2. 华北电力大学核热工安全与标准化研究所,北京 102206;
3. 上海电气燃气轮机有限公司,上海 200240
2. Institute of Nuclear Thermal-hydraulic Safety and Standardization, North China Electric Power University, Beijing 102206, China;
3. Shanghai Electric Gas Turbine Co., Ltd., Shanghai 200240, China
随着我国“碳达峰、碳中和”绿色低碳战略的推进,以光伏、风电为代表的新能源产业迎来了跨越式发展,清洁能源电力装机规模快速提升[1]。核能以其显著的绿色低碳属性,可以替代煤炭、天然气等化石能源发电。其中自然循环在不依靠其他外在驱动力的前提下,利用工质自身密度差作为驱动源将热量导出发热设备,已在我国自主三代核电机组中得到了广泛应用,是核电站严重事故后堆芯冷却的重要方式。在事故工况及自然循环工况下压水堆回路介质的流速较低,会出现流动不稳定问题,易导致系统发生传热恶化,危及设备的安全运行。临界热流密度(Critical Heat Flux Density,CHF)决定了反应堆运行工况的最高界限,掌握其发生特征,能够为预测设备安全运行的影响因素提供理论和实验基础。目前对于CHF的判断多以理论计算和实验观察为主[2-6],小波分析在核工程领域已有应用[7],包括核电站实时监测、功率谱信号和总流量信号分析等。早期已有学者从理论上提出应用小波分析检测CHF[8],但将小波分析应用到自然循环条件下的CHF研究还相对较少,也缺乏实际工程应用的相关报道,是一种比较新颖的检测及CHF数据处理方法。本文应用小波函数对自然循环窄通道内的CHF实验温升数据进行分析,并提出相关建议。
1 试验概况 1.1 试验装置介绍自然循环试验回路和竖直向上的试验段结构分别见图 1和图 2。自然循环试验回路主要包括试验段、预热器、稳压器和冷凝器等设备。试验台架高约3.3 m,宽约2 m。加热通道是横截面为40 mm×5 mm(宽×高)、总长度为1000 mm的窄矩形通道。此外,在加热板竖直侧面等距离插入12根总功率为30 kW的加热管,在出口距离通道内壁0.5 cm处插入高温热电偶。除正面视窗外,试验段其余各面均包覆超细玻璃棉进行保温,热效率为60%。
|
| 图 1 自然循环试验回路 Figure 1 Experimental loop of natural circulation |
|
| 图 2 试验段结构 Figure 2 Structure of test section |
本次试验在常压下进行,采用去离子水作为工质。首先向试验回路注入去离子水,开启回路上部的安全阀以排除难溶气体;接着调节预热段功率,使试验段进口工质的过冷度稳定在预定值;然后以0.25 kW/min的速率逐渐增大试验段功率,并启动数据采集软件进行数据记录。通过设置温度自动保护,当壁面温度或升温速率达到设定值时,自动断开功率保护,以保证试验设备安全。此时保存相关数据,并记录发生CHF时的热流密度。
2 试验可视化观察与分析CHF发生的判断依据是加热面壁温发生突升。通过试验观察发现,当通道内出现流动停滞以及壁温突升时,几乎同时伴随着试验段出口附近加热面的干涸现象,如图 3所示。
|
| 图 3 自然循环壁面可视化拍摄图片 Figure 3 Visual photographs of wall in natural circulation |
由图 3可以看出,随着时间的推移,同一位置壁面的干涸区域面积逐渐增大,在干涸现象发生的同时,还伴随着间歇性的流动停滞。当t=20 ms时,干涸区域几乎覆盖整个壁面。由于壁温突升是在加热面得不到良好冷却的条件下发生,因此壁面干涸通常稍早于壁温突升,这可以作为判断CHF是否发生的一个依据。在试验过程中,要提前设置加热金属保护温度,当壁温突升并超过保护温度时,回路自动断开功率保护;同时观察试验段内的流动情况,当干涸区域完全覆盖出口附近加热面时,认为干涸型CHF发生。
3 小波分析应用小波分析是近年来新发展起来的一门数学理论方法,在信号处理、特征分析、资料压缩等众多领域得到了广泛应用[8-9]。通过对信号进行函数变换,小波分析能够在时频域发现信号数据局部特征。当发生CHF时,壁面传热特性发生变化,壁温突升,热工水力特性曲线在CHF附近发生转折,温度等热工参数曲线的梯度也发生变化,从数学角度看,CHF发生点具备一定的奇异性。传统的信号处理方法——傅里叶变换在信号奇异点检测方面存在局限性。而小波变换在时域和频域具有良好的局部化特性,在检测信号发展规律的同时,能够对信号中间断点的各种奇异性质进行跟踪,因此可应用于自然循环CHF发生点的分析。
3.1 小波基的选取同传统的傅里叶变换相比,小波变换几乎可以描绘信号的所有特征,但在实际应用中,由于小波基是不规则的,不具有唯一性,不同类型的小波基波形差异较大,其支撑长度和规则性也不相同,因此小波基的选择对信号分析的准确性有很大影响。结合自然循环流动的实际特征和要求,选择小波基的基本原则具体如下[10]。
(1)自然循环流动数据量大,与强迫循环相比波动更为强烈,应采用具有直接小波变换(DWT)的小波基进行处理。
(2)若小波函数在有限区间以外的区域恒为零,则该小波函数具有紧支撑性。紧支撑性好的小波,局部化能力强,可以更好地得到具有波动特性信号的局部特征。
(3)为防止信号在多尺度分解和重构中过度失真,应采用对称或近似对称的双正交小波基。
(4)消失矩反映小波基的光滑性。消失矩越高,小波越光滑,但同时也意味着紧支撑区间越大,不利于局部化分析。
不同类型小波基的特征如表 1所示[11]。其中Haar小波基对自然循环流动沸腾中的奇异点定位非常精确,因此选取其对自然循环CHF壁面温度信号进行奇异点检测。表达式见式(1)。
|
(1) |
| 表 1 不同类型小波基的特征 Table 1 Characteristics of different types of wavelet functions |
图 4为试验段出口附近采集的壁面初始温度信号变化情况。在0~600 s内,温度呈迅速上升态势,此后上升幅度减小,这是由于自然循环流动的形成可以对壁面进行连续冷却。当t=4300 s时,温度再次快速增长。
|
| 图 4 初始温度信号变化情况 Figure 4 Initial temperature signal |
利用Haar小波对自然循环试验中得到的初始温度信号进行分解,分解包含了3层高频部分和1层低频部分。分解形式见式(2)。
|
(2) |
式中:s—原始信号;
a3—低频部分的重构信号;
d1、d2、d3—高频部分的3层重构信号。
图 5为温度信号的小波边缘检测结果。从图 5可以看出,利用小波变换检测温度信号奇异点的结果非常明显。当时间接近500 s时,重构信号的振幅达到峰值,对应自然循环的形成时刻。在高频部分的各层重构信号中,均可以准确地判别出CHF的发生时刻约在4300 s,这与图 4中的温度分布区间是一致的。
|
| 图 5 基于Haar小波基的温度信号边缘检测 Figure 5 Edge detection of temperature signal based on Haar wavelet function |
对自然循环条件下窄通道内的CHF进行了可视化观察,在长度为1000 mm的全尺寸可视化窄通道加热段中观察到干涸型CHF的发生,且CHF的发生伴随着流动停滞的现象。引入小波分析理论对CHF的发生进行了边缘检测,发现Haar小波基具有良好的检测信号不连续奇异点的特征。通过对温度信号的分解及重构,可以准确判别出自然循环CHF的发生位置和时刻。建议进一步深入研究自然循环工况下流动停滞对于干涸型CHF的影响规律和热力学机理;此外,由于无法沿整个通道流动方向布置足够多的热电偶,后期可考虑采用滑移式热电偶,或应用可覆盖一定面积区域的红外测量等技术,实现对加热面空间位置上的连续测温,以更好地满足实际工程应用需要。
| [1] |
赵剑波, 王蕾. "十四五"构建以新能源为主体的新型电力系统[J].
中国能源, 2021, 43(5): 17-21 ZHAO Jianbo, WANG Lei. Research on the new power system during the 14th five-year plan[J]. Energy of China, 2021, 43(5): 17-21 ( 0)
|
| [2] |
陆道纲, 靳愚, 王汉, 等. 自然循环流量对倾斜向下弧形加热表面CHF值影响的实验研究[J].
核科学与工程, 2021, 41(2): 386-394 LU Daogang, JIN Yu, WANG Han, et al. Experimental study on the effect of natural circulation flow on the CHF value of inclined downward curved heating surface[J]. Nuclear Science and Engineering, 2021, 41(2): 386-394 DOI:10.3969/j.issn.0258-0918.2021.02.026 ( 0)
|
| [3] |
王亚成. 并联小通道流动沸腾干涸特性研究[D]. 吉林: 东北电力大学, 2020.
( 0)
|
| [4] |
蒋波涛, 黄新波. 基于高斯过程回归的临界热流密度预测[J].
核动力工程, 2019, 40(5): 46-50 JIANG Botao, HUANG Xinbo. Prediction of critical heat flux based on gaussian process regression[J]. Nu-clear Power Engineering, 2019, 40(5): 46-50 ( 0)
|
| [5] |
马栋梁, 周涛, 黄彦平. 基于机器学习的超临界水传热恶化判定研究[J].
核动力工程, 2021, 42(4): 91-95 MA Dongliang, ZHOU Tao, HUANG Yanping. Research on judgment of supercritical water heat transfer deterioration based on machine learning[J]. Nuclear Power Engineering, 2021, 42(4): 91-95 ( 0)
|
| [6] |
马浩, 马有福, 吕俊复. 垂直上升管内盐水流动沸腾传热恶化数值研究[J].
锅炉技术, 2021, 52(4): 1-7 MA Hao, MA Youfu, LYU Junfu. Numerical simulation research on heat transfer crisis of upward flow boiling in a vertical tube with salty water[J]. Boiler Technology, 2021, 52(4): 1-7 DOI:10.3969/j.issn.1672-4763.2021.04.001 ( 0)
|
| [7] |
尚智, 贾斗南, 杨瑞昌. 信号奇异性的边缘检测小波对CHF和最小膜态沸腾起始点的检测[J].
化工学报, 2003, 54(6): 749-753 SHANG Zhi, JIA Dounan, YANG Ruichang. Detection of CHF and start point of minimum film boiling with wavelet for boundary detection of signal singularity[J]. CIESC Journal, 2003, 54(6): 749-753 DOI:10.3321/j.issn:0438-1157.2003.06.006 ( 0)
|
| [8] |
张曼, 王明泉, 杨顺民, 等. 基于小波分析的锂电池空耦超声信号降噪研究[J].
测试技术学报, 2020, 34(4): 304-310 ZHANG Man, WANG Mingquan, YANG Shunmin, et al. Research on noise reduction of air-coupled ultrasonic signal of lithium battery based on wavelet analysis[J]. Journal of Test and Measurement Technology, 2020, 34(4): 304-310 ( 0)
|
| [9] |
豆震泽. 基于小波分析的模拟电路故障诊断探讨[J].
中国新通信, 2020, 22(14): 157-158 DOU Zhenze. Discussion on analog circuit fault diagnosis based on wavelet analysis[J]. China New Telecom-munications, 2020, 22(14): 157-158 ( 0)
|
| [10] |
高迎东, 王宏力, 由四海, 等. 基于小波基函数选取与改进阈值函数的脉冲星信号去噪算法研究[J].
电光与控制, 2020, 27(4): 15-19 GAO Yingdong, WANG Hongli, YOU Sihai, et al. A pulsar signal denoising algorithm based on wavelet basis function selection and improved threshold function[J]. Electronics Optics & Control, 2020, 27(4): 15-19 ( 0)
|
| [11] |
杨福生.
小波变换的工程分析与应用[M]. 北京: 科学出版社, 2000.
( 0)
|
2022, Vol. 401


0)