큰 온도 차가 있는 흡수 열교환기의 매개변수 최적화

큰 온도 차가 있는 흡수 열교환기는 다른 열교환기(판 열교환기 포함)보다 더 높은 열 전달 우수성을 가지고 있어 장거리 난방에 더 적합합니다. 시스템 성능을 개선하기 위해 매개변수 협업 최적화(정확한 예측 모델 구축 포함)가 효과적인 방법이 되었습니다. 이 연구에서는 열교환 스테이션을 사례로 선택하고, 장단기 기억(LSTM) 신경망 모델을 사용하여 주요 복귀수와 보조 복귀수의 온도를 예측했습니다. 이에 따라 모델 기반의 적합 결과의 신뢰성을 SVM 모델, 랜덤 포레스트(RF) 모델 및 극한 그래디언트 부스팅(XGBoost) 모델의 예측 결과와 대비 분석을 통해 확인했습니다. 또한, 입자 군집 최적화 알고리즘을 사용하여 주요 공급수의 유량을 최적화했습니다. 결과는 주요 측 복귀수의 온도가 29.6 °C에서 28.2 °C로 감소하고, 보조 측 복귀수의 온도가 39.8 °C에서 38.6 °C로 감소하며, 주요 측 공급수의 유량이 39 t/h에서 35.2 t/h로 감소한다는 것을 보여주었습니다. 민감도 평가에서는 보조 측 유량이 보조 측 공급수 온도에 대해 주요 측 공급수 온도보다 약 7배 더 민감하며, 구체적으로 온도가 낮을수록 민감도가 높아졌습니다. 요약하자면, 제안된 예측 모델의 정확성이 검증되었고, 큰 온도 차가 있는 흡수 열교환 스테이션의 설계 및 계획에 대한 방향성이 제시되었습니다.