一种高温微负压条件下持续动态清理积碳装置及方法与流程

本发明属于热裂解，具体涉及一种高温微负压条件下持续动态清理积碳装置及方法。

背景技术：

1、热裂解(又称热解、裂解或生物质热解)，通常是指在无氧或低氧环境下，生物质被加热到一定温度后，物料分子会发生分解的过程，被称为热裂解。一般情况下物料被分解后产生焦炭、可冷凝液体和气体产物等资源，热裂解是生物质能的一种重要利用形式。废轮胎热解过程中，轮胎原料在无氧或少氧的密闭条件下，被加热到较高反应温度，当温度达到轮胎的裂解温度之后，便会引发大分子的分解，产生了小分子气体及一定量的焦炭产物。

2、现有技术中，在设备进行热裂解时，会产生较多的积碳，如果无法及时将积碳清理，这样就会导致裂解气体通道被堵塞，使得裂解效率大大降低，同时，积碳堆积无法处理。

技术实现思路

1、本发明的目的在于提供一种高温微负压条件下持续动态清理积碳装置及方法，旨在解决现有技术中的设备进行热裂解时，会产生较多的积碳，如果无法及时将积碳清理，这样就会导致裂解气体通道被堵塞，使得裂解效率大大降低，同时，积碳堆积无法处理的问题。

2、为实现上述目的，本发明提供如下技术方案：

3、一种高温微负压条件下持续动态清理积碳装置，包括：

4、清理筒体；

5、设备主机接口，设置于所述清理筒体的底部一侧；

6、冷凝塔接口，设置于所述清理筒体的顶部一侧；以及

7、过滤机构，设置于所述清理筒体内用于对热裂解油气进行过滤，所述过滤机构包括：

8、转轴，转动连接于所述清理筒体内，且所述转轴的两端分别活动贯穿所述清理筒体的两侧端并向外延伸；

9、旋转过滤器主体，固定设置于所述转轴的圆周表面并位于所述清理筒体内；

10、滤孔，其设有多个，均开设于所述旋转过滤器主体上；

11、清理部件，用于对所述清理齿的内壁进行积碳清理。

12、作为本发明一种优选的方案，所述清理部件包括：

13、十字套板，其设有两个，分别位于所述旋转过滤器主体的两侧并均固定于所述转轴的圆周表面上；

14、转杆，其设有多个，分别位于多个所述滤孔内，多个所述转杆均转动连接于两个所述十字套板相靠近的端部之间，且多个所述转杆的一端均活动贯穿其中一个所述十字套板的一侧端并向外延伸；

15、清理齿，其设有多个，分别位于多个所述滤孔内并固定于多个所述转杆上；

16、齿轮，其设有多个，分别固定于多个所述转杆的延伸端；

17、环形齿条固定于所述清理筒体的圆周内壁上并与多个所述齿轮均啮合。

18、作为本发明一种优选的方案，所述转轴的一侧延伸端表面固定有大工字轮，所述清理筒体的一侧设置有电机，所述电机的输出端固定有小工字轮，所述大工字轮和所述小工字轮的圆周表面之间传动连接有皮带。

19、作为本发明一种优选的方案，所述电机的底部固定有支撑板，所述支撑板的底部四角处均固定有支脚。

20、作为本发明一种优选的方案，所述清理筒体的顶部设置有安全卸压阀接口。

21、作为本发明一种优选的方案，所述清理筒体上还设置有检修门，所述检修门的一侧端固定有把手。

22、作为本发明一种优选的方案，所述设备主机接口上还设置有真空表接和温度计接口。

23、作为本发明一种优选的方案，所述清理筒体的底部另一侧还设置有冷凝油罐接口，所述冷凝油罐接口与所述冷凝塔接口对齐分布。

24、作为本发明一种优选的方案，多个所述清理齿的一端分别与多个所述滤孔的内壁贴合。

25、作为本发明一种优选的方案，所述转轴为水冷芯轴。

26、本发明的一种高温微负压条件下持续动态清理积碳装置的方法，其特征在于，包括以下步骤：

27、步骤1，实时监测清理筒体(1)内的积碳水平，并通过传感器收集数据，使用递归神经网络算法来预测最佳的积碳清理时机；

28、1.1、数据采集：收集清理筒体内积碳水平的历史数据，积碳水平的历史数据可以是清理筒体内的积碳水平测量值；以及与积碳水平相关的工作条件数据，包括热裂解油气的流速、温度，通过传感器来获取，并在实时监测中进行更新；上述数据作为模型训练的输入；在每个时间步长t，模型的输出是对下一个时间步长t+1的积碳水平的预测，这个输出表示了模型根据当前的输入数据所估计的积碳水平；

29、1.2、收集到的数据进行预处理，包括去噪、平滑和归一化；

30、1.3、建立递归神经网络模型rnn来监测积碳水平并预测清理时机，用于处理积碳水平随时间变化的情况；

31、1.4、模型训练：使用历史数据对rnn模型进行训练，训练的目标是最小化清理时机预测误差，以使模型能够准确地预测最佳的清理时机；递归关系来表示rnn模型：

32、ht＝f(ht-1，xt)

33、其中ht是时间步长t的隐藏状态，表示积碳水平，xt是时间步长t的输入数据，包括工作条件和积碳水平，f是rnn的状态转移函数；

34、使用一个全连接层来表示状态转移函数f，如下所示：

35、ht＝σ(wh·ht-1+wx·xt+b)

36、其中wh和wx是权重矩阵，b是偏差，σ是激活函数；

37、模型的训练目标是最小化清理时机预测误差，可以使用均方误差来定义损失函数：

38、

39、其中t是时间序列的长度，ht是模型在时间步长t的预测积碳水平，是实际观测到的积碳水平；

40、通过解这个最小化问题训练rnn模型以准确地预测清理时机；

41、1.5、将实时测得的积碳水平和工作条件数据输入到训练好的rnn模型中，计算出清理时机的预测值，该预测值表示了根据当前的数据，最佳的积碳清理时机。

42、步骤2，通过分析传感器数据、热裂解油气的流速和温度参数，采用清理部件根据实际积碳水平来确定清理筒体内的清理频率；

43、2.1、收集与积碳清理装置相关的传感器数据和积碳水平指标的实际数据，并进行数据清洗、缺失值处理和异常值处理；

44、2.2、对传感器数据进行特征提取和构建，得到特征矩阵x，假设有n个传感器数据特征，m个样本数据，那么特征矩阵x的维度为m×n；

45、2.3、将积碳水平指标的实际数据作为标签向量y，维度为m×1；假设传感器数据和积碳水平指标之间存在线性关系，可以用线性模型进行建模，假设清理频率与传感器数据之间的关系为：

46、y＝β0+β1x1+β2x2+...+βnxn+ε

47、其中，y是清理频率，x1，x2，...，xn是传感器数据特征，β0，β1，β2，...，βn是线性回归模型的系数，ε是误差项；

48、2.4、通过最小二乘法对模型的系数进行估计和训练，最小二乘法的目标是最小化误差平方和，即最小化损失函数：

49、l(β)＝∑(yi-(β0+β1xi1+β2xi2+...+βnxin))^2；

50、其中，xi1，xi2，...，xin：表示第i个样本的输入特征值；

51、通过求解损失函数的偏导数，可以得到最小二乘估计的闭式解：

52、β＝(x^t x)^-1 x^t y

53、其中，β是模型的系数向量，x^t：表示x的转置矩阵，(x^t x)^-1：表示x^t x的逆矩阵，其中x^t x称为协方差矩阵；

54、2.5、使用训练好的模型进行预测，得到清理频率的预测值。

55、与现有技术相比，本发明的有益效果是：

56、1、本发明中，通过设有的有动力源旋转式过滤器，能够有效地对油气过滤，其中通过设置的旋转过滤器主体上多个平行可透气的滤孔，使得油气过滤时，能够更好地流通，过滤效果更佳。

57、2、本发明中，通过设有的清理机构，能够有效地对滤孔内壁进行清理，使得滤孔内壁不易残留积碳，不会将滤孔进行堵塞，从而使得过滤效率不被影响，能够始终处于高效过滤状态。

58、3、本发明中，通过设有的转轴为水冷芯轴，防止轴部温度过高，热量传导至轴承位置后降低轴承的使用寿命。

59、4、本发明中，通过设有的真空表接和温度计接口，分别用于连接现场真空表和远传温度表，能够用于现场的巡检提供现场数据以及实现dcs系统对该装置进行温度测量的位置。

60、5、本发明中，通过设有的安全卸压阀接口，其用于安装安全卸压阀，当系统内部压力异常，用于紧急泄放，与热裂解系统的紧急泄放系统相联接。

61、6、本发明的智能方法能够定期清理筒体内的积碳可以防止积碳层过厚，提高有动力源旋转式过滤器的动力，同时给出最佳的清理时机可以减少浪费和消耗；定期清理筒体内的积碳可以减少对清理机构、过滤机构的损害，延长使用寿命。