CN210004796U - 一种可进行循环水浓缩倍率拟合的冷却塔 - Google Patents

一种可进行循环水浓缩倍率拟合的冷却塔 Download PDF

Info

Publication number
CN210004796U
CN210004796U CN201822259796.9U CN201822259796U CN210004796U CN 210004796 U CN210004796 U CN 210004796U CN 201822259796 U CN201822259796 U CN 201822259796U CN 210004796 U CN210004796 U CN 210004796U
Authority
CN
China
Prior art keywords
cooling tower
circulating water
pipeline
water
meter
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
Application number
CN201822259796.9U
Other languages
English (en)
Inventor
胡凤玺
徐小刚
刘楹
贺宁
马先刚
李兴春
程震
谢春强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hebei Rongchun Energy Technology Co Ltd
MATOU THERMOELECTRICITY BRANCH OF DATANG HEBEI POWER GENERATION CO Ltd
Original Assignee
Hebei Rongchun Energy Technology Co Ltd
MATOU THERMOELECTRICITY BRANCH OF DATANG HEBEI POWER GENERATION CO Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hebei Rongchun Energy Technology Co Ltd, MATOU THERMOELECTRICITY BRANCH OF DATANG HEBEI POWER GENERATION CO Ltd filed Critical Hebei Rongchun Energy Technology Co Ltd
Priority to CN201822259796.9U priority Critical patent/CN210004796U/zh
Application granted granted Critical
Publication of CN210004796U publication Critical patent/CN210004796U/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)

Abstract

本实用新型提供一种可进行循环水浓缩倍率拟合的冷却塔,包括:冷却塔体(1)、管道系统,管道系统包括补给水管道(2)、排污水管道(3)、至循环水系统管道(4)以及从循环水系统回水管道(5),连接至所述冷却塔体(1),其上均设置阀门并均为双路并联冗余设计管道,第一电导率表计(6‑2)和第一PH表计(6‑1)串联连接在排污水管道(3),第二电导率表计(7‑2)和第二PH表计(7‑1)串联连接在补给水管道(2)上,冷却塔体(1)内部设置多个喷淋管,冷却塔远程连接数据处理器,数据处理器根据第一电导率表计(6‑2)和第一PH表计(6‑1)以及第二电导率表计(7‑2)和第二PH表计(7‑1)采集的多组数据进行循环冷却水浓缩倍率拟合。

Description

一种可进行循环水浓缩倍率拟合的冷却塔
技术领域
本实用新型涉及先进制造,自动化电力系统,设备发电与储能技术以及发电厂优化控制技术,特别是一种可进行循环水浓缩倍率神拟合的冷却塔。
背景技术
火力发电厂为工业用水大户,主要包括炉内水汽系统、循环冷却水系统、发电机内冷水系统、废水处理系统等,其中电厂循环冷却水系统主要作为凝汽器的冷却用水,同时作为电厂氢冷器、冷油器等辅机设备的冷却用水,还为其它机组提供冷却水源,工业生产过程中产生的废热,一般要用冷却水来导走,从天然水体中吸取一定量的水作为冷却水,冷却工艺设备吸取废热使水温升高,再排入天然水体中,这种冷却方式被称为直流冷却,当不具备直流冷却条件时,则需要用冷却塔来冷却。冷却塔的作用是将携带废热的冷却水在塔内与空气进行热交换,使废热传输给空气并散入大气。
二次循环水塔冷却技术广泛应用于工业生产过程中,为设备冷却、蒸汽凝结提供冷却介质,其作用是将携带废热的冷却水与空气进行热交换,使肺热传输给空气并散入大气,锅炉会将水加热成高温高压蒸汽,推动汽轮机做功使发电机发电,经汽轮机作恭候的乏汽排入凝气器,与冷却水进行热交换凝结成水,再用水泵打回锅炉循环使用,这一热力循环过程中,乏汽得废热在凝汽器中传给了冷却水,使水温升高,携带废热的冷却水,在冷却塔中将其热量传给空气,从塔筒出口排入大气,在冷却塔内冷却过的水变为地问谁,水泵降其再送入凝汽器循环使用。前一循环为锅炉中水的循环,后一循环为冷却水的循环。冷却塔中水和空气的换热方式之一是,流过水表面的空气与水直接接触,通过接触传热和蒸发散热,把水中的热量传输给空气,用这种冷却方式的称为湿式冷却塔(简称湿塔)。湿塔的热交换效率高,谁被冷却的极限温度为空气的湿球温度。但是,水因蒸发而造成损耗,蒸发又引起循环的冷却水含盐度增加,为了稳定水质,必须排掉一部分含盐度较高的水;风吹也会造成水的损失,这些水的亏损必须有足够的新水持续补充,因此,湿塔需要有补给水的水源。
同时湿式冷却塔的水塔水资源损失巨大,其中不可回收利用的蒸发损失占绝大部分,因此冷却水塔成为工业企业的耗水大户。以火力发电厂为例,循环水水塔用水量占全厂耗水量的85-90%。此外为保证设备安全稳定运行,二次循环冷却水塔需保持一定的水位在一定范围之内,同时控制循环水的浓缩倍率在合格范围之内。
循环水浓缩倍率指的是以某种不受外界影响而变化的离子为代表,循环水中的离子浓度与补充水中离子浓度之比。循环水浓缩倍率实际的物理含义是在循环冷却水中,由于蒸发而浓缩的物质含量与补充水中统一物质含量的比值,或指补充水量与排污水量的比值,经常采用的方法,是以分析Cl-来计算。现有技术中循环水的浓缩倍率通常采用如下公式计算:
K=循环水中氯离子浓度/补充水中氯离子浓度;
氯离子浓度通常采用化学水样人工化验,在线仪表价格昂贵且精度较低,因而浓缩倍率无法在线测量,这也给循环水的连续控制及监测带来了很大问题。此外,当进行加氯处理时,就不能采用Cl-来进行计算。
提高冷却水的浓缩倍数的好处:
1、提高冷却水的浓缩倍数,可降低补充水用量,节约水资源;
2、提高冷却水的浓缩倍数,可降低排污水量,从而减少对环境的污染和废水的处理量;
3、提高冷却水的浓缩倍数,可以节约水处理剂的消耗量,从而降低冷却水处理的成本;
过多地提高冷却水的浓缩倍率的坏处:过多地提高冷却水的浓缩倍数,会使冷却水中的硬度、碱度太高,水的结垢倾向增大。因此,要保证冷却水的处理效果,必须控制好冷却水的浓缩倍数,通常,对于中央空调冷却水的浓缩倍数一般控制在4~5为佳。
因此,需要设计能够可进行循环水浓缩倍率拟合的冷却塔,解决现有技术存在的诸多问题。
发明内容
为了克服现有技术的问题,本实用新型提供一种可进行循环水浓缩倍率拟合的冷却塔,该冷却塔以能够在线连续监测的参数及数据拟合的方式,完成浓缩倍率的软测量,为循环水系统的连续控制及监测提供条件。
本实用新型的目的在于提供一种可进行循环水浓缩倍率拟合的冷却塔,包括:冷却塔体(1)、管道系统,第一电导率表计(6-2)和第一PH表计(6-1) 以及第二电导率表计(7-2)和第二PH表计(7-1),所述管道系统连接至所述冷却塔体(1),所述第一电导率表计(6-2)和第一PH表计(6-1)以及第二电导率表计(7-2)和第二PH表计(7-1)串联连接在所述管道系统上。
较佳地,所述管道系统包括补给水管道(2)、排污水管道(3)、至循环水系统管道(4)以及从循环水系统回水管道(5),所述补给水管道(2)、排污水管道(3)、至循环水系统管道(4)以及从循环水系统回水管道(5) 均连接在所述冷却塔体(1)上,所述循环水系统管道(4)与所述排污水管道(3)安装在所述冷却塔体(1)的同一侧,所述循环水系统管道(4)的位置高度略高于所述排污水管道(3)。
较佳地,所述补给水管道(2)、排污水管道(3)、至循环水系统管道(4) 以及从循环水系统回水管道(5)上均设置阀门。
较佳地,补给水管道(2)、排污水管道(3)、至循环水系统管道(4)以及从循环水系统回水管道(5)均为双路并联冗余设计管道。
较佳地,所述冷却塔体(1)包括塔架和塔壳,内部设置填料、冷水槽、除水器、进风口、百叶窗、通风机以及多个喷嘴。
较佳地,所述第一电导率表计(6-2)和第一PH表计(6-1)串联连接在排污水管道(3)上。
较佳地,所述第二电导率表计(7-2)和第二PH表计(7-1)串联连接在所述补给水管道(2)上。
较佳地,所述可进行循环水浓缩倍率拟合的冷却塔远程连接数据处理器,所述数据处理器根据所述第一电导率表计(6-2)和第一PH表计(6-1)以及所述第二电导率表计(7-2)和第二PH表计(7-1)采集的多组数据进行循环冷却水浓缩倍率拟合。
本实用新型的有益效果:该冷却塔以能够在线连续监测的参数及数据拟合的方式,完成浓缩倍率的软测量,为循环水系统的连续控制及监测提供条件。
附图说明
图1为根据本实用新型实施例的冷却塔结构示意图;
图2为根据本实用新型实施例的冷却塔进行RBF神经网络拟合结构图;
图3为根据本实用新型实施例的冷却塔进行RBF神经网络拟合的RBF神经网络隐藏层及输入层结构图;
图4为根据本实用新型实施例的冷却塔进行RBF神经网络拟合的数据拟合值与人工实测值对比图。
具体实施方式
下面结合附图对本实用新型的具体实施方式进行详细说明,但并不用来限制本实用新型的保护范围。
参见图1,一种可进行循环水浓缩倍率拟合的冷却塔,包括:冷却塔体1、管道系统,第一电导率表计6-2和第一PH表计6-1以及第二电导率表计7-2 和第二PH表计7-1。其中,管道系统包括补给水管道2、排污水管道3、至循环水系统管道4以及从循环水系统回水管道5,补给水管道2、排污水管道3、至循环水系统管道4以及从循环水系统回水管道5均连接在冷却塔体 1上,循环水系统管道4与排污水管道3安装在冷却塔体1的同一侧,循环水系统管道4的位置高度略高于排污水管道3。第一电导率表计6-2和第一 PH表计6-1串联连接在排污水管道3上。第二电导率表计7-2和第二PH表计7-1串联连接在补给水管道2上。
在补给水管道2、排污水管道3、至循环水系统管道4以及从循环水系统回水管道5上均设置阀门,根据工作时序和测试要求控制阀门的通断。
本实施例中,补给水管道2、排污水管道3、至循环水系统管道4以及从循环水系统回水管道5均为双路并联冗余设计管道,防止由于单条管道故障造成的整个水冷塔停机,影响生产效率。
冷却塔体1包括塔架和塔壳,内部设置填料、冷水槽、除水器、进风口、百叶窗、通风机以及多个喷嘴。塔架用于支撑塔壳、马达、风机和其他部件。采用塑料或木料制成填料来充分增加水和空气的接触,从而促进热传递,填料可以采用两种形式:
(1)点滴式淋水填料:水流经连续多层横放的淋水棒,不断地分解为较小的水滴,同时也临时填料表面,塑料的点滴式淋水填料比木质的点滴式淋水填料更利于促进热传递;
(2)薄膜式淋水填料:由一组紧密排列的塑料表面组成,水在这些表面上展开形成一层与空气接触的薄膜,表面可以为平直的、波浪形、蜂窝形或者其他形状,效率更高,以较小的面积提供相同的传热效率。
冷水槽立于塔底或者塔底附近,用于接收从冷却塔体和填料流下的冷却水,冷水槽具有一个集水坑或低点,以便安装冷水排放接头,冷水槽设置在填料下方,对于设置强制送风对流的情况下,填料底部的水被引入一个环形沟中,从而起到冷水槽的作用,填料下方安装几个螺旋桨式风机,向上给冷却塔通风,冷却塔体安装在支柱上,从而使工作人员进入塔底维修风机及其电动机。除水器用于收集出塔气流中夹带的飘滴,否则这些水滴会耗散到大气中。进风口是空气进入冷却塔体1的入口,占据冷却塔体1的整个一面或者位于冷却塔体1一侧的下方或者冷却塔体1的底部。百叶窗的作用是平衡进入填料的气流,并将水保留在冷却塔内。多个喷嘴用于喷洒水淋湿填料,为了使整个填料表面都能够充分润湿,在填料顶部统一分配水,多个喷嘴可以固定,进行方形或圆形喷洒,或安装在旋转组件上。通风机为轴流式通风机、螺旋桨式通风机或离心式通风机,用于诱导通风式冷却塔,螺旋桨式通风机可以固定或者叶距可调,后者可以随着载荷状态的变化改变气流。
可进行循环水浓缩倍率拟合的冷却塔远程连接数据处理器,数据处理器根据第一电导率表计6-2和第一PH表计6-1以及第二电导率表计7-2和第二PH表计7-1采集的多组数据(本实施例中采用1000组)进行循环冷却水浓缩倍率拟合。
由于氯离子浓度在线测量的问题,浓缩倍率无法在线的计算。经多年运行经验发现,在水源相对固定时,循环水中的氯离子浓度与电导率呈一定的对应关系;此外,当水源变化时,PH值可以一定程度上区分水源的种类;电导率与PH值的在线测量技术非常成熟,因此,可以使用电导率及PH值对氯离子浓度进行拟合估计。即根据循环水补水电导率、循环水补水PH值、循环水排水电导率、循环水排水PH值四个要素对循环水浓缩倍率进行软测量神经网络拟合。具体方案如下:
一、参见图1,加装可连续监测的电导率及PH表计,并采集原始数据。
1、加装表计
(1)在循环水补水加装第一电导率表计(6-2)和第一PH表计(6-1),在排水处分别加装第二电导率表计(7-2)和第二PH表计(7-1);
(2)加装位置:循环水补水管路及排水管路。
2、进行原始数据采集:
(1)需要采集的原始数据包括:循环水补水电导率、循环水补水PH值、循环水排水电导率、循环水排水PH值、人工化验的浓缩倍率数值;
(2)采集时间选取:人工化验时,记录人工取样时间,并记录该时刻循环水补水电导率(Kdb)、循环水补水PH值(PHb)、循环水排水电导率(Kdp)、循环水排水PH值(PHp)的实时测量值;
(3)采样样本机组50%功率、75%功率、100%工况均需覆盖;
(4)覆盖机组补水水质变化工况;
记录1000组数据作为样本备用,格式如下:
记为第一组样本YB1,同理为第二组样本YB2,依次类推为第一千组样本 YB1000
记为第一组样本的输出OUT1,,同理为第二组样本输出OUT2,依次类推为第一千组样本OUT1000
记为第一组样本的输入IN1,,同理为第二组样本的输入IN2,依次类推为第一千组样本的输入IN1000
由此得到用于拟合的一千组样本数据。
二、进行神经网络拟合
(1)采用径向基(RBF)神经网络拟合方法进行数据拟合,径向基神经网络结构图如图2所示,径向基函数神经网络能够逼近任意的非线性函数,处理系统内的难以解析的规律性,具有良好的泛化能力,并有较快的学习收敛速度。当网络的一个或多个可调参数(权值或阈值)对任何一个输出都有影响时,这样的网络称为全局逼近网络。由于对于每次输入,网络上的每一个权值都要调整,从而导致全局逼近网络的学习速度很慢,如BP网络。如果对于输入空间的某个局部区域只有少数几个连接权值影响输出,则该网络称为局部逼近网络,径向基函数解决插值问题,即对于样本点总共有P个的情况,选择P个基函数,每个基函数对应一个训练数据,各基函数形式采用差向量的模或者称为2范数的形式,由于距离是径向同性的,因此称为径向基函数。
参见图3,输入X是个m维的向量,样本容量为P,P>m,输入数据点Xp 是径向基函数的中心。隐藏层的作用是把向量从低维m影射到高维P,低维线性不可分的情况到高维就线性可分了。将插值条件代入写成向量的形式为
Figure DEST_PATH_GDA0002256727270000092
显然
Figure DEST_PATH_GDA0002256727270000093
是P的对称矩阵,且与X的维度无关,当
Figure DEST_PATH_GDA0002256727270000094
可逆时,存在
Figure DEST_PATH_GDA0002256727270000095
对于一些隐藏层基函数,当输入的x各不相同时,就是可逆的,这些基函数包括高斯函数,反常S型函数以及拟多二次函数。
(a)隐含层径向基函数可以采用高斯函数:
其中x为输入变量,δ为高斯函数的扩展参数,δ越小,径向基函数的宽度越小,基函数越有选择性;ci为径向基函数的中心,||x-ci||2为L2范数,即x距中心点ci的欧氏距离。
Figure DEST_PATH_GDA0002256727270000098
为基函数。
因此RBF网络输出为:
Figure DEST_PATH_GDA0002256727270000099
其中wi为隐含层至输出层的权值,y为系统实际输出。
(b)隐含层径向基函数可以采用反常S型函数:
Figure DEST_PATH_GDA00022567272700000910
(c)隐含层径向基函数可以采用拟多二次函数:
Figure DEST_PATH_GDA00022567272700000911
(2)获取径向基各函数的数据中心ci,一般采用动态聚类算法获取,步骤如下:
(A)所述样本中心通过如下方法确定:
a)确定隐节点个数I;
b)在输入样本中随机选取I个不同的典型样本作为聚类中心 (ci(n)(i=(1,2,...,I),n为迭代次数),设n=0;
c)计算所有输入样本距各中心的L2范数,||xk-ci(n)||,k=(1,2,...,m) 为样本个数,并对每个输入样本Xk按最小欧式距离进行归类;
d)重新计算样本中心
Figure DEST_PATH_GDA0002256727270000101
当误差小于设定值时结束,否则返回步骤c)。
(B)当样本中心建立后,可按下式计算δ和wi:
δ=dmax/2I (5)
Figure DEST_PATH_GDA0002256727270000102
式中dmax为样本中心间的最大欧式距离,I为样本中心个数。
(2)参数选取
经多次拟合发现,样本中心越多,拟合精度越高但在线计算的资源耗费较大,样本中心越少,运算速度越快,但是拟合精度相对较低;
因此,样本中心个数选取为102个。
(3)神经网络训练
程序采用Matlab工具箱实现,由于输入为四要素,因此神经网络输入节点为4个,输出节点为1个。
将IN1中作为图1中x1……x4,OUT1作为图2结构中的y输入神经网络训练1次;
依次类推,将(IN2 OUT2)直到(IN1000 OUT1000)数据输入神经网络训练,最终得到一个训练完成的神经网络。
(4)神经网络拟合
神经网络训练完成后,将实测值作为神经网络的输入,其输出y即为拟合得到的浓缩倍率值。
采用本实施例的方法,即采用数据拟合的方法实现了浓缩倍率的在线监测。从图4数据中可以看出,采用四要素RBF神经网络拟合的浓缩倍率与人工实测值的误差最多0.05,完全可以达到在线监测的要求。
以上对本实用新型实施例所提供的技术方案进行了详细介绍,本文中应用了具体个例对本实用新型实施例的原理以及实施方式进行了阐述,以上实施例的说明只适用于帮助理解本实用新型实施例的原理;同时本领域的一般技术人员,根据本实用新型的实施例,在具体实施方式以及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本实用新型的限制。

Claims (8)

1.一种可进行循环水浓缩倍率拟合的冷却塔,其特征在于包括:冷却塔体(1)、管道系统,第一电导率表计(6-2)和第一PH表计(6-1)以及第二电导率表计(7-2)和第二PH表计(7-1),所述管道系统连接至所述冷却塔体(1),所述第一电导率表计(6-2)和第一PH表计(6-1)以及第二电导率表计(7-2)和第二PH表计(7-1)串联连接在所述管道系统上。
2.根据权利要求1所述的一种可进行循环水浓缩倍率拟合的冷却塔,其特征在于:所述管道系统包括补给水管道(2)、排污水管道(3)、至循环水系统管道(4)以及从循环水系统回水管道(5),所述补给水管道(2)、排污水管道(3)、至循环水系统管道(4)以及从循环水系统回水管道(5)均连接在所述冷却塔体(1)上,所述循环水系统管道(4)与所述排污水管道(3)安装在所述冷却塔体(1)的同一侧,所述循环水系统管道(4)的位置高度略高于所述排污水管道(3)。
3.根据权利要求2所述的一种可进行循环水浓缩倍率拟合的冷却塔,其特征在于:所述补给水管道(2)、排污水管道(3)、至循环水系统管道(4)以及从循环水系统回水管道(5)上均设置阀门。
4.根据权利要求2所述的一种可进行循环水浓缩倍率拟合的冷却塔,其特征在于:所述补给水管道(2)、排污水管道(3)、至循环水系统管道(4)以及从循环水系统回水管道(5)均为双路并联冗余设计管道。
5.根据权利要求1所述的一种可进行循环水浓缩倍率拟合的冷却塔,其特征在于:所述冷却塔体(1)包括塔架和塔壳,内部设置填料、冷水槽、除水器、进风口、百叶窗、通风机以及多个喷嘴,所述冷水槽立于所述冷却塔体(1)的塔底或者塔底附近,所述冷水槽具有一个集水坑或低点并设置在填料下方,所述填料下方安装几个螺旋桨式风机,向上给冷却塔体(1)通风,冷却塔体(1)安装在支柱上,所述进风口占据所述冷却塔体(1)的整个一面或者位于所述冷却塔体(1)一侧的下方或者冷却塔体(1)的底部,所述多个喷嘴固定,进行方形或圆形喷洒,或安装在旋转组件上,所述通风机为轴流式通风机、螺旋桨式通风机或离心式通风机,所述螺旋桨式通风机可以固定或者叶距可调,所述叶距可调可以随着载荷状态的变化改变气流。
6.根据权利要求2所述的一种可进行循环水浓缩倍率拟合的冷却塔,其特征在于:所述第一电导率表计(6-2)和第一PH表计(6-1)串联连接在排污水管道(3)上。
7.根据权利要求2所述的一种可进行循环水浓缩倍率拟合的冷却塔,其特征在于:所述第二电导率表计(7-2)和第二PH表计(7-1)串联连接在所述补给水管道(2)上。
8.根据权利要求1-7任一所述的一种可进行循环水浓缩倍率拟合的冷却塔,其特征在于:所述可进行循环水浓缩倍率拟合的冷却塔远程连接数据处理器,所述数据处理器根据所述第一电导率表计(6-2)和第一PH表计(6-1)以及所述第二电导率表计(7-2)和第二PH表计(7-1)采集的多组数据进行循环冷却水浓缩倍率拟合。
CN201822259796.9U 2018-12-29 2018-12-29 一种可进行循环水浓缩倍率拟合的冷却塔 Active CN210004796U (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201822259796.9U CN210004796U (zh) 2018-12-29 2018-12-29 一种可进行循环水浓缩倍率拟合的冷却塔

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201822259796.9U CN210004796U (zh) 2018-12-29 2018-12-29 一种可进行循环水浓缩倍率拟合的冷却塔

Publications (1)

Publication Number Publication Date
CN210004796U true CN210004796U (zh) 2020-01-31

Family

ID=69299541

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201822259796.9U Active CN210004796U (zh) 2018-12-29 2018-12-29 一种可进行循环水浓缩倍率拟合的冷却塔

Country Status (1)

Country Link
CN (1) CN210004796U (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112945004A (zh) * 2021-02-03 2021-06-11 宁波翔东智能科技有限公司 一种采用海水冷却的多循环冷却系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112945004A (zh) * 2021-02-03 2021-06-11 宁波翔东智能科技有限公司 一种采用海水冷却的多循环冷却系统

Similar Documents

Publication Publication Date Title
Zarei et al. Study on parameters effective on the performance of a humidification-dehumidification seawater greenhouse using support vector regression
Wang et al. Experimental research of the guiding channels effect on the thermal performance of wet cooling towers subjected to crosswinds–air guiding effect on cooling tower
Panjeshahi et al. Application of an environmentally optimum cooling water system design in water and energy conservation
Khanlari et al. Numerical and experimental analysis of longitudinal tubular solar air heaters made from plastic and metal waste materials
CN108875719B (zh) 基于深度学习与红外图像识别的空冷器积灰状态感知系统与计算方法
CN109443075B (zh) 一种用于闭式冷却塔的热力性能评估方法及监测系统
CN104360984B (zh) 一种基于两点边值测量下冷却塔填料热力性能计算方法
Hooman et al. Advances in dry cooling for concentrating solar thermal (CST) power plants
Wang et al. Discrete model-based operation of cooling tower based on statistical analysis
Kaunga et al. Humidification-dehumidification desalination process: performance evaluation and improvement through experimental and numerical methods
CN210004796U (zh) 一种可进行循环水浓缩倍率拟合的冷却塔
CN112484560A (zh) 一种工业循环水的节水优化方法及系统
Wang et al. Modeling and performance analyses of a batch-wise liquid desiccant air conditioning system
CN111178602A (zh) 基于支持向量机和神经网络的循环水损失预测方法
CN206071788U (zh) 一种冷却塔回水发电装置
Chen et al. Performance prediction and optimization of the air‐cooled condenser in a large‐scale power plant using machine learning
CN106097162A (zh) 一种火电厂综合水务管控系统及方法
Abdel-Hady et al. Experimental Study of Humidification AndDehumidification Desalination Process
CN103091123B (zh) 一种具有真空故障自诊断功能的朗肯循环冷源装置
WO2022233101A1 (zh) 一种低温热系统的智能优化控制装备
Turgut et al. Hybrid artificial cooperative search–crow search algorithm for optimization of a counter flow wet cooling tower
Capocelli et al. Two-Channels Thermal Energy Storage Tank: Experiments and Short-Cut Modelling
CN202110831U (zh) 核电站冷却系统
Heidari et al. Using makeup water to recycle cooling tower evaporated water: a feasibility study using experimental data
Yu et al. Parametric study of heat/mass transfer performance of seawater–air two‐phase counterflow in packing in seawater cooling towers

Legal Events

Date Code Title Description
GR01 Patent grant
GR01 Patent grant