基于可解释机器学习的固体填充床储热装置快速设计研究

为了解决填充床储热装置性能计算耗时、设计方法匮乏、难以满足多种储热场景需求的问题,提出了一种具有一定通用性、能够快速给出准确设计结果的固体填充床储热装置设计方法。首先,建立了固体填充床储热装置储热效能数据集,基于此训练了可准确预测装置储热效能的人工神经网络模型;其次,采用SHapley Additive exPlanation方法对人工神经网络模型的预测进行解释,量化了材料物性、装置结构尺寸以及运行参数对装置储热效能的影响;最后,建立了固体填充床储热装置储热效能关联式,基于储热效能关联式提出了适用于多种储热场景的填充床储热装置设计流程,并以西班牙Andasol 1光热电站中的储热装置为实例进行了计算分析。研究结果表明:储热效能关联式计算结果与数值模拟结果的相对偏差在10%以内,可用于填充床储热装置储热效能的快速计算和准确预测;与传统数值模拟方法相比,所提方法的计算效率提高了5个数量级,设计方案经济上可行,证明了该储热效能关联式在工程实践中的便利性和实用性。