循环冷却水系统中主要的水质故障有哪些

腐蚀、结垢和生物黏泥是循环冷却水系统中主要的水质故障。金属腐蚀主要是金属表面和水接触产生的电化学腐蚀; 生物黏泥主要是微生物的活动、生长和繁殖的结果;结垢是溶解固体由于浓缩和化学变化在热交换器表面析出并紧附着在金属表面上形成的，结垢现象大大降低了冷却水热交换器的换热效率，严重时会堵塞换热器，影响生产的正常运行。黏附速率表征换热器单位传热面上一定时间内的污垢增长质量。影响结垢的因素很多，如冷却水的水质、水温、流速及换热设备的热负荷强度等等，其中水质是影响黏附速率*主要的因素。影响因素与黏附速率之间的关系属于多元高次的非线性关系，利用常规的方法难以建立其精确的数学模型。

  人工神经网络具有非线性映射、泛化及容错能力〔1〕。BP 人工神经网络是神经网络中*常用、*成熟的神经网络之一。利用BP 神经网络建立循环冷却水系统黏附速率的预测模型，避开了寻找各种因素对黏附速率的影响规律的难题，可以方便准确地预测黏附速率。针对标准BP 神经网络具有易形成局部极小而得不到全局*优、训练次数多、收敛速度慢等缺点，笔者采用改进的BP 算法即增加动量项建立循环冷却液系统黏附速率的预测模型。经实际数据的预测结果表明，此方法可行。

  1 BP 神经网络结构设计

  1.1 BP 学习算法

  BP 神经网络也称多层前馈网络，有研究证明仅含有一个隐层的BP 网络能以任意精度逼近任意的非线性连续系统〔2〕。BP 网络由输入层、隐层和输出层组成，层与层之间采用全互联方式。标准BP 算法在调整权值时，只按某一时刻误差的梯度下降方向调整，而没有考虑该时刻以前的梯度方向，容易陷入局部极小且收敛缓慢，为了提高网络的训练速度，笔者采用增加动量项的BP 算法，即在权值调整时增加一动量项，增加动量项即从前一次权值调整量中取出一部分迭加到本次权值调整量中，动量项反映了以前积累的调整经验，对于某时刻的调整起阻尼作用，当误差曲面出现骤然起伏时，可减小振荡趋势，提高训练速度。

  1.2 网络输入输出的确定

  目前国内循环水系统主要监测的水质项目见表 1。由于循环水中的结垢成分主要是CaCO3，因此在这些监测项目中，碱度、钙硬、pH 是影响结垢的主要指标。以某石化公司2010 年3—10 月的数据为依据，选取碱度、钙硬、pH 作为输入，输出为黏附速率，根据循环冷却水节水控制规范，黏附速率控制指标为不大于15 mcm。首先选取满足水质控制指标的数据，对输入数据进行预处理即数据的归一化处理〔3, 4〕。输入数据的频率为每天1 次，输出数据的频率为每月1 次，对输入数据进行均值化处理，处理后的部分数据见表 2。