于时序数据的循环水调节参数确定模型的示例性结构框图。
在一些实施中,如图5所示,基于时序数据的循环水调节参数确定模型可以基于多组候选调节参数和各个时间点的循环水数据,确定各组候选调节参数对应的矿物质浓度,将矿物质浓度满足预设条件时对应候选调节参数确定为调节参数。例如,循环水调节参数确定模型可以包括矿物质浓度确定模型,其中,矿物质浓度确定模型可以基于多组候选调节参数和各个时间点的循环水数据,确定各组候选调节参数对应的矿物质浓度。
在一些实施例中,基于循环水调节参数确定模型对循环水时序数据以及候选调节参数进行处理的具体内容可以参考下方步骤510~530,步骤510~530可以由处理设备110执行。
步骤510,获取循环水时序数据。
循环水时序数据可以是多个时间点的循环水数据,例如,循环水时序可以包括循环水数据以及各个循环水数据的采集时点。在一些实施例中,循环水数据的采集时点可以根据实际需要设置,例如,可以周期性采集循环水数据(如,可以每10分钟采集一次循环水数据);再例如,可以在特定时点采集循环水数据。
步骤510可以通过与步骤310的类似方法实现,故步骤510参见本说明书步骤310相应部分,在此不再赘述。
步骤520,基于多组候选调节参数和循环水时序数据,确定各组候选调节参数对应的矿物质浓度。
候选调节参数可以是对于当前的循环水数据,可以使循环水满足预设候选标准的多个可行调节参数,例如,预设候选标准可以包括目标离子的浓度在预设范围(如镁离子浓度小于200mg/L)内,则调节参数中目标离子浓度在预设范围内的各个调节参数可以作为候选调节参数。在一些实施例中,为简化计算,预设候选标准可以仅与调解参数以及当前时刻的循环水数据相关。
候选调节参数对应的矿物质浓度可以指基于候选调节参数,在循环水时序数据的条件下预估的矿物质浓度,例如,可以基于循环水时序数据确定循环水数据的变化趋势(例如,循环水数据的变化趋势可以包括镁离子目前浓度为148mg/l,并以每小时1mg/L的速度增多),再基于环水数据的变化趋势确定该变化趋势下候选调节参数对应的矿物质浓度预估值。
在一些实施例中,多组候选调节参数可以根据当前时间点的循环水数据确定。候选调节参数的确定方法可以参考步骤320、420中确定调解参数的相关描述。
在一些实施例中,可以根据矿物质浓度确定模型确定各组候选调节参数对应的矿物质浓度,例如,可以将一个候选调节参数和循环水时序数据输入矿物质浓度确定模型,矿物质浓度确定模型经计算输出该候选调节参数对应的矿物质浓度,重复上述过程直到确定各组候选调节参数对应的矿物质浓度。
在一些实施例中,矿物质浓度确定模型可以为深度神经网络(Deep NeuralNetworks,DNN)、循环神经网络(Recurrent Neural Network,RNN)模型等。
在一些实施例中,处理设备可以利用大量带有标签的历史候选调节参数训练初始矿物质浓度确定模型,从而得到矿物质浓度确定模型。标签可以是历史候选调节参数对应的矿物质浓度。模型训练可以基于一种或多种机器学习算法进行,例如,梯度下降法、自适应矩阵估计(Adaptive moment estimation,Adam)法等。在一些实施例中,标签可以由人工处理或确认。
在一些实施例中,还可以基于其他方法实现矿物质浓度的确定,例如可以通过预估函数等算法确定各组候选调节参数对应的矿物质浓度,预估函数可以是表征候选调节参数以及循环水时序数据与目标离子浓度之间映射关系的关系,拟合函数可以是多元函数,其中多元函数中的参数可以通过最小二乘法确定。
步骤530,将满足预设条件的矿物质浓度对应的候选调节参数确定为调节参数。
矿物质浓度的预设条件可以指矿物质浓度应满足的数值条件。在一些实施例中,矿物质浓度的预设条件可以根据实际需要确定,例如,循环水的调解目标为尽量降低矿物质浓度,则可以从选取矿物质浓度最低的候选调节参数作为调节参数。例如,循环水的调解目标为在正常运行的情况下尽量延长设备的使用寿命时,则可以选取调节参数变化值最小的候选调节参数作为调节参数。
在一些实施例中,矿物质浓度的预设条件可以包括多个数值条件,例如,矿物质浓度的预设条件可以包括从矿物质浓度最低的10个候选调节参数中选取调节参数变化值最小的作为调节参数。
一些实施例提供的循环水调节参数确定方法,引入了循环水时序数对调节参数据的影响,解决了循环水持续循环,水质持续变化导致的调节参数难以确定、调整效果不好的技术问题。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,除非权利要求中明确说明,本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外,对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是,如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方,以本说明书的描述、定义和/或术语的使用为准。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (2)
1.一个余热发电循环水处理装置,其特征在于,包括集成设置在箱体内的余热发电设备、循环水处理设备以及循环水控制设备;
所述余热发电设备用于基于循环水将热能转换为电能;
所述循环水处理设备用于将所述循环水处理为满足预设要求的净化水;
所述循环水处理设备包括依次连接的第一水箱、软化澄清器、第一过滤器、第二过滤器以及第二水箱;
所述余热发电设备中的至少部分所述循环水来自所述循环水处理设备;
所述循环水控制设备用于:
获取循环水时序数据,其中,所述循环水时序数据包括多个时间点的循环水数据,所述循环水数据为反应所述循环水的水质的数据,所述循环水数据包括所述循环水的循环量、目标离子的浓度以及水蒸发量中的至少一种;
基于所述循环水时序数据,确定循环水调节参数,其中,所述循环水调节参数为所述余热发电设备和/或所述循环水处理设备的控制参数,所述循环水调节参数包括水泵电机转速、阀门开度和药剂投放量中的至少一种;
基于所述循环水调节参数控制所述循环水处理设备对至少部分所述循环水进行处理,得到调节后的循环水;
所述基于所述循环水时序数据,确定循环水调节参数包括:
基于矿物质浓度确定模型对多组候选调节参数以及所述循环水时序数据进行处理,确定各组候选调节参数对应的矿物质浓度,将满足预设条件的矿物质浓度对应的候选调节参数确定为所述循环水调节参数,其中,所述多组候选调节参数为用于调整当前的所述循环水数据的循环水以使其满足预设候选标准的多个可行调节参数。
2.根据权利要求1所述的装置,其特征在于,所述第二水箱与所述余热发电设备连接,所述净化水经所述第二水箱进入所述余热发电设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210160730.2A CN114436449B (zh) | 2022-02-22 | 2022-02-22 | 一种余热发电循环水处理装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210160730.2A CN114436449B (zh) | 2022-02-22 | 2022-02-22 | 一种余热发电循环水处理装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114436449A CN114436449A (zh) | 2022-05-06 |
CN114436449B true CN114436449B (zh) | 2023-06-30 |
Family
ID=81374350
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210160730.2A Active CN114436449B (zh) | 2022-02-22 | 2022-02-22 | 一种余热发电循环水处理装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114436449B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103912955A (zh) * | 2012-12-31 | 2014-07-09 | 王炜 | 中央空调水系统在线监测预判控制加药系统及其应用 |
CN105988378A (zh) * | 2015-01-30 | 2016-10-05 | 上海洗霸科技股份有限公司 | 循环冷却水控制系统及加药控制装置和方法 |
CN111174824A (zh) * | 2019-12-27 | 2020-05-19 | 北京首钢自动化信息技术有限公司 | 一种酸雾排放的管控平台 |
CN111981862A (zh) * | 2020-09-04 | 2020-11-24 | 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 | 一种表面式间冷系统的循环水流量控制方法及装置 |
CN112484560A (zh) * | 2020-10-20 | 2021-03-12 | 浙江中控技术股份有限公司 | 一种工业循环水的节水优化方法及系统 |
CN112978816A (zh) * | 2019-12-12 | 2021-06-18 | 中国石油化工股份有限公司 | 一种循环水水质稳定性控制方法 |
CN113566639A (zh) * | 2021-07-01 | 2021-10-29 | 深圳中广核工程设计有限公司 | 闭式冷却塔循环水排污量控制方法和系统 |
WO2022012542A1 (zh) * | 2020-07-15 | 2022-01-20 | 上海有孚网络股份有限公司 | 基于数据分析的云计算数据中心精密空调节能控制方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201873580U (zh) * | 2010-08-23 | 2011-06-22 | 西安华新能源工程有限公司 | 一种用于硅铁余热发电锅炉的补给水处理系统 |
CN203501147U (zh) * | 2013-08-29 | 2014-03-26 | 云南省易门县中瑞(集团)建材有限公司 | 水泥窑低温余热发电系统给水处理及调节装置 |
CN104496066A (zh) * | 2014-11-19 | 2015-04-08 | 重庆中科过滤设备制造有限公司 | 余热发电锅炉补给水处理设备 |
CN113401954A (zh) * | 2021-08-20 | 2021-09-17 | 中冶节能环保有限责任公司 | 一种工业循环冷却水的预测方法和装置 |
CN113683169A (zh) * | 2021-09-18 | 2021-11-23 | 深圳市科荣软件股份有限公司 | 一种净水厂智能混凝投药方法及装置 |
-
2022
- 2022-02-22 CN CN202210160730.2A patent/CN114436449B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103912955A (zh) * | 2012-12-31 | 2014-07-09 | 王炜 | 中央空调水系统在线监测预判控制加药系统及其应用 |
CN105988378A (zh) * | 2015-01-30 | 2016-10-05 | 上海洗霸科技股份有限公司 | 循环冷却水控制系统及加药控制装置和方法 |
CN112978816A (zh) * | 2019-12-12 | 2021-06-18 | 中国石油化工股份有限公司 | 一种循环水水质稳定性控制方法 |
CN111174824A (zh) * | 2019-12-27 | 2020-05-19 | 北京首钢自动化信息技术有限公司 | 一种酸雾排放的管控平台 |
WO2022012542A1 (zh) * | 2020-07-15 | 2022-01-20 | 上海有孚网络股份有限公司 | 基于数据分析的云计算数据中心精密空调节能控制方法 |
CN111981862A (zh) * | 2020-09-04 | 2020-11-24 | 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 | 一种表面式间冷系统的循环水流量控制方法及装置 |
CN112484560A (zh) * | 2020-10-20 | 2021-03-12 | 浙江中控技术股份有限公司 | 一种工业循环水的节水优化方法及系统 |
CN113566639A (zh) * | 2021-07-01 | 2021-10-29 | 深圳中广核工程设计有限公司 | 闭式冷却塔循环水排污量控制方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114436449A (zh) | 2022-05-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Chemistry: Reuse water pollutants | |
El-Dessouky et al. | Multi-stage flash desalination: present and future outlook | |
Abejón et al. | Integrated countercurrent reverse osmosis cascades for hydrogen peroxide ultrapurification | |
Jbari et al. | Parametric study to enhance performance of wastewater treatment process, by reverse osmosis-photovoltaic system | |
Özdemir et al. | Decision-making for the selection of different leachate treatment/management methods: the ANP and PROMETHEE approaches | |
Olsson et al. | Operation and control of wastewater treatment—a Scandinavian perspective over 20 years | |
CN111937298A (zh) | 基于低影响开发模式的能量独立型发电方法及系统 | |
CN114436449B (zh) | 一种余热发电循环水处理装置 | |
CN101935126A (zh) | 含锌重金属废水的电沉积和膜分离组合处理方法 | |
CN117534233A (zh) | 一种城市污水集成优化处理及系统设备 | |
Chang | Soft measurement modeling of turbidity in flocculation process of drinking water treatment using gaussian process regression | |
Pithon et al. | An environmental performance analysis of upgraded and integrated treatment techniques for drinking water production through reclamation | |
CN111681797A (zh) | 一种小型核设施退役现场放射性废水处理方法 | |
CN110818168A (zh) | 一种洗烟废水零排放技术处理系统及方法 | |
Bessarabov et al. | CALS Project: Hardware and Technological Design of a Modular Water Management System for Industrial Applications | |
CN112707582A (zh) | 一种城市污水回用于火电厂的预处理系统 | |
CN101891325A (zh) | 化学氧化与双膜法联合处理回用水方法 | |
Feng et al. | Water system integration in a catalyst plant | |
CN101948205B (zh) | 工业废水回用处理系统 | |
Mujtaba et al. | Model-based techniques in desalination processes: a review | |
Pasaoglu et al. | Novel Membrane Technologies in the Treatment and Recovery of Wastewaters | |
Deepa et al. | Integrated Control and Monitoring Systems in Urban Sewage Treatment Plants Using Advanced Process system | |
Zhang et al. | Application of neural network in modeling of activated sludge wastewater treatment process | |
Katsoyiannis et al. | Application of zero liquid discharge water treatment units for wastewater reclamation: possible application in marine ports | |
Dzhygyrey et al. | Distributed wastewater treatment network design with detailed models of processes |
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 | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A waste heat power generation circulating water treatment device Granted publication date: 20230630 Pledgee: Bank of China Limited by Share Ltd. Nanjing Jiangning branch Pledgor: Jiangsu Shunwei Environmental Engineering Co.,Ltd. Registration number: Y2024980008835 |