一种利用数字孪生系统进行换热器性能测试的方法技术方案

本发明专利技术公开了一种利用数字孪生系统进行换热器性能测试的方法，数字孪生系统包含：换热器3D建模模块、CFD仿真计算模块、换热关联式计算模块、结果分析模块、AI学习模块、风险分析模块、评估调控模块等；本发明专利技术利用技术手段对传统换热器运行的物理世界进行镜像化描述，可实现人员远程对换热器运行工况及性能进行准确评估，计算出换热器内部气液两相流流动情况，可提供给技术人员换热器各部的热负荷、传热系数及工质热力学性质等参数，判断传热恶化区域，可快速准确评估换热器性能，有助于换热器优化设计，并能评估仪器设备寿命，给出故障预测，重大险情时可及时采取必要果断措施。重大险情时可及时采取必要果断措施。重大险情时可及时采取必要果断措施。

【技术实现步骤摘要】
一种利用数字孪生系统进行换热器性能测试的方法


[0001]本专利技术涉及换热器、换热器热管理技术、换热器性能测试、热设计领域，特别涉及一种利用数字孪生系统进行换热器性能测试的方法。

技术介绍

[0002]换热器是一种具有人为目的性的将冷热流体的部分热量相互转化的设备，根据应用的目的主要分为蒸发器，冷凝器，加热器和冷却器，在能源动力、食品加工、空调热泵、石油化工等众多领域中发挥着重要作用。而数字孪生是一种近年来新兴的实现信息物理融合的重要技术，该技术基于虚实交互和数模驱动，通过物理模型与传感器数据的更新，通过多物理场完成计算仿真，在计算机中构建出一个与物理实体相同步的虚拟模型，利用以虚控实实现智能调控、利用以虚预实实现风险预测、利用以虚优实实现实体优化。
[0003]现有的换热器及其运行的整体设备或环境中存在如下问题：
[0004]1.现有换热器技术通常不具备工质流动可视化功能，由于换热器的设计制造中通常需要满足耐高温、耐腐蚀、耐高压等诸多要求，因此换热器通常基于成本及可实现性等因素考虑而采用不锈钢等金属材料，这些材料不具有可视化特点，而随着换热器领域的技术发展，气液两相换热器由于其具有更好的均温性、更高的换热系数、更少的充注量、更大的换热潜能、更紧凑的体积等诸多因素受到更多的青睐，在气液两相换热器中气液两相的流动形态及分布会对换热性能产生巨大的影响，且不同的温差、流量、换热器内部压力等众多因素都会影响换热器内的两相流流型，换热器内层流湍流以及二次回流的区域分布不明朗，传热恶化区域难找到，压降与湍流度异常区域难发现；
[0005]2.现有换热器技术无法及时反馈各段热负荷与换热性能，在换热器实际运行过程中，具有温度测量条件的换热器可通过进出口温差计算换热器整体性能是否达标，该方法只能对换热器整体进行性能评估，无法衡量换热器内部各段的运行状况，当换热发生异常时无法准确定位异常区域，无法做到准确快速维护保养，甚至需要停机检修，从而带来难以估量的时间成本与检修维护成本，在部分家用空调、汽车热泵、数据中心等场合中，技术人员甚至只有在其他设备出现工作异常甚至烧毁等情况发生后才能得知换热器出现故障，现有技术难以对换热器各段的热负荷及换热系数进行准确的计算与反馈，特别是涉及两相流的换热器，换热情况更加复杂；
[0006]3.现有换热器技术难以对换热器及其辅助运行的其他设备或部件的运行情况进行评估，无法根据当前运行情况或历史运行记录对换热器寿命进行预测，对突发事件无法把握，不能提前预警做到相应部署，可供技术员或维修员获取的信息不全面、不准确，监管调度工作难度大、效率低；
[0007]4.现有换热器技术在设计制造时通常根据特定指标优化建造，所设计出的换热器往往在某种特定工质、特定温度(或温度范围)、特定压力(或压力范围)、特定流量(或流量范围)具有最优的换热性能，且设计过程中通常仅仅利用预先计划的相关参数完成设计，而
在实际生产中往往因为设备性能差异、热负荷区别、环境条件、管道阀门开度等诸多因素，使得换热器的运行环境与设计时的最优环境相差较大，且随着运行时间的延长，设备老化、腐蚀生锈、积灰结垢等其他因素，会使得换热器性能与预设条件的理想性能差别更加明显，现有换热器技术难以做到出厂后的性能及时把控，因而技术人员或工厂师傅难以根据换热器所处实际的工作环境调节最优的运行流量、温差、管内压力等，使得现有换热器技术难以发挥其性能的最佳状态。
[0008]现有技术或专利技术虽取得了一定的进步，但仍然存在较多的技术局限性或适用范围无法很好地涵盖换热器领域。例如CN112052564A公开了一种基于机器学习的换热器预测性维护方法与系统，该技术利用机器学习实时计算换热器换热面沾污状态变化，通过系数曲线设立阈值，并以此制定实现板式换热器的清洗预测功能。该技术的局限性在于：1.适用范围小，仅可适用于标准的板式换热器，对微通道换热器、蛇形管换热器、管壳式换热器、定制的板式换热器等其他换热器都无法实现准确预测；2.假设条件与模型简化多，由于该系统不具备三维等比例建模及模型拓扑功能、网格划分与自适应功能等，仅利用传热机理模型和行业先验知识完成计算与预测，无法实现内部流场和温度场的计算和分析；3.功能简单，神经网络模型仅建立了板式换热器的传热特征参数与沾污热阻的映射关系，无法对换热器各段的运行情况进行实时反馈，使用者只能得到何时需要对换热器进行清洗的指导意见，而无法获取换热器的性能变化、工质流动、运行安全状态等其他数据。
[0009]CN112859789A公开了一种基于CFD构建数据中心数字孪生体的方法及系统，可通过CFD技术对数据中心的热过程进行仿真物理属性及过程，具有实用性和可部署性。但是该技术也存在一定的局限性：1.该技术针对的是一个具有固定面积、高度和形状的机房空间的CFD仿真和数字孪生体的构建，所有的流体皆为简单的单相显热换热，而换热器的单位体积热负荷更大，通常需要考虑气液相变换热过程，相变过程需要考虑复杂的多物理场耦合传热关系以及多相流的相间传质关系，因而该技术无法适用于换热器的CFD仿真及数字孪生的构建；2.该技术中未对等比例三维模型构建优化及网格生成与自适应进行细节描述，推测其仅能导入由人工构建好的模型及网格，一方面人为构建的模型与网格受到操作者水平的影响较大，可能建成的模型或网格结果因人而异，计算结果具有偶然性，甚至会出现计算发散；3.该数字孪生系统中虽然使用cGAN自动校准方法，却未包含监控系统等数据的安全隐私保护功能，也不能根据数据孪生体的计算结果实现反馈调节；4.该技术虽基于CFD方法实现，却未包含数值计算方法智能选择或改良，边界条件设定逻辑优化、亚松弛因子智能调整等功能，由此可能会对CFD计算结果的准确性带来影响，进而可能导致数值模拟结果与物理实体结果之间存在较大差别。
[0010]此外，CN114925529A公开了一种凝汽器数字孪生模型的状态校正方法、系统、设备及介质。该技术通过实际观测数据对凝汽器孪生模型的状态进行矫正，进而估计出凝汽器冷却水流量。然而该技术存在局限性，包括但不限于：1.该技术利用卡尔曼滤波算法对数字孪生模型进行校正，与上述技术的局限性类似，仅做到了物理实体到数字孪生模型的单向调节/校正，而不能实现固体域与流体域的温度场或流场的镜像，并且也无法通过AI算法和机器学习实现由数字孪生系统到物理实体的安全性调控或为工程师提供指导性的操作建议；2.此技术的输入信号为冷却水的出口温度、凝汽器的工作压力和热井水位的观测数据，数据来源仅可以满足较为简单的凝汽器的数字孪生系统的基本需要，无法适用于换热情况
更加复杂，热流密度与热负荷更高的换热器，更无法对多相流换热工况进行同步、校正或预测；3.该技术功能单一，无法实现对物理实体的三维建模、自动拓扑优化等功能，无法进行数值仿真模拟也无传热关联式公式计算端口，不能对工程师给出实时的热质传递参数，整体性较差，距工程的应用存在较远距离。
[0011]基于现有技术的不足，迫切需要开发一种换热器性能测试数字孪生系统方案，以克服上述一种或多种问题。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种利用数字孪生系统进行换热器性能测试的方法，数字孪生系统包括换热器性能测试数字孪生综合管理平台、AI学习模块、数据采集模块、仪器设备、调控模块、数据存储模块、门禁系统、视频监控、环境数据、安全加密模块、换热器3D建模模块、换热工质物性参数储备库、CFD仿真计算模块、换热关联式计算模块、结果分析模块、风险分析模块、移动终端，其特征在于：所述换热器性能测试数字孪生综合管理平台与调控模块、换热器3D建模模块数据传输相连，与AI学习模块和安全加密模块双向信息交互；所述换热器3D建模模块可根据换热器模型参数生成镜像三维模型，所述换热工质物性参数储备库与所述CFD仿真计算模块和所述换热关联式计算模块相连，所述CFD仿真计算模块和所述换热关联式计算模块根据所述数据采集模块传输的实时数据，在所述换热器3D建模模块生成的计算域或计算模型中平行完成计算工作，所述结果分析模块与CFD仿真计算模块和所述换热关联式计算模块直接相连，可将计算结果及时生成数据分布云图和变化图表，所述风险分析模块依靠AI学习模块的算力支持和信息支撑，可分析和预测换热器物理实体的未来状态；所述移动终端与所述结果分析模块和所述风险分析模块数据交互共享，通过安全加密模块对所述换热器性能测试数字孪生综合管理平台以及数据存储模块的数据进行加密，所述门禁系统、视频监控和环境数据与数据存储模块相连并存储，所述仪器设备受调控模块调控，所述调控模块的控制指令由所述换热器性能测试数字孪生综合管理平台发出，所述数据采集模块收集来自于所述仪器设备传输的换热器物理实体的监测信号。2.根据权利要求1所述的一种利用数字孪生系统进行换热器性能测试的方法，其特征在于：换热器性能测试数字孪生综合管理平台具有数字孪生模型动态更新、对实体换热器的实时控制和决策方案的实时优化的作用，实现远程操控信息交互，模型高精度动态更新、服务数模驱动功能，还包括依靠AI给出合理的指令，自动对系统内其他部分实施智能调节，以及由工作人员直接手动控制，对AI权限和偏好进行模式预设和快速切换。3.根据权利要求1所述的一种利用数字孪生系统进行换热器性能测试的方法，其特征在于：AI学习模块的预测模型由编码器和解码器两部分组成，其中编码器采用长短记忆循环神经网络LSTM，对由所述数据采集模块、所述环境数据采集到的输入特征进行特征提取，解码器根据历史编码器的时间序列特征和数值采用MLP注意力机制来预测未来解码器长度的序列值，AI学习模块中的历史数据通过LSTM编码得到最终隐层状态值并输入到预测模型的解码器部分，编码器的每一个时间点后都接着一个解码器，解码器中通过MLP注意力机制为不同时间点的隐藏状态赋予权重，运算寻找时间相关性最大的隐藏层状态，最终得到未来时间点的预测值，机器学习过程使用经过遗传算法GA优化的混合多层感知器人工神经网络MLPANNs和径向基数人工神经网络RBFANN模型，包括能够收集和处理换热器物理实...

【专利技术属性】
技术研发人员：曾敏，李秉乘，马挺，王秋旺，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：