一种换热器性能预测方法及系统与流程

本发明涉及数据处理，具体涉及一种换热器性能预测方法及系统。

背景技术：

1、能源效率是现代工业和生活中关注的重要问题之一。换热器作为能源传递和转换的关键组件，其性能优化对于减少能源浪费和减少碳排放具有重要意义。许多工业过程，如化工、制冷、电力等，都需要使用换热器来控制温度和能量传递，换热器性能的预测和优化对于提高工业过程的效率和生产率至关重要。实验测试是一种直接测量换热器性能的方法，它包括使用传感器和测量设备来监测温度、流速、压力等参数，以评估换热器的实际性能。但是在使用传感器来采集各项数据时，会因为传感器自身的原因如发热等导致获得的数据存在噪声，因此需要对获得的数据进行去噪处理。

2、在现有技术中，卡尔曼滤波是一种常用于对数据进行去噪和状态估计的优化技术，特别适用于动态系统的监测和控制，它可以有效地处理包含噪声的测量数据，并提供对系统状态的估计。但是卡尔曼滤波算法对初始状态估计的敏感性较高，如果初始估计不准确，可能会导致滤波器无法稳定或者收敛到错误的解。

技术实现思路

1、为解决上述问题，本发明提供一种换热器性能预测方法及系统。

2、本发明的一种换热器性能预测方法及系统采用如下技术方案：

3、本发明一个实施例提供了一种换热器性能预测方法，该方法包括以下步骤：

4、采集换热器的温度数据，所述温度数据包括进水口温度数据和出水口温度数据；

5、根据温度数据得到温度数据的多个imf分量信号，根据任意一种温度数据的任意一个imf分量信号的幅值差异和波动，得到任意一种温度数据的任意一个imf分量信号作为参考信号时的可能程度，根据任意一种温度数据的任意一个imf分量信号作为参考信号时的可能程度，得到参考信号；

6、根据参考信号、任意一种温度数据的每一个imf分量信号的幅值差异及imf分量信号作为参考信号时的可能程度，得到任意一种温度数据的噪声影响程度；

7、根据任意一种温度数据中数据点的幅值得到任意一种温度数据中数据点作为分段点时的可能程度，根据任意一种温度数据中数据点作为分段点时的可能程度，得到任意一种温度数据的若干数据区间，根据任意一种温度数据的若干数据区间和温度数据的噪声影响程度，得到任意一种温度数据的初始状态估计值；

8、根据任意一种温度数据的初始状态估计值对换热器进行评估。

9、进一步地，所述根据温度数据得到温度数据的多个imf分量信号，包括的具体步骤如下：

10、将进水口温度数据利用emd算法进行分解，得到进水口温度数据的多个imf分量信号，将出水口温度数据利用emd算法进行分解，得到出水口温度数据的多个imf分量信号。

11、进一步地，所述根据任意一种温度数据的任意一个imf分量信号的幅值差异和波动，得到任意一种温度数据的任意一个imf分量信号作为参考信号时的可能程度，包括的具体步骤如下：

12、

13、式中，表示第种温度数据的第个imf分量信号作为参考信号时的可能程度，表示第种温度数据的第个imf分量信号中所有数据点幅值的方差，表示第种温度数据的第个imf分量信号中第个数据点的幅值，表示第种温度数据的第个imf分量信号中第个数据点的幅值，表示第种温度数据的第个imf分量信号中第个数据点的横坐标值，表示第种温度数据的第个imf分量信号中第个数据点的横坐标值，表示第种温度数据的第个imf分量信号中数据点的总数量，表示求绝对值，表示以自然常数为底的指数函数。

14、进一步地，所述根据任意一种温度数据的任意一个imf分量信号作为参考信号时的可能程度，得到参考信号，包括的具体步骤如下：

15、获取进水口温度数据和出水口温度数据的每一个imf分量信号作为参考信号时的可能程度，将可能程度的最大值对应的imf分量信号作为参考信号。

16、进一步地，所述根据参考信号、任意一种温度数据的每一个imf分量信号的幅值差异及imf分量信号作为参考信号时的可能程度，得到任意一种温度数据的噪声影响程度，包括的具体步骤如下：

17、

18、式中，表示第种温度数据的噪声影响程度，表示第种温度数据的第个imf分量信号中第个数据点的幅值，表示参考信号中第个数据点的幅值，表示参考信号所对应的imf分量信号作为参考信号时的可能程度，表示第种温度数据的第个imf分量信号作为参考信号时的可能程度，表示第种温度数据的分量信号的数量，表示分量信号中数据点的总个数，表示第种温度数据与参考信号之间的皮尔逊相关性系数，表示求绝对值。

19、进一步地，所述根据任意一种温度数据中数据点的幅值得到任意一种温度数据中数据点作为分段点时的可能程度，包括的具体步骤如下：

20、

21、式中，表示第种温度数据中第个数据点作为分段点时的可能程度，表示第种温度数据中第个数据点的幅值，表示第种温度数据的平均幅值，的具体获取方法如下：以第种温度数据中第个数据点为中心，邻域半径为r的范围内所有数据点构成的序列记为邻域序列，将邻域序列中第t个数据点的幅值，记为，r为预设第一数值，表示邻域序列中数据点的总个数，表示求绝对值，表示以自然常数为底的指数函数。

22、进一步地，所述根据任意一种温度数据中数据点作为分段点时的可能程度，得到任意一种温度数据的若干数据区间，包括的具体步骤如下：

23、预设第一阈值，记为th1，若，表示第种温度数据中第个数据点作为分段点时的可能程度，将第a种温度数据中第i个数据点作为分段点，获取第a种温度数据中所有分段点，根据分段点和第a种温度数据得到第a种温度数据的若干数据区间。

24、进一步地，所述根据任意一种温度数据的若干数据区间和温度数据的噪声影响程度，得到任意一种温度数据的初始状态估计值，包括的具体步骤如下：

25、

26、式中，表示第种温度数据的初始状态估计值，表示第种温度数据的噪声影响程度，表示第种温度数据的第个数据区间中所有数据点幅值的方差，表示第个数据区间的索引，表示第a种温度数据的数据区间的总个数。

27、进一步地，所述根据任意一种温度数据的初始状态估计值对换热器进行评估，包括的具体步骤如下：

28、根据进水口温度数据的初始状态估计值利用卡尔曼滤波算法对进水口温度数据进行去噪处理，得到去噪之后的进水口温度数据，记为st1，获取去噪之后的出水口温度数据，记为st2，将作为换热器的性能评价参数，为st1中所有数据点的数值均值，为st2中所有数据点的数值均值，的值越大，换热器的冷却效果越好。

29、本发明还提出了一种换热器性能预测系统，包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序，以实现前述所述方法的步骤。

30、本发明的技术方案的有益效果是：在对换热器的性能进行评价时，因为采集获得的温度数据受到噪声的影响，因此本发明通过卡尔曼滤波算法来对温度数据进行去噪，而卡尔曼滤波算法对初始状态估计的敏感性较高，因此本发明通过分析监测数据的变化来获得初始状态估计值，进而在通过卡尔曼滤波算法来进行数据去噪时，能够准确的根据数据的变化程度来对数据进行自适应去噪，使得对监测数据的去噪效果更好，进而在对换热器的性能进行评价时更加的准确。

31、在根据监测数据来获得初始状态估计值时，本发明首先分析了进水口与出水口之间的影响关系，进而通过emd算法对温度数据进行分解，通过分解后的分量信号的变化来获得参考信号，然后以参考信号为基准，获得原始信号的噪声影响程度；因为初始状态估计值更加依赖初始数据的变化，因此本发明根据数据的变化对原始温度数据进行区间的划分，进而根据不同区间数据的变化来获得初始状态估计值；获得的初始状态估计值能够反映温度监测数据的准确变化情况，那么在对温度数据进行去噪时就更加准确，消除了噪声的影响。