受热通道内超临界R134a流动阻力特性试验研究

以超临界R134a流体为工质,测试其在内径2 mm圆管内,流体压强p=4.3~4.9 MPa,质量流速G=550~1650 kg/(m^(2)·s),热流密度q=25~75 kW/m^(2)(电加热模拟热源)工况条件下的流动阻力。根据摩擦压降曲线特征,将其划分为类液相区、类两相区和类气相区3个区域。分析压强、质量流速和热流密度等工况参数对3个区域内的摩擦压降和摩擦因子的影响规律。在类两相区,摩擦因子曲线存在一个明显的峰值特性。将试验数据与已有的摩擦因子关联式进行对比,并进行定量评价。结果显示,已有关联式的预测误差普遍偏大,尤其是在类两相区域。为此,提出一个同时包含密度、黏度和平均普朗特数修正的超临界流体摩擦因子关联式,与试验数据对比显示,97%预测数据均处于±20%的误差范围内。

微小通道内过冷流动沸腾阻力特性实验及预测研究

实验探究了微小圆管内(内径1 mm)过冷水流动沸腾的阻力特性,参数范围:热通量4.0~5.6 MW/m^(2),压力3.0~5.0 MPa,质量流速2000~4200 kg/(m^(2)‧s),进口热力学干度-0.50~-0.10。获取了质量流速、压力、热通量等参数对过冷沸腾阻力的影响,并重点关注其预测方法。将测试数据与典型阻力关联式对比,结果表明,由于高热流、微通道等特殊因素,导致大部分阻力关联式的预测精度不够理想。为更准确预测高热流过冷沸腾阻力,基于LeakyReLU函数,建立了遗传算法优化的极限学习机模型(GA-ELM),其预测精度优于传统关联式(平均绝对误差为2.0%),且泛化性良好。研究工作可为微小尺度流动换热系统设计优化提供支撑。

基于GA-BP神经网络的超临界CO_(2)传热特性预测研究

超临界二氧化碳(S-CO_(2))动力循环在能源利用领域中拥有广阔的应用前景,其中超临界CO_(2)的传热特性对其能量转换效率至关重要。开展了超临界CO_(2)在水平小圆管内对流传热实验研究,并通过建立遗传算法优化的BP神经网络模型(GA-BP),对其在不同工况下的传热特性进行预测分析。实验参数范围:系统压力7.5-9.5 MPa,质量流速1100-2100 kg/(m^(2)‧s),热通量120-560 kW/m^(2)。实验结果表明,超临界CO_(2)传热系数随流体温度的升高先增大后减小,在拟临界温度附近达到最大值。GA-BP神经网络模型能有效地预测超临界CO_(2)的传热系数,预测数据的决定系数R2为0.99662,超过95%的数据误差位于±10%范围内,平均误差为3.55%,为超临界流体传热预测提供新的思路。

基于机器学习的螺旋流动过冷沸腾CHF预测研究

过冷沸腾广泛应用于以国际热核聚变实验堆(ITER)为代表的高热流冷却场合。本文聚焦高热流、螺旋流动条件下水的过冷沸腾临界热流密度(CHF)的预测方法,建立了该类工况下的过冷沸腾CHF实验数据库。选用了4种典型机器学习模型:反向传播(BP)神经网络、遗传算法(GA)-BP神经网络、径向基函数(RBF)神经网络和极限学习机(ELM);利用传统的经验关联式和新兴的机器学习方法对螺旋流动过冷沸腾CHF进行预测研究。经与实验数据库对比,结果表明,相关机器学习模型能够有效预测螺旋流动过冷沸腾CHF,其预测性能相较于传统的经验关联式有大幅提升,其中ELM模型预测效果最优,平均绝对误差和均方根误差分别为2.79%和4.22%。研究成果为高热流螺旋流动过冷沸腾CHF的准确预测提供了新途径。

高热流条件下过冷沸腾CHF试验及神经网络预测研究

本文试验研究了10~15 MW/m^(2)高热流条件下过冷水流动沸腾的临界热流密度(CHF),并聚焦其预测方法。分析了热力学干度、质量流速和压力等参数对过冷沸腾CHF的影响。结果表明,随着热力学干度的增加,CHF近似线性降低。CHF随着质量流速增加而增加,但当靠近饱和点时,增加趋势逐渐减弱。在本文试验数据的基础上,搜集了文献中公开的实验数据,构建了高热流过冷沸腾CHF数据集(共709组),采用经验关联式和神经网络模型两种方法进行了预测,并定量评估了7个经验关联式和3个神经网络模型(BP,GA-BP和MEA-BP)的预测性能。结果显示,神经网络算法的预测性能相较于传统关联式有显著提升,其中,MEA-BP神经网络的预测效果最优,其平均绝对误差为15.61%,均方根误差为21.56%。

高热流条件过冷沸腾传热系数试验研究及神经网络预测

过冷沸腾在高热流换热场合应用广泛,如国际热核聚变实验堆(ITER)中的偏滤器,即是依靠过冷水沸腾来冷却10 MW·m^(−2)级的极高热流。基于此背景,本文试验研究了高热流条件下竖直通道内水的过冷沸腾流动传热特性,测试范围:热流密度7.5∼12.5 MW·m^(−2),流速6∼10 m·s^(−1),压力3∼5 MPa。分析了压力、流速、热流密度、过冷度等参数对过冷沸腾传热系数的影响。结果表明,在充分发展过冷沸腾区,传热系数随着压力和热流的增大、过冷度的减小而升高。将试验数据与已有传统的传热关联式进行对比,由于关联式适用范围有限,预测效果普遍不理想。为更准确预测过冷沸腾传热系数,建立了GA-BP神经网络模型,结果显示,该模型预测误差位于±5%范围内,预测性能相较于传统关联式有大幅度提升。

并联受热通道内超临界CO2流量偏差特性及其抑制方法实验研究

在超临界CO2布雷顿循环系统中,由于超临界流体特殊的热物性,并联受热管路中易发生流量分配不均现象,从而易产生热偏差和热应力,严重威胁着换热设备的安全稳定运行。针对并联受热通道内超临界CO2流量分配不均现象开展实验研究,探究流量分配不均的产生机理、影响规律及其抑制方法。采用两根加热长度280 mm,内径2 mm的不锈钢圆管组成并联通道,采用电加热方式分别控制两个并联支路的加热热流。实验参数范围:压力p=7.5-9.2 MPa,热流密度q=0-100 kW/m^2,总进口质量流量m=100-185 g/min,进口温度T=20℃。结果表明,热偏差是流量分配不均的主要因素,且热偏差程度越大,则流动分配不均现象越显著;提高压力及增大进口质量流量,流量偏差程度减弱;采用进口节流装置是一种抑制超临界CO2流量偏差的有效措施,节流程度越大,则流量偏差抑制效果越明显。研究成果为超临界CO2布雷顿循环流动换热系统的设计及优化提供理论基础与技术支撑。