海上风力机前端风电场瞬态重构研究

针对海上风电单机位风速测点有限的关键问题,提出一种基于少数风速测点的海上风力机前端风电场瞬态扩展方法。基于本征正交分解(POD)将先验风电场数据分解为时间系数与空间模态特征信息,通过循环神经网络(RNN)建立有限风速测点到全局风电场的非线性映射关系,实时构建海上瞬态风电场。结果表明基于POD-RNN的重构模型可通过有限风速测点准确重构海上风力机前端风电场,全局风电场瞬态重构均方根误差(RMSE)可控制在1.8136 m/s内。

基于源项展开法的瞬态多群精细功率重构研究

研究了压水堆瞬态多群精细功率重构的计算方法,从瞬态固定源方程出发,将瞬态固定源项表示成双二次勒让德多项式的形式,通过全堆的迭代求解实现精细功率重构。将该方法应用于堆芯物理程序SPARK中,并采用TWIGL瞬态基准题验证瞬态多群精细功率重构的准确性。数值结果表明,本文提出的压水堆瞬态多群精细功率重构方法具有很高的计算精度。

煤炭超临界水制氢反应器多相流降阶建模及快速校正预测的研究

煤炭超临界水制氢技术将超临界水用作煤气化反应媒介,具有环境友好、煤炭转化效率高等优势。本文建立了煤炭超临界水制氢反应器二维瞬态数值模型,采用动力学模态分解(Dynamic Mode Decomposition,DMD)方法对各组分流场数据进行低维空间动力学降阶分析,针对传统DMD方法流场预测时的误差累积问题,提出基于最近邻和线性回归校正策略的DMD单步预测方法。结果表明:利用DMD方法可以较准确地提取制氢反应器内多相流各物理量的主导模态及其时变特征;与传统的DMD预测方法相比,基于修正策略的DMD单步预测方法在训练集上的重构精度相仿,但对未来时刻流场演变的预测精度可提高1~2个数量级;与基于最近邻校正策略的DMD单步预测相比,线性回归校正策略的预测精度更高,但重构精度略低,计算复杂度相对更高;另外,增加DMD截断阶数与训练数据量有利于提升模型重构与预测精度。