CN115099152A - 一种工业压缩机过程快速建模方法 - Google Patents
一种工业压缩机过程快速建模方法 Download PDFInfo
- Publication number
- CN115099152A CN115099152A CN202210775559.6A CN202210775559A CN115099152A CN 115099152 A CN115099152 A CN 115099152A CN 202210775559 A CN202210775559 A CN 202210775559A CN 115099152 A CN115099152 A CN 115099152A
- Authority
- CN
- China
- Prior art keywords
- model
- compressor
- submodel
- sub
- pipeline
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 103
- 230000000704 physical effect Effects 0.000 claims abstract description 27
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 7
- 230000003068 static effect Effects 0.000 claims description 27
- 238000004364 calculation method Methods 0.000 claims description 26
- 230000007613 environmental effect Effects 0.000 claims description 15
- 238000013507 mapping Methods 0.000 claims description 9
- 238000013528 artificial neural network Methods 0.000 claims description 2
- 238000012706 support-vector machine Methods 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 abstract description 6
- 238000005094 computer simulation Methods 0.000 abstract description 2
- 101100446506 Mus musculus Fgf3 gene Proteins 0.000 description 15
- 101000767160 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) Intracellular protein transport protein USO1 Proteins 0.000 description 5
- 238000013461 design Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012546 transfer Methods 0.000 description 3
- 239000012530 fluid Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000004886 process control Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012407 engineering method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- QQONPFPTGQHPMA-UHFFFAOYSA-N propylene Natural products CC=C QQONPFPTGQHPMA-UHFFFAOYSA-N 0.000 description 1
- 125000004805 propylene group Chemical group [H]C([H])([H])C([H])([*:1])C([H])([H])[*:2] 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D27/00—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Mechanical Engineering (AREA)
- Control Of Positive-Displacement Air Blowers (AREA)
- Control Of Positive-Displacement Pumps (AREA)
Abstract
本发明提供一种工业压缩机过程快速建模方法，主要包括可以满足动态仿真精度要求的实际工质的物性模型、压缩机特性模型、管路子模型和阀门模型，并根据PID算法建立动力机子模型，以及第一环境边界子模型和第二环境边界子模型。所述物性模型是根据目标子模型的物性数据，确定所需工质在应用范围内的状态参数，所述状态参数包括：温度、压力、焓值、密度、声速热力学能和等温多变系数；并根据所述状态参数建立表格，并根据其中任意两个参数计算出其他参数。本发明提出一种有效的工业压缩机动态建模方法，将对压缩机特性模型、管路子模型和阀门模型进行详细描述，并提供数据传递过程。
Description
技术领域
本发明公开涉及压缩机建模技术领域，尤其涉及一种工业压缩机过程快速建模方法。
背景技术
压缩机作为一种压力提升装置已被广泛应用于化工、能源各领域，其主要利用叶片做功来提高气体压力满足反应要求及实现可燃气体远距离输送。压缩机作为流程工艺的核心设备，压缩机系统的精细设计及合理控制是系统安全、可靠运行的基础。压缩机系统包括多级压缩机、管路、阀门和换热器。
压缩机全生命周期的运行状态包括稳态运行和动态运行。其中，稳态运行时间占据绝大部分时间，因此在过去一段时间压缩机生产商主要关注压缩机的稳态运行效果。但随着工艺流程逐步复杂，用户要求更加严格，以及成本控制倒逼精细化设计，使得压缩机生产商逐步关注压缩机的动态过程控制及其部件设计。对压缩机进行动态仿真是实现压缩机动态过程控制及其部件设计的有效方法。
然而，现有公开的文献没有完整有效的可以用于压缩机动态系统仿真的建模方法。本发明提出一种针对工业压缩机系统的动态建模方法。本发明提出了以实际气体为工质的压缩机动态建模、管路动态建模、阀门动态建模、电机模型和转轴模型。
发明内容
本发明为解决现有技术中没有完整的用于压缩机动态的建模方法的问题，提出一种模型准确、稳定、周期短的工业压缩机过程快速建模方法，方法包括：根据PID算法建立动力机子模型，所述动力机子模型被配置为：获取第一输入参数根据所述第一输入参数计算得到第一输出数据；
建立第一环境边界子模型，所述第一环境边界子模型被配置为：输出第一环境参数；
建立第二环境边界子模型，所述第二环境边界子模型被配置为：输出第二环境参数；
根据物性建模方法及管路特性建立第一管路子模型，所述第一管路子模型被配置为：输出第一初始参数；
根据物性建模方法及管路特性建立第二管路子模型，所述第二管路子模型被配置为：输出第二初始参数；
根据物性建模方法及压缩机特性参数建立压缩机子模型，所述压缩机子模型配置为：根据所述第一管路子模型输出的所述第一初始参数、所述第二管路边界子模型输出的所述第二初始参数和转轴子模型输出的第二输出数据，计算得到第三输出数据；
根据物性建模方法及阀门特性参数建立阀门子模型，所述阀门子模型被配置为：根据第二环境边界子模型输出的所述第二环境参数和所述第二管路子模型输出的所述第二初始参数，计算得到第四输出数据；
根据物性建模方法及转轴特性参数建立转轴子模型，所述转轴子模型被配置为：根据第一时刻从所述压缩机子模型获取到的所述第三输出数据，以及从所述动力机子模型获取到的第一输出数据，计算得到第二时刻的所述第二输出数据；所述第二时刻为所述第一时刻后间隔预设时长的时刻。
进一步的，所述第一管路子模型还被配置为：
根据第一时刻从所述压缩机子模型获取到的所述第三输出数据，以及从所述第一环境边界子模型获取的所述第一环境参数，计算得到所述第二时刻的所述第一初始参数。
进一步的，所述第二管路子模型还被配置为：
根据第一时刻从所述压缩机子模型获取到的所述第三输出数据，以及从所述阀门子模型获取到的第四输出数据，计算得到所述第二时刻的所述第二初始参数。
进一步的，所述物性建模方法步骤包括：
根据目标子模型的动态过程中的运行范围，确定工质状态的应用范围；所述目标子模型为第一管路子模型、第二管路子模型、压缩机子模型、阀门子模型及转轴子模型中的一种。
根据目标子模型的物性数据，确定所需工质在应用范围内的状态参数，所述状态参数包括：温度、压力、焓值、密度、声速热力学能和等温多变系数。
根据所述状态参数建立表格，并根据其中任意两个参数计算出其他参数。
计算所述状态参数的公式为：
(ρ,H,kt,A,U)＝f1(P,T)
(P,T,kt,A,U)＝f2(P,H)
(P,T,H,A,U)＝f3(ρ,U)
式中：T为温度、P为压力、H为焓值、ρ为密度、A为声速热力学能，kt为等温多变系数，fn()为计算函数，n＝1,2,3。
进一步的，所述第二环境参数包括：出口静压力Pe2；所述第二初始参数包括：第二管路总压力Pat-2、第二管路总温度Tat-2；所述第四输出数据包括：阀门控制域静压Po-2；根据所述第二环境参数和第二初始参数计算得到所述第四输出数据的步骤为：
调用所述阀门子模型的物性建模，根据所述出口静压力Pe2、所述第二管路总压力Pat-2和所述第二管路总温度Tat-2，计算得出所述阀门子模型流速Vf。
调用所述阀门子模型的物性建模，根据所述第二管路总压力Pat-2、所述第二管路总温度Tat-2和所述阀门子模型流速Vf，计算所述阀门控制域静压Po-2，并在计算时给定T0-2的初值。
计算所述阀门控制域静压Po-2的公式如下：
Po-2＝(To-2/Tat-2)^(ktf/(ktf-1))*Pat-2,To-2＝f2(Po-2,hout)
式中：ktf为阀门等温多变系数、hout为阀门出口焓值、T0-2为所述阀门控制域静温。
进一步的，所述第一初始参数包括：第一管路总压力：Pat-1、第一管路总温度：Tat-1；所述第二初始参数包括：第二管路总压力：Pat-2、第二管路总温度：Tat-2；根据所述第一初始参数和所述第二初始参数计算得到第三输出数据的步骤包括：
根据压缩机特性参数，采用回归方法建立质量流量和多变效率与所述压缩机特性数据参数的映射关系；
其中，所述压缩机的特性数据参数包括：压缩机入口温度、压缩机入口压力、压缩机转速、温度等熵指数、叶轮直径和压比；
根据映射关系计算所述压缩机子模型的质量流量，或计算所述压缩机子模型的多变效率。
所述映射关系如下：
ma＝fM(Tat-1,Pat-1,Pi,N,kt,D2)；
Yit＝fY(Tat-1,Pat-1,ma,N,kt,D2)；
式中：Pi为压比、N为压缩机转速、kt为温度等熵指数、D2为叶轮直径、ma为质量流量、Yit为多变效率。
进一步的，所述回归方法包括：神经网络法、支持向量机法和最小二乘法。
进一步的，所述第三输出数据为压缩机消耗转矩Mc；所述第一输出数据为动力机输入转矩Mt；所述第二输出数据为转速Nc；根据所述第三输出数据和所述第一输出数据计算得到第二输出数据的公式为：
式中，Nc为压缩机转速，Ic为转动惯量，Mt为动力机输入转矩，Mc为压缩机消耗转矩，Nc-new为所述转轴第二时刻的转速。
进一步的，所述PID算法计算步骤包括：
设置所述压缩机子模型的目标转速，并赋予所述目标转速初值；
计算当前转速与目标转速的差值；
通过PID控制法，根据所述当前转速和目标转速的差值计算出所述动力机子模型的输出功率和输出转矩。
由上述技术方案可知，本申请提供一种工业压缩机过程快速建模方法，工业压缩机模型的系统由边界环境子模型、管路子模型、压缩机子模型、阀门子模型、转轴子模型和动力机子模型组成，采用各子模型的物性参数和特性参数进行建模，根据物性状态唯一性提出了查表建模的方法，降低了计算的工作量及计算时长，使模型快速完成建立，并实现各子模型间的数据传递。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明实施例的实施例，并与说明书一起用于解释本发明实施例的原理。显而易见地，下面描述中的附图仅仅是本发明实施例的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请工业压缩机模型的系统示意图；
图2为本申请工业压缩机模型的模型数据传递过程示意图；
图3为本申请工业压缩机模型的建模方法流程示意图；
图4为本申请物性建模方法流程示意图；
图5为本申请管路子模型参数及参数位置示意图；
图6为本申请动力机子模型的功率边界曲线示意图。
具体实施方式
现有技术对于压缩机中的部件建模中通常采用实际气体物性方程计算，而其问题在于：物性方程种类繁多，并且不同物性方程对不同气体物性计算精度差异大；物性方程一般较为复杂导致编程工作量大，计算时需要迭代收敛导致计算时间长。鉴于上述原因，本申请根据物性状态唯一性提出了查表建模的方法；并且现有技术中也没有完整有效的可以用于压缩机动态系统仿真的建模方法，本申请将查表建模的方法应用到各子模型的建模当中，再结合各子模型的自身特性参数及计算公式，提出了一种工业压缩机过程快速建模方法。
如图3所示，本发明提出一种工业压缩机过程快速建模方法，方法包括：
步骤S100:根据PID算法建立动力机子模型，所述动力机子模型被配置为：获取第一输入参数根据所述第一输入参数计算得到第一输出数据；
在本实施例中，首先要了解的是压缩机的动力机一般采用汽轮机、燃气轮机、电机以及涡轮机，上述装置结构都较为复杂，本申请在此将动力机简化为输入功率，采用PID模型控制动力机输出功率。
本实施例中，为了与实际情况相符，采用动力机的功率特性(即功率-转速关系)作为功率边界限制，如图5所示，图5为动力机子模型的功率边界曲线，所述功率特性即在某一比转速(Nc/Ndesh,Nc为压缩机当前运行转速，Ndesh为压缩机设计工况运行转速)对应的最大比功率(PM/Pmax,PM为动力机当前运行转速可输出功率上限，Pmax为动力机最大输出功率)。在步骤S100中，所述第一输入参数及压缩机子模型的目标转速，所述第一参数即压缩机子模型的当前转速，所述输出参数即动力机子模型的转矩。
本发明采用PID计算输入功率，控制压缩机转速。
优选的，本实施例中PID的具体控制过程为：
设置压缩机子模型的目标转速Nt并赋予所述目标转速初值；
采集压缩机子模型当前转速N，计算当前转速N与目标转速Nt的差值；
通过PID模块计算出下一刻动力机输出功率和输出转矩Mt。
PID控制方法为常见工程方法，其原理是根据系统误差，利用比例积分微分计算出控制量进行控制的，其表达式为：
式中，y(t)为系统的输出；n(t)为给定值；e(t)为控制的输入，即偏差：e(t)＝n(t)-y(t)为被控量与给定值的偏差；u(t)为控制的输出；Kp为比例系数；Ti为积分时间常数；Td为微分时间常数。
在本实施例中，所述工业压缩机模型初始建模完成时，由技术人员给定其中的目标转速和此时压缩机当前转速，根据初始的参数条件计算即可。
步骤S200：建立所述第一环境边界子模型，所述第一环境边界子模型被配置为：输出第一环境参数；
步骤S300：建立所述第二环境边界子模型，所述第二环境边界子模型被配置为：输出第二环境参数；
本申请的实施例中为模型设置了入口和出口的边界条件，所述边界条件是指在求解区域边界上所求解的变量或其导数随时间和地点的变化规律。边界条件是控制方程有确定解的前提。边界条件的处理，直接影响了计算结果的精度。因此，本申请建立了所述第一环境边界子模型和所述第二环境边界子模型提供边界的环境参数，用于工业压缩机模型进行计算求解，以实现子模型间数据的传递。在建模完成后，由技术人员输入所述第一环境参数和所述第一环境参数。
步骤S400:根据物性建模方法及管路特性建立第一管路子模型，所述第一管路子模型被配置为：输出第一初始参数；
步骤S500:根据物性建模方法及管路特性建立第二管路子模型，所述第二管路子模型被配置为：输出第二初始参数；
在本实施例中，选用圆直管进行两个管路建模，由于所述第一管路子模型和所述第二管路子模型建模方法完全一致，不再赘述。在实际计算中，一般会使用不同类型的管，如方管、圆管，直管、弯管，上述不同类型管的建模算法基本相同。因此，本发明以最简单的圆直管为例对管路子模型进行介绍，其他类型管路可以参照本申请的管路子模型建模方法进行建模，并根据实际情况进行简化。
首先，要了解的是，本申请中，主要采用物性建模方法，对压缩机子模型、第一管路子模型、第二管路子模型和阀门子模型进行建模，如图4所示，所述方法包括：
步骤S001：根据目标子模型的动态过程中的运行范围，确定工质状态的应用范围；所述目标子模型为第一管路子模型、第二管路子模型、压缩机子模型、阀门子模型及转轴子模型中的一种；
步骤S002：根据目标子模型的物性数据，确定所需工质在应用范围内的状态参数，所述状态参数包括：温度、压力、焓值、密度、声速热力学能和等温多变系数；
步骤S003：根据所述状态参数建立表格，并根据其中任意两个参数计算出其他参数；
计算所述状态参数的公式为：
(ρ,H,kt,A,U)＝f1(P,T) (1)
(P,T,kt,A,U)＝f2(P,H) (2)
(P,T,H,A,U)＝f3(ρ,U) (3)
式中：T为温度、P为压力、H为焓值、ρ为密度、A为声速热力学能，kt为等温多变系数，fn()为计算函数，n＝1,2,3。
管路子模型的建立，首先根据物性建模方法以及管路子模型中阀门的流动方程，推导出具体管路子模型的计算方法。流动方程如下：
式中，p为压力，m为质量，e为内能+动能，t为时间，
为质量流量，H为比焓，h为换热系数，Tfluid为流体温度，Twall为壁面温度，A为面积，As为换热面积，V为速度，ρ为密度，dx为离散长度，D为直径，Cf为沿程摩擦系数，Cp局部损失系数。
根据公式(1)-(6)推导出的管路子模型建模计算方法如下：
如图4所示，图4为本申请管路子模型中的参数及其位置，已知：进口总温Tint、总压Pint，出口静压Pot，出口静温Tot；管路离散长度dx，管中初始总温Tat，总压Pat；计算时间步长dt；管路入口半径Rin，出口半径Ro；管路入口面积Ain，出口面积Ao；管路进口，管中，出口的初始速Vin＝Vo＝Va＝0。其中，dt、dx、Rin、Ro为建模技术人员设置的参数。
具体过程为：
1)计算入口边界参数；
首先根据物性建模方法，计算入口边界的焓值Hin；
(Hint，ktin)＝f1(Pint，Tint)
由技术人员给定入口总温Tin和进口总温Tint的初值，使Tin＝Tint，
Pin＝(Tin/Tint)^(ktin/(ktin-1))*Pint
Tin＝f2(Pin，Hin)
上述公式循环迭代至收敛，计算得到入口总温Tin和入口总压Pin；
根据物性建模方法，计算入口流量密度ρin，以及入口质量流量
(ρin)＝f1(Pin，Tin)
应用上述公式，输出流量质量
入口焓值Hint、入口等温系数ktin和入口总压Pin。
2)计算管路控制域参数；
首先根据物性建模方法，计算管路控制域内的焓值Ha；
(Hat，kta)＝f1(Pat，Tat)
由技术人员给定控制域总温Ta和进口总温Tat的初值，使Ta＝Tat，
Pa＝(Ta/Tat)^(kta/(kta-1))*Pat
Ta＝f2(Pa，Ha)
上述公式循环迭代至收敛，计算得到控制域总温Ta和控制域总压Pa；
根据物性建模方法，计算控制域流量密度ρa，以及控制域质量流量
(ρa，Ua)＝f1(Pa，Ta)
应用上述公式，输出控制域总压Pa、控制域质量流量
控制域总能Ea、控制域面积Aa、控制域总质量Ma、控制域速度Va、控制域焓值Hat。
3)计算出口边界参数；
应用上述公式，输出
4)计算第二时刻控制域内质量Ma-new、密度ρa-new；
ρa-new＝Ma-new/(1/3*Pi*(Rin^2+Ro^2+Rin*Ro)
5)计算第二时刻控制域内的总能Ea-new；
6)计算第二时刻的入口速度Vin-new、出口速度Vo-new和控制域速度Va-new；
Va-new＝0.5*(Vin-new+Vo-new)
7)计算第二时刻控制域内的Ua-new；
8)第二时刻控制域内的总压Pat-new和控制域内的总温Tat-new；
(Pa-new，Ta-new，Ha-new，kta-new)＝f3(ρa-new，Uat)：
由技术人员给定Tat1的初值；
Pat-new＝(Tat-new/Ta-new)^(kta-new/(kta-new-1))*Pa-new
Tat-new＝f2(Pat-new，Hat-new)
上述公式循环迭代至收敛，至此，完成管路的一次计算。将管路控制域总压Pat-new和控制域总温Tat-new以及速度Va-new作为第二时刻的初值继续计算。到此完成管路的动态建模计算。
进一步的，在本实施例中，所述第一管路子模型还被配置为：
根据第一时刻从所述压缩机子模型获取到的所述第三输出数据，以及从所述第一环境边界子模型获取的所述第一环境参数，计算得到所述第二时刻的所述第一初始参数。
所述第二管路子模型还被配置为：
根据第一时刻从所述压缩机子模型获取到的所述第三输出数据，以及从所述阀门子模型获取到的第四输出数据，计算得到所述第二时刻的所述第二初始参数。由上述管路动态建模计算方法获得第一管路子模型和所述第二管路子模型的计算结果，并用于第二时刻的所述工业压缩机模型的动态计算。
步骤S600：根据物性建模方法及压缩机特性参数建立压缩机子模型，所述压缩机子模型配置为：根据所述第一管路子模型输出的所述第一初始参数、所述第二管路边界子模型输出的所述第二初始参数和转轴子模型输出的第二输出数据，计算得到第三输出数据；
进一步的，本实施例中，所述第一初始参数包括：第一管路总压力：Pat-1、第一管路总温度：Tat-1；所述第二初始参数包括：第二管路总压力：Pat-2、第二管路总温度：Tat-2；根据所述第一初始参数和所述第二初始参数计算得到第三输出数据的步骤包括：
根据压缩机特性参数，采用回归方法建立质量流量和多变效率与所述压缩机特性数据参数的映射关系；
其中，所述压缩机的特性数据参数包括：压缩机入口温度、压缩机入口压力、压缩机转速、温度等熵指数、叶轮直径和压比；
根据映射关系计算所述压缩机子模型的质量流量，或计算所述压缩机子模型的多变效率；
所述映射关系如下：
ma＝fM(Tat-1,Pat-1,Pi,N,kt,D2)；
Yit＝fY(Tat-1,Pat-1,ma,N,kt,D2)。
式中：Pi为压比、N为压缩机转速、kt为温度等熵指数、D2为叶轮直径、ma为质量流量、Yit为多变效率。
在本实施例中，首先要了解的是，压缩机在动态过程中一般会出现入口的温度、压力等物性参数随时间变化的现象，为了在保证动态过程中可以准去计算出压缩机特性，提出了压缩机特性模型建模方法。压缩机特性模型内嵌入压缩机子模型中，压缩机特性模型结合物性模型及相关计算公式形成整个压缩机模型。本申请中提供一种压缩机子模型动态计算的具体实现方法，如下：
1)计算压缩机子模型出口温度Tint-2；
Tint-2＝Tint-1*exp(ln(PI)/(k/(k-1)*Yit))
2)计算压缩机子模型功率Wpol；
Wpol＝mv/(mv-1)*(pat-2/ρat-2-pat-1/ρat-1)
mv＝ln(pat-2/pat-1)/ln(Tat-2/Tat-1)
3)计算压缩机消耗转矩Mc，具体方法为Mc＝9550*Wpol/n；
4)计算压缩机出口总焓Hint-2；
具体为采用物性模型Hat-1＝f1(Tat-1,Pat-1),Hint-2＝Hat-1+Wpol；
5)计算压缩机子模型第二时刻出口总压力Pint-2，具体方法为：
由技术人员给定Tin-2的初值，按以下公式进行计算；
(ρin-2)＝f1(Pa-2,Tint-2),，Vin-2＝ma/Aρin-2
(ρin-2)＝f1(Pa-2,Tint-2)
将上述公式循环迭代至收敛；
kta＝f1(Pa,Tin-2)
Pint-2＝(Tin-2/Tint-2)^(kta/(kta-1))*Pa-2
6)计算压缩机下一时刻入口静压力Po-1，具体方法为：
由技术人员给定控制域温度Ta-1和控制域压力Pa-1的初值；
(ρo-1)＝f1(To-1,Pat-1),，(Hat-1)＝f1(Tat-1,Pat-1),，Vo-1＝ma/Aρo-1
Po-1＝(To-1/Tat-1)^(kto-1/(kto-1-1))*Pat-1
(ρo-1)＝f1(Po-1,To-1)；
将上述公式循环迭代至收敛，得到第二时刻的入口静压力。
最终压缩机子模型将第二时刻出口总压力Pint-2和出口总温度Tint-2输出给所述第二管路子模型作为入口边界条件。将第二时刻入口静压力Po-1输出给所述第一管路子模型作为出口边界条件。
至此，压缩机子模型动态建模计算过程结束。
步骤S700：根据物性建模方法及阀门特性参数建立阀门子模型，所述阀门子模型被配置为：根据第二环境边界子模型输出的所述第二环境参数和所述第二管路子模型输出的所述第二初始参数，计算得到第四输出数据；
进一步的，所述第二环境参数包括：出口静压力Pe2；所述第二初始参数包括：第二管路总压力Pat-2、第二管路总温度Tat-2；所述第四输出数据包括：阀门控制域静压Po-2；根据所述第二环境参数和第二初始参数计算得到所述第四输出数据的步骤为：
调用所述阀门子模型的物性建模，根据所述出口静压力Pe2、所述第二管路总压力Pat-2和所述第二管路总温度Tat-2，计算得出所述阀门子模型流速Vf；
调用所述阀门子模型的物性建模，根据所述第二管路总压力Pat-2、所述第二管路总温度Tat-2和所述阀门子模型流速Vf，计算所述阀门控制域静压Po-2，并在计算时给定T0-2的初值。
在本实施例中，提供阀门子模型具体实施过程为：
1)根据已知阀门入口参数为Pat-2、Tat-2和阀门流速Vf，调用物性模型，计算阀门质量流量Qf。式中，Cd为流量系数，Cspeed为声速，Qf为阀门质量流量，公式如下：
Tf＝(Pe2/Pat-2)^((ktf-1)/ktf)*Tat-2
(hout)＝f1(Pe2,Tf)
(ρf,Te2)＝f2(Pe2,hout)
Qf＝Vf*Af*ρf
2)计算所述阀门静压Po-2；
由技术人员给定初值T0-2＝Tf；
Po-2＝(To-2/Tat-2)^(ktf/(ktf-1))*Pat-2,To-2＝f2(Po-2,hout)
将上述公式循环迭代至收敛，计算得出所述阀门静压Po-2。
至此，阀门子模型的动态建模计算完毕。
步骤S800：根据物性建模方法及转轴特性参数建立转轴子模型，所述转轴子模型被配置为：根据第一时刻从所述压缩机子模型获取到的所述第三输出数据，以及从所述动力机子模型获取到的第一输出数据，计算得到第二时刻的所述第二输出数据；所述第二时刻为所述第一时刻后间隔预设时长的时刻。
进一步的，所述第三输出数据为压缩机消耗转矩Mc；所述第一输出数据为动力机输入转矩Mt；所述第二输出数据为转速Nc；根据所述第三输出数据和所述第一输出数据计算得到第二输出数据的公式为：
式中，Nc为压缩机转速，Ic为转动惯量，Mt为动力机输入转矩，Mc为压缩机消耗转矩，Nc-new为所述转轴第二时刻的转速。
本实施例中，根据本申请的工业压缩机过程快速建模方法，得到的模型中数据传递方式如下：
以图1为例，搭建工业压缩机动态模型，具体包括：第一环境边界子模型、第二环境边界子模型、第一管路子模型、第二管路子模型、压缩机子模型、阀门子模型、转轴子模型和动力机子模型，如图1所示连接，数据传递关系如图2所示。
第一环境边界子模型的压力为Pe1，温度为Te1作为第一管路子模型的入口总温Pint-1和入口总压Tint-1；
第一管路子模型已知入口总温入口总温Pint-1和入口总压Tint-1及出口静压P0-1，计算出第一管路子模型控制域内总温Tat-1和总压控制域内Pat-1；
压缩机子模型已知总温Tat-1和总压Pat-1，出口总压Pat-2和出口静压P0-2和转速Nc，计算出第二时刻出口总压Pint-2和Tint及压缩机子模型所需转矩Mc；
第二管路子模型已知入口总温Pint-2，入口总压Tint-2及出口静压P0-2，计算出第二管路子模型控制域内总温Tat-2和控制域内总压Pat-2；
阀门子模型已知入口总温Pat-2，入口总压Tat-2及出口静压Pe2，计算出阀门子模型的控制域静压Po-2；
转轴子模型已知压缩机消耗转矩Mc和动力机输入转矩Mt，根据当前转轴转速，计算出第二时刻的转速Nc。
动力机子模型已知输入的目标转速和当前转速Nc以及动力机的转速功率边界关系，通过PID法计算，确定下一时刻的动力机输出转矩Mt。
至此，工业压缩机动态模型的计算方法和数据传递关系全部介绍完毕，数据在各子模型间循环迭代，再进行求解，即可实现压缩机的动态分析。
如图6所示，本申请的实施例中以某单级离心压缩机为例，工质为丙烯，入口温度为-17.5摄氏度，入口压力为2.4bar，出口压力为5.3bar，压缩机直径为840mm，转速为6030rpm，管路直径为250mm。稳态计算结果与实际值对比情况如下表所示，出口温度、功率和转速偏差均小于0.3％，验证了本申请的所述工业压缩机建模方法的准确性。
| 参数 | 计算值 | 实际值 | 误差 | 参数 | 计算值 | 实际值 | 误差 |
| 出口压力 | 5.3 | 5.3 | 0 | 出口温度 | 294.55 | 294.95 | 0.14％ |
| 总功率 | 2764 | 2771 | 0.26％ | 转速 | 6025 | 6030 | 0.1％ |
这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由本申请的权利要求指出。
Claims (9)
1.一种工业压缩机过程快速建模方法，其特征在于，包括：
根据PID算法建立动力机子模型，所述动力机子模型被配置为：获取第一输入参数根据所述第一输入参数计算得到第一输出数据；
建立第一环境边界子模型，所述第一环境边界子模型被配置为：输出第一环境参数；
建立第二环境边界子模型，所述第二环境边界子模型被配置为：输出第二环境参数；
根据物性建模方法及管路特性建立第一管路子模型，所述第一管路子模型被配置为：输出第一初始参数；
根据物性建模方法及管路特性建立第二管路子模型，所述第二管路子模型被配置为：输出第二初始参数；
根据物性建模方法及压缩机特性参数建立压缩机子模型，所述压缩机子模型配置为：根据所述第一管路子模型输出的所述第一初始参数、所述第二管路边界子模型输出的所述第二初始参数和转轴子模型输出的第二输出数据，计算得到第三输出数据；
根据物性建模方法及阀门特性参数建立阀门子模型，所述阀门子模型被配置为：根据第二环境边界子模型输出的所述第二环境参数和所述第二管路子模型输出的所述第二初始参数，计算得到第四输出数据；
根据物性建模方法及转轴特性参数建立转轴子模型，所述转轴子模型被配置为：根据第一时刻从所述压缩机子模型获取到的所述第三输出数据，以及从所述动力机子模型获取到的第一输出数据，计算得到第二时刻的所述第二输出数据；所述第二时刻为所述第一时刻后间隔预设时长的时刻。
2.根据权利要求1所述的一种工业压缩机过程快速建模方法，其特征在于，所述第一管路子模型还被配置为：
根据第一时刻从所述压缩机子模型获取到的所述第三输出数据，以及从所述第一环境边界子模型获取的所述第一环境参数，计算得到所述第二时刻的所述第一初始参数。
3.根据权利要求1所述的一种工业压缩机过程快速建模方法，其特征在于，所述第二管路子模型还被配置为：
根据第一时刻从所述压缩机子模型获取到的所述第三输出数据，以及从所述阀门子模型获取到的第四输出数据，计算得到所述第二时刻的所述第二初始参数。
4.根据权利要求1所述的一种工业压缩机过程快速建模方法，其特征在于，所述物性建模方法步骤包括：
根据目标子模型的动态过程中的运行范围，确定工质状态的应用范围；所述目标子模型为第一管路子模型、第二管路子模型、压缩机子模型、阀门子模型及转轴子模型中的一种；
根据目标子模型的物性数据，确定所需工质在应用范围内的状态参数，所述状态参数包括：温度、压力、焓值、密度、声速热力学能和等温多变系数；
根据所述状态参数建立表格，并根据其中任意两个参数计算出其他参数；
计算所述状态参数的公式为：
(ρ,H,kt,A,U)＝f1(P,T)
(P,T,kt,A,U)＝f2(P,H)
(P,T,H,A,U)＝f3(ρ,U)
式中：T为温度、P为压力、H为焓值、ρ为密度、A为声速热力学能，kt为等温多变系数，fn()为计算函数，n＝1,2,3。
5.根据权利要求4所述的一种工业压缩机过程快速建模方法，其特征在于，所述第二环境参数包括：出口静压力Pe2；所述第二初始参数包括：第二管路总压力Pat-2、第二管路总温度Tat-2；所述第四输出数据包括：阀门控制域静压Po-2；根据所述第二环境参数和第二初始参数计算得到所述第四输出数据的步骤为：
调用所述阀门子模型的物性建模，根据所述出口静压力Pe2、所述第二管路总压力Pat-2和所述第二管路总温度Tat-2，计算得出所述阀门子模型流速Vf；
调用所述阀门子模型的物性建模，根据所述第二管路总压力Pat-2、所述第二管路总温度Tat-2和所述阀门子模型流速Vf，计算所述阀门控制域静压Po-2，并在计算时给定T0-2的初值；
计算所述阀门控制域静压Po-2的公式如下：
Po-2＝(To-2/Tat-2)^(ktf/(ktf-1))*Pat-2,To-2＝f2(Po-2,hout)
式中：ktf为阀门等温多变系数、hout为阀门出口焓值、T0-2为所述阀门控制域静温。
6.根据权利要求1所述的一种工业压缩机过程快速建模方法，其特征在于，所述第一初始参数包括：第一管路总压力：Pat-1、第一管路总温度：Tat-1；所述第二初始参数包括：第二管路总压力：Pat-2、第二管路总温度：Tat-2；根据所述第一初始参数和所述第二初始参数计算得到第三输出数据的步骤包括：
根据压缩机特性参数，采用回归方法建立质量流量和多变效率与所述压缩机特性数据参数的映射关系；
其中，所述压缩机的特性数据参数包括：压缩机入口温度、压缩机入口压力、压缩机转速、温度等熵指数、叶轮直径和压比；
根据映射关系计算所述压缩机子模型的质量流量，或计算所述压缩机子模型的多变效率；
所述映射关系如下：
ma＝fM(Tat-1,Pat-1,Pi,N,kt,D2)；
Yit＝fY(Tat-1,Pat-1,ma,N,kt,D2)；
式中：Pi为压比、N为压缩机转速、kt为温度等熵指数、D2为叶轮直径、ma为质量流量、Yit为多变效率。
7.根据权利要求5所述的一种工业压缩机过程快速建模方法，其特征在于，所述回归方法包括：神经网络法、支持向量机法和最小二乘法。
8.根据权利要求1所述的一种工业压缩机过程快速建模方法，其特征在于，所述第三输出数据为压缩机消耗转矩Mc；所述第一输出数据为动力机输入转矩Mt；所述第二输出数据为转速Nc；根据所述第三输出数据和所述第一输出数据计算得到第二输出数据的公式为：
式中，Nc为压缩机转速，Ic为转动惯量，Mt为动力机输入转矩，Mc为压缩机消耗转矩，Nc-new为所述转轴第二时刻的转速。
9.根据权利要求1所述的一种工业压缩机过程快速建模方法，其特征在于，所述PID算法计算步骤包括：
设置所述压缩机子模型的目标转速，并赋予所述目标转速初值；
计算当前转速与目标转速的差值；
通过PID控制法，根据所述当前转速和目标转速的差值计算出所述动力机子模型的输出功率和输出转矩。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210775559.6A CN115099152B (zh) | 2022-07-01 | 2022-07-01 | 一种工业压缩机过程快速建模方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210775559.6A CN115099152B (zh) | 2022-07-01 | 2022-07-01 | 一种工业压缩机过程快速建模方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115099152A true CN115099152A (zh) | 2022-09-23 |
| CN115099152B CN115099152B (zh) | 2024-06-21 |
Family
ID=83295619
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210775559.6A Active CN115099152B (zh) | 2022-07-01 | 2022-07-01 | 一种工业压缩机过程快速建模方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115099152B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108073772A (zh) * | 2017-12-25 | 2018-05-25 | 沈阳鼓风机集团股份有限公司 | 离心压缩机设计方法 |
| US20210209265A1 (en) * | 2020-01-02 | 2021-07-08 | Viettel Group | Mathematical modelling method for single spool turbojet engine |
| US20210209264A1 (en) * | 2020-01-02 | 2021-07-08 | Viettel Group | Modeling and calculation aerodynamic performances of multi-stage transonic axial compressors |
| CN113341760A (zh) * | 2021-05-19 | 2021-09-03 | 哈尔滨工业大学 | 一种半实物仿真用试验台与发动机耦合性能模型建模方法 |
| CN114036692A (zh) * | 2021-11-29 | 2022-02-11 | 云南电网有限责任公司电力科学研究院 | 一种高温蒸气热泵动态建模方法及系统 |
-
2022
- 2022-07-01 CN CN202210775559.6A patent/CN115099152B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108073772A (zh) * | 2017-12-25 | 2018-05-25 | 沈阳鼓风机集团股份有限公司 | 离心压缩机设计方法 |
| US20210209265A1 (en) * | 2020-01-02 | 2021-07-08 | Viettel Group | Mathematical modelling method for single spool turbojet engine |
| US20210209264A1 (en) * | 2020-01-02 | 2021-07-08 | Viettel Group | Modeling and calculation aerodynamic performances of multi-stage transonic axial compressors |
| CN113341760A (zh) * | 2021-05-19 | 2021-09-03 | 哈尔滨工业大学 | 一种半实物仿真用试验台与发动机耦合性能模型建模方法 |
| CN114036692A (zh) * | 2021-11-29 | 2022-02-11 | 云南电网有限责任公司电力科学研究院 | 一种高温蒸气热泵动态建模方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 谭佳健等: "某过程工业用离心压缩机模型级 轴向推力测量研究", 风机技术, vol. 59, no. 4, 30 April 2017 (2017-04-30) * |
| 陈林辉;张东彬;王石;易佳婷;田怀璋;: "制冷压缩机热力性能的仿真计算", 制冷与空调, no. 06, 30 December 2005 (2005-12-30) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115099152B (zh) | 2024-06-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6004228B2 (ja) | 空気調和機 | |
| JP3439908B2 (ja) | 圧力制御系および流量制御系の調整装置および制御検証装置，ならびに流量制御装置 | |
| CN115099152B (zh) | 一种工业压缩机过程快速建模方法 | |
| Yoon et al. | An enhanced Greitzer compressor model with pipeline dynamics included | |
| Muñoz et al. | Real-time neural inverse optimal control for indoor air temperature and humidity in a direct expansion (DX) air conditioning (A/C) system | |
| Hafaifa et al. | Fuzzy modeling and control of centrifugal compressor used in gas pipelines systems | |
| Salim et al. | Position control of pneumatic actuator using an enhancement of NPID controller based on the characteristic of rate variation nonlinear gain | |
| CN116680835A (zh) | 一种基于实际气体物性的压缩机管系气流脉动时域计算方法 | |
| CN115310234A (zh) | 一种重型燃机燃料系统阀组特性仿真方法和装置 | |
| CN114282389B (zh) | 一种基于matlab的离心风机系统动态仿真方法和系统 | |
| US20160169549A1 (en) | Method of controlling a fluid circulation system | |
| Cheng et al. | Adaptive robust control of dynamic gas pressure in a vacuum servo system | |
| Kern et al. | Design and experimental validation of an output feedback controller for a pneumatic system with distributed parameters | |
| Galerkin et al. | Methods of calculating loading factor characteristic of a centrifugal compressor impeller | |
| Gölcü et al. | Prediction of head, efficiency, and power characteristics in a semi-open impeller | |
| Said et al. | A Comparison Study between 3-D CFD and Experimental Data of Butterfly Valve Coefficients. | |
| Gómez-Coronel et al. | Model Calibration for a Hydraulic Network Using Genetic Algorithms | |
| Leonow et al. | Automatic controller tuning for soft sensor based flow rate control | |
| CN109002419B (zh) | 天然气管网的动态分析方法及装置 | |
| CN113050450A (zh) | 一种并联变频泵输配系统仿真模块编写方法 | |
| Iglesias-Rey et al. | Air valves characterization using hydrodynamic similarity | |
| Mohajer et al. | Development of a compression system dynamic simulation code for testing and designing of anti-surge control system | |
| Lattner et al. | Radial Turbocompressor Chord Length Approximation for the Reynold's Number Calculation | |
| Da-Peng et al. | Research on modeling and parameter identification of circulating cooling water system | |
| Zagorowska et al. | Dynamic Modelling and Control of a Compressor Using Chebyshev Polynomial Approximation |
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 |