鍋爐水冷壁節(jié)流孔板結(jié)構(gòu)對結(jié)垢的影響及其優(yōu)化

喻蘭蘭， 周克毅， 湯 妍

（東南大學(xué) 能源與環(huán)境學(xué)院，南京210096）

目前我國投運的大部分超超臨界鍋爐的水冷壁都采用一次上升垂直內(nèi)螺紋管，需要在水冷壁入口段管內(nèi)加裝節(jié)流孔板來調(diào)節(jié)各回路的流量，以減小鍋爐水冷壁熱偏差，防止發(fā)生局部超溫和爆管.在實際運行中，節(jié)流孔板常發(fā)生結(jié)垢，使通流面積減小，導(dǎo)致水冷壁熱偏差增大，容易造成水冷壁超溫和爆管，嚴(yán)重影響鍋爐的安全運行.某1 000MW超超臨界鍋爐自投產(chǎn)以來，在短短一年時間內(nèi)，多次發(fā)生水冷壁超溫和爆管事故.對水冷壁入口管段割管進行檢查發(fā)現(xiàn)節(jié)流孔板處有大量黑色沉積物，占孔板通徑的1／2以上，進一步檢查發(fā)現(xiàn)其他水冷壁節(jié)流孔板也有不同程度的結(jié)垢現(xiàn)象［1］.根據(jù)沈琦等對結(jié)垢物的檢查和分析［2］，結(jié)垢物的主要成分為Fe3O4及少量的 Fe2O3，主要來自汽水系統(tǒng)的腐蝕產(chǎn)物［3－4］.

為了防止因節(jié)流孔板結(jié)垢引起的受熱面超溫和爆管事故，目前國內(nèi)外學(xué)者主要從電廠循環(huán)化學(xué)的角度進行研究，提出了優(yōu)化鍋爐水化學(xué)工況以降低結(jié)垢速率［5－6］和定期酸洗除垢［7］等方法.筆者以某超超臨界1 000MW鍋爐的水冷壁為例，采用數(shù)值計算方法研究入口節(jié)流孔板的結(jié)垢問題，并對孔板結(jié)構(gòu)進行優(yōu)化，以減輕孔板的結(jié)垢程度，對提高超超臨界鍋爐運行的安全性具有重要意義.

1 數(shù)值計算

根據(jù)筆者之前的研究結(jié)果［8］，磁性氧化鐵的溶解度與壓力有關(guān).在節(jié)流孔板處，水的壓力突然降低，造成磁性氧化鐵的溶解度跳躍式減小，過剩的磁性氧化鐵就會迅速析出并沉積在節(jié)流孔板處，即孔板處壓力突降造成磁性氧化鐵的析出是節(jié)流孔板結(jié)垢的主要原因，筆者采用數(shù)值計算的方法重點分析這類結(jié)垢問題.

1.1 節(jié)流孔板數(shù)值計算模型

圖1給出了節(jié)流孔板的幾何模型，據(jù)此可采用Fluent軟件建立節(jié)流孔板的兩維軸對稱模型.參考某超超臨界鍋爐水冷壁節(jié)流孔板的實際尺寸，模型中節(jié)流孔板前后短管的長度分別取2 000mm和200mm，管內(nèi)徑取32.5mm，節(jié)流孔徑取10mm，長度取3mm，并在出水側(cè)有45°倒角.

利用Fluent專用前處理軟件Gambit對計算區(qū)域進行網(wǎng)格劃分，采用結(jié)構(gòu)化的四邊形網(wǎng)格，共劃分了221 230個單元.在流場變化劇烈的孔板上游5 mm管長處、節(jié)流孔板附近和短管壁面處對網(wǎng)格進行了加密.圖2為節(jié)流孔板網(wǎng)格劃分圖.

圖1 水冷壁節(jié)流孔板幾何模型（單位：mm）Fig.1 Geometry model of the orifice in waterwall tubes（unit：mm）

圖2 節(jié)流孔板網(wǎng)格劃分圖Fig.2 Grid division of the throttle orifice

為方便計算，對模型作如下假設(shè)：由于節(jié)流孔板附近熱流密度較小，近似認(rèn)為工質(zhì)為絕熱流動；節(jié)流前后工質(zhì)溫度變化（約0.1K）和壓力變化（約0.5 MPa）均相對較小，可近似認(rèn)為在整個節(jié)流過程中工質(zhì)的物性參數(shù)不變.根據(jù)表1給出的最大連續(xù)蒸發(fā)量（BMCR）工況下入口參數(shù)并查水和水蒸氣性質(zhì)表［9］得到工質(zhì)物性參數(shù)，如表2所示.

表1 BMCR工況下入口參數(shù)Tab.1 Inlet parameters under BMCR condition

表2 工質(zhì)物性參數(shù)Tab.2 Physical parameters of working fluid

湍流方程采用工程上廣泛應(yīng)用的標(biāo)準(zhǔn)k－ε模型［10］.設(shè)置入口為質(zhì)量流率邊界條件，出口為出流邊界條件，壁面條件設(shè)為絕熱，并輸入相應(yīng)參數(shù).方程離散時采用二階迎風(fēng)格式，壓力和速度耦合算法選用Simple方法.

1.2 數(shù)值計算結(jié)果及分析

節(jié)流孔板處壓力突降造成磁性氧化鐵的析出并沉積是節(jié)流孔板結(jié)垢的主要原因，因此孔板處的壓力和工質(zhì)速度分布決定了磁性氧化鐵的析出和沉積過程.圖3給出了節(jié)流孔板的壓力分布圖.由圖3可以看出，工質(zhì)流經(jīng)節(jié)流孔板時，壓力最低處并不是在流速較高的孔板中心區(qū)，而是在靠近進水側(cè)的孔板壁面附近，這是因為在孔板壁面附近流場變化劇烈且存在較為激烈的湍流，摩擦損失較大.壓力降低會造成磁性氧化鐵因溶解度減小而析出.在壓力最低處，壓降的幅度最大，磁性氧化鐵的溶解度降低最多，析出的顆粒最多，并且此最大壓降點發(fā)生在近壁面處，析出的顆粒更容易著床，同時，這也與觀察到的結(jié)垢位置相符［1－2］.圖4給出了節(jié)流孔板處的速度矢量圖.由圖4可以看出，在孔板壁面附近，工質(zhì)流速較低，對壁面的沖刷作用小，且存在回流和漩渦，為顆粒的著床并沉積創(chuàng)造了十分有利的條件.

圖3 節(jié)流孔板的壓力分布圖（參照點為入口處壓力）Fig.3 Pressure distribution of the throttle orifice（taking the pressure at orifice inlet as the reference point）

圖4 節(jié)流孔板處的速度矢量圖Fig.4 Velocity vector of the throttle orifice

綜上所述，孔板壁面附近壓力突降造成磁性氧化鐵的析出并沉積是節(jié)流孔板結(jié)垢的主要原因.壁面附近的壓降幅度越大，溶解度降低越多，磁性氧化鐵的析出量越大，就越有可能增大沉積量.因此在保證節(jié)流效果的前提下，為減輕結(jié)垢程度，應(yīng)盡量降低最大壓降.

2 孔板結(jié)構(gòu)形狀對結(jié)垢程度的影響

節(jié)流孔板的結(jié)構(gòu)形狀直接影響孔板附近的壓力和速度分布以及壁面附近的最大壓降，從而對結(jié)垢程度產(chǎn)生影響.經(jīng)分析，影響孔板節(jié)流效果的主要結(jié)構(gòu)參數(shù)有孔板的厚度、孔徑、出口倒角和入口倒角.因此，在其他參數(shù)不變的情況下，分別取不同的厚度、孔徑、出口倒角和入口倒角，利用上述模型計算分析孔板的結(jié)構(gòu)參數(shù)對節(jié)流壓降和壁面附近最大壓降的影響.節(jié)流壓降就是節(jié)流孔板的進出口壓差，反映節(jié)流孔板的應(yīng)用效果.壁面處最大壓降反映磁性氧化鐵的析出量，可以用來表征結(jié)垢的嚴(yán)重程度.

2.1 孔板厚度的影響

圖5給出了節(jié)流孔板厚度對壓降的影響.從圖5可以看出，孔板的節(jié)流壓降隨孔板厚度的增大而降低，并逐漸趨于平穩(wěn)；最大壓降隨厚度的增大而增大，并在厚度超過3mm之后保持不變.孔板的節(jié)流壓降主要源于局部損失，其大小與流場變化的劇烈程度密切相關(guān).孔板的厚度增大時，流場變化趨于平緩，能量損耗減小，導(dǎo)致孔板的節(jié)流壓降降低.壁面處最大壓降只發(fā)生在孔板入口側(cè)不遠(yuǎn)處的壁面附近，厚度很小時，孔口內(nèi)的湍流大多發(fā)生在孔板下游，壁面上的能量損耗減小，最大壓降降低.當(dāng)厚度大于一定值時，厚度變化對孔板入口的流場不再有影響，因此最大壓降不再發(fā)生變化.

隨著孔板厚度減小，節(jié)流壓降增大，而壁面附近的最大壓降降低，這對保證節(jié)流效果和減輕結(jié)垢均有利，因此，節(jié)流孔板的厚度越小越好.考慮到材料的強度要求，孔板的厚度不應(yīng)小于1.5mm.

圖5 節(jié)流孔板厚度對壓降的影響Fig.5 Influence of orifice thickness on the pressure drop

2.2 孔徑的影響

圖6給出了節(jié)流孔板孔徑對壓降的影響.從圖6可以看出，孔徑對節(jié)流壓降和最大壓降都有較大的影響.隨著孔徑的減小，節(jié)流壓降和最大壓降都迅速增大，且最大壓降的增大幅度大于節(jié)流壓降的增大幅度.孔徑對兩者的影響程度不同，存在優(yōu)化的可能性.

圖6 節(jié)流孔板孔徑對壓降的影響Fig.6 Influence of pore diameter on the pressure drop

2.3 出口倒角的影響

出口倒角對節(jié)流壓降和最大壓降的影響見圖7.當(dāng)出口倒角變化時，節(jié)流壓降和最大壓降幾乎保持不變，這是因為出口倒角發(fā)生變化時，孔板處的壓力場和速度場幾乎沒有變化.

圖7 節(jié)流孔板出口倒角對壓降的影響Fig.7 Influence of outlet angle on the pressure drop

2.4 入口倒角的影響

圖8給出了入口倒角對壓降的影響.由圖8可知，節(jié)流壓降和最大壓降隨入口倒角的增大均先下降后升高，存在最小值點.當(dāng)入口倒角等于30°時，節(jié)流壓降和最大壓降同時取得最小值.這是因為入口倒角為30°時，流體流經(jīng)孔板時流場過渡最平穩(wěn)，能量損耗最小.

選擇適當(dāng)?shù)娜肟诘菇强梢杂行У亟档捅诿娓浇淖畲髩航担瑫r孔板的節(jié)流壓降也會降低，可以通過改變其他結(jié)構(gòu)參數(shù)來彌補入口倒角對節(jié)流效果的影響.

2.5 結(jié)構(gòu)參數(shù)的優(yōu)化

圖8 節(jié)流孔板入口倒角對壓降的影響Fig.8 Influence of inlet angle on the pressure drop

綜上所述，孔板厚度、孔徑、出口倒角和入口倒角對節(jié)流壓降和最大壓降的影響情況不同，所以對其進行優(yōu)化分析：將孔板厚度選定為1.5mm，出口倒角不變，通過選擇合適的節(jié)流孔板孔徑和入口倒角實現(xiàn)優(yōu)化目標(biāo)，即在保證節(jié)流效果的同時，最大限度地降低最大壓降.

3 節(jié)流孔板的壓降模型

孔徑和入口倒角對節(jié)流孔板節(jié)流壓降和最大壓降的影響不同，為優(yōu)化這些結(jié)構(gòu)參數(shù)，必須確定它們與節(jié)流壓降、最大壓降的關(guān)系.利用BP神經(jīng)網(wǎng)絡(luò)建立了孔徑和入口倒角對壓降的影響模型.

BP神經(jīng)網(wǎng)絡(luò)又稱誤差反向傳播（Back Propagation）神經(jīng)網(wǎng)絡(luò)，是一種多層前向型網(wǎng)絡(luò)模型.通常具有一個或多個由Sigmoid神經(jīng)元構(gòu)成的隱含層，其結(jié)構(gòu)包含輸入層、隱含層和輸出層.

BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)需要通過輸入和輸出樣本集對網(wǎng)絡(luò)進行訓(xùn)練，即對網(wǎng)絡(luò)的閾值和權(quán)值進行學(xué)習(xí)和修正，以使網(wǎng)絡(luò)實現(xiàn)給定的輸入、輸出映射關(guān)系.

3.1 BP神經(jīng)網(wǎng)絡(luò)的建立

由于3層的BP神經(jīng)網(wǎng)絡(luò)［11］可以趨近于任意非線性函數(shù)，故取3層神經(jīng)網(wǎng)絡(luò)，包含1個輸入層、1個隱含層和1個輸出層.模型的輸入變量取孔板的孔徑和入口倒角，輸出變量取孔板的節(jié)流壓降和最大壓降，因此輸入層節(jié)點數(shù)為2個，輸出層節(jié)點數(shù)為2個，如圖9所示.計算結(jié)果表明，隱含層節(jié)點數(shù)定為14個.

圖9 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.9 Structural diagram of the BP neural network

為了使分析對象的數(shù)值變成相同數(shù)量級，以防某些數(shù)值小的特征被淹沒，同時提高收斂速度，并將誤差控制在相同的基數(shù)下，需要在網(wǎng)絡(luò)進行學(xué)習(xí)訓(xùn)練前對數(shù)據(jù)進行歸一化處理.BP網(wǎng)絡(luò)的神經(jīng)元采用Sigmoid傳遞函數(shù)，其輸出一般在［0，1］之間，將輸入輸出數(shù)據(jù)變換到［0，1］之間.變換計算式為

式中：xi為輸入或輸出數(shù)據(jù)；xmax為變化數(shù)據(jù)的最大值；xmin為變化數(shù)據(jù)的最小值.

經(jīng)過歸一化處理的數(shù)據(jù)就可以作為網(wǎng)絡(luò)的訓(xùn)練測試樣本輸入.網(wǎng)絡(luò)輸出結(jié)果時再進行反歸一化即可得到網(wǎng)絡(luò)輸出值.

采用 Matlab 7.11進行編程［12］，輸入層到隱含層傳遞函數(shù)tansig，隱含層到輸出層傳遞函數(shù)purelin，訓(xùn)練函數(shù)traingdm，顯示次數(shù)為500，網(wǎng)絡(luò)的目標(biāo)收斂精度為10－4，最大訓(xùn)練次數(shù)為200 000，學(xué)習(xí)率為0.05，動量因子為0.9.

數(shù)值計算結(jié)果表明，孔徑小于9mm或大于10 mm時，孔板的節(jié)流壓降均無法滿足設(shè)計值.因此在孔板長度為1.5mm、出口倒角為45°時，孔徑的取值范圍為9～10mm，入口倒角的取值范圍為［0°，90°］，共取得34組數(shù)據(jù)樣本.為了保證數(shù)據(jù)的完整性，提高神經(jīng)網(wǎng)絡(luò)的精確性，將其中31組數(shù)據(jù)作為訓(xùn)練樣本，只選取3組數(shù)據(jù)作為測試樣本，以檢驗網(wǎng)絡(luò)的泛化能力.

3.2 網(wǎng)絡(luò)預(yù)測結(jié)果分析

經(jīng)過約100 000次訓(xùn)練后，網(wǎng)絡(luò)達到收斂精度，訓(xùn)練過程結(jié)束.為檢驗神經(jīng)網(wǎng)絡(luò)模型的預(yù)測精度，用3組測試樣本數(shù)據(jù)對網(wǎng)絡(luò)進行測試，結(jié)果見表3.由表3可以看出，網(wǎng)絡(luò)輸出值與數(shù)值計算結(jié)果的相對誤差絕對值均小于5%，表明網(wǎng)絡(luò)具有較好的泛化能力.

表3 測試樣本誤差Tab.3 Errors of testing samples

4 節(jié)流孔板結(jié)構(gòu)優(yōu)化

基于所建立的神經(jīng)網(wǎng)絡(luò)模型，采用遺傳算法（GA）［13］對孔板結(jié)構(gòu)參數(shù)進行尋優(yōu).

遺傳算法是一種搜索尋優(yōu)技術(shù)，其模仿生物的進化和遺傳，根據(jù)生物界中優(yōu)勝劣汰及生存競爭的基本法則，再借助復(fù)制、交換和突變操作，逐步得到待解問題的最優(yōu)解，適合對較為復(fù)雜的問題進行優(yōu)化.

Matlab優(yōu)化工具箱提供了遺傳算法和直接搜索的基本功能，該模塊集成了完成遺傳算法大部分重要功能的各種程序，可用于完成遺傳算法優(yōu)化.

4.1 遺傳算法參數(shù)設(shè)定

在遺傳算法中，參數(shù)的設(shè)置直接影響算法的尋優(yōu)速度和尋優(yōu)質(zhì)量.參數(shù)設(shè)置如下：初始化種群個數(shù)為20，交叉概率為0.8，孔徑和入口倒角的變化范圍分別為9～10mm 和［0°，90°］，在 Matlab軟件上進行計算［14］.遺傳算法的目標(biāo)函數(shù)和約束條件根據(jù)BP神經(jīng)網(wǎng)絡(luò)模型確定.

目標(biāo)函數(shù)為

約束條件為

式中：p2為最大壓降；p1為孔板前后壓降；x為孔徑；y為入口倒角.

目標(biāo)函數(shù)保證最大壓降的值最小，約束條件保證孔板前后壓降等于設(shè)計尺寸下的節(jié)流壓降.通過數(shù)值計算可得，設(shè)計尺寸下的節(jié)流壓降為0.396 0 MPa，最大壓降為0.773 6MPa.以此來編寫實現(xiàn)目標(biāo)函數(shù)和保證約束條件的程序.

4.2 尋優(yōu)結(jié)果分析

經(jīng)過10次迭代，搜索得到全局最優(yōu)解，迭代停止，得到的孔板最佳尺寸參數(shù)為孔徑9.543mm，入口倒角35.326°.近似取孔徑9.54mm，入口倒角35°，然后重新利用節(jié)流孔板數(shù)值模型計算.表4給出了優(yōu)化結(jié)果和數(shù)值計算結(jié)果的比較，由表4可知兩者計算結(jié)果非常接近，進一步反映了壓降模型的正確性.

最終取得的孔板最佳尺寸參數(shù)為孔徑9.54 mm，入口倒角35°，此時不僅節(jié)流壓降滿足條件，而且最大壓降降為0.708 3MPa.設(shè)計尺寸下的最大壓降為0.773 6MPa，結(jié)構(gòu)參數(shù)優(yōu)化后在保證節(jié)流效果不變的條件下，最大壓降減小到0.708 3MPa，一定程度上實現(xiàn)了優(yōu)化目標(biāo).

表4 數(shù)值計算與神經(jīng)網(wǎng)絡(luò)預(yù)測的誤差Tab.4 Errors between numerical calculation and BP neural network prediction

5 結(jié) 論

（1）節(jié)流孔板處壓力突降造成磁性氧化鐵的析出并沉積是節(jié)流孔板結(jié)垢的主要原因.節(jié)流孔板附近最大壓降幅度越大，結(jié)垢速度越快.在保證節(jié)流效果的前提下，應(yīng)盡量減小孔板壁面處的最大壓降幅度，從而減緩結(jié)垢速度.

（2）節(jié)流孔板的入口倒角、出口倒角、孔徑和長度等結(jié)構(gòu)參數(shù)對孔板壁面附近的最大壓降幅度和孔板的節(jié)流效果有不同程度的影響.孔板的厚度越小越好，出口倒角對結(jié)垢幾乎沒有影響，孔板的孔徑和入口倒角對結(jié)垢程度影響比較大.通過調(diào)整孔板的孔徑和入口倒角，可以在保證節(jié)流效果的同時，實現(xiàn)降低孔板附近最大壓降的目的，進而減輕孔板結(jié)垢程度.

（3）建立了影響節(jié)流孔板結(jié)垢因素的BP人工神經(jīng)網(wǎng)絡(luò)模型，基于此模型，利用遺傳算法對孔板結(jié)構(gòu)進行參數(shù)尋優(yōu)，得到較為合適的優(yōu)化結(jié)果，孔板附近的最大壓降幅度有所降低，一定程度上減輕了結(jié)垢程度.

［1］ 邵天佑，聞國華.直流鍋爐水冷壁節(jié)流孔板磁性氧化鐵沉積探討［J］.華電技術(shù)，2009，31（6）：45－47.SHAO Tianyou，WEN Guohua.Investigation on magnetic oxide iron deposition of throttle orifice plate in once－through boiler water wall［J］.Huadian Technology，2009，31（6）：45－47.

［2］ 沈琦，劉鴻國，楊菁.超超臨界垂直管圈直流爐水冷壁節(jié)流孔圈垢物聚結(jié)原因分析及預(yù)防［J］.華東電力，2009，37（5）：877－879.SHEN Qi，LIU Hongguo，YANG Jing.Analysis and prevention of sulfate scale on throttle orifices for water walls of USC vertical tube coil once through boilers［J］.East China Electric Power，2009，37（5）：877－879.

［3］ YESODHARAN S.Supercritical water oxidation：an environmentally safe method for the disposal of organic wastes［J］.Current Science，2002，82（9）：1112－1122.

［4］ HODES M，MARRONE P A，HONG G T，etal.Salt precipitation and scale control in supercritical water oxidation—Part A：fundamentals and research［J］.J of Supercritical Fluids，2004，29（3）：265－288.

［5］ DOOLEY R B.Cycle chemistry guidelines for fossil plants：oxygenated treatment［C］／／Cycle Chemistry Guidelines for Fossil Plants：Oxygenated Treatment，Palo Alto，CA：EPRI，2005.

［6］ 徐洪.超臨界火電機組的金屬腐蝕特點和沉積規(guī)律［J］.動力工程，2009，29（3）：210－217.XU Hong.Characteristics of metal corrosion and deposit law for supercritical units［J］.Journal of Power Engineering，2009，29（3）：210－217.

［7］ HUANG C P，HSU M C，MILLER P.Recovery of EDTA from power plant boiler chemical cleaning wastewater［J］.Journal of Environmental Engineering，2000，126（10）：919－924.

［8］ 湯妍，周克毅，韋紅旗，等.超超臨界鍋爐水冷壁節(jié)流孔板垢物沉積問題的數(shù)值研究［J］.化工學(xué)報，2011，62（7）：1873－1878.TANG Yan，ZHOU Keyi，WEI Hongqi，etal.Numerical study on deposition problem of the orifices in waterwalls of ultra－supercritical boilers［J］.Ciesc Journal，2011，62（7）：1873－1878.

［9］ 嚴(yán)家騄，余曉福，王永青.水和水蒸汽熱力性質(zhì)圖表［M］.北京：高等教育出版社，2004.

［10］ 趙鳴志，浦興國，周潔，等.高溫兩相流風(fēng)洞收縮段和試驗段的數(shù)值模擬研究［J］.中國電機工程學(xué)報，2006，26（9）：50－53.ZHAO Mingzhi，PU Xingguo，ZHOU Jie，etal.Numerical simulation studies on multiphase flow in high temperature wind tunnel contractions and experimental sections［J］.Proceedings of the CSEE，2006，26（9）：50－53.

［11］ 焦孝成.神經(jīng)網(wǎng)絡(luò)系統(tǒng)理論［M］.西安：西安電子科技大學(xué)出版社，1994.

［12］ 張德豐.MATLAB神經(jīng)網(wǎng)絡(luò)應(yīng)用設(shè)計［M］.北京：機械工業(yè)出版社，2009.

［13］ 周明，孫樹棟.遺傳算法原理及應(yīng)用［M］.北京：國防工業(yè)出版社，1999.

［14］ 雷英杰.MATLAB遺傳算法工具箱及應(yīng)用［M］.西安：西安電子科技大學(xué)出版社，2005.