CN115981384B - 一种智能生物质orc蒸发压力控制设备 - Google Patents
一种智能生物质orc蒸发压力控制设备 Download PDFInfo
- Publication number
- CN115981384B CN115981384B CN202310075832.9A CN202310075832A CN115981384B CN 115981384 B CN115981384 B CN 115981384B CN 202310075832 A CN202310075832 A CN 202310075832A CN 115981384 B CN115981384 B CN 115981384B
- Authority
- CN
- China
- Prior art keywords
- evaporation pressure
- value
- automatic
- evaporation
- regulating valve
- 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
Landscapes
- Feedback Control In General (AREA)
Abstract
本发明公开了一种智能生物质ORC蒸发压力控制设备，包括热解炉、气化炉、分离器、蒸发器、蒸发压力自动调节阀、膨胀机、冷凝器、工质泵和发电机。生物质能作为热解炉的燃料，利用分离器将经过热解炉和气化炉的产物进行气固分离且在分离器之前增加碳酸钙，抑制氯化氢的产生；蒸发压力自动调节阀上设置自动调节装置，自动调节装置首先利用SCA‑BP算法预测蒸发压力值，并将预测的蒸发压力值反馈至自动调节装置，调节蒸发压力自动调节阀阀门开度大小，将蒸发压力控制在适宜的范围内。与现有技术相比，本发明基于SCA‑BP算法通过此生物质ORC蒸发压力控制设备能够有效调节蒸发压力，并在一定程度上提高了系统净输出功。
Description
技术领域
本发明涉及生物质ORC蒸发压力控制技术领域，具体涉及一种智能生物质ORC蒸发压力控制设备。
背景技术
在当今，全球面临着能源供不应求的局势，与此同时，能源消耗还日益增长。面对该能源困境，可以采取因地制宜的策略。一方面，最大限度的利用身边的资源。在我国，化工企业的占比占据领先地位，对化工企业工艺过程浪费的资源进行合理利用，转换为所需的能源，在一定程度上能够缓解能源危机。另一方面，调控系统关键设备。对于生物质ORC系统，蒸发压力是较为关键的参数，对系统有着不可忽视的影响。调控蒸发压力控制设备，可以有效提高系统效率，从而达到系统需求。
传统的能源系统主要以石油、煤炭、天然气等化石能源为系统燃料，在全球能源背景条件下，显而易见，需要转换该燃料模式。ORC系统适配低温余热资源，目前鲜有对生物质ORC系统的研究，并且生物质的选用多为秸秆等资源，针对化工领域的生物质ORC研究更是稀缺。若以化工制药企业减蒸工艺中的残渣作为生物质能，作为整个设备的燃料，减蒸工艺过程产生的残渣为有机氯化物的情况，因此其容易产生氯化氢，产生安全隐患。并且传统的蒸发压力自动调节阀的性能主要取决于组成各部件的性能，然而加入对其预测的步骤，可以更好的进行控制。
发明内容
发明目的：针对现有技术中存在的问题，本发明提供一种智能生物质ORC蒸发压力控制设备，能够有效提高系统净输出功。
技术方案：本发明提供了一种智能生物质ORC蒸发压力控制设备，包括热解炉、气化炉、分离器、蒸发器、蒸发压力自动调节阀、膨胀机、冷凝器、工质泵和发电机；生物质能作为所述热解炉的燃料，热解炉、气化炉和分离器依次连接，利用分离器将经过热解炉和气化炉的产物进行气固分离且在分离器之前还增加碳酸钙，用于抑制氯化氢的产生；蒸发器和蒸发压力自动调节阀相连，通过蒸发压力自动调节阀，将蒸发压力控制在预设的范围内；膨胀机和发电机相连，带动发电机发电；冷凝器、工质泵和蒸发器依次连接，冷凝器将膨胀机排出的蒸汽冷凝，液态工质进入工质泵加压后再重新回到蒸发器实现热力循环；
所述蒸发压力自动调节阀上设置自动调节装置，所述自动调节装置首先利用SCA-BP算法预测蒸发压力值，并将预测的所述蒸发压力值反馈至自动调节装置，并调节蒸发压力自动调节阀阀门开度大小，将蒸发压力控制在适宜的范围内。
进一步地，所述自动调节装置包括蒸发压力设置单元、蒸发压力检测单元和控制阀门单元，所述蒸发压力检测单元用于检测蒸发器初始化参数，包括蒸发温度、过热度、过冷度和膨胀比；所述蒸发压力设置单元用于根据初始化参数利用SCA-BP算法预测蒸发压力值，所述控制阀门单元用于根据预测的所述蒸发压力值调节蒸发压力自动调节阀阀门开度大小。
进一步地，所述SCA-BP算法预测蒸发压力值具体包括如下步骤：
步骤1：读取数据，数据选取相关度高的参数类别，包括蒸发温度、过热度、过冷度和膨胀比；
步骤2：将步骤1中数据集按7：3划分为训练集和测试集；
步骤3：构建BP神经网络模型，初始化网络参数，主要为权值和网络结构初始参数值；
步骤4：计算个体适应度值，记录最优个体位置；
步骤5：判断是否满足最优权值和网络结构初始参数值，若满足，进入步骤6，反之，进入步骤8；
步骤6：进行BP神经网络训练及测试；
步骤7：根据训练及测试后的网络模型输出蒸发压力预测值及误差；
其中，yj表示神经元j的输出蒸发压力预测值；xi表示神经元i的输入初始参数；wij表示神经元与神经元之间的连接权值；aj表示神经元的阈值；f是输入到输出传递函数(也称激活函数)；
步骤8：更新种群个体位置；
步骤9：计算个体适应度值，记录最优个体位置；
步骤10：判断是否达到最大迭代次数,若达到最大迭代次数，则返回步骤5，反之，则返回步骤8。
进一步地，所述步骤3中网络结构初始参数值的隐含层节点数确定式：
式中，x为输入层节点数，y为输出层节点数，m为随机整数，取值范围在[1,5]；
权值为：
式中，λ为学习效率，取值范围在[0,1]，pi为隐含层输出值，hy为测试样本中第y个输出层的实际值，ly为测试样本中第y个输出层的期望值。
进一步地，所述步骤8更新种群个体位置时，改进惯性权重：
式中，t为当前迭代次数，T为最大迭代次数，ωmin为惯性权重的最小值，ωmax为惯性权重的最大值，ga(t)为个体适应度值的平均值，gb(t)为个体适应度值的最优值。
有益效果：
本发明结合SCA-BP算法针对蒸发压力自动调节阀进行优化，使系统获得最佳运行参数，提高了系统热效率和净输出功率，同时也提升了系统运行的稳定性，系统的综合性能得到改善。本发明结合了SCA-BP算法，利用SCA算法的局部优化特质实现了对BP神经网络的权重的优化，使得输出预测蒸发器压力值结果最优。本发明解放人力，对于设备可以实现自动控制并达到最优化的效果。本发明还提高了系统运行的稳定性，降低危险系数，提高了系统的热效率和净输出功率，改善了系统的综合性能
附图说明
图1为本发明的结构示意图；
图2为本发明的优化算法流程；
图3为一次能源节约率对比图；
图4为循环热效率随温度的变化对比图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
本发明公开了一种智能生物质ORC蒸发压力控制设备，参见图1和图2，包括热解炉、气化炉、分离器、蒸发器、蒸发压力自动调节阀、膨胀机、冷凝器、工质泵和发电机；本发明利用化工制药企业减蒸工艺中的残渣作为生物质能，生物质能作为所述热解炉的燃料，热解炉、气化炉和分离器依次连接，利用分离器将经过热解炉和气化炉的产物进行气固分离且在分离器之前还增加碳酸钙，用于抑制氯化氢的产生；蒸发器和蒸发压力自动调节阀相连，通过蒸发压力自动调节阀，将蒸发压力控制在预设的范围内；膨胀机和发电机相连，带动发电机发电；冷凝器、工质泵和蒸发器依次连接，冷凝器将膨胀机排出的蒸汽冷凝，液态工质进入工质泵加压后再重新回到蒸发器实现热力循环。
蒸发压力自动调节阀上设置自动调节装置，自动调节装置包括蒸发压力设置单元、蒸发压力检测单元和控制阀门单元，蒸发压力检测单元用于检测蒸发器初始化参数，包括蒸发温度、过热度、过冷度和膨胀比；蒸发压力设置单元用于根据初始化参数利用SCA-BP算法预测蒸发压力值，控制阀门单元用于根据预测的蒸发压力值调节蒸发压力自动调节阀阀门开度大小。自动调节装置首先利用SCA-BP算法预测蒸发压力值，并将预测的所述蒸发压力值反馈至自动调节装置，并调节蒸发压力自动调节阀阀门开度大小，将蒸发压力控制在适宜的范围内。
SCA-BP算法预测蒸发压力值具体包括如下步骤：
步骤1：读取数据，数据选取相关度高的参数类别，包括蒸发温度、过热度、过冷度和膨胀比；
步骤2：将步骤1中数据集按7：3划分为训练集和测试集；
步骤3：构建BP神经网络，初始化网络参数，主要为权值和网络结构初始参数值；
所述步骤3中网络结构初始参数值的隐含层节点数确定式：
式中，x为输入层节点数，y为输出层节点数，m为随机整数，取值范围在[1,5]；
权值为：
式中，λ为学习效率，取值范围在[0,1]，pi为隐含层输出值，hy为测试样本中第y个输出层的实际值，ly为测试样本中第y个输出层的期望值。
步骤4：计算个体适应度值，记录最优个体位置；
步骤5：判断是否满足最优权值和网络结构初始参数值，若满足，进入步骤6，反之，进入步骤8；
步骤6：进行BP神经网络训练及测试；
步骤7：根据训练及测试后的网络模型输出蒸发压力预测值及误差；
其中，yj表示神经元j的输出蒸发压力预测值；xi表示神经元i的输入初始参数；wij表示神经元与神经元之间的连接权值；aj表示神经元的阈值；f是输入到输出传递函数(也称激活函数)。
步骤8：更新种群个体位置；
新种群个体位置时，改进惯性权重：
式中，t为当前迭代次数，T为最大迭代次数，ωmin为惯性权重的最小值，ωmax为惯性权重的最大值，ga(t)为个体适应度值的平均值，gb(t)为个体适应度值的最优值。
步骤9：计算个体适应度值，记录最优个体位置；
步骤10：判断是否达到最大迭代次数,若达到最大迭代次数，则返回步骤5，反之，则返回步骤8。
参见图3、图4，是根据matlab软件仿真所得到的适应度与预测的蒸发压力值来进行的生物质有机朗肯系统ORC仿真所得到的结果，图3为一次能源耗损率，一次能源主要是输入到热解炉中的各种气态、固态、液态等以原有形式存在未经过加工的能源。仿真环境为matlab，主要利用该软件构建sca-bp的模型并对其进行训练形成控制系统，模拟出改进后的蒸发压力控制设备对系统的有益效果。由于温度对压力有一定的影响，在有限容积的器皿中，温度增大，压力随之增大，温度减小，压力随之减小。图4为循环热效率随温度的变化对比图，图3和图4可见对生物质有机朗肯系统加装蒸发压力自动调节阀的改良有明显的收益。
上述实施方式只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡根据本发明精神实质所做的等效变换或修饰，都应涵盖在本发明的保护范围之内。
Claims (2)
1.一种智能生物质ORC蒸发压力控制设备，其特征在于，包括热解炉、气化炉、分离器、蒸发器、蒸发压力自动调节阀、膨胀机、冷凝器、工质泵和发电机；生物质能作为所述热解炉的燃料，热解炉、气化炉和分离器依次连接，利用分离器将经过热解炉和气化炉的产物进行气固分离且在分离器之前还增加碳酸钙，用于抑制氯化氢的产生；蒸发器和蒸发压力自动调节阀相连，通过蒸发压力自动调节阀，将蒸发压力控制在预设的范围内；膨胀机和发电机相连，带动发电机发电；冷凝器、工质泵和蒸发器依次连接，冷凝器将膨胀机排出的蒸汽冷凝，液态工质进入工质泵加压后再重新回到蒸发器实现热力循环；
所述蒸发压力自动调节阀上设置自动调节装置，所述自动调节装置首先利用SCA-BP算法预测蒸发压力值，并将预测的所述蒸发压力值反馈至自动调节装置，并调节蒸发压力自动调节阀阀门开度大小，将蒸发压力控制在适宜的范围内；
所述SCA-BP算法预测蒸发压力值具体包括如下步骤：
步骤1：读取数据，数据选取相关度高的参数类别，包括蒸发温度、过热度、过冷度和膨胀比；
步骤2：将步骤1中数据集按7：3划分为训练集和测试集；
步骤3：构建BP神经网络模型，初始化网络参数，主要为权值和网络结构初始参数值；
步骤4：计算个体适应度值，记录最优个体位置；
步骤5：判断是否满足最优权值和网络结构初始参数值，若满足，进入步骤6，反之，进入步骤8；
步骤6：进行BP神经网络训练及测试；
步骤7：根据训练及测试后的网络模型输出蒸发压力预测值及误差；
其中，yj表示神经元j的输出蒸发压力预测值；xi表示神经元i的输入初始参数；wij表示神经元与神经元之间的连接权值；aj表示神经元的阈值；f是输入到输出传递函数，即激活函数；
步骤8：更新种群个体位置；
步骤9：计算个体适应度值，记录最优个体位置；
步骤10：判断是否达到最大迭代次数,若达到最大迭代次数，则返回步骤5，反之，则返回步骤8；
所述步骤3中网络结构初始参数值的隐含层节点数确定式：
式中，x为输入层节点数，y为输出层节点数，m为随机整数，取值范围在[1,5]；
权值为：
式中，λ为学习效率，取值范围在[0,1]，pi为隐含层输出值，hy为测试样本中第y个输出层的实际值，ly为测试样本中第y个输出层的期望值；
所述步骤8更新种群个体位置时，改进惯性权重：
式中，t为当前迭代次数，T为最大迭代次数，ωmin为惯性权重的最小值，ωmax为惯性权重的最大值，ga(t)为个体适应度值的平均值，gb(t)为个体适应度值的最优值。
2.根据权利要求1所述的智能生物质ORC蒸发压力控制设备，其特征在于，所述自动调节装置包括蒸发压力设置单元、蒸发压力检测单元和控制阀门单元，所述蒸发压力检测单元用于检测蒸发器初始化参数，包括蒸发温度、过热度、过冷度和膨胀比；所述蒸发压力设置单元用于根据初始化参数利用SCA-BP算法预测蒸发压力值，所述控制阀门单元用于根据预测的所述蒸发压力值调节蒸发压力自动调节阀阀门开度大小。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310075832.9A CN115981384B (zh) | 2023-02-07 | 2023-02-07 | 一种智能生物质orc蒸发压力控制设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310075832.9A CN115981384B (zh) | 2023-02-07 | 2023-02-07 | 一种智能生物质orc蒸发压力控制设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115981384A CN115981384A (zh) | 2023-04-18 |
| CN115981384B true CN115981384B (zh) | 2023-09-22 |
Family
ID=85968043
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310075832.9A Active CN115981384B (zh) | 2023-02-07 | 2023-02-07 | 一种智能生物质orc蒸发压力控制设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115981384B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2010001363A1 (en) * | 2008-07-04 | 2010-01-07 | Terranol A/S | Microorganism expressing aldose-1-epimerase |
| CN102952892A (zh) * | 2011-08-22 | 2013-03-06 | 中国人民解放军军事医学科学院微生物流行病研究所 | 一种检测西尼罗病毒的环介导等温扩增试剂盒及其应用 |
| WO2015089419A2 (en) * | 2013-12-12 | 2015-06-18 | The Broad Institute Inc. | Delivery, use and therapeutic applications of the crispr-cas systems and compositions for targeting disorders and diseases using particle delivery components |
| CN106789214A (zh) * | 2016-12-12 | 2017-05-31 | 广东工业大学 | 一种基于正余双弦算法的网络态势感知方法及装置 |
| RU2738300C1 (ru) * | 2019-12-11 | 2020-12-11 | Виталий Алексеевич Алтунин | Способ повышения эффективности воздушных, гиперзвуковых, аэрокосмических и космических летательных аппаратов одно- и многоразового использования на жидком азотосодержащем горючем |
| CN112085196A (zh) * | 2020-09-10 | 2020-12-15 | 南京工业大学 | 一种基于sca算法优化bp神经网络的scr脱硝系统的喷氨调节方法 |
| CN112836419A (zh) * | 2021-01-15 | 2021-05-25 | 西南交通大学 | 一种热源分流式余热发电系统及其粒子群优化控制方法 |
| CN112855297A (zh) * | 2021-01-15 | 2021-05-28 | 西南交通大学 | 一种热源分流式余热发电系统及其优化控制方法 |
| CN113446077A (zh) * | 2021-06-16 | 2021-09-28 | 淮阴工学院 | 一种具有导热油循环的有机朗肯循环系统温度优化方法 |
| CN113485489A (zh) * | 2021-06-18 | 2021-10-08 | 淮阴工学院 | 一种orc系统蒸发器出口温度的调控方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020028488A1 (en) * | 2000-06-19 | 2002-03-07 | Sujay Singh | Transgenic avian species for making human and chimeric antibodies |
| US7629440B2 (en) * | 2002-08-20 | 2009-12-08 | Genitrix, Llc | Lectin compositions and methods for modulating an immune response to an antigen |
-
2023
- 2023-02-07 CN CN202310075832.9A patent/CN115981384B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2010001363A1 (en) * | 2008-07-04 | 2010-01-07 | Terranol A/S | Microorganism expressing aldose-1-epimerase |
| CN102952892A (zh) * | 2011-08-22 | 2013-03-06 | 中国人民解放军军事医学科学院微生物流行病研究所 | 一种检测西尼罗病毒的环介导等温扩增试剂盒及其应用 |
| WO2015089419A2 (en) * | 2013-12-12 | 2015-06-18 | The Broad Institute Inc. | Delivery, use and therapeutic applications of the crispr-cas systems and compositions for targeting disorders and diseases using particle delivery components |
| CN106789214A (zh) * | 2016-12-12 | 2017-05-31 | 广东工业大学 | 一种基于正余双弦算法的网络态势感知方法及装置 |
| RU2738300C1 (ru) * | 2019-12-11 | 2020-12-11 | Виталий Алексеевич Алтунин | Способ повышения эффективности воздушных, гиперзвуковых, аэрокосмических и космических летательных аппаратов одно- и многоразового использования на жидком азотосодержащем горючем |
| CN112085196A (zh) * | 2020-09-10 | 2020-12-15 | 南京工业大学 | 一种基于sca算法优化bp神经网络的scr脱硝系统的喷氨调节方法 |
| CN112836419A (zh) * | 2021-01-15 | 2021-05-25 | 西南交通大学 | 一种热源分流式余热发电系统及其粒子群优化控制方法 |
| CN112855297A (zh) * | 2021-01-15 | 2021-05-28 | 西南交通大学 | 一种热源分流式余热发电系统及其优化控制方法 |
| CN113446077A (zh) * | 2021-06-16 | 2021-09-28 | 淮阴工学院 | 一种具有导热油循环的有机朗肯循环系统温度优化方法 |
| CN113485489A (zh) * | 2021-06-18 | 2021-10-08 | 淮阴工学院 | 一种orc系统蒸发器出口温度的调控方法 |
Non-Patent Citations (1)
| Title |
|---|
| 李恩，等.基于ISCA-BP算法的天然气水合物预测模型.化学工程.2022,第５０卷(第８期),６2－67. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115981384A (zh) | 2023-04-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Pathak et al. | AGC of two area power system based on different power output control strategies of thermal power generation | |
| EP1921280A2 (en) | Systems and methods for multi-level optimizing control systems for boilers | |
| Terzi | Application of exergy analysis to energy systems | |
| Lemma et al. | Use of fuzzy systems and bat algorithm for exergy modeling in a gas turbine generator | |
| US9952566B2 (en) | Method for controlling and/or regulating a technical system in a computer-assisted manner | |
| Sindareh-Esfahani et al. | Thermodynamic modeling based optimization for thermal systems in heat recovery steam generator during cold start-up operation | |
| Tiktas et al. | Single and multigeneration Rankine cycles with aspects of thermodynamical modeling, energy and exergy analyses and optimization: A key review along with novel system description figures | |
| Kesgin et al. | Simulation of thermodynamic systems using soft computing techniques | |
| CN110284933A (zh) | 一种提高小型汽轮机发电系统效率的方法 | |
| CN113095538A (zh) | 面向灵活性运行的热电联产机组宽负荷运行动态特性建模方法 | |
| Anvari et al. | Multi-objective optimization of a proposed multi-generation cycle based on Pareto diagrams: Performance improvement, cost reduction, and CO2 emissions | |
| CN110932320A (zh) | 自动发电控制系统分布式模型预测控制器设计方法 | |
| Katulić et al. | Thermodynamic efficiency improvement of combined cycle power plant's bottom cycle based on organic working fluids | |
| Lu et al. | Dynamic modeling of thermal-supply system for two-by-one combined-cycle gas and steam turbine unit | |
| CN115981384B (zh) | 一种智能生物质orc蒸发压力控制设备 | |
| Taghavifar et al. | Towards modeling of combined cooling, heating and power system with artificial neural network for exergy destruction and exergy efficiency prognostication of tri-generation components | |
| US11475186B2 (en) | Apparatus and method for deriving boiler combustion model | |
| Serafino et al. | Assessment of an Innovative Technique for the Robust Optimization of Organic Rankine Cycles | |
| Khadka et al. | Neuroevolution of a hybrid power plant simulator | |
| Alhammadi et al. | A Cyber-Security Framework For Boiler of Steam Power Plant Using Simulation Data to Train Machine Learning Model | |
| EP2806114B1 (en) | Combined cycle duct firing control | |
| Alfstad | Performance evaluation of combined heat and power (CHP) applications in low-energy houses | |
| Ghazi et al. | Developing of constructal theory concept to the total site cogeneration heat and power retrofit | |
| Ma et al. | SA-PSO Hybrid Algorithm for Gas Path Diagnostics of Gas Turbine | |
| Verda et al. | Effects of the productive structure on the results of the thermoeconomic diagnosis of energy systems |
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 |