数据驱动的固定拓扑结构换热网络优化改造方法

摘要

cqvip:获得经济可行的换热网络改造方案目前仍然是一个巨大的难题。传统的改造方法严重依赖拓扑修改,这往往会增加改造时间和投资成本。因此,本文将围绕固定拓扑结构的换热网络改造展开研究,提出了一种基于数据驱动的高效改造方法。该方法通过建立性能模拟模型,模拟计算换热器在不同性能参数时的公用消耗与温度分布,以此获取大量的驱动换热网络改造的数据。然后通过BP神经网络预测模型与遗传算法,求解得到以最大节能量为目标的改造方案。案例研究表明,改造后的换热网络可以通过较小的投资获得较大的节能效益,与文献相比,单位费用节能量提高了51.4%;与同为固定拓扑结构的灵敏度分析相比,可以快速地获得经验规则法无法获得的改造方案,验证了改造方法的经济实用性与高效性。