一种循环水系统腐蚀预测方法及其应用

技术领域

本发明属于循环水技术领域，特别涉及一种循环水系统腐蚀预测方法及其应用。

背景技术

循环冷却水系统中大量使用金属材料作为换热介质。金属材料具有良好的使用特性和工艺特性，但在实际应用中金属材料同时又最容易受周围环境介质影响，发生腐蚀损坏。金属腐蚀主要发生在金属与介质界面上，是金属与介质之间由于化学和电化学反应而造成的金属变质和破坏，是一种复杂的多相反应。循环水系统换热设备的腐蚀问题是非常普遍的，据统计，水冷器的腐蚀泄漏占炼油装置腐蚀泄露的70％以上，有的企业水冷器年泄漏率甚至高达40％。水冷器的腐蚀既提高了企业的检维修费用，也给装置的安全长周期运行带来了挑战。

目前循环水系统腐蚀速率主要通过监测换热器腐蚀挂片或腐蚀探针进行检测，但不能实现预测功能。因此，亟需设计一种循环水系统的腐蚀预测方法，对腐蚀速率提前预测，及时调整水处理方案。

发明内容

针对现有技术存在的不足，本发明提供一种循环水系统腐蚀预测方法及其应用，该预测方法综合腐蚀机理分析和数据解析技术，采用仿真分析和腐蚀结垢实验监测装置相结合的方法，实现循环冷却水系统腐蚀速率的预测。

为了解决上述技术问题，本发明采用的技术方案是：

一种循环水系统腐蚀预测方法，综合腐蚀机理分析和数据解析技术，采用仿真分析和腐蚀结垢实验监测装置相结合的方法，预测循环冷却水系统腐蚀状况。

进一步的，所述的循环水系统腐蚀预测方法，具体包括以下步骤：

步骤一、数据获取；

步骤二、腐蚀机理分析；

步骤三、数据预处理；

步骤四、腐蚀结垢影响因素分析；

步骤五、基于数据解析技术的腐蚀结垢特性建模；

步骤六、结果分析。

进一步的，步骤一的具体操作是：将实际测量数据进行整理，按照时间顺序排列，去除样本中异常数据。

进一步的，步骤二的具体操作是：针对不同金属，分析金属与冷却水接触时发生的变化，对腐蚀结垢机理进行分析，得到相关机理表达式。

进一步的，在进行腐蚀结垢机理分析获取表达式时，考虑其中的物理、化学、电化学、机械或微生物的作用。

进一步的，步骤三的具体操作是：对步骤一得到的实际测量数据的原始数据进行标准化处理，使目标参数处于同一量级。

进一步的，标准化处理采用Z-score方法进行数据预处理，计算方法如式(1)所示：

式中，z

进一步的，步骤四进行腐蚀结垢影响因素分析时，分析腐蚀与环境因素的关系，获得腐蚀速率、污垢热阻与环境因素之间关系。

影响腐蚀速率的环境因素包括但不限于温度、pH值、流速、Cl

进一步的，步骤五采用浅层神经网络和深度学习算法对腐蚀结垢特性进行建模；所述浅层神经网络包括但不限于BP神经网络、多层感知机、最小二乘支持向量机，深度学习算法包括但不限于CNN、DBN、RNN算法。

进一步的，步骤六是利用步骤五建立的模型，预测循环水的腐蚀速率和污垢热阻，进而获得循环水的腐蚀预测结果。

循环水系统腐蚀预测方法的应用，用于预测循环水系统腐蚀速率，与水处理方案结合，避免循环水系统发生腐蚀。

与现有技术相比，本发明优点在于：

(1)本发明的预测方法综合腐蚀机理分析和数据解析技术，采用仿真分析和腐蚀结垢实验监测装置相结合的方法，实现循环冷却水系统腐蚀速率的预测，解决现有技术只能通过监测换热器腐蚀挂片或腐蚀探针来监测腐蚀状况而不能进行提前预测的缺陷，提高设备使用寿命，减少维护成本；

(2)通过对腐蚀速率提前预测，及时调整水处理方案，避免循环水系统发生腐蚀。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例1的流程示意图；

图2为本发明实施例1的DBN对腐蚀速率预测模型的具体构建过程；

图3为本发明实施例1的两种模型预测结果比较图。

具体实施方式

下面结合附图及具体实施例对本发明作进一步的说明。

实施例1

本发明的循环水系统腐蚀预测方法设计方案是：综合腐蚀机理分析和数据解析技术，采用仿真分析和腐蚀结垢实验监测装置相结合的方法，预测循环冷却水系统腐蚀速率。

结合图1所示的流程步骤，本实施例的循环水系统腐蚀预测方法，具体包括以下步骤：

步骤一、数据获取

将实际测量数据进行整理，按照时间顺序排列，去除样本中异常数据。

步骤二、腐蚀机理分析

金属腐蚀主要是金属在化学或电化学的作用下发生的破坏或变质，有时也伴随着其他作用如物理、机械或微生物作用。金属腐蚀过程非常复杂，受多方面因素的影响。因此，本步骤中针对不同金属，分析金属与冷却水接触时发生的变化，对腐蚀结垢机理进行分析，得到相关机理表达式。

其中，在进行腐蚀结垢机理分析获取表达式时，考虑其中的物理、化学、电化学、机械或微生物的作用。

工业冷却水系统中大多数的换热器是由碳钢制成的。为此，本实施例以碳钢作为金属的代表，讨论金属在水中的腐蚀机理。因为碳钢的表面并不是完全均匀的，在它和冷却水接触时，就会形成很多微小的腐蚀电池。其中，活泼的部分就成为腐蚀学上的阳极区，而不活泼部分就成为阴极区，考虑其中的物理化学反应，对腐蚀结垢机理进行分析，得到相关机理表达式，碳钢可参考API 581中的循环水腐蚀性表达式。

步骤三、数据预处理

由于监测参数取值范围差距大，最多相差3个量级，量级差异会导致量级小的数据对模型的影响降低，不能准确反映变量之间的真实关系。为了消除目标参数之间的量纲影响，使目标参数处于同一量级，对原始数据进行标准化处理。

因此，本步骤的具体操作是：对步骤一得到的实际测量数据的原始数据进行标准化处理，使目标参数处于同一量级。

标准化处理采用Z-score方法进行数据预处理，计算方法如式(1)所示：

式中，z

对所获取的数据进行特性分析，分析数据的均值、方差、混沌特性、随机性、可预测性等性质，针对数据特性选择后续处理和建模算法。

步骤四、腐蚀结垢影响因素分析

金属腐蚀的影响因素包括内在因素和外在因素两大类。金属的类型、结构，金属的成分以及内部应力等是内在因素。不过，在设备投入使用后金属的内在因素基本上是确定的，此时影响金属腐蚀的主要因素就只剩环境因素了。通过对腐蚀与环境因素的关系进行研究，发现对腐蚀影响较大的环境因素主要包括温度、pH值、流速、Cl

因此，本步骤在进行腐蚀结垢影响因素分析时，分析腐蚀与环境因素的关系，获得腐蚀速率、污垢热阻与环境因素之间关系。

影响腐蚀速率的环境因素包括但不限于温度、pH值、流速、Cl

步骤五、基于数据解析技术的腐蚀结垢特性建模

在循环冷却水系统中，腐蚀速率不仅受水质因素的影响同时也受到工艺参数的影响，因此在建立模型时，必须充分考虑这些因素。因为腐蚀速率和各影响因素之间存在复杂的非线性关系，因此，在建立腐蚀速率预测模型时应选取合适的方法。采用浅层神经网络和深度学习算法对腐蚀结垢特性进行建模。浅层神经网络包括BP神经网络、多层感知机(MLP)、最小二乘支持向量机(LS-SVM)等，能够完成腐蚀速率和污垢热阻的预测。随着数据解析算法的发展，深度学习算法包括CNN、DBN、RNN等算法，都可以用来进行循环水腐蚀的预测建模。

本实施例采用深度置信网络(DBN)对腐蚀速率进行预测，并采用浅层神经网络包括BP神经网络、多层感知机(MLP)等，以相同样本数据建立了腐蚀速率的预测模型，与建立的DBN模型进行对比分析。在研究腐蚀过程的机理上，采用深度置信网络(DBN)算法对腐蚀速率进行预测。DBN对腐蚀速率预测模型的具体构建过程如图2所示。

步骤六、结果分析。

利用步骤五建立的模型，预测循环水的腐蚀速率和污垢热阻，进而获得循环水的腐蚀预测结果。

本实施例以相同样本数据建立了腐蚀速率预测的BP神经网络预测模型，效果比较如图3所示。其中包含BP神经网络和LS-SVM两种预测模型的预测结果，预测结果与实测值具有较好的对应。

本发明以粘附速度、污垢热阻值、试管腐蚀率三种水质参数为输出构建了三个预测模型，所构建的LSSVM模型更加适合对粘附速度、污垢热阻值两种输出进行预测；而试管腐蚀率在进行了各种算法模型构建之后，DBN算法相对而言模型准确率更高一点，因此选用DBN模型对其进行建模预测。

通过建模实验得出具体结果分析如下：

以粘附速度为输出的3种不同预测模型：LSSVM模型所产生的误差是最小的，且都在0附近波动，模型相对而言更加稳定，精度更高。为了更详细地比较三种模型，对三种模型的各个误差指数进行了比较。从表2中可以看出，LSSVM的MAPE,MAE,R等指数均小于其他两种模型，从而可以得到LSSVM算法更加适合构建以粘附速度为输出的预测模型。

以污垢热阻值为输出的3种不同预测模型：LSSVM模型所产生的误差是最小的，且误差均在0附近波动，模型相对而言更加稳定，准确率更高。为了更详细地比较三种模型，对三种模型的各个误差指数进行了比较。从表2中可以看出，LSSVM的MAPE,MAE,R等指数均小于其他两种模型，从而可以得到LSSVM算法更加适合构建以污垢热阻值为输出的预测模型。

以试管腐蚀率为输出的3种不同预测模型：DBN模型所产生的误差是最小的，模型相对而言更加准确。为了更详细地比较三种模型，对三种模型的各个误差指数进行了比较。虽然各个模型的误差指数均不是太理想，但相对而言DBN的MAPE,MAE,R等指数相对于其他两种模型要更小一点，从而可以得到DBN算法在以试管腐蚀率为输出的预测模型中更加合适。

实施例2

本实施例提供循环水系统腐蚀预测方法的应用，用于预测循环水系统腐蚀速率，与水处理方案结合，避免循环水系统发生腐蚀。

本实施例利用实施例1的循环水系统腐蚀预测方法，预测循环冷却水系统腐蚀速率，对腐蚀速率进行提前预测，然后及时调整水处理方案，避免循环水系统发生腐蚀。

实施例3

本实施例提供一种循环水系统防腐蚀方法，首先利用实施例1记载的循环水系统腐蚀预测方法预测循环冷却水系统腐蚀速率，然后建立防腐蚀策略，通过及时调整水处理方案，避免循环水系统发生腐蚀。

当然，上述说明并非是对本发明的限制，本发明也并不限于上述举例，本技术领域的普通技术人员，在本发明的实质范围内，做出的变化、改型、添加或替换，都应属于本发明的保护范围。