冷卻塔熱力性能在線監(jiān)測裝置及系統(tǒng)研制

劉桂雄，葉季衡，肖 若，洪曉斌，譚小衛(wèi)

（1.華南理工大學(xué)機(jī)械與汽車工程學(xué)院，廣東 廣州 510640；2.新菱空調(diào)（佛岡）有限公司，廣東 清遠(yuǎn) 511675）

0 引 言

冷卻塔是工業(yè)系統(tǒng)中最重要的末端冷卻裝置，其熱力性能優(yōu)劣對冷卻系統(tǒng)節(jié)水節(jié)能、工業(yè)系統(tǒng)穩(wěn)定運行具有直接影響，監(jiān)測冷卻塔熱力性能意義重大[1]。為實現(xiàn)冷卻塔熱力性能準(zhǔn)確評估，國外學(xué)者M(jìn)erkel、Poppe、Jaber和Webb分別建立冷卻塔Merkel模型、Poppe模型和e-NTU模型[2-4]，但3種模型都無法同時滿足高精度和低運算量要求[5]。國內(nèi)學(xué)者通過設(shè)計冷卻塔監(jiān)測裝置實現(xiàn)冷卻塔監(jiān)測[6-8]，文獻(xiàn)[6]采用基于多輸入單輸出特征模型開發(fā)一套冷卻塔熱力性能監(jiān)控裝置，具有一定時變性，但監(jiān)測技術(shù)相對落后。隨著計算機(jī)技術(shù)的發(fā)展，數(shù)學(xué)算法和人工智能相繼被應(yīng)用于冷卻塔監(jiān)測中，文獻(xiàn)[9-11]分別采用投影尋蹤回歸法（PPR）、人工神經(jīng)網(wǎng)絡(luò)、模糊-神經(jīng)網(wǎng)絡(luò)等算法評估冷卻塔熱力性能，這些方法可避免復(fù)雜的冷卻塔數(shù)學(xué)模型，但計算量大，需要大量訓(xùn)練樣本。此外，目前國內(nèi)外冷卻塔運行參數(shù)的測量大多采用人工分立儀器測量方式，效率低，成本高，且無法滿足實時性。

本文針對冷卻塔熱力性能在線監(jiān)測，結(jié)合現(xiàn)代檢測技術(shù)、Merkel評估模型與通信技術(shù)，設(shè)計基于STM32的冷卻塔熱力性能在線監(jiān)測裝置，準(zhǔn)確測量冷卻塔運行工況和環(huán)境參數(shù)，實時高效評估冷卻塔熱力性能，通過3G短信模塊實現(xiàn)評估結(jié)果遠(yuǎn)程發(fā)送和故障報警，利用SD卡保存測量參數(shù)并做進(jìn)一步數(shù)據(jù)分析。

1 系統(tǒng)框架與基本原理

1.1 系統(tǒng)總體框架

圖1為冷卻塔熱力性能在線監(jiān)測系統(tǒng)結(jié)構(gòu)[12]。其中監(jiān)測裝置采用STM32為中央處理器的嵌入式系統(tǒng)，由中央處理器模塊、運行工況測量模塊、環(huán)境參數(shù)測量模塊、實時時鐘模塊、人機(jī)交互模塊、存儲模塊等構(gòu)成。運行工況和環(huán)境參數(shù)測量模塊負(fù)責(zé)實時測量現(xiàn)場進(jìn)出水溫度、進(jìn)水量、大氣壓、干球溫度、濕球溫度、相對濕度等傳感信號；中央處理器模塊用于采集上述數(shù)據(jù)，并進(jìn)一步進(jìn)行軟件濾波和校準(zhǔn)；SD存儲模塊實現(xiàn)中央處理模塊處理數(shù)據(jù)的存儲，用于后期數(shù)據(jù)挖掘；人機(jī)交互模塊用于測量參數(shù)、采集頻率、數(shù)據(jù)處理模式的設(shè)置；Flash模塊負(fù)責(zé)存儲傳感器校準(zhǔn)信息和人機(jī)交互模塊字庫。上位機(jī)軟件負(fù)責(zé)測量參數(shù)的顯示，評估算法的存儲和計算。遠(yuǎn)程監(jiān)測模塊負(fù)責(zé)監(jiān)測結(jié)果和故障報警的遠(yuǎn)程短信發(fā)送。

圖1 冷卻塔熱力性能在線監(jiān)測系統(tǒng)結(jié)構(gòu)

1.2 熱力性能監(jiān)測基本原理

冷卻塔模型可抽象為塔內(nèi)空氣薄膜和水膜間的傳熱傳質(zhì)過程，濕式逆流冷卻塔模型如圖2所示[13]，布水器灑水后高溫冷卻水掉落過程中與低溫低濕空氣接觸，并向空氣傳遞熱量和蒸發(fā)水分，完成能量交換過程。

飽和焓值imasw和熱力性能MeM，根據(jù)Merkel方程得

圖2 濕式冷卻塔麥克爾模型

該式積分運算可利用數(shù)值積分法求解。在保證監(jiān)測結(jié)果準(zhǔn)確的前提下簡化計算過程，本文根據(jù)GB/T 7190.1-2008《玻璃纖維增強塑料冷卻塔 第1部分》采用三階辛普森近似積分公式計算監(jiān)測結(jié)果[14]，將運行工況和環(huán)境參數(shù)傳感器網(wǎng)絡(luò)按規(guī)定安裝于冷卻塔周圍，如圖3所示。

圖3 冷卻塔熱力性能監(jiān)測裝置安裝示意圖

監(jiān)測裝置測量冷卻塔周圍大氣壓p0、進(jìn)風(fēng)干球溫度Tdb、進(jìn)風(fēng)濕球溫度Twb、進(jìn)水量Q、進(jìn)風(fēng)量G、進(jìn)水溫度Twi、出水溫度Two，空氣密度為ρa，設(shè)溫度T時空氣飽和氣壓為pT″，則空氣相對濕度Φ、冷卻塔氣水比λ、冷卻塔進(jìn)塔空氣焓值iTai、冷卻塔水塔空氣焓值iTao分別為

相應(yīng)塔內(nèi)空氣平均焓值iam為

設(shè)溫度T時飽和空氣焓值為iT″，進(jìn)出水溫差為ΔT，基于三階辛普森積分公式計算冷卻塔熱力性能

2 系統(tǒng)設(shè)計與實現(xiàn)

2.1 系統(tǒng)硬件設(shè)計

冷卻塔熱力性能在線監(jiān)測裝置原理框圖如圖4所示，裝置選用ST公司STM32F103RBT6處理器，溫度測量采用Pt1000橋式測溫電路，包括進(jìn)風(fēng)干球溫度、進(jìn)風(fēng)濕球溫度、進(jìn)水溫度、出水溫度、儲水盤溫度和出風(fēng)溫度；大氣壓測量選用Intersema公司MS5534C大氣壓傳感器，相對濕度測量選用Sensirion公司SHT11溫濕度傳感器，流量計選用柏誠智能科技有限公司UHM-200F超聲波流量計，進(jìn)風(fēng)量測量選用武漢新普惠PHWS風(fēng)速傳感器。

圖4 冷卻塔熱力性能在線監(jiān)測裝置原理框圖

Pt1000橋式測溫電路原理圖如圖5所示，采用2個高精度10kΩ電阻、1個5kΩ電位器與Pt1 000溫度傳感器組成橋式電路，采用穩(wěn)壓5V電源供電提高測量穩(wěn)定性，通過由MAX4418組成的差分放大電路將信號放大47倍，通過穩(wěn)壓二極管IN4733進(jìn)行穩(wěn)壓，并利用中央處理器ADC接口進(jìn)行AD采集。

大氣壓測量電路原理圖如圖6所示，將MS5534C的16位SPI接口與中央處理模塊進(jìn)行連接，為提高大氣壓傳感器的穩(wěn)定性，利用47μF極性電容對傳感器電源管腳進(jìn)行濾波供電，以提高測量精度，MS5534C工作需要32.768 kHz外部時鐘，采用有源晶振提供穩(wěn)定時序。

圖5 Pt1000橋式測溫電路原理圖

圖6 大氣壓測量電路原理圖

人機(jī)交互模塊選用TFTLCD 2.8′觸摸屏，分辨率320×240，支持16位色顯示，自帶觸摸屏。

2.2 系統(tǒng)軟件設(shè)計

系統(tǒng)軟件結(jié)構(gòu)框圖如圖7所示。下位機(jī)采用μCOS-II實時操作系統(tǒng)，該系統(tǒng)可移植、可固化、可裁剪，將功能劃分為相互獨立的多個任務(wù)，增加軟件可靠性。操作系統(tǒng)負(fù)責(zé)協(xié)調(diào)和調(diào)度各任務(wù)。觸摸屏任務(wù)負(fù)責(zé)人機(jī)交互界面各種操作，采集任務(wù)負(fù)責(zé)更新各現(xiàn)場參數(shù)，顯示任務(wù)根據(jù)觸摸屏任務(wù)的處理結(jié)果進(jìn)行相應(yīng)的菜單切換與參數(shù)更新，通信任務(wù)完成與上位機(jī)軟件的數(shù)據(jù)交互，存儲任務(wù)負(fù)責(zé)現(xiàn)場數(shù)據(jù)的存儲。

圖7 系統(tǒng)軟件結(jié)構(gòu)框圖

系統(tǒng)軟件具體流程如下：（1）系統(tǒng)參數(shù)初始化，檢測傳感器是否連接正常，若連接不正?；蚨搪罚瑒t通過LCD顯示異常狀態(tài)，并重新初始化直到傳感器連接正常；（2）通過觸摸屏設(shè)置傳感器校準(zhǔn)參數(shù)、采集頻率、測量方法和通信模式，并啟動采集任務(wù)直到采集結(jié)束；（3）將測量參數(shù)傳至上位機(jī)，利用評估算法計算冷卻塔熱力性能，并將計算結(jié)果返回下位機(jī)；（4）將測量參數(shù)和計算結(jié)果存儲到SD卡中。

冷卻塔熱力性能在線監(jiān)測裝置及系統(tǒng)實物如圖8所示。

圖8 冷卻塔熱力性能在線監(jiān)測裝置及系統(tǒng)實物圖

3 系統(tǒng)性能測試

將裝置傳感網(wǎng)絡(luò)按GB/T 7190.1-2008《玻璃纖維增強塑料冷卻塔 第1部分》要求安裝于冷卻塔周圍，進(jìn)行系統(tǒng)性能測試。測量數(shù)據(jù)包括流量、大氣壓、進(jìn)風(fēng)干球溫度、進(jìn)風(fēng)濕球溫度、冷卻塔進(jìn)水溫度、冷卻塔出水溫度及進(jìn)風(fēng)量，根據(jù)測量數(shù)據(jù)實現(xiàn)冷卻塔熱力性能評估，并利用3G模塊實現(xiàn)測量參數(shù)和評估結(jié)果的遠(yuǎn)程短信發(fā)送。

表1為冷卻塔熱力性能在線監(jiān)測裝置及系統(tǒng)測試數(shù)據(jù)。測試選擇某公司CEF-370不銹鋼逆流方塔為測試對象，技術(shù)參數(shù)包括循環(huán)水量370m3/h、電機(jī)功率11kW、風(fēng)機(jī)直徑3340mm、塔體揚程4.6m、補水量 4.1m3/h，時間為某天 10∶00～11∶00，每隔 5min對上述參數(shù)進(jìn)行測量求平均值。圖9是其中一組冷卻塔歷史運行曲線。

圖9 冷卻塔熱力性能運行曲線

從表1中數(shù)據(jù)可看出監(jiān)測系統(tǒng)工作穩(wěn)定，將干球溫度、濕球溫度與水銀溫度計測量值進(jìn)行比較，精度為0.1℃，大氣壓與水銀氣壓計測量值比較精度為0.05 kPa，測量準(zhǔn)確度較高，冷卻塔熱力性能評估準(zhǔn)確，可滿足逆流式冷卻塔熱力性能評估的需求。

表1 冷卻塔熱力性能在線監(jiān)測裝置及系統(tǒng)測試數(shù)據(jù)

4 結(jié)束語

結(jié)合現(xiàn)代檢測技術(shù)、冷卻塔熱力性能評估模型和遠(yuǎn)程技術(shù)研制冷卻塔熱力性能在線監(jiān)測裝置及系統(tǒng)，可實時準(zhǔn)確測量冷卻塔運行參數(shù)和環(huán)境參數(shù)，高效評估冷卻塔熱力性能，提高冷卻塔檢測效率；通過冷卻塔熱力性能在線監(jiān)測及后期數(shù)據(jù)挖掘，有利于進(jìn)一步提高冷卻塔熱性能力，提高冷卻系統(tǒng)能效，增加系統(tǒng)運行可靠性。

[1]Panjeshahia M H，Ataei A，Gharaie R，et al.Optimum design of cooling water systems for energy and water conservation[J].Chemical Engineering Research and Design，2009（87）：200-209.

[2]Merkel F.Verdunstungskuhlang[D].Berlin：VDI Forschun gsarbeiten，1925：12-28.

[3]Jaber H，Webb R L.Design of cooling towers by effectiveness-NTU method[J].Heat Transfer，1989（111）：837-843.

[4]Poppe M，Rogener H.Berechnung von ruckkuhlwerken[M].Berlin：VDI-Warmeatlas，1991：1-15.

[5]Kloppers J C，Kroger D G.Cooling tower performance evaluation：Merkel，Poppe，and e-NTU methods of analysis[J].Engineering for Gas Turbines and Power，2005（127）：1-7.

[6]吳建國，張培建，瞿國慶，等.基于特征模型的冷卻塔監(jiān)控裝置設(shè)計[J].電力自動化設(shè)備，2006，26（10）：67-69.

[7]譚小衛(wèi)，葉季衡，劉桂雄，等.一種冷卻塔熱力性能在線智能監(jiān)測系統(tǒng)[P].國家實用新型（專利號:ZL 201220260934.5），2012.

[8]張春蕾，丁琦，魏巍.濕式機(jī)械通風(fēng)逆流冷卻塔冷卻能力檢測[J].暖通空調(diào)，2011，41（9）：79-81.

[9]Qi A，Liu Z Y，Li D D.Prediction of the performance of a shower cooling tower based on projection pursuit regres sion[J].Applied Thermal Engineering，2008（28）：1031-1038.

[10]Hosoza M，Ertunc H M，Bulgurcu H.Performance prediction of a cooling tower using artificial neural network[J].Energy Conversion and Management，2007（48）：1349-1359.

[11]Xie H，Liu L，Ma F.Performance estimation of cooling towers using adaptive neuro-fuzzy inference[J].Fourth International Conference on Natural Computation，2008（7）：250-254.

[12]劉桂雄，朱海兵，何若泉，等.電梯能效實時記錄儀及系統(tǒng)研制[J].中國測試，2012，38（6）：44-48.

[13]Kloppers J C.A critical evaluation and refinement of theperformance prediction ofwetcoolingtowers[D].Stellenbosch：University of Stellenbosch，2003：1-5.

[14]GB/T 7190.1—2008玻璃纖維增強塑料冷卻塔 第1部分[S].北京：中國標(biāo)準(zhǔn)出版社，2008.