基于高通量计算的反渗透淡化三维传递MLP模型构建

全球淡水资源日趋紧张.反渗透(reverse osmosis, RO)是目前最先进的淡化技术之一,占据了50%以上淡化市场.高性能RO膜可显著提高产水效率,但其高通量的特性也导致了严重的浓差极化与膜污染等共性难题,严重制约其进一步广泛应用.因此,在传统膜组件迭代设计方法的基础上,开发更高效的优化设计方法,可加速高性能RO膜的商业化,极具研究意义.本文采用计算流体力学(computational fluid dynamics, CFD)和深度学习方法,结合超级计算,构建了多工况下基于高性能RO膜的海水淡化复杂进水通道的高维非线性传递模型:建立了RO膜组件进水通道中流体流动与盐组分传递的“多物理场全耦合高保真三维模型”;基于商业进水隔网在设计参数空间范围内进行类拉丁超立方抽样,生成726组不同工况CFD模型,并行计算规模可达2万核以上;基于数据驱动的深度学习方法,建立代理传递模型,可预测整个设计参数空间内大规模参数组合工况模型的三维局部速度、压力以及浓度分布,通过计算相对均方根误差,得到预测精度分别为93.5%、98.3%和95.1%,计算效率相比传统有限元方法提高了1~2个数量级.本文提出的高可扩展并行计算方法适用于多类型结构进水隔网的海量筛选和优化设计,为揭示RO膜组件中复杂流动与传递过程机理提供了可计算模型与数据支撑;构建的代理模型可进一步应用于工厂尺度系统设计,具有重要的研究和应用价值.