基于CFD-BP耦合的锅炉水冷壁水动力特性确定方法及系统与流程

本发明属于水冷壁水动力特性确定领域，具体涉及基于cfd-bp耦合的锅炉水冷壁水动力特性确定方法及系统。

背景技术：

1、随着新型电力系统建设及燃煤机组深度调峰运行需求增加，锅炉负荷和煤质条件频繁变化，炉膛热负荷空间分布随之波动。水冷壁作为燃煤锅炉的重要受热承压部件，其管内工质质量流量、压降、空泡份额、出口焓、管壁温度及流动稳定性等水动力特性，直接关系到水冷壁是否发生流动停滞、倒流、局部超温及爆管。因此，准确确定不同工况下各水冷壁管的水动力特性具有重要意义。

2、现有水冷壁水动力特性确定方式主要包括现场实测、一维管网解析计算、三维cfd数值模拟及基于运行数据的bp神经网络预测。现场实测通常利用dcs系统中的差压、流量数据或预埋热电偶获取运行参数，但受测点数量、布置条件及高温高压环境限制，通常只能获得少量测点或回路平均数据，难以覆盖全部水冷壁管，且改造和维护成本较高。

3、一维管网解析计算速度较快，但多采用平均热负荷等简化条件，难以反映炉膛烟气侧换热及热负荷的三维空间分布，对低负荷、燃烧偏斜和两相流非线性工况的适应性不足。三维cfd数值模拟能够较精细地求解炉膛烟气侧与水冷壁管内工质侧的传热流动过程，但多尺度网格和多物理场耦合导致计算量较大，难以满足多工况批量计算及在线实时测算要求。

4、基于dcs历史运行数据训练的bp神经网络预测速度较快，但极限工况样本较少，且缺少质量守恒、能量守恒等物理规律约束，容易出现预测失真。现有cfd与神经网络结合方式通常仅利用cfd结果离线训练网络，缺少依据现场实测偏差反向修正数值模型和网络参数的闭环机制，并且多输出回路平均参数，难以逐根确定水冷壁管的水动力指标。

技术实现思路

1、本发明的目的在于克服现有锅炉水冷壁水动力特性确定方法存在全工况样本覆盖不足、计算精度与实时性难以兼顾、模型预测精度易衰减以及难以准确识别单根水冷壁管运行风险的问题，提供基于cfd-bp耦合的锅炉水冷壁水动力特性确定方法及系统。

2、为了达到上述目的，本发明采用如下技术方案：

3、第一方面，本发明提供基于cfd-bp耦合的锅炉水冷壁水动力特性确定方法，包括以下步骤：

4、获取锅炉结构参数和不同工况下的运行参数，构建炉膛烟气侧与水冷壁管内工质侧耦合的cfd数值仿真模型，利用cfd数值仿真模型生成包含工况特征数据和各水冷壁管水动力参数的仿真样本集；

5、以工况特征数据为输入、各水冷壁管水动力参数为输出，对bp神经网络进行训练，得到水动力特性预测模型；

6、获取待测工况的工况特征数据并输入水动力特性预测模型，得到各水冷壁管的水动力参数；

7、根据水动力参数和预设安全判定条件，确定存在运行风险的水冷壁管并输出风险判定结果；

8、获取待测工况的现场实测数据，根据现场实测数据与对应水动力参数之间的偏差修正cfd数值仿真模型，利用修正后的cfd数值仿真模型生成补充仿真样本，更新水动力特性预测模型。

9、本发明进一步的改进在于，其特征在于，获取锅炉结构参数和不同工况下的运行参数，构建炉膛烟气侧与水冷壁管内工质侧耦合的cfd数值仿真模型，利用cfd数值仿真模型生成包含工况特征数据和各水冷壁管水动力参数的仿真样本集的具体方法如下：

10、根据锅炉结构参数建立炉膛烟气侧计算域和各水冷壁管的工质侧计算域，对炉膛烟气侧计算域和工质侧计算域进行多尺度网格划分，通过交界面进行热流数据传递；

11、对炉膛烟气侧计算域中的烟气流动和辐射换热过程以及工质侧计算域中的工质流动、传热和相变过程进行耦合求解；

12、根据锅炉负荷、给水参数、燃料参数、风量参数、煤质参数和燃烧偏差参数设置不同工况，分别利用cfd数值仿真模型对不同工况进行求解；

13、从求解结果中提取各工况对应的工况特征数据，以及各水冷壁管对应的工质质量流量、压降、空泡份额、出口工质焓、管壁温度、局部热负荷、临界热流密度、流动不稳定性判定指数、倒流临界流量和热偏差系数，形成仿真样本集。

14、本发明进一步的改进在于，以工况特征数据为输入、各水冷壁管水动力参数为输出，对bp神经网络进行训练，得到水动力特性预测模型的具体方法如下：

15、对仿真样本集中的工况特征数据和水动力参数进行归一化处理，将归一化后的仿真样本集划分为训练集、验证集和测试集；

16、构建包括输入层、至少一个隐藏层和输出层的多输出bp神经网络，其中，输入层的神经元与工况特征数据相对应，输出层的神经元与各水冷壁管的水动力参数相对应；

17、根据预测误差损失、质量守恒损失和能量守恒损失构建复合损失函数，利用训练集和复合损失函数对多输出bp神经网络进行训练，利用验证集确定训练终止条件，利用测试集对训练结果进行校验；

18、保存训练完成的多输出bp神经网络的网络权重、偏置参数和归一化映射参数，得到水动力特性预测模型。

19、本发明进一步的改进在于，获取待测工况的工况特征数据并输入水动力特性预测模型，得到各水冷壁管的水动力参数的具体方法如下：

20、获取待测工况的锅炉负荷、给水参数、燃料参数、风量参数、煤质参数、炉膛热负荷参数和水冷壁入口参数中的至少一种，形成待测工况的工况特征数据；

21、根据归一化映射参数对待测工况的工况特征数据进行归一化处理，将归一化后的工况特征数据输入水动力特性预测模型进行前向传播；

22、对水动力特性预测模型输出的预测结果进行反归一化处理，按照水冷壁管的管道编号建立预测结果与各水冷壁管之间的对应关系，得到各水冷壁管的水动力参数。

23、本发明进一步的改进在于，根据水动力参数和预设安全判定条件，确定存在运行风险的水冷壁管并输出风险判定结果的具体方法如下：

24、将各水冷壁管的热偏差系数、流动不稳定性判定指数、工质质量流量和管壁最高温度分别与对应的安全判定阈值进行比较；

25、在水冷壁管的热偏差系数超过热偏差阈值时，确定水冷壁管存在高热偏差风险；

26、在水冷壁管的流动不稳定性判定指数超过流动稳定性阈值时，确定水冷壁管存在两相流脉动风险；

27、在水冷壁管的工质质量流量低于对应的倒流临界流量时，确定水冷壁管存在流动停滞或倒流风险；

28、在水冷壁管的管壁最高温度超过对应管材的许用温度时，确定水冷壁管存在局部超温风险；

29、根据比较结果确定各水冷壁管的风险类型、风险等级和安全裕度，输出包含危险管道编号、炉膛位置、风险类型和安全裕度的风险判定结果。

30、本发明进一步的改进在于，获取待测工况的现场实测数据，根据现场实测数据与对应水动力参数之间的偏差修正cfd数值仿真模型，利用修正后的cfd数值仿真模型生成补充仿真样本，更新水动力特性预测模型的具体方法如下：

31、获取同一待测工况和同一采集时刻下的管壁温度、回路总压差和总给水流量，作为现场实测数据；

32、对各水冷壁管的水动力参数进行筛选或汇总，得到与现场实测数据相对应的预测数据，计算预测数据与现场实测数据之间的偏差；

33、根据偏差修正cfd数值仿真模型中的炉膛辐射换热系数、水冷壁两相流沸腾换热系数和壁面热流缩放系数中的至少一种模型参数；

34、利用修正后的cfd数值仿真模型对补充工况进行求解，生成补充仿真样本，将补充仿真样本加入仿真样本集，利用更新后的仿真样本集对水动力特性预测模型进行更新。

35、第二方面，本发明提供基于cfd-bp耦合的锅炉水冷壁水动力特性确定系统，包括：

36、仿真样本构建模块，用于获取锅炉结构参数和不同工况下的运行参数，构建炉膛烟气侧与水冷壁管内工质侧耦合的cfd数值仿真模型，利用cfd数值仿真模型生成包含工况特征数据和各水冷壁管水动力参数的仿真样本集；

37、预测模型训练模块，用于以工况特征数据为输入、各水冷壁管水动力参数为输出，对bp神经网络进行训练，得到水动力特性预测模型；

38、水动力参数确定模块，用于获取待测工况的工况特征数据并输入水动力特性预测模型，得到各水冷壁管的水动力参数；

39、风险判定模块，用于根据水动力参数和预设安全判定条件，确定存在运行风险的水冷壁管并输出风险判定结果；

40、反馈更新模块，用于获取待测工况的现场实测数据，根据现场实测数据与对应水动力参数之间的偏差修正cfd数值仿真模型，利用修正后的cfd数值仿真模型生成补充仿真样本，更新水动力特性预测模型。

41、本发明进一步的改进在于，仿真样本构建模块包括：

42、计算域构建单元，用于根据锅炉结构参数建立炉膛烟气侧计算域和各水冷壁管的工质侧计算域，建立炉膛烟气侧计算域与工质侧计算域之间的热流数据传递关系；

43、批量求解单元，用于接收不同工况下的运行参数，将运行参数设置为cfd数值仿真模型的边界条件，对不同工况进行耦合求解；

44、样本提取单元，用于从批量求解单元输出的求解结果中提取工况特征数据和各水冷壁管的水动力参数，形成仿真样本集，将仿真样本集传输至预测模型训练模块。

45、本发明进一步的改进在于，预测模型训练模块还用于将水动力特性预测模型的网络权重、偏置参数和归一化映射参数传输至述水动力参数确定模块；

46、水动力参数确定模块与锅炉分散控制系统通信连接，用于接收待测工况的工况特征数据，根据归一化映射参数对工况特征数据进行处理，利用网络权重和偏置参数生成各水冷壁管的水动力参数；

47、水动力参数确定模块还用于将各水冷壁管的水动力参数传输至风险判定模块，使风险判定模块生成包含危险管道编号、炉膛位置、风险类型和安全裕度的风险判定结果。

48、本发明进一步的改进在于，反馈更新模块分别与锅炉分散控制系统、水动力参数确定模块、仿真样本构建模块和预测模型训练模块通信连接；

49、反馈更新模块用于接收锅炉分散控制系统输出的现场实测数据和水动力参数确定模块输出的水动力参数，确定与现场实测数据相对应的预测数据，计算预测数据与现场实测数据之间的偏差；

50、反馈更新模块还用于根据偏差向仿真样本构建模块传输模型参数修正数据，使仿真样本构建模块利用修正后的cfd数值仿真模型生成补充仿真样本，将补充仿真样本传输至预测模型训练模块；

51、预测模型训练模块用于利用补充仿真样本更新水动力特性预测模型，将更新后的水动力特性预测模型传输至水动力参数确定模块。

52、与现有技术相比，本发明具有如下有益效果：

53、本发明通过构建炉膛烟气侧与水冷壁管内工质侧耦合的cfd数值仿真模型，生成包含不同工况特征数据及各水冷壁管水动力参数的仿真样本集，能够扩展水动力特性分析所覆盖的运行工况，并为预测模型提供具有明确物理对应关系的训练数据。以仿真样本集训练bp神经网络，得到水动力特性预测模型，可在避免针对每一待测工况重复进行复杂cfd求解的情况下，快速获得各水冷壁管的水动力参数，从而兼顾水动力特性确定的计算精度和处理效率。通过按照各水冷壁管分别输出水动力参数，并结合预设安全判定条件确定存在运行风险的水冷壁管，能够实现风险位置的细化识别，提高水冷壁运行状态监测和风险判定的针对性。此外，根据现场实测数据与对应水动力参数之间的偏差修正cfd数值仿真模型，并利用修正后的模型生成补充仿真样本以更新水动力特性预测模型，形成仿真、预测、校正和更新的数据闭环，能够减小模型计算结果与实际运行状态之间的偏差，提高模型对锅炉运行状态变化的适应能力及后续水动力特性确定结果的可靠性。