Die Vorhersage des Betriebszustands des industriellen Kühlsystems mit umlaufendem Wasser ist eine wichtige Garantie für den ordnungsgemäßen Betrieb der industriellen Ausrüstung. Zu diesem Zweck wird eine Methode zur Vorhersage des Betriebszustands des industriellen Kühlsystems mit umlaufendem Wasser auf der Basis eines tiefen faltenden neuronalen Netzes vorgeschlagen. Diese Methode basiert auf den Eigenschaften der Wasserqualität des industriellen Kühlsystems und verwendet Echtzeitdaten pH, Alkalinität, Härte, Chloridionen, die von Online-Instrumenten des industriellen Kühlwassers erfasst wurden. Es wurde eine Struktur des tiefen faltenden neuronalen Netzes mit einer Dropout-Schicht in jeder Schicht des Netzes entworfen, um das Überanpassen des neuronalen Netzes zu vermeiden. Die Wirksamkeit dieser Methode wurde anhand von realen Wassermessdaten in einem Kraftwerk überprüft, und die Ergebnisse zeigten, dass die Genauigkeit dieser Methode bis zu 94% erreichen kann und eine gute Verallgemeinerungsfähigkeit aufweist, die besser ist als andere aktuelle Methoden.

industrielles Kühlsystem mit umlaufendem Wasser; Eigenschaften der Wasserqualität; künstliche Intelligenz; tiefes faltendes neuronales Netz