基于数据驱动与机理模型融合的反渗透膜寿命预测方法与流程
本发明涉及计算机仿真,尤其涉及基于数据驱动与机理模型融合的反渗透膜寿命预测方法。
背景技术:
1、数据驱动是指利用运行数据训练机器学习模型以学习变量间映射关系的方法。机理模型是指基于物理化学定律建立的确定性数学关系。反渗透膜是一种通过压力驱动实现盐水分离的膜元件。现有基于数据驱动与机理模型融合的反渗透膜寿命预测方法,多将膜污染阻力模型与神经网络相结合,在连续运行的海水淡化等场景中取得了良好预测效果,推动了膜寿命管理的模型化发展。
2、然而,对于光伏供电等需频繁启停的间歇运行场景,每次停机时膜内产生的反向渗透应力与启动时的正向压力冲击会对膜元件造成累积不可逆损伤。现有融合方法未针对停机无过滤状态和启动瞬态过程构建仿真模型,难以模拟启停冲击对膜性能衰减的贡献,导致寿命预测在间歇工况下出现较大偏差。
3、因此,需要构建一种面向间歇启停工况的反渗透膜寿命预测方法,提升剩余启停次数预测的可靠性。
技术实现思路
1、为了克服启停冲击难模拟的缺点,本发明提供了基于数据驱动与机理模型融合的反渗透膜寿命预测方法。
2、本发明的技术实施方案是:基于数据驱动与机理模型融合的反渗透膜寿命预测方法,包括以下步骤:
3、s1:采集反渗透膜的运行工况数据、停机工况数据与启动瞬间数据,根据运行工况数据、停机工况数据与启动瞬间数据确定运行末态值、停机稳态值和启动瞬态值;
4、s2:将启动首次采集值分别与运行末态值、启动瞬态值做差,获得停机冲击差与启动冲击差,基于多次启停循环累积的停机稳态电导率值与停机冲击差,采用范特霍夫公式与最小二乘法,由停机稳态电导率值计算得到预测停机冲击差;
5、s3:基于多次启停循环累积的停机稳态温度值与启动冲击差,采用最小二乘法对线性形式与指数形式进行择优,由停机稳态温度值计算得到预测启动冲击差,基于预测停机冲击差与预测启动冲击差,将每次未发生启停循环的预测不可逆损失量累加,得到累计预测不可逆损失量;
6、s4:对累计预测不可逆损失量与不可逆损失量失效阈值进行比较,当累计预测不可逆损失量达到不可逆损失量失效阈值时,将当前启停循环次数作为预测剩余可启停次数。
7、优选地,所述采集反渗透膜的运行工况数据、停机工况数据与启动瞬间数据,包括:
8、运行工况数据是指反渗透膜从启动后稳定运行至停机前的性能参数序列;
9、停机工况数据是指反渗透膜从停机时刻至下次启动前,膜元件内部环境的状态参数序列;
10、启动瞬间数据是指反渗透膜从高压泵启动指令发出后至性能参数值稳定前的性能参数序列。
11、优选地,所述根据运行工况数据、停机工况数据与启动瞬间数据确定运行末态值、停机稳态值和启动瞬态值,包括:
12、取运行工况数据中最后一次采集的性能参数值作为运行末态值;
13、在停机工况数据中,从停机时刻起,按采集时间顺序向后检索,将不随时间变化的第一个采集时刻所对应的状态参数值作为停机稳态值;取停机稳态值中的电导率值作为停机稳态电导率值;取停机稳态值中的温度值作为停机稳态温度值;
14、在启动瞬间数据中,取高压泵启动后首次采集的性能值作为启动首次采集值;在启动瞬间数据中,计算性能参数值的一阶导数,以一阶导数首次趋近于零时的采集值作为启动瞬态值。
15、优选地,所述将启动首次采集值分别与运行末态值、启动瞬态值做差,获得停机冲击差与启动冲击差,包括:
16、将一次停机时刻至下一次停机时刻之间的运行工况数据、停机工况数据与启动瞬间数据记为一个启停循环;
17、计算一个启停循环中运行末态值与启动首次采集值的差值,将该差值作为本次启停循环的停机冲击差;
18、计算一个启停循环中启动首次采集值与启动瞬态值的差值,将该差值作为本次启停循环的启动冲击差;
19、计算本次启停循环的停机冲击差与启动冲击差的和值,将该和值作为本次启停循环的不可逆损失量。
20、优选地,所述基于多次启停循环累积的停机稳态电导率值与停机冲击差,采用范特霍夫公式与最小二乘法,由停机稳态电导率值计算得到预测停机冲击差,包括:
21、累积多个启停循环的数据后,采用范特霍夫公式由每次启停循环的停机稳态电导率值计算对应的渗透压值;
22、以各次启停循环的渗透压值为自变量,各次启停循环的停机冲击差为因变量,采用最小二乘法确定线性系数,得到由渗透压值计算停机冲击差的机理计算值;
23、计算每次启停循环的停机冲击差与机理计算值的差值,将该差值作为停机冲击残差;
24、以停机稳态电导率值、停机时长作为输入,停机冲击残差作为输出,训练数据驱动模型;
25、对于一个未发生的启停循环,由该次启停循环的停机稳态电导率值经范特霍夫公式与线性系数计算得到机理计算值,由数据驱动模型输出残差预测值,将机理计算值与残差预测值相加,得到该次启停循环的预测停机冲击差。
26、优选地,所述以停机稳态电导率值、停机时长作为输入,停机冲击残差作为输出,训练数据驱动模型,包括:
27、采用支持向量回归模型作为数据驱动模型进行训练,训练时以均方误差最小作为损失函数;
28、训练完成后,对于一个未发生的启停循环,将本次启停循环的停机稳态电导率值和预计停机时长输入训练完成的支持向量回归模型,得到本次启停循环的残差预测值。
29、优选地,所述基于多次启停循环累积的停机稳态温度值与启动冲击差,采用最小二乘法对线性形式与指数形式进行择优,由停机稳态温度值计算得到预测启动冲击差,包括:
30、累积多个启停循环的数据后,以各次启停循环的停机稳态温度值为自变量,各次启停循环的启动冲击差为因变量,分别采用最小二乘法确定线性形式与指数形式的参数,计算两种形式的决定系数;
31、若指数形式的决定系数与线性形式的决定系数的差值小于预设阈值,且停机稳态温度值高于膜材料弹性模量随温度升高而快速下降的温度区间的下限温度值,则采用指数形式作为由停机稳态温度值计算启动冲击差的计算关系;否则取决定系数较大者对应的函数形式;
32、对于一个未发生的启停循环,由该次启停循环的停机稳态温度值计算得到该次启停循环的预测启动冲击差。
33、优选地,所述基于预测停机冲击差与预测启动冲击差,将每次未发生启停循环的预测不可逆损失量累加,得到累计预测不可逆损失量,包括:
34、对于一个未发生的启停循环,将由该次启停循环的停机稳态电导率值计算得到的预测停机冲击差,与由该次启停循环的停机稳态温度值计算得到的预测启动冲击差相加,得到该次启停循环的预测不可逆损失量;
35、将各次启停循环的预测不可逆损失量累加,得到反渗透膜在多个未发生的启停循环后的累计预测不可逆损失量。
36、优选地,所述对累计预测不可逆损失量与不可逆损失量失效阈值进行比较,当累计预测不可逆损失量达到不可逆损失量失效阈值时,将当前启停循环次数作为预测剩余可启停次数,包括:
37、将已发生启停循环的不可逆损失量按启停循环发生的先后顺序排列,形成已发生启停循环的不可逆损失量序列;
38、对已发生启停循环的不可逆损失量序列进行分析,确定当反渗透膜性能衰减至需要更换时对应的不可逆损失量临界区间,将该不可逆损失量临界区间的下限值作为反渗透膜的不可逆损失量失效阈值;
39、根据历史运行记录中停机稳态电导率值的分布特征与停机稳态温度值的分布特征,按时间顺序生成未来各次启停循环的停机稳态电导率值序列、停机稳态温度值序列以及预计停机时长序列;
40、构建启停循环仿真模型;
41、在启停循环仿真模型中,按启停循环次数逐次调用所述构建依据计算每次启停循环的预测不可逆损失量并累加,当累加值达到不可逆损失量失效阈值时,记录当前启停循环次数,将当前启停循环次数作为反渗透膜在停机稳态电导率值序列、停机稳态温度值序列与预计停机时长序列下的预测剩余可启停次数。
42、优选地,所述构建启停循环仿真模型,包括:
43、启停循环仿真模型的构建依据为范特霍夫公式与最小二乘法确定的线性系数、训练完成的数据驱动模型、择优后的由停机稳态温度值计算启动冲击差的函数形式,启停循环仿真模型的输入为停机稳态电导率值序列、停机稳态温度值序列、预计停机时长序列,启停循环仿真模型的输出为累计预测不可逆损失量。
44、有益效果:本发明通过将反渗透膜启停循环的总性能损失分解为停机冲击差与启动冲击差,并针对停机冲击差采用范特霍夫公式计算渗透压以建立机理计算值,再由支持向量回归模型对机理计算值的残差进行数据驱动修正,两者融合得到预测停机冲击差;针对启动冲击差,在数据驱动择优线性或指数形式的过程中引入膜材料温度特性作为机理约束,得到预测启动冲击差。将两者相加并逐次累加,构建启停循环仿真模型,以累计预测不可逆损失量达到失效阈值判定寿命终点,有效克服了现有方法在间歇启停工况下难以模拟启停冲击对膜性能衰减贡献的缺陷,实现了对反渗透膜剩余可启停次数的可靠预测。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com