陳 薇 袁中原 袁艷平

組合式冷卻能量回收系統(tǒng)控制策略研究

陳 薇 袁中原 袁艷平

（西南交通大學(xué)機(jī)械工程學(xué)院 成都 610031）

組合式冷卻能量回收系統(tǒng)中蒸發(fā)溫度是決定系統(tǒng)凈發(fā)電量的關(guān)鍵參數(shù)，控制組合式冷卻系統(tǒng)中ORC（Organic Rankine Cycle, ORC）冷卻單元蒸發(fā)器的蒸發(fā)溫度在波動的熱源特性參數(shù)和環(huán)境參數(shù)下及時(shí)響應(yīng)至最佳蒸發(fā)溫度，可有效提高低溫?zé)嵩此鶖y帶熱量的余熱回收效率。結(jié)合已經(jīng)建立的LSTM神經(jīng)網(wǎng)絡(luò)模型和BP神經(jīng)網(wǎng)絡(luò)以及RBF神經(jīng)網(wǎng)絡(luò)，提出了神經(jīng)網(wǎng)絡(luò)前向控制PID控制器反饋控制的控制策略，分別建立單級ORC系統(tǒng)和雙級ORC系統(tǒng)凈輸出功最大時(shí)的最佳蒸發(fā)溫度控制系統(tǒng)，并在波動的熱源特性和環(huán)境參數(shù)下分析蒸發(fā)溫度的響應(yīng)曲線。結(jié)果表明，單級ORC組合式冷卻系統(tǒng)和雙級ORC組合式冷卻系統(tǒng)最佳蒸發(fā)溫度均在10s內(nèi)響應(yīng)穩(wěn)定，說明此種控制策略可行，為后續(xù)工程應(yīng)用提供了參考。

有機(jī)朗肯循環(huán)；余熱回收；組合式冷卻；控制策略；PID控制

0 引言

在煤化工和石化等行業(yè)中，通常需要將溫度范圍在60℃~200℃之內(nèi)的低溫工藝流體冷卻到工藝要求的目標(biāo)溫度。目前工業(yè)上采用的常規(guī)冷卻方式大多為水冷和空冷，冷卻過程中不僅需要消耗大量能量，且浪費(fèi)了低溫流體的熱量[1,2]，為了解決此問題提出了組合式冷卻能量回收系統(tǒng)。組合式冷卻能量回收系統(tǒng)的主要組成部分為有機(jī)朗肯循環(huán)（ORC）冷卻單元，目前ORC系統(tǒng)提出的控制策略主要可分為離線優(yōu)化控制和動態(tài)在線控制策略?？刂萍夹g(shù)主要包括常規(guī)控制、優(yōu)化控制（OC）和模型預(yù)測控制（MPC），控制變量主要包括工質(zhì)流量、蒸發(fā)溫度、蒸發(fā)壓力、蒸發(fā)器出口的過熱度[3]。

Quoilin等[4]基于PI控制提出了三種控制策略，一是控制系統(tǒng)在給定的蒸發(fā)溫度及過熱度下運(yùn)行，二是控制系統(tǒng)在離線穩(wěn)態(tài)模型下得到的最佳蒸發(fā)溫度下運(yùn)行，三是控制系統(tǒng)在離線穩(wěn)態(tài)模型下得到的工質(zhì)泵和膨脹機(jī)轉(zhuǎn)速下運(yùn)行?？刂祈憫?yīng)結(jié)果表明，采用第二種控制策略的系統(tǒng)性能最優(yōu)。Ni等[5]基于PID控制器，提出通過控制工質(zhì)泵和膨脹機(jī)的轉(zhuǎn)速從而控制蒸發(fā)器的蒸發(fā)壓力和蒸發(fā)器出口的過熱度保持系統(tǒng)恒定運(yùn)行的控制策略。Wu等[6]提出通過控制工質(zhì)泵轉(zhuǎn)速、膨脹機(jī)轉(zhuǎn)速和空冷器風(fēng)機(jī)的轉(zhuǎn)速使系統(tǒng)在給定的蒸發(fā)器蒸發(fā)壓力、出口過熱度和冷凝壓力下運(yùn)行的控制策略。Hernandez A等[7]基于MPC控制器提出控制泵和膨脹機(jī)的轉(zhuǎn)速使系統(tǒng)在給定蒸發(fā)溫度和過熱度條件下運(yùn)行的控制策略。

本文采用的控制策略為建立LSTM神經(jīng)網(wǎng)絡(luò)模型提前一個(gè)時(shí)間步長預(yù)測熱源特性和冷凝溫度，通過神經(jīng)網(wǎng)絡(luò)優(yōu)化器得到當(dāng)前熱源特性和冷凝溫度下使得組合式冷卻系統(tǒng)凈輸出功最大的最佳蒸發(fā)溫度，通過PID控制器控制蒸發(fā)器使得蒸發(fā)溫度在最佳蒸發(fā)溫度下運(yùn)行，最佳蒸發(fā)溫度采用前饋控制策略，神經(jīng)網(wǎng)絡(luò)作為前向控制器得不同熱源特性下對應(yīng)的最佳蒸發(fā)溫度值，蒸發(fā)器內(nèi)最佳蒸發(fā)溫度值和過熱度由膨脹機(jī)及工質(zhì)泵的轉(zhuǎn)速控制，運(yùn)行過程中對抗干擾的控制策略采用PID反饋控制策略。

1 組合式冷卻系統(tǒng)控制策略

1.1 單級ORC組合式系統(tǒng)控制策略

根據(jù)文獻(xiàn)[8]的分析可知，存在最佳蒸發(fā)溫度（OET）使得單級ORC組合式系統(tǒng)凈輸出功最大，針對單級ORC組合式冷卻系統(tǒng)最佳蒸發(fā)溫度的控制策略如圖1所示。

圖1 單級ORC組合式系統(tǒng)提前預(yù)測優(yōu)化控制模型

1.2 雙級ORC組合式系統(tǒng)控制策略

同理，存在最佳高溫級蒸發(fā)溫度（OET,h）和低溫級蒸發(fā)溫度（OET,l）使得雙級ORC組合式系統(tǒng)的凈輸出功最大，針對雙級ORC組合式冷卻系統(tǒng)兩級最佳蒸發(fā)溫度的控制策略如圖2所示。

圖2 雙級ORC組合式系統(tǒng)提前預(yù)測優(yōu)化控制模型

2 理論模型

2.1 蒸發(fā)器模型

2.1.1 蒸發(fā)器模型建模方法

組合式冷卻系統(tǒng)的控制策略中，換熱器的時(shí)間延遲遠(yuǎn)遠(yuǎn)大于工質(zhì)泵以及膨脹機(jī)，所以主要控制目標(biāo)為換熱器[9]。換熱器控制方式主要有移動邊界法和有限體積法，移動邊界法由于模型僅將換熱過程分為預(yù)熱段、蒸發(fā)段及過熱段三個(gè)換熱段，并在三個(gè)換熱單元運(yùn)行集總法進(jìn)行運(yùn)算，運(yùn)算速度快。有限體積法雖然精度高，每個(gè)換熱段兼顧運(yùn)算時(shí)間及運(yùn)算精度最小劃分單元為20段，需求解共240個(gè)微分方程，運(yùn)算速度很慢[3]。目前，在控制應(yīng)用中，常采用的方法為移動邊界法，移動邊界法的換熱模型如圖3所示。

圖3 蒸發(fā)器移動邊界分析法

2.1.2 微分控制方程

（1）熱源側(cè)微分方程

忽略傳熱時(shí)的徑向換熱，只考慮沿長度方向的換熱，熱源在換熱器內(nèi)換熱不發(fā)生相變時(shí)，認(rèn)為換熱前后密度變化可忽略，換熱前后質(zhì)量守恒，存在能量守恒方程如公式（1）。

（2）工質(zhì)側(cè)換熱微分方程

工質(zhì)在換熱過程中，質(zhì)量守恒及能量守恒方程如公式（2）、（3）。

（3）換熱器壁面換熱總微分方程

換熱器壁面在換熱過程中不存在質(zhì)量變化，只存在能量變化，能量微分方程如公式（4）。

具體各換熱段的微分方程由文獻(xiàn)[10]可得，依據(jù)動態(tài)微分方程建立的換熱器的模型如圖4所示。

2.2 LSTM神經(jīng)網(wǎng)絡(luò)模型

分別以熱源溫度和流量作為輸出層，以時(shí)序作為輸入層建立兩個(gè)LSTM神經(jīng)網(wǎng)絡(luò)用于提前預(yù)測熱源的溫度和流量，訓(xùn)練所得模型參數(shù)如表1所示。根據(jù)文獻(xiàn)[11]可知，采用觀測值更新網(wǎng)絡(luò)的精度更高，所以本文中的LSTM神經(jīng)網(wǎng)絡(luò)采用觀測值更新網(wǎng)絡(luò)。

表1 LSTM神經(jīng)網(wǎng)絡(luò)模型參數(shù)

2.3 神經(jīng)網(wǎng)絡(luò)優(yōu)化模塊模型

單級ORC組合式冷卻系統(tǒng)由于其結(jié)構(gòu)簡單，采用BP神經(jīng)網(wǎng)絡(luò)就可以達(dá)到較好的預(yù)測精度，單級ORC組合式系統(tǒng)最佳蒸發(fā)溫度訓(xùn)練所得超參數(shù)如表2所示，結(jié)構(gòu)如圖5所示。

表2 單級ORC組合式系統(tǒng)神經(jīng)網(wǎng)絡(luò)超參數(shù)

圖5 單級ORC組合式系統(tǒng)BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

RBF神經(jīng)網(wǎng)絡(luò)的訓(xùn)練時(shí)間最短，且訓(xùn)練精度高，本文采用RBF神經(jīng)網(wǎng)絡(luò)作為雙級ORC組合式系統(tǒng)的優(yōu)化器，RBF訓(xùn)練超參如表3所示。RBF神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)圖如圖6所示。

表3 雙級ORC組合式系統(tǒng)RBF訓(xùn)練超參數(shù)

圖6 雙級ORC組合式系統(tǒng)RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

3 結(jié)果與討論

3.1 單級ORC組合式系統(tǒng)

采用Matlab平臺自帶的PID控制器調(diào)試器多次調(diào)試，最終可得單級ORC組合式冷卻系統(tǒng)蒸發(fā)器蒸發(fā)溫度PID控制器的參數(shù)，如表4所示。給定外界條件每50s階躍變化，傳遞延后時(shí)間為1s，響應(yīng)結(jié)果如圖7所示。由圖7可知，蒸發(fā)溫度的響應(yīng)基本在10s內(nèi)達(dá)到穩(wěn)定，說明單級ORC組合式系統(tǒng)采用此控制策略的PID控制器響應(yīng)特性較好。

表4 單級ORC組合式系統(tǒng)PID控制器參數(shù)

圖7 單級ORC組合式系統(tǒng)蒸發(fā)溫度響應(yīng)曲線

3.2 雙級ORC組合式系統(tǒng)

采用Matlab平臺自帶的PID控制器調(diào)試器多次調(diào)試，最終可得雙級ORC組合式冷卻系統(tǒng)高溫級蒸發(fā)器和低溫級蒸發(fā)器蒸發(fā)溫度PID控制器的參數(shù)，如表5所示。給定外界條件每30s階躍式變化，傳遞延后時(shí)間為1s，最佳高溫級蒸發(fā)溫度和低溫級蒸發(fā)溫度響應(yīng)結(jié)果如圖8所示。由圖8可知，最佳兩級蒸發(fā)溫度的響應(yīng)基本在10s內(nèi)達(dá)到穩(wěn)定，說明雙級ORC組合式系統(tǒng)采用此控制策略的PID控制器響應(yīng)特性較好。

表5 雙級ORC組合式系統(tǒng)PID控制器參數(shù)

圖8 雙級ORC組合式系統(tǒng)蒸發(fā)溫度響應(yīng)曲線

4 結(jié)論

本文在建立的模型和提出的控制策略的基礎(chǔ)上，隨機(jī)給定外界條件的波動情況并得到相應(yīng)控制策略下的響應(yīng)曲線，得到以下結(jié)論：

（1）單級ORC組合式系統(tǒng)蒸發(fā)溫度在提出的控制策略下，在10s內(nèi)達(dá)到通過神經(jīng)網(wǎng)絡(luò)模型設(shè)定的最佳蒸發(fā)溫度，可以得出結(jié)論，此種控制策略可以用于控制單級ORC組合式冷卻系統(tǒng)以凈輸出功最大時(shí)的蒸發(fā)溫度。

（2）雙級ORC組合式系統(tǒng)高溫級蒸發(fā)溫度和低溫級蒸發(fā)溫度在提出的控制策略下，在10s內(nèi)都達(dá)到通過神經(jīng)網(wǎng)絡(luò)模型設(shè)定的最佳蒸發(fā)溫度，可以得出結(jié)論，此種控制策略可以用于控制雙級ORC組合式冷卻系統(tǒng)以凈輸出功最大時(shí)的蒸發(fā)溫度。

（3）雙級ORC組合式系統(tǒng)的響應(yīng)曲線相較于單級ORC系統(tǒng)波動還是較大，是因?yàn)椴捎肕atlab自帶的PID參數(shù)調(diào)整器同時(shí)調(diào)整兩個(gè)PID控制器的參數(shù)達(dá)到最優(yōu)難度較大，后續(xù)可以考慮加入BP神經(jīng)網(wǎng)絡(luò)在線學(xué)習(xí)的方式，自動尋優(yōu)找到PID控制器較優(yōu)參數(shù)。

[1] 李賽賽,李玉蘭.工業(yè)冷卻循環(huán)水節(jié)能優(yōu)化改造[J].節(jié)能,2018,37(3):57–58.

[2] LI X, DUNIAM S, GURGENCI H, et al. Full scale experimental study of a small natural draft dry cooling tower for concentrating solar thermal power plant[J]. Applied Energy, 2017,193:15–27.

[3] IMRAN M, PILI R, USMAN M, et al. Dynamic modeling and control strategies of organic Rankine cycle systems: Methods and challenges[J]. Applied Energy, 2020,276:115537.

[4] QUOILIN S, AUMANN R, GRILL A, et al. Dynamic modeling and optimal control strategy of waste heat recovery Organic Rankine Cycles[J]. Applied Energy, 2011,88(6):2183–2190.

[5] NI J, ZHAO L, ZHANG Z, et al. Dynamic performance investigation of organic Rankine cycle driven by solar energy under cloudy condition[J]. Energy, 2018,147:122–141.

[6] WU X, XIE L, CHEN J, et al. An Optimal Control Design of Organic Ranking Cycle Under Disturbances[C]. 2018 37th Chinese Control Conference (CCC), 2018:3475–3480.

[7] HERNANDEZ A, DESIDERI A, IONESCU C, et al. Increasing the efficiency of Organic Rankine Cycle Technology by means of Multivariable Predictive Control[J]. IFAC Proceedings Volumes, 2014,47(3): 2195–2200.

[8] 陳薇,袁中原.基于神經(jīng)網(wǎng)絡(luò)預(yù)測ORC系統(tǒng)的最佳蒸發(fā)溫度[J].制冷與空調(diào),2020,34(2):262–267.

[9] QUIOLIN S. Sustainable Energy Conversion Through the Use of Organic Rankine Cycles for Waste Heat Recovery and Solar Applications[D]. university of liege, 2011.

[10] DEUTSCHES M O, ELMQVIST H, AB D, et al. Moving Boundary Models for Dynamic Simulations of Two-Phase Flows[C]. Proc of the Int Modelica Conference, 2002.

[11] 陳薇,袁中原,高波.基于LSTM神經(jīng)網(wǎng)絡(luò)預(yù)測低溫?zé)嵩磩討B(tài)特性[J].制冷與空調(diào),2020,34(6):670–675.

Study of Control Strategy Based on Optimal Temperature to Generate Maximum Net Power

Chen Wei Yuan Zhongyuan Yuan Yanping

( School of Mechanical Engineering, Southwest Jiaotong University, Chengdu, 610031 )

Evaporation temperature of ORC cooling unit has been an inevitable parameter in generating maximum net power for cascade cooling system, and make evaporation temperature run at optimal temperature could improve the recovery efficiency of low-grade waste heat. In this paper, LSTM neural networks are trained to forecast the temperature and mass flow of waste heat, respectively. Feedforward neural networks are trained to predict the optimal evaporation temperature (OET) of simple cascade ORC cooling system and two-stage ORC cascade cooling system, respectively. PID controller is used to control the evaporation temperature running at OET. The results show that both simple ORC cascade cooling system and two-stage ORC cascade system respond to OET within 10 seconds, which indicates that the proposed strategy is reasonable and it can provide reference for engineering applications.

ORC; waste heat recovery; cascade cooling; controlling strategies; PID controller

TM617

A

1671-6612（2021）02-157-05

四川省科技計(jì)劃項(xiàng)目：基于分級冷卻的工業(yè)余熱高效能量回收系統(tǒng)（2019YFG0327）百葉遮陽“二次得熱”的預(yù)測及控制研究（2019-YF05-01326-SN）

陳 薇（1996-），女，在讀碩士研究生，Email：vchen@my.swjtu.edu.cn

袁中原（1983.8-），男，博士，Email：zhongyuan.yuan@home.swjtu.edu.cn

2021-02-07