Введение. Кожухотрубчатые теплообменники широко применяются на установках подготовки и переработки нефти, а также в системах теплоснабжения, где их надежная работа во многом определяется интенсивностью термического загрязнения поверхности труб. В связи с этим актуальной задачей является своевременное определение момента, когда теплообменному оборудованию требуется техническое обслуживание, поскольку накопление отложений приводит к снижению эффективности теплопередачи и росту эксплуатационных затрат. Анализ литературных источников показывает, что проблема прогнозирования загрязнения теплообменных аппаратов достаточно активно исследуется. Однако существующие подходы, ориентированные на учет режимных параметров и физико-химических свойств теплоносителей, не всегда применимы к специфическим условиям нефтепереработки, где состав сырья, режимы эксплуатации и характер отложений существенно отличаются от типовых промышленных процессов. Таким образом, сохраняется пробел в научных знаниях, связанный с недостаточной разработанностью моделей, позволяющих надежно описывать изменение термического сопротивления загрязнений и коэффициента теплопередачи именно для кожухотрубчатых теплообменников нефтеперерабатывающих установок. Целью настоящего исследования является определение зависимости коэффициентов термического сопротивления загрязнений и теплопередачи от режимных параметров — в частности, от выходных температур теплоносителей и плотности нефти. Для достижения поставленной цели предполагается применение методов машинного обучения, позволяющих построить более адекватные прогностические модели и тем самым повысить обоснованность решений по техническому обслуживанию теплообменного оборудования.

Материалы и методы. В качестве объекта исследования рассмотрен кожухотрубчатый теплообменник установки переработки нефти малой мощности, в котором циркуляционное орошение дизельного топлива (210–235 °С) выступает горячим теплоносителем в межтрубном пространстве, а нефть — холодным теплоносителем в трубном пучке. Для расчета определялись площади сечений трубного и межтрубного пространств, линейные скорости потоков, критерии Рейнольдса, Прандтля и Нуссельта, а также коэффициенты теплоотдачи со стороны горячего и холодного теплоносителей. Коэффициент теплопередачи рассчитывался с учетом термического сопротивления стенки и загрязнений, теплообмен — по уравнениям теплового баланса и теплопередачи. Для оценки термического сопротивления загрязнений и коэффициента теплопередачи использовались методы машинного обучения и символьной регрессии, в том числе PySR, SISSO, FROLS и CatBoostRegressor, на основе данных о плотности нефти и температуре теплоносителей. Поверочный расчет теплообменника выполнен методом последовательных приближений с решением системы нелинейных уравнений в Matlab.

Результаты исследования. Поверочный расчёт кожухотрубчатого теплообменника для нефти трёх месторождений показал, что при росте термического сопротивления загрязнений от 0 до 0,002 (м²·°С)/Вт коэффициент теплопередачи снижается примерно с 93–95 до 81–83 Вт/(м²·°С). Установлено, что изменение выходных температур теплоносителей служит информационной основой для идентификации загрязнений. Методами символьной регрессии SISSO и PySR получены аналитические зависимости термического сопротивления от плотности нефти и выходных температур с RMSE 1,25⋅10⁻⁸ и 2,34⋅10⁻⁸ (м²·°С)/Вт соответственно. Для прогнозирования динамики теплопередачи построены NARX-модели на базе FROLS и CatBoostRegressor, валидированные на промышленных данных. Ошибка постпрогноза для алгоритма CatBoostRegressor RMSE = 0,03573 Вт/(м²∙°С), для алгоритма FROLS RMSE = 0,01296 Вт/(м²∙°С).

Обсуждение. Снижение коэффициента теплопередачи на 13 % при росте термического сопротивления загрязнений до 0,002 (м²·°С)/Вт согласуется с теоретическими моделями и экспериментальными данными других исследователей. Применение методов SISSO и PySR обеспечило существенно более высокую точность по сравнению с нейросетевыми подходами при малых обучающих выборках. Алгоритм FROLS превзошёл CatBoostRegressor по точности постпрогноза динамики коэффициента теплопередачи, что объясняется компактностью полиномиальной модели и гладким характером исследуемого процесса. Установленный порог снижения коэффициента теплопередачи на 25 % соответствует отраслевым нормам и обеспечивает переход к обслуживанию оборудования по фактическому состоянию.

Заключение. Разработана методика определения термического сопротивления загрязнений теплообменника по выходной температуре теплоносителей и плотности нефти. Методами символьной регрессии SISSO и PySR получены аналитические зависимости с RMSE 1,25⋅10⁻⁸ (м²·°С)/Вт и 2,34⋅10⁻⁸ (м²·°С)/Вт. Построены NARX-модели прогнозирования коэффициента теплопередачи (RMSE 0,01296 и 0,03573 Вт/(м²·°С), валидированные на промышленных данных. Снижение коэффициента теплопередачи на 25,2 % принято критерием необходимости очистки аппарата, что обеспечивает переход к обслуживанию по фактическому состоянию и повышение энергоэффективности нефтепереработки.