基于机器学习的泵全流量特性预测及管道水击研究

作     者：AKOTO EMMANUEL 

作者单位：兰州理工大学 

学位级别：硕士

导师姓名：余建平

授予年度：2023年

学科分类：080704[工学-流体机械及工程] 08[工学] 0807[工学-动力工程及工程热物理] 

主      题：KYPIPE 瞬变流 机器学习 预测模型 全流量特性曲线 

摘      要：在长距离输水系统或水电站中,流动状态的改变可能诱发水击事故,轻则引起管道破裂、重则导致财产损失及人员伤亡。由于水击的巨大危害,输水系统中的水击预测及预防一直是水力学的研究重点。通过精确的数学模型和可靠的边界条件来模拟管道系统工作状态并预测水击发生是水击研究的核心内容。经过近百年的研究,诱发水击产生的物理机理越来越清晰,越来越多的数学模型不断被提出用于水击预测。但是鉴于水击问题的复杂性,人们对于水击数学模型以及与之配套的边界条件——如泵、阀的动态建模还存在不足,这导致现有的数学模型对于水击过程预测的精度还不够高。在各类水击事故中,由于泵或水轮机工况变化造成的水击事故占有很大比例。本文以水泵的全流量特性为切入点开展泵阀管道系统的水击分析研究,主要进行了如下研究工作:(1)整理分析了现有水击模型的计算方法,选择了目前最为广泛使用的波特性法(WMC)用于水击计算,通过与实验测试装置对比,发现WMC的计算结果对于第一水击压力的计算是准确可靠的。(2)泵的工况变化是诱发管道系统水击的重要因素,水击理论计算需要用到泵的全流量特性曲线(CPCs),针对通过实验很难获得泵的全流量特性曲线的问题,本文提出了一种通过机器学习法将将泵正常工作曲线外推至全流量特性曲线的方法。研究表明,机器学习模型能够有效地通过正常工作区数据预测全流量特性曲线。在对离心泵的三种形式:径流泵、混流泵以及轴向泵的性能预测实验中,最大均方根误差(RMSE)值为0.032。(3)针对特定的工程实际问题,采用波动特性法(WCM)对泵-阀系统在参数变化的条件下,对可能出现的水击现象进行了分析。讨论了阀门在快速、线性和慢开慢关条件以及泵的CPCs性能曲线变化等工况下管道的瞬态动力学特性。瞬态分析的结果表明,使用不同的CPCs以及流量系数和关闭时间组合得到的结果之间存在着显著差异。研究表明,选择合适的CPCs和阀门关阀方案对精确瞬态预测具有重要性。