热法海水淡化组合系统大数据采集系统及系统优化方法技术方案

本发明专利技术属于海水淡化技术领域，并具体公开了一种热法海水淡化组合系统大数据采集系统及系统优化方法。所述系统包括可调蒸馏器、可动式冷凝器、调节控制单元、测量单元，系统可大幅度大范围灵活调节内部工作参数，以快速构建该组合系统数据库。所述方法为搭建大数据采集平台、利用机器学习算法建立参量预测模型并进行系统优化。本发明专利技术系统可快速全面准确地建立数据库，同时基于上述数据库，将机器学习技术与热法太阳能海水淡化系统进行结合，通过反馈系统指导实验的进行，利用大数据采集平台获得的大量实验数据建立数据库，采用机器学习算法建立热法海水淡化组合系统产量的预测模型。本发明专利技术具有采集迅速，数据分布广，模型预测精度高的优点。高的优点。高的优点。

【技术实现步骤摘要】
热法海水淡化组合系统大数据采集系统及系统优化方法


[0001]本专利技术属于海水淡化
，更具体地，涉及一种热法海水淡化组合系统大数据采集系统及系统优化方法。

技术介绍

[0002]光近年来，化石能源的大量使用使全球气候发生巨大变化，对人类社会构成了重大威胁。在“双碳”目标的大背景下，国家大力推动能源结构转型，大力发展清洁能源。传统的热法海水淡化系统如太阳能蒸馏器是一种利用太阳能进行水处理的水淡化装置，相较于常见的大型海水淡化设备，它具有绿色节能、结构简单、操作方便、便携性强、环境适应性好等优点。而随着计算机运算能力的不断提升，机器学习技术强势崛起，迅速应用于各个方面。因此，将机器学习技术与热法海水淡化组合系统进行结合具有重要的工程应用价值。
[0003]太阳能蒸馏器的工作原理与自然界的降水过程类似。在太阳光的照射下，蒸馏器底部的海水升温蒸发，蒸汽在蒸馏器顶部的盖板上冷凝形成淡水。目前，如太阳能蒸馏器这类热法海水淡化组合系统的研究工作，大多局限于理论数值计算与传统实验方法。在理论数值计算方面，研究者基于传热传质微分方程的数值解对热法海水淡化组合系统进行理论研究。这种方法虽然可以对热法海水淡化组合系统性能进行有效建模，但由于需要利用理想假设，忽略了一些相关因素，同时需要高性能计算机解决复杂的建模系统，影响了模型的准确性和有效性。实验方式是一种基础、准确的研究方法，可以直观的展现热法海水淡化组合系统的物理模型和运行效果。但这种方法受限于研究者自身的主观能动性和制造技术；同时，获得完备的实验数据需要大量的时间精力，对于后续的改进工作指导意义有限。机器学习，就是自动从数据中提取模式的过程，可以利用得到的模式对新的数据进行预测。将机器学习与热法海水淡化系统结合的研究中，机器学习模型数据集的建立依托于实验方式。目前，采用传统的实验方法无法准确、迅速的获得所需的实验数据；数值计算方法也难以对大量的特征参数进行同步的分析。

技术实现思路

[0004]针对现有技术的以上缺陷或改进需求，本专利技术提供了一种热法海水淡化组合系统大数据采集系统及系统优化方法，其一方面针对现有技术中该组合系统数据采集耗时长、波动大、精确性低以及数据库欠缺等问题，对采集系统进行了特定性设计和改进，通过吸水材料对淡水的实时析出、数据采集模块实时对系统各部件的数据采集和存库以及控制器对各个重要性参数的调整，使得系统能快速、精确、全面的采集该组合系统数据，从而建立更加准确、全面的数据库，以方面机器学习过程中数据库的调用和参数优化。另一方面，本专利技术将机器学习技术与热法海水淡化组合系统进行结合，通过反馈系统指导实验的进行，利用获得的大量实验数据建立数据库，采用机器学习技术建立热法海水淡化组合系统产量的预测模型。本专利技术所述技术方案具有采集迅速，数据分布广，模型预测精度高的优点。
[0005]为实现上述目的，按照本专利技术的一个方面，提出了一种热法海水淡化组合系统大
数据采集系统，包括：
[0006]可调蒸馏器，包括玻璃盖板、设于所述玻璃盖板底部的水槽以及设于所述水槽侧壁的集水槽；
[0007]控温平板，设于所述玻璃盖板上，用于加热所述玻璃盖板以模拟外界恒定的环境温度；
[0008]吸水材料，设于所述玻璃盖板底面，用于吸收水蒸气，并使得其吸收的水分均匀流入所述集水槽，所述集水槽与集水瓶连通；
[0009]电加热片，设置于所述水槽底部，用于加热放置于所述水槽内的海水；
[0010]控制模块，用于控制所述控温平板和电加热片的加热温度，同时实时采集淡化水的重量，以快速构建该组合系统数据库。
[0011]作为进一步优选的，所述吸水材料为多孔吸水膜或超亲水涂层。
[0012]作为进一步优选的，还包括可动式冷凝器，该可动式冷凝器通过抽风机与所述可调蒸馏器连通，以抽吸所述可调蒸馏器中的水蒸气进行冷凝，且该可动式冷凝器的冷凝水通过管路与集水瓶连通，同时，所述控制器还实时采集所述可动式冷凝器和所述抽风机的工作参数；
[0013]所述可动式冷凝器的冷凝面以及与集水瓶连通的水管内壁表面均设有多孔吸水膜或超亲水涂层。
[0014]作为进一步优选的，所述可动式冷凝器包括冷凝腔体以及设于所述冷凝腔体内的螺旋金属翅片、排水板、冷凝管、可动隔板，所述螺旋金属翅片环绕冷凝管设置，所述可动隔板沿所述冷凝腔体的径向设置使得所述冷凝腔体底部密封，且该可动隔板沿所述冷凝腔体的轴向滑动设置，所述冷凝管内通循环冷凝水，所述排水板设置在所述可动隔板上，该排水板用于通过管路与集水瓶连通；
[0015]优选的，所述可动式冷凝器还包括设于所述冷凝管两端且依次连接的第二恒温水浴、第二水泵以及第二热电偶，所述第二恒温水浴与控温平板通信连接。
[0016]作为进一步优选的，还包风扇，所述风扇设于所述可调蒸馏器内，所述风扇的进风口面向水槽，出风口面向玻璃，所述控制器还实时采集该风扇的工作参数；
[0017]优选的，还包第一恒温水浴、第一水泵以及第一热电偶，所述第一恒温水浴两端分别与控温平板连接，所述第一水泵和第一热电偶设于所述第一恒温水浴和控温平板之间。
[0018]作为进一步优选的，所述可调蒸馏器为梯形结构，其平行边较高的一侧外壁上设有卡扣，该外壁与玻璃盖板铰接，所述卡扣与外部固定件贴合固定，通过固定件与不同位置的卡扣贴合，实现侧外壁的上下移动，进而改变控温平板与玻璃盖板的倾角。
[0019]按照本专利技术的另一个方面，还提供了一种热法海水淡化组合系统大数据采集系统优化方法，包括以下步骤：
[0020]S1采用上述的系统获取该组合系统数据，该数据包括自变量和因变量；
[0021]S2对数据进行初步处理，该步骤包含但不限于去除无效数据、数据标准化、数据乱序处理，并将该数据按照指定比例分为训练数据集和测试数据集；
[0022]S3选择机器学习模型，分别采用随机森林(RF)和人工神经网络(ANN)模型构建相应的机器学习模型；
[0023]S4采用贝叶斯(BO)算法优化模型，基于训练数据集，采用BO算法对机器学习模型
的超参数进行调节，训练得到优化后的BO
‑
ANN和BO
‑
RF模型；
[0024]S5对优化后的机器学习模型进行独立性检验，该步骤包含但不限于对数据集大小、数据集范围进行独立性检验，判定建立的优化后的机器学习模型是否需要达到收敛精度；
[0025]S6构建NSGA
‑Ⅲ
多目标优化模型，将建立的优化后的BO
‑
ANN模型作为NSGA
‑Ⅲ
适应度函数，将该组合系统数据的阈值范围适当扩大作为约束条件，确定海水淡化量和能源利用率最优的试验参数。
[0026]作为进一步优选的，所述该组合系统数据包括：电加热片的输入热源、风扇的扰流功率、风扇的高度、玻璃盖板的倾角、冷凝腔体的体积、抽风机的抽吸功率、冷凝温度、冷却水流速。
[0027]作为进一步优选的，步骤S5中，利用BO<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种热法海水淡化组合系统大数据采集系统，其特征在于，包括：可调蒸馏器(2)，包括玻璃盖板(203)、设于所述玻璃盖板(203)底部的水槽(204)以及设于所述水槽(204)侧壁的集水槽(210)；控温平板(201)，设于所述玻璃盖板(203)上，用于加热所述玻璃盖板(203)以模拟外界恒定的环境温度；吸水材料(202)，设于所述玻璃盖板(203)底面，用于吸收水蒸气，并使得其吸收的水分均匀流入所述集水槽(210)，所述集水槽(210)与集水瓶(6)连通；电加热片(4)，设置于所述水槽(204)底部，用于加热放置于所述水槽(204)内的海水；控制模块，用于控制所述控温平板(201)和电加热片(4)的加热温度，同时实时采集淡化水的重量，以快速构建该组合系统数据库。2.根据权利要求1所述的一种热法海水淡化组合系统大数据采集系统，其特征在于，所述吸水材料(202)为多孔吸水膜或超亲水涂层。3.根据权利要求1所述的一种热法海水淡化组合系统大数据采集系统，其特征在于，还包括可动式冷凝器(10)，该可动式冷凝器(10)通过抽风机(1001)与所述可调蒸馏器(2)连通，以抽吸所述可调蒸馏器(2)中的水蒸气进行冷凝，且该可动式冷凝器(10)的冷凝水通过管路与集水瓶(6)连通，同时，所述控制器还实时采集所述可动式冷凝器(10)和所述抽风机(1001)的工作参数；所述可动式冷凝器(10)的冷凝面以及与集水瓶(6)连通的水管内壁表面均设有多孔吸水膜或超亲水涂层。4.根据权利要求3所述的一种热法海水淡化组合系统大数据采集系统，其特征在于，所述可动式冷凝器(10)包括冷凝腔体(1006)以及设于所述冷凝腔体(1006)内的螺旋金属翅片(1002)、排水板(1003)、冷凝管(1004)、可动隔板(1005)，所述螺旋金属翅片(1002)环绕冷凝管(1004)设置，所述可动隔板(1005)沿所述冷凝腔体(1006)的径向设置使得所述冷凝腔体(1006)底部密封，且该可动隔板(1005)沿所述冷凝腔体(1006)的轴向滑动设置，所述冷凝管(1004)内通循环冷凝水，所述排水板(1003)设置在所述可动隔板(1005)上，该排水板(1003)用于通过管路与集水瓶(6)连通；优选的，所述可动式冷凝器(10)还包括设于所述冷凝管(1004)两端且依次连接的第二恒温水浴、第二水泵以及第二热电偶，所述第二恒温水浴与控温平板(201)通信连接。5.根据权利要求1所述的一种热法海水淡化组合系统大数据采集系统，其特征在于，还包风扇(209)，所述风扇(209)设于所述可调蒸馏器(2)内，所述风扇(209)的进风口面向水槽(204)，出风口面向玻璃(203)，所述控制器还实时采集该风扇(209)的工作参数；优选的，还包第一恒温水浴(1)、第一水泵(13)以及第一热电偶(12)，所述第一恒温水浴(1)两端分别与控温平板(201)连接，所述第一水泵(13)和第一热电偶(12)设于所述第一恒温水浴(1)和控温平板(201)之间。6.根据权利要求1
‑
5任一项所述的一种热法海水淡化组合系统大数据采集系统，其特征在于，所述可调蒸馏器(2)为梯形结构，其平行边较高的一侧外壁上设有卡扣(207)，该外壁与玻璃盖板(203)铰接，所述卡扣(207)与外部固定件贴合固定，通过固定件与不同位置的卡扣(207)贴合，实现侧外壁的上下移动，进而改变控温平板(201)与玻璃盖板(203)的倾角。
7.一种热法海水淡化组合系统大数据采集系统优化方法，其特征在于，包括以下步骤：S1采用权利要求1
‑
6任一项所述的系统获取该组合系统数据，该数据包括自变量和因变量；S2对数据进行预处理，并将该数据按照指定比例分为训练数据集和测试数据集；S3选择机器学习模型，分别采用随机森林模型和人工神经网络模型构建相应的机器学习模型；S4采用贝叶斯算法优化模型，基于训练数据集，采用BO算法对机器学习模型的超参数进行调节，训练得到优化后的BO
‑
ANN和BO
‑
RF模型；S5对优化后的机器学习模型进...

【专利技术属性】
技术研发人员：杨诺，孙森山，彭桂龙，杜聚鑫，李博，徐振伟，秦杨军，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：