CN113239541B - 用于相变储热器性能强化的纵向翅片结构快速优化方法 - Google Patents
用于相变储热器性能强化的纵向翅片结构快速优化方法 Download PDFInfo
- Publication number
- CN113239541B CN113239541B CN202110516426.2A CN202110516426A CN113239541B CN 113239541 B CN113239541 B CN 113239541B CN 202110516426 A CN202110516426 A CN 202110516426A CN 113239541 B CN113239541 B CN 113239541B
- Authority
- CN
- China
- Prior art keywords
- fin
- phase change
- area
- change material
- cold
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000005457 optimization Methods 0.000 title claims abstract description 42
- 230000002708 enhancing effect Effects 0.000 title claims abstract description 8
- 239000012782 phase change material Substances 0.000 claims abstract description 65
- 238000004364 calculation method Methods 0.000 claims abstract description 30
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 19
- 230000002068 genetic effect Effects 0.000 claims abstract description 8
- 238000000342 Monte Carlo simulation Methods 0.000 claims abstract description 6
- 238000013461 design Methods 0.000 claims description 8
- 230000001419 dependent effect Effects 0.000 claims description 4
- 238000005338 heat storage Methods 0.000 abstract description 15
- 238000012546 transfer Methods 0.000 abstract description 6
- 230000007547 defect Effects 0.000 abstract 1
- 239000012071 phase Substances 0.000 description 23
- 238000004146 energy storage Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 8
- 238000004088 simulation Methods 0.000 description 6
- 238000007711 solidification Methods 0.000 description 6
- 230000008023 solidification Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005728 strengthening Methods 0.000 description 3
- 241000282414 Homo sapiens Species 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000003912 environmental pollution Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000008018 melting Effects 0.000 description 2
- 238000002844 melting Methods 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 239000006260 foam Substances 0.000 description 1
- 238000009396 hybridization Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000007791 liquid phase Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 238000009462 micro packaging Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 239000002086 nanomaterial Substances 0.000 description 1
- 238000013433 optimization analysis Methods 0.000 description 1
- 239000012188 paraffin wax Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/14—Thermal energy storage
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Genetics & Genomics (AREA)
- Data Mining & Analysis (AREA)
- Physiology (AREA)
- Geometry (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Computer Hardware Design (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种用于相变储热器性能强化的纵向翅片结构快速优化方法,可对用量给定的高导翅片结构进行优化设计。本发明提出以相变材料到翅片和冷(热)源的距离最短作为传热最佳的判定依据;为了适用不同的储热器和翅片结构,提出对计算域和冷(热)源边界进行离散化处理;为了计算不同结构的翅片面积以确定翅片未知结构参数,提出通过蒙特卡洛方法对多参数的任意结构翅片进行面积计算。引入智能优化算法(例如,遗传算法),解决了包含多参数变量的翅片优化问题。该优化方法,规避了传统相变储热优化问题的非线性、长耗时缺点。具有耗时少、通用性高的特点,易于推广到不同类型的翅片结构形式,并可将其用于无相变传热过程的纵向翅片结构优化。
Description
技术领域
本发明属于固-液相变储热器性能强化技术领域,具体涉及一种用于相变储热器性能强化的纵向翅片结构快速优化方法。
背景技术
随着工业的不断发展,人类生活的不断进步,目前传统能源由于人类的粗放开采,供给形式越发严峻。同时由于传统能源的大量使用也加剧了环境污染问题。面对能源供给和环境污染问题,提高能源的有效利用率以及开发新型清洁能源成为了解决问题的有效手段。而在提高能源利用率和开发新型清洁能源中,储能技术必不可少。国内外学者发现蓄热技术作为一种高效、稳定的能量储存技术对提高热能利用率、能源供给、能源可持续发展和环境改善起着举足轻重的作用。
目前的蓄热技术主要分为三种:(1)化学储热技术;(2)显热储热技术;(3)潜热储热技术。其中,潜热储能不仅设备相对简单易于管理、储能密度大,而且在储能和释能过程中近似等温,易于与运行系统相匹配。由于拥有这些优点,潜热储能在能量储存领域有着十分广阔的应用前景。但是,由于潜热储能设备中所使用的大部分相变材料导热率较低,潜热储能设备在工作过程中存在储能和释能过程缓慢的问题。因此,需要一些强化措施来改善潜热储能设备的出放热性能。当前,国内外学者将强化传热方式主要划分为四大类:改变相变材料的导热系数如加入泡沫金属或纳米材料、相变材料进行微封装、采用组合式相变材料以及添加不同形状的翅片。与其他强化方法相比,纵向翅片具有制造简单、成本低、使用寿命长的优点。这些优点使得添加纵向翅片成为改善凝固和熔化性能的最佳解决方案之一。
翅片的加入虽然提高了储热器的储(放)热速率,但同时也降低了储热器的储热量。因此需要对翅片的结构进行优化,以实现在最小翅片用量下满足储热器所需的储(放)热速率。现有的纵向翅片结构优化方法大多采用单因素分析法,但翅片优化是一个多参数优化问题,因此传统优化方法无法对翅片的结构进行有效优化,优化效果不佳。并且传统的对于纵向翅片结构的优化多基于数值模拟方法,需要对相变储热器的相变过程进行完整的模拟,耗时较长。这种效果不佳、耗时长的优化过程严重制约了翅片强化技术在相变储热器内的应用。
发明内容
技术问题:本发明提供一种用于相变储热器性能强化的纵向翅片结构快速优化方法,能够解决上述相变储热器内纵向翅片结构优化效果不佳以及长耗时问题。
为实现上述目的,本发明采用如下技术方案:
一种用于相变储热器性能强化的纵向翅片结构快速优化方法,包括如下步骤:
(a)根据相变储热器的横截面结构及尺寸,构建计算域,并对计算域以及冷/热源边界进行离散化处理,将冷/热源边界离散为点;生成空白的第一数据库和第二数据库;
(b)选取合适坐标系,将计算域内的网格点中心坐标和离散后的冷/热源边界点坐标输出,存储在第一数据库中;
(c)根据给定的翅片用量和基本形状,设置智能优化算法的相应参数,包括种群数、设计变量、变量变化范围;其中设计变量为n-1个翅片参数,剩余1个翅片结构参数由给定的翅片无量纲面积S0计算得出,S0=翅片横截面面积/储热器横截面面积;
当翅片用量(翅片体积)给定时,由于纵向翅片的横截面积在翅片纵深方向保持不变,因此可以看成翅片的横截面面积给定,即可得出一个给定的翅片无量纲面积S0(S0=翅片横截面面积/储热器横截面面积)。若翅片包括n个结构参数,则选择其中的n-1个结构参数作为设计变量(自变量),剩余的一个结构参数(因变量)根据翅片无量纲面积计算得出。
(d)通过智能优化算法生成初始种群,种群中包含a个个体,个体中的变量即为翅片的n-1个参数;
(e)在初始种群中选取第i个个体,其中i为1;
(f)判断第i个个体中的变量是否已经存在于第二数据库中,若不存在,继续执行步骤(g);若存在则直接执行步骤(i);
(g)对纵向翅片的剩余结构参数进行求解,求解结束后,将纵向翅片完整结构参数输出到第二数据库中;
(h)计算相变材料到纵向翅片和冷/热源的最小距离dsum;
(i)判断步骤(f)中的个体数i是否小于种群中的个体总数a;若i<a,则将i加1后重复执行步骤(f)到步骤(i);若i≥a,则以第二数据库中的相变材料到纵向翅片和冷/热源边界的最小距离作为智能优化算法的目标函数,对其进行适应度值评估;若满足终止准则,则结束优化过程,并输出最佳个体变量和剩余翅片结构参数;若不满足终止准则,则产生新的一代种群,进而重复实施步骤(e)到步骤(i),直到满足终止准则。
优选的,步骤(c)中,计算剩余1个翅片结构参数的步骤包括:
首先给定一个初始假定的因变量值X0,利用蒙特卡洛方法,对翅片的无量纲面积进行计算;若通过蒙特卡洛计算得到的翅片无量纲面积Sm与给定的翅片无量纲面积S0之间的差异小于给定误差值R,则剩余的翅片结构参数为X0;若通过蒙特卡洛计算得到的翅片无量纲面积Sm与给定的翅片无量纲面积S0之间的差异大于给定误差值,则将因变量值X0乘以相应的系数C后继续通过蒙特卡洛计算翅片的无量纲面积,若Sm>S0,则0<C<1;若Sm<S0,则1<C,直至通过蒙特卡洛计算得到的翅片无量纲面积Sm与给定的翅片无量纲面积S0之间的差异小于给定误差值。
优选的,利用蒙特卡洛方法计算翅片的无量纲面积的步骤包括:
首先根据翅片的结构参数,假定一个能够将翅片包含在内的规则虚拟区域(将虚拟区域设定为规则是为了便于后续均匀落点的生成),并根据翅片的结构参数在该虚拟区域内划分出翅片区;然后在虚拟区域均匀产生k个落点;通过统计翅片区域内的落点数kf,获得一个翅片区域获得落点的概率如方程(1)所示;产生的落点数k越大,翅片区域的落点概率/>越趋近于翅片的无量纲面积Sm;当落点数k足够大时,翅片的无量纲面积Sm则约等于翅片区域的落点概率/>如方程(2)所示;
优选的,步骤(h)中,计算相变材料到翅片和冷/热源的最小距离dsum的步骤包括:
首先根据网格中心点坐标将计算域网格划分为翅片区网格和相变材料区网格;以(xPn_pcm,yPn_pcm)表示相变材料区域内第n个网格点Pn的坐标,(xQ_fin,yQ_fin)表示翅片区域任意网格点Q的坐标,(xM_wall,yM_wall)表示冷/热源边界任意离散点M的坐标;
然后选取相变材料区域网格点Pn,n的取值范围为1至m,m为相变材料区域网格数量,其中心点坐标为(xPn_pcm,yPn_pcm),通过逐一求取该网格点到翅片区域网格点Q(xQ_fin,yQ_fin)的距离,选取其中的最小距离即为相变材料网格点Pn到翅片区最小距离dPn_fin,如方程3所示;
逐一求取相变材料区域网格点Pn到任意冷/热源离散点M(xM_wall,yM_wall)的距离,选取其中的最小距离即为相变材料区域网格点Pn到冷/热源边界的最小距离dPn_wall,如方程4所示;
将该相变材料区域网格点Pn到翅片区域的最小距离与到冷/热源边界的距离相比较,选取距离最小值dmin_Pn,如方程5所示;dmin_Pn即为相变材料区域内第n个网格点Pn到冷/热源边界和翅片区域的最小距离;
dmin_Pn=min(dPn_fin,dPn_wall) (5)
通过逐一调取相变材料区域网格点,得到相变材料区域内各个网格点到冷/热源边界和翅片区域网格点的最小距离;将所有相变材料区域网格点到翅片区域网格点和冷/热源的最小距离求和,即得到相变材料到翅片和冷/热源的最小距离dsum,如方程6所示;
优选的,所述智能优化算法为遗传算法。
有益效果:与现有方法相比,本发明具有如下有益技术效果:1、基于翅片均匀布置原则,提出相变材料到翅片和冷(热)源的距离最短作为传热最佳的判定依据,规避了数值模拟迭代求解导致的长耗时问题,解决了优化过程耗时长的问题;2、通过对计算域和冷(热)源边界进行离散化处理以及利用蒙特卡洛方法对多参数翅片进行面积求解,可以将所提出的快速优化方法推广到任意结构相变储热器内任意形状的纵向翅片优化设计中;3、通过将智能优化算法(遗传算法)引入到纵向翅片结构的优化中解决了多变量(翅片结构参数)优化问题;4、采用数据库对计算结果进行存储,可以避免由于优化程序中断导致的数据重复计算问题,减少总体优化时间;5、所提出的关于纵向翅片结构的快速优化方法具有耗时少、通用性高的特点,可以推广到任意结构的翅片结构优化中,并可以推广到用于无相变传热过程的纵向翅片结构优化设计中。
附图说明
图1为本发明的一种用于相变储热器性能强化的纵向翅片结构快速优化方法流程图;
图2为本发明的快速优化方法中翅片剩余结构参数计算模块计算流程示意图;
图3为本发明的快速优化方法中相变材料到翅片和冷(热)源的最小距离计算模块计算流程示意图;
图4为本发明涉及的一种装有一级Y形纵向翅片的管壳式相变储热器物理模型示意图;
图5为本发明涉及的一种装有一级Y形纵向翅片的管壳式相变储热器内相变材料到翅片和冷源的距离计算示意图;
图6为优化后的一级Y形纵向翅片结构示意图;
图7为优化后的翅片与传统Y形翅片管壳式相变储热器内相变材料到翅片和冷源的距离对比图;
图8为优化后的翅片与传统Y形翅片管壳式相变储热器的完全凝固时间对比图;
图中标号:1、纵向翅片;2、相变材料;3、冷源(内管壁面);4、绝热边界(外管壁面)。
具体实施方式
下面针对一个固定结构的相变储热器内的固定结构的纵向翅片对本发明做进一步的详细说明,所述是对本发明的解释而不是限定。
选取一个给定翅片用量的管壳式相变储热器内一级Y形纵向翅片作为优化案例。由于纵向翅片和管壳式储热器在其轴向方向上横截面面积保持不变,因此可以将其简化成一个二维结构,如图4所示。翅片的无量纲面积(S0,S0=翅片横截面面积/储热器横截面面积)为0.1。利用本发明提供的方法对储热器内一级Y形纵向翅片进行优化,并通过数值模拟对优化后的翅片结构与传统翅片结构进行对比。优化流程如图1所示。
该模型为水平放置的管壳式相变储热器。该储热器由内管、外管、相变材料以及Y形翅片组成。忽略壁厚的影响。内管的半径(Ri)为10mm,外管的半径(Ro)为20mm。为了便于优化分析,对Y形翅片的各分支长度(l0、l1)、各分支宽度(w0、w1)以一级分支的夹角(θ)进行无量纲化处理,同时利用翅片的分支宽度比(δ)对翅片各分支的宽度关系进行表示。无量纲翅片各分支长度、厚度、一级分支的夹角以及分支宽度比(L0,L1,W0,W1,η,δ)的定义如方程(7)所示。由于自然对流在凝固过程中很弱,传热以热传导为主。因此,在数值模拟过程中忽略自然对流,选择图4中模型的1/2作为计算域(见图2中的虚线区域)。
在遗传算法中,种群数设置为20,设计变量为一级Y形翅片的4个参数(主支无量纲长度L0、分支无量纲长度L1、分支无量纲夹角η和主分支宽度比δ),变量的变化范围均为0~1。剩余因变量为分支的无量纲宽度W1。
对计算域进行离散化处理,划分为较小的网格。同时将冷源(内管)壁面进行离散化处理。通过选取管壳式的圆心作为坐标轴原点,可以获得计算域内所有网格中心点坐标以及冷源壁面离散点坐标,并将其分别输出在数据库1中。
通过遗传算法,产生初始种群,种群中的个体变量即为翅片的自变量参数。利用翅片剩余结构参数计算模块对翅片的剩余结构参数进行求解,求解过程如图2所示。求解结束后,将翅片完整结构参数输出到数据库2中;
利用相变材料到翅片和冷(热)源的最小距离计算模块计算相变材料到翅片和冷(热)源的最小距离dsum,求解过程如图3所示。首先根据数据库2中的翅片参数,在计算域内划分出翅片区域。通过判断数据库1中的网格中心点坐标,将计算域内的网格划分为翅片区网格和相变材料区网格,如图5所示。
选取相变材料区域网格点Pn(n的取值范围为1至m,m为相变材料区域网格数量),其中心点坐标为(xPn_pcm,yPn_pcm),通过逐一求取该网格点到翅片区域网格点的距离,选取其中的最小距离即为相变材料网格点Pn到翅片区最小距离dPn_fin,由方程3计算得出。然后逐一求取相变材料区域网格点Pn到冷源(内管壁面)离散点的距离,选取其中的最小距离即为相变材料区域网格点Pn到冷源(内管壁面)的最小距离dPn_wall,由方程4计算得出。将该相变材料区域网格点Pn到翅片区域的最小距离与到冷源(内管壁面)的距离相比较,选取距离最小值dmin_Pn,如方程5所示。dmin_Pn即为相变材料区域网格点Pn到内管壁面和翅片区域的最小距离。如图4中相变材料区域网格点P1。冷源(内管壁面)到P1点距离最短的离散点为P1”,其距离为dP1_wall;翅片区域到P1点距离最短的网格点为P1’网格点,其距离为dP1_fin。通过对比dP1_wall与dP1_fin,选取距离最小值。由于dP1_fin<dP1_wall,因此相变材料区域网格点P1到冷源(内管壁面)和翅片区域网格点最小距离(dmin_P1)为dP1_fin。同样的方法可以得到dmin_P2与dmin_Pn。通过逐一调取相变材料区域网格点,可以得到相变材料区域内各个网格点到冷源(内管壁面)和翅片区域网格点的最小距离。将所有相变材料区域网格点到冷源(内管壁面)和翅片区域网格点的最小距离求和,即得到相变材料到翅片和冷源(内管壁面)的距离dsum,如方程6所示。将所计算的相变材料到冷源(内管壁面)和翅片的距离输出到数据库3中。
以数据库3中的相变材料到翅片和冷源边界的距离作为目标函数。通过遗传算法对目标函数进行收敛性判断,若收敛,则结束优化过程;若不收敛,则通过一系列的杂交、变异等产生新的一代种群,进而重复实施翅片参数计算、计算域网格划分以及相变材料到翅片和冷源边界的距离计算,直到遗传算法收敛。
图6显示了优化后得到的翅片结构,优化后的翅片呈现箭头形。利用数值模拟,选取分支夹角为60°、90°、120°、150°、180°,以及主翅的无量纲长度为0、0.1、0.3的传统Y形翅片与箭头形翅片进行对比研究。模拟中选取石蜡作为相变材料,其基本物性为:密度为820kg·m-3,比热为2500J·kg-1·K-1,导热系数为0.195W·m-1·K-1,熔点为321.66K;翅片采用铜制作而成,其基本物性为:密度为8978kg·m-3,比热为381J·kg-1·K-1,导热系数为387.6W·m-1·K-1;储热器的内管保持恒温为300K,外管保持绝热状态,系统的初始温度为321.66K。图7和图8分别显示了优化后的翅片与传统Y形翅片管壳式相变储热器内相变材料到翅片和冷源的距离以及优化后的翅片与传统Y形翅片管壳式相变储热器的完全凝固时间。从图中可以看出,优化后的箭头形翅片储热器内相变材料到翅片和冷源(内管)的距离最短,同时箭头形翅片储热器的完全凝固时间最短。相比于传统Y形翅片,箭头形翅片结构可以使完全凝固时间最小缩短62.1%。以上说明了本专利提出的针对固液相变储热器内纵向翅片结构优化的快速优化算法是完全可行的。
Claims (4)
1.一种用于相变储热器性能强化的纵向翅片结构快速优化方法,其特征在于,包括如下步骤:
(a)根据相变储热器的横截面结构及尺寸,构建计算域,并对计算域以及冷/热源边界进行离散化处理,将冷/热源边界离散为点;生成空白的第一数据库和第二数据库;
(b)选取合适坐标系,将计算域内的网格点中心坐标和离散后的冷/热源边界点坐标输出,存储在第一数据库中;
(c)根据给定的翅片用量和基本形状,设置智能优化算法的相应参数,包括种群数、设计变量、变量变化范围;其中设计变量为n-1个翅片参数,剩余1个翅片结构参数由给定的翅片无量纲面积S0计算得出,S0=翅片横截面面积/储热器横截面面积;
(d)通过智能优化算法生成初始种群,种群中包含a个个体,个体中的变量即为翅片的n-1个参数;
(e)在初始种群中选取第i个个体,其中i为1;
(f)判断第i个个体中的变量是否已经存在于第二数据库中,若不存在,继续执行步骤(g);若存在则直接执行步骤(i);
(g)对纵向翅片的剩余结构参数进行求解,求解结束后,将纵向翅片完整结构参数输出到第二数据库中;
(h)计算相变材料到纵向翅片和冷/热源的最小距离dsum;
(i)判断步骤(f)中的个体数i是否小于种群中的个体总数a;若i<a,则将i加1后重复执行步骤(f)到步骤(i);若i≥a,则以第二数据库中的相变材料到纵向翅片和冷/热源边界的最小距离作为智能优化算法的目标函数,对其进行适应度值评估;若满足终止准则,则结束优化过程,并输出最佳个体变量和剩余翅片结构参数;若不满足终止准则,则产生新的一代种群,进而重复实施步骤(e)到步骤(i),直到满足终止准则;
步骤(c)中,计算剩余1个翅片结构参数的步骤包括:
首先给定一个初始假定的因变量值X0,利用蒙特卡洛方法,对翅片的无量纲面积进行计算;若通过蒙特卡洛计算得到的翅片无量纲面积Sm与给定的翅片无量纲面积S0之间的差异小于给定误差值R,则剩余的翅片结构参数为X0;若通过蒙特卡洛计算得到的翅片无量纲面积Sm与给定的翅片无量纲面积S0之间的差异大于给定误差值,则将因变量值X0乘以相应的系数C后继续通过蒙特卡洛计算翅片的无量纲面积,若Sm>S0,则0<C<1;若Sm<S0,则1<C,直至通过蒙特卡洛计算得到的翅片无量纲面积Sm与给定的翅片无量纲面积S0之间的差异小于给定误差值。
2.根据权利要求1所述的一种用于相变储热器性能强化的纵向翅片结构快速优化方法,其特征在于,利用蒙特卡洛方法计算翅片的无量纲面积的步骤包括:
首先根据翅片的结构参数,假定一个能够将翅片包含在内的规则虚拟区域,并根据翅片的结构参数在该虚拟区域内划分出翅片区;然后在虚拟区域均匀产生k个落点;通过统计翅片区域内的落点数kf,获得一个翅片区域获得落点的概率如方程(1)所示;产生的落点数k越大,翅片区域的落点概率/>越趋近于翅片的无量纲面积Sm;当落点数k足够大时,翅片的无量纲面积Sm则约等于翅片区域的落点概率/>如方程(2)所示;
3.根据权利要求1所述的一种用于相变储热器性能强化的纵向翅片结构快速优化方法,其特征在于,步骤(h)中,计算相变材料到翅片和冷/热源的最小距离dsum的步骤包括:
首先根据网格中心点坐标将计算域网格划分为翅片区网格和相变材料区网格;以(xPn_pcm,yPn_pcm)表示相变材料区域内第n个网格点Pn的坐标,(xQ_fin,yQ_fin)表示翅片区域任意网格点Q的坐标,(xM_wall,yM_wall)表示冷/热源边界任意离散点M的坐标;
然后选取相变材料区域网格点Pn,n的取值范围为1至m,m为相变材料区域网格数量,其中心点坐标为(xPn_pcm,yPn_pcm),通过逐一求取该网格点到翅片区域网格点Q(xQ_fin,yQ_fin)的距离,选取其中的最小距离即为相变材料网格点Pn到翅片区最小距离dPn_fin,如方程3所示;
逐一求取相变材料区域网格点Pn到任意冷/热源离散点M(xM_wall,yM_wall)的距离,选取其中的最小距离即为相变材料区域网格点Pn到冷/热源边界的最小距离dPn_wall,如方程4所示;
将该相变材料区域网格点Pn到翅片区域的最小距离与到冷/热源边界的距离相比较,选取距离最小值dmin_Pn,如方程5所示;dmin_Pn即为相变材料区域内第n个网格点Pn到冷/热源边界和翅片区域的最小距离;
dmin_Pn=min(dPn_fin,dPn_wall) (5)
通过逐一调取相变材料区域网格点,得到相变材料区域内各个网格点到冷/热源边界和翅片区域网格点的最小距离;将所有相变材料区域网格点到翅片区域网格点和冷/热源的最小距离求和,即得到相变材料到翅片和冷/热源的最小距离dsum,如方程6所示;
4.根据权利要求1所述的一种用于相变储热器性能强化的纵向翅片结构快速优化方法,其特征在于,所述智能优化算法为遗传算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110516426.2A CN113239541B (zh) | 2021-05-12 | 2021-05-12 | 用于相变储热器性能强化的纵向翅片结构快速优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110516426.2A CN113239541B (zh) | 2021-05-12 | 2021-05-12 | 用于相变储热器性能强化的纵向翅片结构快速优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113239541A CN113239541A (zh) | 2021-08-10 |
CN113239541B true CN113239541B (zh) | 2023-08-29 |
Family
ID=77133737
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110516426.2A Active CN113239541B (zh) | 2021-05-12 | 2021-05-12 | 用于相变储热器性能强化的纵向翅片结构快速优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113239541B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108846205A (zh) * | 2018-06-15 | 2018-11-20 | 中国矿业大学 | 一种固-液相变储热器的快速性能计算、预测方法及储热器设计方法 |
CN110750861A (zh) * | 2019-09-11 | 2020-02-04 | 东南大学 | 一种相变储热单元的结构优化方法 |
CN111709096A (zh) * | 2020-06-08 | 2020-09-25 | 西安交通大学 | 一种强化自然对流换热的异型翅片结构设计方法 |
-
2021
- 2021-05-12 CN CN202110516426.2A patent/CN113239541B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108846205A (zh) * | 2018-06-15 | 2018-11-20 | 中国矿业大学 | 一种固-液相变储热器的快速性能计算、预测方法及储热器设计方法 |
CN110750861A (zh) * | 2019-09-11 | 2020-02-04 | 东南大学 | 一种相变储热单元的结构优化方法 |
CN111709096A (zh) * | 2020-06-08 | 2020-09-25 | 西安交通大学 | 一种强化自然对流换热的异型翅片结构设计方法 |
Non-Patent Citations (1)
Title |
---|
板翅式换热器波纹翅片性能数值模拟及其优化;文键;王春龙;刘华清;李超龙;田津;王斯民;;高校化学工程学报(第02期);65-71 * |
Also Published As
Publication number | Publication date |
---|---|
CN113239541A (zh) | 2021-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tao et al. | Effects of PCM thermophysical properties on thermal storage performance of a shell-and-tube latent heat storage unit | |
Gosselin et al. | Review of utilization of genetic algorithms in heat transfer problems | |
Sharma | A particle swarm optimization algorithm for optimization of thermal performance of a smooth flat plate solar air heater | |
CN107947182B (zh) | 一种动态潮流分析方法及动态潮流分析系统 | |
CN106951642A (zh) | 一种新型的仿生型太阳能光热镜场的排布方法 | |
Bouhal et al. | Towards an energy efficiency optimization of solar horizontal storage tanks and circulation pipes integrating evacuated tube collectors through CFD parametric studies | |
CN104809334A (zh) | 大体积混凝土冷却温度场计算方法 | |
Lu et al. | Performance optimization and experimental analysis of a novel low-temperature latent heat thermal energy storage device | |
Song et al. | Thermal performance analysis and enhancement of the multi-tube latent heat storage (MTLHS) unit | |
Xi et al. | Cooling performance analysis and structural parameter optimization of X-type truss array channel based on neural networks and genetic algorithm | |
CN113239541B (zh) | 用于相变储热器性能强化的纵向翅片结构快速优化方法 | |
Sun et al. | An intelligent plate fin-and-tube heat exchanger design system through integration of CFD, NSGA-II, ANN and TOPSIS | |
Guo et al. | Studying the advantages of equal curvature curved fin to enhance phase change heat storage | |
CN110750861B (zh) | 一种相变储热单元的结构优化方法 | |
He et al. | Design and experimental investigation of topology-optimized fin structures for enhanced heat transfer in latent heat thermal energy storage units | |
Wang et al. | Heat transfer performance enhancement and mechanism analysis of thermal energy storage unit designed by using a modified transient topology optimization model | |
CN116776773B (zh) | 一种平直翅片管式换热器管型优化系统及方法 | |
Wang et al. | Performance improvement evaluation of latent heat energy storage units using improved bi-objective topology optimization method | |
Kong et al. | Investigation of optimization methods for metal foam with two-dimensional porosity gradient in shell-and-tube latent heat storage | |
CN104318008A (zh) | 一种基于松弛约束遗传单纯形算法的冷凝器优化设计方法 | |
Wang et al. | Multi-objective optimization of heat charging performance of phase change materials in tree-shaped perforated fin heat exchangers | |
Jiang et al. | Optimization of micro-channel heat sink with trapezoidal cavities and solid/slotted oval pins based on genetic algorithm and Back propagation neural network | |
CN114757125A (zh) | 一种基于扩散反扩散系统的自组织热沉结构设计方法 | |
Zhao et al. | Operation Characteristic Analysis and Parameter Optimization of District Heating Network with Double Heat Sources | |
Zhao et al. | Performance optimization of phase change heat accumulator with turn-over triangular tube |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |