Regression-Based Prediction of Phosphate Concentration in Drum Water Systems under Ammonia–Phosphate Treatment in Power Plants

Technische Samenvatting: Regressiegebaseerde Voorspelling van Fosfaatconcentratie in Trommelwatersystemen

Probleemstelling
In moderne stoomgenererende elektriciteitscentrales is het handhaven van een nauwkeurige chemie van het ketelwater cruciaal voor het voorkomen van corrosie, kalkvorming en operationele inefficiënties. Specifiek, onder ammoniak–fosfaatbehandelingsregimes, is nauwkeurige monitoring van de fosfaatconcentratie essentieel om problemen zoals fosfaatverstopping (hideout), depositie en meesleuren (carryover) te voorkomen. Hoewel conventionele natte chemische methoden (bijv. de molybdaatmethode volgens ASTM D515) nauwkeurige metingen bieden, zijn ze tijdrovend en ongeschikt voor continue, real-time online monitoring. Bestaande indirecte meetmethoden vertrouwen vaak op multi-parameter modellen of vereisen stroomspecifieke kalibraties, wat de complexiteit kan verhogen en de robuustheid kan verminderen wanneer de operationele omstandigheden fluctueren. Er is een praktische behoefte aan een vereenvoudigd, robuust voorspellingsmodel dat in staat is om de fosfaatconcentratie direct te schatten uit gemakkelijk meetbare parameters zonder uitgebreide herkalibratie.

Methodologie
De studie maakte gebruik van een dataset van 433 operationele watermonsters verzameld uit hoogdruk (HP) en laagdruk (LP) trommelwatersystemen van de Ferdowsi Combined Cycle Power Plant in Iran. De centrale werkt onder ammoniak–fosfaatbehandelingsomstandigheden.

• Gegevensverzameling: Monsters werden verzameld in 500 mL containers tijdens standaarddiensten bij 25°C.
• Metingen: Elektrische geleidbaarheid (SC) werd online gemeten met behulp van Hamilton H100 en Swan AMI analysatoren. Fosfaatconcentraties werden bepaald via de molybdaatmethode (ASTM D515). De ammoniakconcentratie werd aanvankelijk gemeten (ASTM D1426), maar werd uitgesloten van het definitieve model vanwege de zwakke correlatie met fosfaatniveaus vergeleken met geleidbaarheid.
• Modelontwikkeling: Een verkennende analyse identificeerde de natuurlijke logaritme van de specifieke geleidbaarheid, $\ln(SC)$, als de sterkste voorspeller. Een enkelvoudig variabele lineaire regressiemodel werd ontwikkeld met behulp van Microsoft Excel en de kleinste-kwadratenmethode.
• Evaluatie: De prestaties van het model werden beoordeeld aan de hand van de determinatiecoëfficiënt ($R^2$), de wortel van de gemiddelde kwadratische fout (RMSE) en de gemiddelde absolute fout (MAE).

Belangrijkste Bijdragen
De primaire bijdrage van dit werk is de ontwikkeling van een vereenvoudigd, enkelvoudig variabele regressiemodel dat de fosfaatconcentratie uitsluitend voorspelt op basis van de natuurlijke logaritme van de specifieke geleidbaarheid. De resulterende vergelijking is:
$$PO_4 = 5,6\ln(SC) - 12,3$$
Waarbij $PO_4$ de fosfaatconcentratie in ppm is en $SC$ de specifieke geleidbaarheid in $\mu S/cm$.

In tegen tegenover de traditionele empirische methoden die mogelijk complexe multi-parameter inputs of frequente stroomspecifieke aanpassingen vereisen, toont deze aanpak aan dat een enkele, continu beschikbare parameter (geleidbaarheid) effectief de fosfaatniveaus kan schatten. Het gebruik van de logaritmische transformatie van de geleidbaarheid bleek de lineariteit te verbeteren en de invloed van extreme observaties te verminderen in vergelijking met directe geleidendheidsfitting.

Resultaten
Het model vertoonde een sterke voorspellende nauwkeurigheid over de 433 monsters:

• Determinatiecoëfficiënt ($R^2$): 0,89, wat aangeeft dat een aanzienlijk deel van de variabiliteit in de fosfaatconcentratie wordt verklaard door de geleidingsmetingen.
• Wortel van de gemiddelde kwadratische fout (RMSE): 0,76 ppm.
• Gemiddelde absolute fout (MAE): 0,55 ppm.

De resultaten bevestigen een sterke relatie tussen de fosfaatconcentratie en $\ln(SC)$, wat de hypothese valideert dat fosfaatspecies significant bijdragen aan de ionsterkte van boilerwater onder ammoniak–fosfaatbehandelingsomstandigheden.

Betekenis en Claims
De auteurs positioneren dit model als een praktisch operationeel hulpmiddel in plaats van een universele correlatie. De betekenis ligt in het bieden van een betrouwbare methode voor real-time monitoring en controle van de chemie van het boilerwater, wat ondersteuning biedt bij het voorkomen van corrosie en kalkvorming. Door de afhankelijkheid van tijdrovende laboratoriumanalyses te verminderen, faciliteert het model een efficiëntere surveillance en controle van de cycluschemie en de vroege detectie van afwijkingen van de doelconcentraties.

De paper behoudt echter een bescheiden reikwijdte met betrekking tot de toepasbaarheid. De auteurs stellen expliciet dat de dataset afkomstig is van één enkele elektriciteitscentrale onder specifieke behandelingscondities. Daarom waarschuwen zij dat herkalibratie noodzakelijk kan zijn voordat het model wordt toegepast op systemen met andere chemische waterkarakteristieken of variërende natrium-naar-fosfaatratio's. De studie concludeert dat hoewel het model een robuuste strategie is voor continu waterkwaliteitsbeheer in soortgelijke industriële boilersystemen, toekomstig werk de dataset naar meerdere elektriciteitscentrales moet uitbreiden om de algemene toepasbaarheid verder te verbeteren.