(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111261327.0 (22)申请日 2021.10.28 (71)申请人 浙江浙能技 术研究院有限公司 地址 311121 浙江省杭州市余杭区五常街 道余杭塘路2159-1号1幢5楼 申请人 浙江浙能台州第二发电有限责任公 司 (72)发明人 邵建宇　吴斌　屠海彪　孙永平　 张震伟　王豆　傅骏伟　郭鼎　 姜志锋　 (74)专利代理 机构 杭州九洲专利事务所有限公 司 33101 代理人 张羽振 (51)Int.Cl. G06F 30/27(2020.01)G06N 3/08(2006.01) G06F 113/08(2020.01) G06F 119/08(2020.01) (54)发明名称 一种基于迭代计算的冷却塔软测量参数自 整定方法 (57)摘要 本发明涉及一种基于迭代计算的冷却塔软 测量参数自整定方法， 包括步骤： 通过BP神经网 络算法构建冷却塔气水比软测量模型； 通过BP神 经网络算法构建冷却塔出塔气温软测量模型。 本 发明的有益效果是： 利用已有的设计数据或性能 试验数据通过神经网络算法， 构建冷却塔气水比 和出塔气温软测量模型， 并用数 理和机理计算相 结合的方式对气水比软测量值进行修正， 提高准 确性。 在生产环境利用大气压力、 干球温度、 相对 湿度、 环境风速、 机组负荷、 进塔水温、 循环水流 量这些已知参数， 可以实时对冷却塔系统进行运 行监控和状态优化分析。 为冷却塔的运行维护和 检修改造提供基本技术依据， 为冷端优化计算出 塔水温提供 可靠的数据支撑 。 权利要求书2页 说明书6页 附图2页 CN 113935245 A 2022.01.14 CN 113935245 A 1.一种基于迭代计算的冷却塔软测量 参数自整定方法， 其特 征在于， 包括以下步骤： 步骤1、 采用已有的冷却塔设计数据或性能试验数据， 通过BP神经网络算法构建冷却塔 气水比软测量模型； 步骤2、 采用已有的冷却塔设计数据或性能试验数据， 通过BP神经网络算法构建冷却塔 出塔气温软测量模型； 步骤3、 以环境温度作为冷水塔出塔水温初始值， 与当前工况点采集得到的参数一并代 入冷却塔气水比软测量模型， 输出气水比软测量 值， 作为后续气水比软测量的初始迭代值； 步骤4、 结合冷却塔气水比软测量模型和冷却塔出塔气 温软测量模型， 构建气水比迭代 计算机理模型； 步骤4.1、 将步骤3所得气水比软测量的初始迭代值和大气压力、 干球温度、 相对湿度、 环境风速、 机组负荷、 进塔水温、 循环水流量一起代入冷却塔出塔气温软测量模型， 输出出 塔气温软测量 值； 步骤4.2、 通过气水比迭代计算机理模型计算常量参数： 查询干湿空气比焓表、 水蒸汽 焓熵表， 获取海水密度、 海水比热、 重力加速度常数、 干湿空气比容、 干湿空气比焓； 将查询 得到的数据与出塔气温软测 量值一起代入冷却数计算公式， 得到冷却数； 冷却数 的计算公 式为： 上式中， Cw为水的比热容， 单位为kJ/(kg ·℃)； Ka为容积散质系数， 单位为kg/(m3·h)； V为淋水填料的体积， 单位为m3； Qt为实测进塔水流量， 单位为kg/h； h"为与水温相应的饱和 空气比焓， 单位为kJ/kg； t为水温， 单位为℃； h为湿空气比焓， 单位为kJ/kg(DA)； Δt为冷却 水温差， 单位为℃； hm为进、 出塔湿空气比焓的平均值， 单位为kJ/kg； h ″1为进塔水温t1的饱 和空气比焓， 单位为kJ/kg； h ″2为出塔水温t2的饱和空气比焓， 单位为kJ/kg； h ″m为与进出塔 平均水温tm相应的饱和空气比焓， 单位 为kJ/kg； 步骤4.3、 采用经性能试验修正的冷却塔设计数据， 利用最小二乘法拟合得到冷却数与 气水比按照风速分段 的函数关系， 计算气水比； 不同风速与气水比按照风速分段的函数关 系为： Ω＝A λm 上式中， Ω为冷却数， λ为气水比， A、 m为常数； 步骤4.4： 比较气水比计算值与气水比软测量值， 若两者误差小于设定值， 则对气水比 软测量值进 行迭代修正， 输出冷却塔性能参数； 否则将出塔水温按设定幅度值减小， 返回执 行步骤3， 直至气水比计算 值与气水比软测量 值误差小于设定值。 2.根据权利要求1所述基于迭代计算的冷却塔软测量参数自整定方法， 其特征在于， 步 骤1具体包括以下步骤： 步骤1.1、 采集设定时间段内冷却塔系统已有的冷却塔设计数据和性能试验数据； 步骤1.2、 去除步骤1采集得到的数据中的异常数据后， 将剩余数据打乱顺序并分为训权　利　要　求　书 1/2 页 2 CN 113935245 A 2练数据和验证数据两 部分； 步骤1.3、 建立BP神经网络， 将气水比作 为BP神经网络的预测参数， 将大气压力、 干球温 度、 相对湿度、 环境 风速、 机组负荷、 进塔水温、 出塔水温、 循环水流 量作为训练参数； 步骤1.4、 将步骤1.2所得训练数据输入建好的BP神经网络中， 并将训练好的冷却塔气 水比软测量模型用步骤1.2所得验证数据进行验证， 最后输出冷却塔气水比软测量模型 的 各层权重矩阵和气水比拟合 函数。 3.根据权利要求1所述基于迭代计算的冷却塔软测量参数自整定方法， 其特征在于， 步 骤1中已有的冷却塔设计数据、 性能试验 数据包括： 气水比、 大气压力、 干球温度、 相对湿度、 环境风速、 机组负荷、 进塔水温和循环水流 量。 4.根据权利要求1或2所述基于迭代计算的冷却塔软测量参数自整定方法， 其特征在 于， 步骤2具体包括以下步骤： 步骤2.1、 采集试验时间段内冷却塔系统的性能试验数据和冷却塔设计数据； 步骤2.2、 去除步骤2.1采集得到的数据中的异常数据后， 将剩余数据打乱顺序并分为 训练数据和验证数据两 部分； 步骤2.3、 建立BP神经网络， 将出塔气温作 为BP神经网络的预测参数， 将大气压力、 干球 温度、 相对湿度、 环境 风速、 机组负荷、 进塔水温、 气水比、 循环水流 量作为训练参数； 步骤2.4、 将步骤2.2所得训练数据丢入建立好的神经网络中， 并用步骤2.2所得验证数 据验证训练好的冷却塔出塔气温软测量模型， 最后输出冷却塔出塔气温软测量模型各层权 重矩阵和气水比拟合 函数。 5.根据权利要求1所述基于迭代计算的冷却塔软测量参数自整定方法， 其特征在于： 步 骤3中当前工况点采集得到的参数包括大气压力、 干球温度、 相对湿度、 环境风速、 机组负 荷、 进塔水温和循环水流 量。 6.根据权利要求1所述基于迭代计算的冷却塔软测量参数自整定方法， 其特征在于： 步 骤4.4中冷却塔性能参数包括出塔水温、 出塔气温和冷却数。权　利　要　求　书 2/2 页 3 CN 113935245 A 3