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

Abstract

Contribution à la modélisation de l’encrassement des échangeurs de chaleur 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 noy aux lourds du combustible nucléai re dans le coeur du réacteur. Cette chal eur alimentera un autre usage à savoir la production de vapeur pour un travail mécanique, production de l’électricité, production de radio-isotope ou produc tion d’ eau douce par dessalement ou son év acuation vers l’environnement à trav ers les tours de refroidissement dans le cas des réac teurs de recherches. Il est indispensable, lors de la conception des systèmes thermo hydraulique 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 pri ncipal de cette étude est d’ apporter notre contribution à la modélisation de l’encrassement des échangeurs de chal eur. Une contribution préliminaire consiste à la modélisation qui traite d’une façon détaillée la méthodologi e d’optimisation du modèle neuronal et un modèle de mac hine à vecteur de support pour la prédiction de la résistanc e 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 expérimentales, 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’enc rassement dans l’échangeur-condenseur qui a été développée et appliquée en utilisant une base de données expérimentale d’ un échangeur de chaleur -condens eur 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 neuronale 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 RN A-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’éc hangeur de c haleur en fonc tion 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 la résistance à l'encrassement, en particulier l'effet des différentes concentrations de particules, d'une part. Et d'autre part, c'est la plus haute précision du modèle RNA-MLP développé par rapport aux corrélations proposées pour la prédiction de la résistance à l'encrassement. Les résul tats obtenus sont très satisfaisants et très précis avec un coefficient de détermination de 99,77% et une MSE de 6.2119× 10-04.