Моделирование водно-химических процессов в оборотных системах охлаждения

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

В статье рассматривается моделирование водно-химических процессов в оборотных системах охлаждения с использованием нейронной сети, обученной на основе большого массива параметров, с целью прогнозирования эффективности ингибиторов осадкообразования в промышленных условиях. В качестве входных параметров для модели нейронной сети использованы рН, жесткость, щелочность, индекс насыщения Ланжелье, коэффициент концентрирования солей, тип (полимер, фосфонат) и концентрации ингибиторов осадкообразования. Выходным параметром модели является транспорт кальция — показатель, характеризующий изменение концентрации ионов кальция в жидкой фазе. Полученные результаты демонстрируют высокий уровень корреляции между экспериментальными данными и результатами, рассчитанными с использованием обученной нейронной сети. Проведенные контрольные эксперименты подтверждают высокую эффективность прогнозируемой нейронной сетью композиции полимерного и фосфонатного ингибиторов осадкообразования.

Полный текст

Доступ закрыт

Об авторах

Артем Дмитриевич Воробьёв

Институт общей и неорганической химии НАН Беларуси

Email: layeuskaya@gmail.com
ORCID iD: 0009-0009-0243-5933

к.т.н.

Белоруссия, 220072, Республика Беларусь, г. Минск, ул. Сурганова, д. 9/1

Александр Викторович Бильдюкевич

Институт физико-органической химии НАН Беларуси

Email: layeuskaya@gmail.com
ORCID iD: 0000-0003-3662-9970

д.х.н., проф., академик

Белоруссия, 220072, Республика Беларусь, г. Минск, ул. Сурганова, д. 13

Елена Викторовна Воробьева

Институт общей и неорганической химии НАН Беларуси

Email: layeuskaya@gmail.com
ORCID iD: 0000-0003-0609-4151

д.х.н., проф.

Белоруссия, 220072, Республика Беларусь, г. Минск, ул. Сурганова, д. 9/1

Елена Васильевна Лаевская

Институт общей и неорганической химии НАН Беларуси

Автор, ответственный за переписку.
Email: layeuskaya@gmail.com
ORCID iD: 0000-0002-9008-269X

к.т.н.

Белоруссия, 220072, Республика Беларусь, г. Минск, ул. Сурганова, д. 9/1

Анастасия Руслановна Черникова

Институт общей и неорганической химии НАН Беларуси

Email: layeuskaya@gmail.com
ORCID iD: 0009-0003-6833-1914
Белоруссия, 220072, Республика Беларусь, г. Минск, ул. Сурганова, д. 9/1

Список литературы

  1. Piana S., Gale J. D. Understanding the barriers to crystal growth: Dynamical simulation of the dissolution and growth of urea from aqueous solution // J. Am. Chem. Soc. 2005. V. 127. N 6. P. 1975‒1982. https://doi.org/10.1021/ja043395l
  2. Liu Q., Xu G.-R., Das R. Inorganic scaling in reverse osmosis (RO) desalination: Mechanisms, monitoring, and inhibition strategies // Desalination. 2019. V. 468. ID 114069. https://doi.org/10.1016/j.desal.2019.07.005
  3. Reddy M. M., Hoch A. R. Calcite сrystal growth rate inhibition by polycarboxylic acids // J. Colloid Interface Sci. 2001. V. 235. N 2. P. 365‒370. https://doi.org/10.1006/jcis.2000.7378
  4. Chaussemier M., Pourmohtasham E., Gelus D., Pécoul N., Perrot H., Lédion J., Cheap-Charpentier H., Horner O. State of art of natural inhibitors of calcium carbonate scaling. A review article // Desalination. 2015. V. 356. P. 47‒55. https://doi.org/10.1016/j.desal.2014.10.014
  5. Chauhan K., Kumar R., Kumar M., Sharma P., Chauhan G. S. Modified pectin-based polymers as green antiscalants for calcium sulfate scale inhibition // Desalination. 2012. V. 305. P. 31‒37. https://doi.org/10.1016/j.desal.2012.07.042
  6. Jensen M. K., Kelland M. A. A new class of hyper-branched polymeric scale inhibitor // J. Pet. Sci. Eng. 2012. V. 94‒95. P. 66‒72. https://doi.org/10.1016/j.petrol.2012.06.025
  7. Cao K., Huang J., Zhou Y., Liu G., Wang H., Yao Q., Liu Y., Sun W., Wu W. A multicarboxyl antiscalant for calcium phosphate and calcium carbonate deposits in cooling water systems // Desalin. Water Treat. 2014. V. 52. N 3739. P. 7258–7264. https://doi.org/10.1080/19443994.2013.825882
  8. Nowack B. Environmental chemistry of phosphonates // Water Research. 2003. V. 37. N 11. P. 2533‒2546. https://doi.org/10.1016/S0043-1354(03)00079-4
  9. Chu C. H., Widjaja D. Neural network system for forecasting method selection // Decision Support Systems. 1994. V. 12. N 1. P. 13‒24. https://doi.org/10.1016/0167-9236(94)90071-X
  10. Adya M., Collopy F. How effective are neural networks at forecasting and prediction? A review and evaluation // J. Forecasting. 1998. V. 17. N 5‒6. P. 481‒495 https://doi.org/10.1002/(SICI)1099-131X(1998090)17:5/6<481::AID-FOR709>3.0.CO;2-Q
  11. Воронов В. Н., Петрова Т. И. Водно-химические режимы ТЭС и АЭС. М.: Изд-во МЭИ, 2009. С. 227‒229.
  12. Козловский В. В., Ларин А. Б. Методика исследования состояния водного режима системы оборотного охлаждения на ТЭС // Вестн. Иванов. гос. энерг. ун-та. 2019. № 3. С. 14‒21. https://doi.org/10.17588/2072-2672.2019.3.014-021
  13. Бакластов А. М., Горбенко В. А., Удыма П. Г. Проектирование, монтаж и эксплуатация тепломассообменных установок: Учеб. пособие для вузов. М.: Энергоиздат, 1981. С. 11‒23.
  14. Воробьёв А. Д., Дормешкин О. Б. Ингибирование процесса кристаллизации карбоната кальция смесью органических фосфатов и карбоновых кислот // Изв. НАН Беларуси. Cер. хим. наук. 2014. № 2. С. 91‒97.
  15. Turner J. C. Modelling control of crystal growth processes // Computers and Mathematics with Applications. 2004. V. 48. N 7‒8. P. 1231‒1243.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
2. Рис. 1. Схематическое изображение модели нейросети.

Скачать (362KB)
3. Рис. 2. Схема лабораторной установки, моделирующей гидродинамический режим оборотных систем охлаждения. 1, 2 — циркуляционный насос; 3 — дифференциальный манометр; 4 — металлический капилляр; 5 — термостат; 6 — теплообменное устройство.

Скачать (63KB)
4. Рис. 3. Корреляция экспериментальных (предоставленные предприятиями) и расчетных (полученные с использованием нейросети) показателей транспорта кальция.

Скачать (89KB)
5. Рис. 4. Зависимость расчетного показателя транспорта кальция от концентрации ингибитора осадкообразования: полиакриловой кислоты с молекулярной массой 5.0 × 103 (а) и натриевой соли фосфонбутантрикарбоновой кислоты (б). Модельная система с жесткостью (ммоль-экв·л–1): 7.3 (1), 6.3 (2), 7.9 (3), 8.1 (4), 9.8 (5).

Скачать (203KB)
6. Рис. 5. Корреляция экспериментальных (полученных на модельной установке) и расчетных (полученных с использованием нейросети) показателей транспорта кальция.

Скачать (93KB)
7. Рис. 6. Влияние полиаспартамовой кислоты [концентрация 5.0 (1), 12.0 мг·л–1 (2)], полиакриловой кислоты (концентрация 12.0 мг·л–1) с молекулярной массой 2.0·103 (3), 5.0·103 (4). 8.0·103 (5), полиметакриловой кислоты (концентрация 12.0 мг·л–1) (6), сополимера малеиновой и акриловой кислот (концентрация 12.0 мг·л–1) (7), сополимера натрий-метакрилсульфоната с акрилатом натрия (концентрация 12.0 мг·л–1) (8), натриевой соли аминотриметиленфосфоновой (9) и натриевой соли фосфонбутантрикарбоновой (10) кислот, композиции полиаспартамовой и полиакриловой кислот (1:1) (11), полиаспартамовой и натриевой соли фосфонбутантрикарбоновой кислот (1:1) (12) на транспорт кальция.

Скачать (234KB)

© Российская академия наук, 2024

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».