Contribution à la modélisation de l’encrassement des échangeurs de chaleur

Abstract

La conception des réacteurs nucléaires, repose sur un assemblage complexe de systèmes thermodynamiques interconnectés de façon à générer une grande quantité de chaleur, produite par le phénomène de fission de noyaux lourds du combustible nucléaire dans le cœur du réacteur. Cette chaleur alimentera un autre usage à savoir la production de vapeur pour un travail mécanique, production de l’électricité, production de radio-isotope ou production d’eau douce par dessalement ou son évacuation vers l’environnement à travers les tours de refroidissement dans le cas des réacteurs de recherches. Il est indispensable, lors de la conception des systèmes thermohydraulique des installations nucléaires tels que les échangeurs de chaleur et les assemblages combustibles de prendre en compte tous les phénomènes possibles pouvant affecter le transfert de chaleur, en considérant tous les régimes de fonctionnement. L'objectif principal de cette étude est d’apporter notre contribution à la modélisation de l’encrassement des échangeurs de chaleur. Une contribution préliminaire consiste à la modélisation qui traite d’une façon détaillée la méthodologie d’optimisation du modèle neuronal et un modèle de machine à vecteur de support pour la prédiction de la résistance à l’encrassement dans un échangeur à contre-courant. Les deux modèles basés sur le phénomène d’encrassement ont été comparés et sélectionné le meilleure modèle entre eux. Les résultats obtenus ont montré que le modèle neuronale (RNA) donne un bon accord entre les valeurs estimées et expérimental es, avec un coefficient de régression R dépassant 99.999 %. Dans la deuxième contribution, nous avons abordé la modélisation par la technique neuronale basée sur un réseau de neurones artificiels direct et inverse de l’optimisation du modèle RNA pour prédire la résistance à l’encrassement dans l’échangeur-condenseur qui a été développée et appliquée en utilisant une base de données expérimentale d’un échangeur de chaleur-condenseur d’une centrale nucléaire. Cette méthodologie est basée sur la sélection des paramètres adimensionnelle de l’entrée et de sortie, la sélection de la structure du RNA, l’algorithme d’apprentissage, la technique de normalisation et l’architecture du réseau. Cela nous a permis d’atteindre un modèle neuronal e direct et inverse optimal. Après une comparaison de ce modèle avec des résultats à d'autres recherches dans le même contexte, nous pouvons dire que notre modèle donne de meilleures performances en terme d'erreurs et de coefficient de corrélation avec un MAPE de 0.1295 %, un RMSE de3.6588× 10-07et une précision des sorties allant de 99.998 %. L’objectif de la troisième contribution, est le développement d’un modèle de RNA-MLP valable pour la prédiction de la résistance à l’encrassement dans l'échangeur de chaleur aux nano-fluides (MgO-eau et CuO-eau) à partir de données expérimentales de l’échangeur de chaleur en fonction du temps, de la concentration volumétrique, du flux thermique, du débit massique et de la Température d'entrée du fluide. La détermination de l'effet de chacun des paramètres d'entrée sur l a résistance à l'encrassement, en particulier l'effet des différentes concentrations de particules, d'une part. Et d'autre part, c'est l a plus haute précision du modèle RNA-MLP développé par rapport aux corrélations proposées pour la prédiction de la résistance à l'encrassement. Les résultats obtenus sont très satisfaisants et très précis avec un coefficient de détermination de 99,77% et une MSE de 6.2119× 10-04.