换热器运维的方法及模型训练的方法技术

本公开提供了换热器运维的方法及模型训练的方法，涉及计算机技术领域，尤其涉及深度学习、人工智能、换热设备、物联网。具体实现方案为：利用预测模型，根据换热器的第一历史运行数据，确定目标数据的第一预测值，其中，目标数据与换热器所产生的污垢关联；根据第一预测值，利用经济型分析模型，确定换热器的热耗值和电耗值；根据热耗值和电耗值，确定换热器的运维方式。根据本公开的技术，可以准确的获知换热器的性能状态，进而制定更加合理的换热器的运维方式。的运维方式。的运维方式。

【技术实现步骤摘要】
换热器运维的方法及模型训练的方法


[0001]本公开涉及计算机
，尤其涉及深度学习、人工智能、换热设备、物联网。

技术介绍

[0002]在工业能量利用中，80％以上需经历传热过程。其中，管壳式换热器因具有结构简单、造价低、流通截面较宽、易于清洗水垢的优势，在工业领域得到广泛应用。管壳式换热器在长期使用过程中会出现结垢现象，导致换热器的换热效率降低，换热器内流动阻力增大，实际运行中换热器的结垢程度难以直接测量，结垢带来的经济损失难以计算。

技术实现思路

[0003]本公开提供了一种换热器运维的方法及模型训练的方法。
[0004]根据本公开的一方面，提供了一种换热器运维的方法，包括：
[0005]利用预测模型，根据换热器的第一历史运行数据，确定目标数据的第一预测值，其中，目标数据与换热器的结垢状态关联；
[0006]根据第一预测值，利用经济型分析模型，确定换热器的热耗值和电耗值；
[0007]根据热耗值和电耗值，确定换热器的运维方式。
[0008]根据本公开的另一方面，提供了一种模型训练的方法，包括：
[0009]将换热器的第二历史运行数据输入初始模型，确定目标数据的第二预测值，其中，目标数据的预测值与换热器的结垢状态关联；
[0010]将换热器的虚拟采样数据输入初始模型，确定目标数据的第三预测值和方程参数；
[0011]根据第二预测值，利用第一损失函数，确定第一损失值；
[0012]根据第三预测值和方程参数，利用第二损失函数，确定第二损失值；以及
[0013]根据第一损失值和第二损失值，对初始模型优化，得到预测模型。
[0014]根据本公开的另一方面，提供了一种换热器运维的装置，包括：
[0015]第一确定模块，用于利用预测模型，根据换热器的第一历史运行数据，确定目标数据的第一预测值，其中，目标数据与换热器的结垢状态关联；
[0016]第二确定模块，用于根据第一预测值，利用经济型分析模型，确定换热器的热耗值和电耗值；以及
[0017]第三确定模块，用于根据热耗值和电耗值，确定换热器的运维方式。
[0018]根据本公开的另一方面，提供了一种模型训练的装置，包括：
[0019]第四确定模块，用于将换热器的第二历史运行数据输入初始模型，确定目标数据的第二预测值，其中，目标数据的预测值与换热器的结垢状态关联；
[0020]第五确定模块，用于将换热器的虚拟采样数据输入初始模型，确定目标数据的第三预测值和方程参数；
[0021]第六确定模块，用于根据第二预测值，利用第一损失函数，确定第一损失值；
[0022]第七确定模块，用于根据第三预测值和方程参数，利用第二损失函数，确定第二损失值；以及
[0023]优化模块，用于根据第一损失值和第二损失值，对初始模型优化，得到预测模型。
[0024]根据本公开的另一方面，提供了一种电子设备，包括：
[0025]至少一个处理器；以及
[0026]与该至少一个处理器通信连接的存储器；其中，
[0027]该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行本公开实施例中任一的方法。
[0028]根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，该计算机指令用于使该计算机执行根据本公开实施例中任一的方法。
[0029]根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现根据本公开实施例中任一的方法。
[0030]根据本公开的技术，可以准确的获知换热器的性能状态，进而制定更加合理的换热器的运维方式。
[0031]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0032]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0033]图1是根据本公开实施例的换热器运维的方法的示意图；
[0034]图2是根据本公开实施例的换热器运维的方法的示意图；
[0035]图3是根据本公开实施例的模型训练的方法的示意图；
[0036]图4是根据本公开实施例的模型训练的方法的示意图；
[0037]图5是根据本公开实施例的模型训练的方法的示意图；
[0038]图6是根据本公开实施例的换热器运维的装置的示意图；
[0039]图7是根据本公开实施例的模型训练的装置的示意图；
[0040]图8是用来实现本公开实施例的换热器运维的方法和/或模型训练的方法的电子设备的框图。
具体实施方式
[0041]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0042]如图1所示，本公开实施例提供了一种换热器运维的方法，包括：
[0043]步骤S101：利用预测模型，根据换热器的第一历史运行数据，确定目标数据的第一预测值，其中，目标数据与换热器的结垢状态关联。
[0044]步骤S102：根据第一预测值，利用经济型分析模型，确定换热器的热耗值和电耗值。以及
[0045]步骤S103：根据热耗值和电耗值，确定换热器的运维方式。
[0046]根据本公开实施例，需要说明的是：
[0047]预测模型，可以理解为基于换热器的第二历史运行数据、虚拟采样数据和机理模型，预训练所得到的物理信息神经网络模型。第二历史运行数据，包括但不限于换热器的换热管的进出口温度和温差、换热管的壳体的进出口温度和温差、换热管的瞬时流量和累计流量、壳体的瞬时流量和累计流量、换热管的进出口压力和压差、壳体的进出口压力和压差。需要说明的是，机理模型(白箱)可以理解为：根据对象、生产过程的内部机制或者物质流的传递机理建立起来的精确数学模型。它是基于质量平衡方程、能量平衡方程、动量平衡方程、相平衡方程以及某些物性方程、化学反应定律、电路基本定律等而获得对象或过程的数学模型。机理模型的优点是参数具有非常明确的物理意义。这类模型存在在各行各业，需要充分的输入条件，通过模型得到输出，可以模拟整个过程。
[0048]换热器，可以理解为现有技术中任何形式的换热设备。例如，管壳式换热器、浮头式换热器、固定管板式换热器或U形管板换热器等，在此不做具体限定。需要说明的是，本公开任一实施例所描述的换热器，可以理解为是一个单独使用的换热设备，也可以理解为是由多个换热器所构成的热网中的其中一个换热器。热网中的各个换热器的待换热流体的流量分配情况可以根据需要调整。
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种换热器运维的方法，包括：利用预测模型，根据换热器的第一历史运行数据，确定目标数据的第一预测值，其中，所述目标数据与所述换热器的结垢状态关联；根据所述第一预测值，利用经济型分析模型，确定所述换热器的热耗值和电耗值；以及根据所述热耗值和所述电耗值，确定所述换热器的运维方式。2.根据权利要求1所述的方法，其中，利用预测模型，根据换热器的第一历史运行数据，确定目标数据的第一预测值，包括：基于换热器获取的第一历史运行数据，确定所述换热器的壳体的进出口的第一温度、所述壳体的进出口的第一流量、所述换热器的换热管的进出口的第二温度和所述换热管的进出口的第二流量；利用预测模型中的污垢热阻预测模型，根据所述第一温度、所述第一流量、所述第二温度和所述第二流量，确定目标数据的第一预测值；其中，所述目标数据为所述换热器的污垢热阻。3.根据权利要求2所述的方法，其中，根据所述第一预测值，利用经济型分析模型，确定所述换热器的热耗值，包括：根据所述污垢热阻的第一预测值，确定所述换热器的总换热热阻；根据所述总换热热阻，利用经济型分析模型，确定所述换热器传热给被加热流体的有效热耗值和所述换热器的损失热耗值；根据所述有效热耗值和所述损失热耗值，确定所述换热器的热耗值。4.根据权利要求1所述的方法，其中，利用预测模型，根据换热器的第一历史运行数据，确定目标数据的第一预测值，包括：基于换热器获取的第一历史运行数据，确定所述换热器的壳体的进出口的第一流量、所述壳体的进出口的第一压力、所述换热器的换热管的进出口的第二流量和所述换热管的进出口的第二压力；利用预测模型中的流动阻力系数预测模型，根据所述第一流量、所述第一压力、所述第二流量和所述第二压力，确定目标数据的第一预测值；其中，所述目标数据为所述壳体的流动阻力系数和所述换热管的流动阻力系数。5.根据权利要求4所述的方法，其中，根据所述第一预测值，利用经济型分析模型，确定所述换热器的电耗值，包括：根据所述壳体的流动阻力系数的第一预测值，确定所述壳体的压力损失值；根据所述换热管的流动阻力系数的第一预测值，确定所述换热管的压力损失值；根据所述壳体的压力损失值和所述换热管的压力损失值，利用经济型分析模型，确定所述换热器的电耗值。6.根据权利要求1至5任一项所述的方法，其中，根据所述热耗值和所述电耗值，确定所述换热器的运维方式，包括：在所述热耗值和所述电耗值满足第一阈值的情况下，确定所述换热器的运维方式为优化所述换热器的运行参数，或减少输入所述换热器的待换热流体的流量。7.根据权利要求1至5任一项所述的方法，其中，根据所述热耗值和所述电耗值，确定所述换热器的运维方式，包括：
在所述热耗值和所述电耗值满足第二阈值的情况下，确定所述换热器的运维方式为对所述换热器进行清洗。8.一种模型训练的方法，包括：将换热器的第二历史运行数据输入初始模型，确定目标数据的第二预测值，其中，所述目标数据与所述换热器的结垢状态关联；将所述换热器的虚拟采样数据输入所述初始模型，确定所述目标数据的第三预测值和方程参数；根据所述第二预测值，利用第一损失函数，确定第一损失值；根据所述第三预测值和所述方程参数，利用第二损失函数，确定第二损失值；以及根据所述第一损失值和所述第二损失值，对所述初始模型优化，得到预测模型。9.根据权利要求8所述的方法，其中，将换热器的第二历史运行数据输入初始模型，确定目标数据的第二预测值，包括：根据换热器的第二历史运行数据，确定所述换热器的壳体的进出口的第三温度、所述壳体的进出口的第三流量、所述换热器的换热管的进出口的第四温度和所述换热管的进出口的第四流量；将所述第三温度、所述第三流量、所述第四温度和所述第四流量，输入初始模型的污垢热阻预测模型，确定作为目标数据的污垢热阻的第二预测值。10.根据权利要求8所述的方法，其中，将所述换热器的虚拟采样数据输入所述初始模型，确定所述目标数据的第三预测值和方程参数，包括：根据所述换热器的第三历史运行数据，确定所述第三历史运行数据的数据值的范围；根据所述数据值的范围，构建所述换热器的虚拟采样数据，其中，所述虚拟采样数据包括所述换热器的壳体的进出口的第五温度、所述壳体的进出口的第五流量、所述换热器的换热管的进出口的第六温度和所述换热管的进出口的第六流量；将所述虚拟采样数据输入所述初始模型的污垢热阻预测模型，确定作为所述目标数据的污垢热阻的第三预测值和第一方程参数。11.根据权利要求9所述的方法，其中，根据所述第二预测值，利用第一损失函数，确定第一损失值，包括：将所述换热器的初始运行数据输入所述初始模型的污垢热阻预测模型，确定所述目标数据的第四预测值，其中，所述初始运行数据为所述换热器在无污垢的清洁状态下运行所产生的数据，所述初始运行数据包括所述换热器的壳体的进出口的初始温度、所述壳体的进出口的初始流量、所述换热器的换热管的进出口的初始温度和所述换热管的进出口的初始流量；根据所述第四预测值，利用第一损失函数的初始条...

【专利技术属性】
技术研发人员：陈凯，宋稳丽，赵秋姗，解鑫，
申请(专利权)人：百度智能云广州科技有限公司，
类型：发明
国别省市：