環保在線APP
環保在線手機站
環保在線小程序
微信公眾號
回放
回放
回放
品牌
其他品牌
離心泵，廣泛應用于各種不同領域的流體設備之一。無論是污水處理、凈水系統還是區域能源、供暖系統都是離心泵的“攻略地”。緊隨社會的發展，離心泵的應用面正在不斷擴張，市場規模也在不斷加大，轉型升級成了行業發展的主旋律。
當前，整個社會都在朝著數字化的方向“轉型升級”，誰也不想“屈居人后”，離心泵也就逐步開啟了產業數字化的攻堅之路。而目前，“雙碳”戰略目標也已高懸，節能減排路線也已強勢并進行業發展。數智化+節能減排“雙目標”已率先提出，離心泵設備如何跟進？
吳登昊（點擊上圖回顧）
現下，離心泵設備升級所面臨的問題主要集中在：①總體能耗高(離心泵運行能耗占全球用電量的15%)；②依托智能傳感技術的離心泵傳感器成本高、故障率高、安裝不便；③無傳感的智能控制方法精度不高、預測誤差較大。
吳登昊指出，積極開展無傳感智能控制技術的研究有望通過離心泵運行工礦與系統所需工礦的自動匹配，降低能耗、實現節能減排；通過基于功率與轉速的數字模型，實現無傳感控控制；通過引入雙神經網絡控制模型，提升控制精度。
以變頻離心泵為研究對象，在離心泵無傳感預測模型方面，吳登昊研究團隊從損失較大的變頻器、繞組、電磁及風摩出發，確定了離心泵機組損失模型，并引入雙神經網絡算法，進一步建立了離心泵性能預測模型，奠定了后期工作基礎。
而后，團隊借助離心泵閉式試驗臺開展預測模型的驗證，不同的測試樣本及頻率下，結果均具有較好的一致性。 綜合來看，BRBP神經網絡預測模型表現如下↓
以集中供熱系統為研究對象，吳登昊還分享了離心泵的智能控制模型，通過不斷的實踐，模型優化后能夠達到智能控制效果，顯著降低了離心泵系統的能耗。該模型經過實際應用后與常規控制方法對比發現，其能耗節約水平大致在14%左右，溫度偏差降低近20%。
基于以上研究，吳登昊還總結了三點內容：
一是，目前針對無傳感運行狀態的預測及算法的方面，模型還未能在存有磨損老化的狀態下進行及時更新，如何根據機組實時運行狀態做到模型的動態更新值得進一步研究；
二是，基于多樣化的離心泵應用，提出一種普適性的控制策略值得深入思考；
三是，智能化是傳統機電設備未來的不變趨勢，在數字化進程中，數據的互聯互通是基礎，未來如何加快數據的互聯互通也將是離心泵更加智能化的重要破題點。
