CN113505540B - 超临界二氧化碳pche多场耦合快速预测方法、装置及介质 - Google Patents

超临界二氧化碳pche多场耦合快速预测方法、装置及介质 Download PDF

Info

Publication number
CN113505540B
CN113505540B CN202110634511.9A CN202110634511A CN113505540B CN 113505540 B CN113505540 B CN 113505540B CN 202110634511 A CN202110634511 A CN 202110634511A CN 113505540 B CN113505540 B CN 113505540B
Authority
CN
China
Prior art keywords
pche
carbon dioxide
target
supercritical carbon
field
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
Application number
CN202110634511.9A
Other languages
English (en)
Other versions
CN113505540A (zh
Inventor
肖颀
柯汉兵
黄崇海
赵振兴
庞杰
陈凯
柳勇
吴君
魏志国
郑伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
719th Research Institute of CSIC
Original Assignee
719th Research Institute of CSIC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 719th Research Institute of CSIC filed Critical 719th Research Institute of CSIC
Priority to CN202110634511.9A priority Critical patent/CN113505540B/zh
Publication of CN113505540A publication Critical patent/CN113505540A/zh
Application granted granted Critical
Publication of CN113505540B publication Critical patent/CN113505540B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/211—Schema design and management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling

Abstract

本发明涉及一种超临界二氧化碳PCHE多场耦合快速预测方法、装置、电子设备及介质，其中该方法包括：获取目标PCHE的结构特征；根据所述目标PCHE的结构特征，构建超临界二氧化碳PCHE流固区域的多物理场数值数据库，并基于所述超临界二氧化碳PCHE流固区域的多物理场数值数据库，对所述目标PCHE的结构特征进行分区POD降阶分解，以得到所述目标PCHE的目标参数的分区预测结果或宏观预测结果。本发明通过构建超临界二氧化碳PCHE流固区域的多物理场数值数据库及宏观特性数据库，对目标PCHE的结构特征进行分区POD降阶分解，从而快速得到高保真的预测结果。

Description

超临界二氧化碳PCHE多场耦合快速预测方法、装置及介质
技术领域
本发明涉及船舶动力领域，特别涉及一种超临界二氧化碳印刷电路板式换热器(PCHE)多场耦合快速预测方法、装置、电子设备及存储介质。
背景技术
超临界二氧化碳热容大，超临界二氧化碳布雷顿循环相比传统的蒸汽朗肯循环具有结构紧凑、效率高、重量轻、噪声水平低等优点，是船舶这类空间受限的海洋平台动力系统的理想选择之一。相较于传统蒸汽朗肯循环，超临界二氧化布雷顿循环工质压力高、对密封等性能要求大为提高，换热器(包括预热器与过热器)是超临界二氧化碳布雷顿循环的重要设备，采用传统的管壳式换热器体积巨大，超临界二氧化碳布雷顿循环的紧凑的优势将不复存在，对于船舶等海洋平台难以承受，而板式换热器承压能力有效。印刷电路板式换热器(Printed Circuit Heat Exchanger，PCHE)采用微细通道换热，单位体积换热面积大，耐高温高压，是超临界二氧化碳布雷顿循环的理想换热器。
然而，针对超临界二氧化碳布雷顿循环中PCHE内二氧化碳的跨/超临界流，其介质物性变化大，当前还未有成熟的预测以及设计方法，需根据应用场景以及工况进行PCHE内热工水力特性分析，进而形成PCHE设计方案。采用传统的平均对数温差法进行设计无法考虑超临界二氧化碳物性沿程变化对热工水力特性的影响，导致设计结果与实际结果之间出现了较大差距。采用一维分段仿真分析尽管能考虑沿程物性变化对热工水力等宏观特性的影响，但无法考虑流量分布不均匀性等的影响，从而依然偏离实际试验结果。采用三维数值模拟能较为获得PCHE内超临界流流场详细分布，进而给出PCHE较为精细的热工水力预测结果，但是PCHE通常包含成百上千通道，尺度跨度大、通道数目多，三维数值模拟计算量大，耗时长，难以实现内部流场、温度场、压力场等多物理场的快速预测。
发明内容
本发明的目的是提供一种超临界二氧化碳印刷电路板式换热器(PCHE)多场耦合快速预测方法、装置、电子设备及存储介质，以解决现有技术中存在的问题。
第一方面，本发明提供一种超临界二氧化碳PCHE多场耦合快速预测方法，包括：
获取目标PCHE的结构特征；
根据所述目标PCHE的结构特征，构建超临界二氧化碳PCHE流固区域的多物理场数值数据库，并基于所述超临界二氧化碳PCHE流固区域的多物理场数值数据库，对所述目标PCHE的结构特征进行分区POD降阶分解，以得到所述目标PCHE的目标参数的分区预测结果或宏观预测结果。
进一步地，所述根据所述目标PCHE的结构特征，构建超临界二氧化碳PCHE流固区域的多物理场数值数据库包括：
对于通道数目数值仿真可接受的PCHE结构，根据所述目标PCHE的结构特征中的运行工况，采用拉丁超立方采样方法选取样本点并结合二氧化碳物性特征库，开展多物理场数值模拟，构建所述超临界二氧化碳PCHE流固区域的多物理场数值数据库。
进一步地，所述构建超临界二氧化碳PCHE流固区域的多物理场数值数据库包括：
对于流体区域，构建流体域流场、压力场以及温度场数据库；
对于固体区域，构建固体域应变场、应力场以及温度场数据库。
进一步地，所述构建超临界二氧化碳PCHE流固区域的多物理场数值数据库包括：
按照通道数目由少到多依次构建包含宏观特性的所述超临界二氧化碳PCHE流固区域的多物理场数值数据库。
进一步地，所述对所述目标PCHE的结构特征进行POD降阶分解包括：
根据所述目标PCHE的结构特征，将PCHE结构划分成冷侧流体入口区域、冷侧流体出口区域、热侧流体入口区域、热侧流体出口区域、换热器芯体区域；
其中所述换热器芯体区域进一步划分为边界区域和核心区域，所述边界区域和核心区域各自进一步划分为固体区域和流体区域。
进一步地，基于所述超临界二氧化碳PCHE流固区域的多物理场数值数据库，对所述目标PCHE的结构特征进行分区POD降阶分解包括：
基于所述超临界二氧化碳PCHE流固区域的多物理场数值数据库，针对目标预测参数，对每个所述区域进行POD降阶分解。
进一步地，所述目标预测参数包括：压力、温度、速度、应力。
进一步地，所述基于所述超临界二氧化碳PCHE流固区域的多物理场数值数据库，对所述目标PCHE的结构特征进行POD降阶分解，以得到预测结果包括：
对于通道数目相同不超过所述超临界二氧化碳PCHE流固区域的多物理场数值数据库中的通道数目的所述目标PCHE的结构特征，对比通过POD降阶分解得到的预测结果和通过计算流体动力学得到的预测结果，采用均方根误差定量评估POD降阶分解的精度，当精度不足时，补充数据库样本点。
第二方面，本发明提供一种超临界二氧化碳PCHE多场耦合快速预测装置，包括：
获取模块，用于获取目标PCHE的结构特征；
预测模块，用于根据所述目标PCHE的结构特征，构建超临界二氧化碳PCHE流固区域的多物理场数值数据库，并基于所述超临界二氧化碳PCHE流固区域的多物理场数值数据库，对所述目标PCHE的结构特征进行分区POD降阶分解，以得到所述目标PCHE的目标参数的分区预测结果或宏观预测结果。
第三方面，本发明提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现根据第一方面所述超临界二氧化碳PCHE多场耦合快速预测方法的步骤。
第四方面，本发明提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现根据第一方面所述超临界二氧化碳PCHE多场耦合快速预测方法的步骤。
由上面技术方案可知，本发明提供的超临界二氧化碳PCHE多场耦合快速预测方法、装置、电子设备及非暂态计算机可读存储介质，通过构建超临界二氧化碳PCHE流固区域的多物理场数值数据库，对目标PCHE的结构特征进行POD降阶分解，从而快速得到高保真的预测结果。
附图说明
图1是根据本发明实施例的超临界二氧化碳PCHE多场耦合快速预测方法的流程图；
图2是根据本发明实施例的超临界二氧化碳PCHE多场耦合快速预测方法的另一流程图；
图3是根据本发明实施例的超临界二氧化碳PCHE的结构中区域划分的示意图；
图4是根据本发明实施例的POD降阶模型建立流程图；
图5是根据本发明实施例的超临界二氧化碳PCHE多场耦合快速预测装置的结构示意图；
图6是本发明提供的电子设备的结构示意图。
附图标记说明：
1、冷侧流体入口区域；2、冷侧流体出口区域；3、热侧流体入口区域；4、热侧流体出口区域；5、换热器芯体区域；6、封头区域；7、流体区域；8、边界区域；9、核心区域；10、固体区域。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
超临界二氧化碳布雷顿循环中PCHE(Printed Circuit Heat Exchanger，印刷电路板式换热器)采用微细通道，具有尺度跨度大、物性变化剧烈、通道数目多等特点，采用一维或者零维方法计算得到的热工水力特性与实际偏差较大，而采用CFD数值模拟计算量巨大，计算速度慢，难以满足工程设计需求。本发明根据PCHE不同区域流动换热特征，分区采用本征正交分解(proper orthogonal decomposition,POD)方法结合降阶模型，同步联合二氧化碳物性数据库，实现超临界二氧化碳印刷电路板式换热器PCHE多场耦合特性的快速准确预测。
针对现有超临界二氧化碳PCHE多物理场耦合特性预测技术存在的缺陷，本发明的目的在于提出一种联合POD降阶模型同步二氧化碳物性数据库的方法，根据PCHE内通道及流量分布特点，识别固体域与流体域，分区构建POD降阶模型，进而提取特征向量、确定权系数，结合物性数据库，实现多微细通道PCHE热工水力及结构的特性预测，同时具备重构三维物理场的功能。
在本发明实施例中，需要说明的是，超临界二氧化碳布雷顿循环以二氧化碳作为循环工质，超临界二氧化碳是二氧化碳的一种特殊相态，即当纯态的二氧化碳温度超过31摄氏度、压力超过73个大气压时，二氧化碳将以超临界流体的形式存在。超临界只是一个工况代称，并不是所有工况都是超临界，尤其是本发明通过物性计算，对于亚临界以及跨临界具有较好预测结果。
参照图1，下面描述根据本发明实施例的超临界二氧化碳PCHE多场耦合快速预测方法。本发明实施例提供的超临界二氧化碳PCHE多场耦合快速预测包括如下步骤：
步骤110：获取目标PCHE的结构特征；
步骤120：根据所述目标PCHE的结构特征，构建超临界二氧化碳PCHE流固区域的多物理场数值数据库，并基于所述超临界二氧化碳PCHE流固区域的多物理场数值数据库，对所述目标PCHE的结构特征进行分区POD降阶分解，以得到所述目标PCHE的目标参数的分区预测结果或宏观预测结果。
其中，构建超临界二氧化碳PCHE流固区域的多物理场数值数据库包括：对于通道数目数值仿真可接受的PCHE结构，根据所述目标PCHE的结构特征中的运行工况，采用拉丁超立方采样方法选取样本点并结合二氧化碳物性特征库，开展多物理场数值模拟，构建所述超临界二氧化碳PCHE流固区域的多物理场数值数据库。
在本发明实施例中，需要说明的是，所述二氧化碳物性特征库可以是专门构建的，构建超临界二氧化碳物性库包括：
以压力及温度为变量，根据PCHE运行工况，构建给定范围内的二氧化碳稀疏网格和稠密网格文件；
在二氧化碳稀疏网格文件中，通过遍历找到与计算点最近的网格点，即第一邻近网格点；
在二氧化碳稠密网格文件中，通过遍历计算点与上述网格点位置找到与计算点最近的第二邻近网格点；
采用插值方法得到计算点物性；
其中需要判断该点物性所在区域是否位于稠密网格文件范围内；如果是则在稠密网格点中按以上步骤计算得到物性，否则直接输出物性。
所述二氧化碳物性特征库也可以是通过结合已有物性软件或物性库得到的，如果采用已有物性特征库，则可跳过构建超临界二氧化碳物性库的步骤。
图2是根据本发明实施例的超临界二氧化碳PCHE多场耦合快速预测方法的另一流程图，参考图2，对构建超临界二氧化碳PCHE流固区域的多物理场数值数据库，最终得到预测结果做进一步阐述。
步骤210：根据超临界二氧化碳PCHE运行工况、结构特征、目标预测参数，采用拉丁超立方等方法选取样本点，结合二氧化碳物性库，开展CFD及流固耦合计算，构建PCHE数据库。
构建超临界二氧化碳PCHE内流动换热及流固耦合数值模拟数据库(即，超临界二氧化碳PCHE流固区域的多物理场数值数据库，其中流固区域包括流体区域和固体区域)，包括：
对于通道数目数值仿真可接受的PCHE结构，根据所述目标PCHE的结构特征中的运行工况，采用拉丁超立方采样方法选取样本点并结合二氧化碳物性特征库，构建所述超临界二氧化碳PCHE流固区域的多物理场数值数据库。具体地，需要确定数据库边界，在边界内，以冷热侧进口压力、温度为变量，采用拉丁超立方采样方法，确定超临界二氧化碳PCHE数值模拟数据库架构；其中冷热侧是根据PCHE结构得到的。
接下来，对于流体区域，开展超临界二氧化碳PCHE流体域流动换热特性CFD计算，获得流体域流场、压力场以及温度场数据库；
对于固体区域，以流固壁面温度、压力场为边界，开展固体域温度场以及应力场的三维数值计算，获得固体域温度场以及应力场；
在本发明实施例中，需要说明的是，在构建数值数据库的过程中，根据PCHE的结构特征，通道数由少到多按批次依次构建超临界二氧化碳PCHE流固区域的多物理场数值数据库。
其中，若目标PCHE通道数过于庞大，针对不同工况，构建数值数据库时，通道数目应至少达到目标参数或规律的通道数目无关性。
步骤220：读入数值数据库数据，根据PCHE的结构特征，划分为进出口封头区域、换热芯体区域，其中换热器芯体进一步划分为核心区域及边界区域，开展本征正交分解，获得各变量特征基及基系数。
图3是根据本发明实施例的超临界二氧化碳PCHE的结构中区域划分的示意图，参考图3，所述对所述目标PCHE的结构特征进行POD降阶分解包括：根据所述目标PCHE的结构特征，将PCHE结构划分成冷侧流体入口区域1、冷侧流体出口区域2、热侧流体入口区域3、热侧流体出口区域4、换热器芯体区域5；其中所述换热器芯体区域进一步划分为边界区域和核心区域，所述边界区域和核心区域各自进一步划分为固体区域和流体区域。
具体地，所述对所述目标PCHE的结构特征进行POD降阶分解包括：针对PCHE的结构特征，划分为冷热侧流体进口及出口区、换热器芯体区域，其中换热器芯体区域进一步划分为边界区域8、核心区域9，两部分，在每一部分中，进一步区分固体区域10与流体区域7；
具体地，基于上述构建的超临界二氧化碳PCHE流体域场、温度场、压力场以及应力场等数据库，针对目标预测参数(压力P、温度T、速度V、应力A等)，根据区域划分，对每一型PCHE每个区域进行POD降阶分解，包括：
对于目标参数U，根据其样本及网格状态构建数据矩阵UM×N，采用Sirovich等方法构建矩阵：
Figure BDA0003104883230000081
对上述矩阵进行正交分解，提取最大特征值对应的特征向量，构建POD向量基；
采用插值或者机器学习等方法确定降阶模型中的基系数，通过以上步骤获得不同区域PCHE的POD降阶模型。
步骤230：选择目标参数，以及目标区域，读取相应参数的特征基及已知数据库的特征基对应的特征值，获取对应权重系数，输出预测结果。
在本发明实施例中，需要说明的是所述基于所述超临界二氧化碳PCHE流固区域的多物理场数值数据库，对所述目标PCHE的结构特征进行POD降阶分解，以得到预测结果包括：
对于通道数目不超过所述超临界二氧化碳PCHE流固区域的多物理场数值数据库中的通道数目的所述目标PCHE的结构特征，对比通过POD降阶分解得到的预测结果和通过计算流体动力学得到的预测结果，采用均方根误差定量评估POD降阶分解的精度，当精度不足时，补充数据库样本点，重新开始基系数选择。
实施例1
具体地，对于通道数目相同、不同工况下的PCHE内三维物理场及宏观特性预测，参考图4做进一步阐述，图4是根据本发明实施例的POD降阶模型建立流程图。通过POD降阶模型构建目标参数的三维分布，对比POD模型与CFD预测结果，采用均方根误差定量评估POD降阶模型精度，当精度不足时，重新开始基系数选择。其中均方根误差评估公式如下：
Figure BDA0003104883230000091
实施例2
而对于通道数目与数值数据库中不同的超临界二氧化碳PCHE宏观参数预测，构建超临界二氧化碳PCHE流固区域的多物理场数值数据库，并基于所述超临界二氧化碳PCHE流固区域的多物理场数值数据库，对所述目标PCHE的结构特征进行分区POD降阶分解等步骤与实施例1基本相同，替代于对目标参数进行分区预测，而是根据不同通道数目不同工况下的宏观参数分布，利用现有数据库，构建数据矩阵，进行宏观数据的POD降阶分析，采用POD降阶模型，提取向量基与基系数，实现宏观特性预测。
通过本发明，提出了一种超临界二氧化碳PCHE的多场耦合快速预测方法，结合二氧化碳物性数据库，开展PCHE的流固耦合计算，建立多场耦合数值数据库，根据PCHE的结构特征，划分为不同区域，分区建立POD降阶模型，对于数据库中既有通道数目的PCHE，可实现新工况的目标参数快速高保真三维重构，对于通道数目不同于数据库中的情况下，可实现宏观变量的快速高保真预测，相比于直接开展CFD或CAE计算，计算速度显著提高，有力支撑PCHE的多学科优化设计及多目标校核。
参照图5，图5是根据本发明实施例的超临界二氧化碳PCHE多场耦合快速预测装置的结构示意图，本实施例提供的超临界二氧化碳PCHE多场耦合快速预测装置，包括：获取模块510和预测模块520：
获取模块510，用于获取目标PCHE的结构特征；
预测模块520，用于根据所述目标PCHE的结构特征，构建超临界二氧化碳PCHE流固区域的多物理场数值数据库，并基于所述超临界二氧化碳PCHE流固区域的多物理场数值数据库，对所述目标PCHE的结构特征进行分区POD降阶分解，以得到所述目标PCHE的目标参数的分区预测结果或宏观预测结果。
由于本发明实施例提供的超临界二氧化碳PCHE多场耦合快速预测装置，可以用于执行上述实施例所述的超临界二氧化碳PCHE多场耦合快速预测方法，其工作原理和有益效果类似，故此处不再详述，具体内容可参见上述实施例的介绍。
在本实施例中，需要说明的是，本发明实施例的装置中的各个模块可以集成于一体，也可以分离部署。上述模块可以合并为一个模块，也可以进一步拆分成多个子模块。
图6示例了一种电子设备的实体结构示意图，如图6所示，该电子设备可以包括：处理器(processor)610、通信接口(Communications Interface)620、存储器(memory)630和通信总线640，其中，处理器610，通信接口620，存储器630通过通信总线640完成相互间的通信。处理器610可以调用存储器630中的逻辑指令，以执行超临界二氧化碳PCHE多场耦合快速预测方法，该方法包括获取目标PCHE的结构特征；根据所述目标PCHE的结构特征，构建超临界二氧化碳PCHE流固区域的多物理场数值数据库，并基于所述超临界二氧化碳PCHE流固区域的多物理场数值数据库，对所述目标PCHE的结构特征进行POD降阶分解，以得到所述目标PCHE的多物理场的预测结果。
此外，上述的存储器630中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的超临界二氧化碳PCHE多场耦合快速预测方法，该方法包括：获取目标PCHE的结构特征；根据所述目标PCHE的结构特征，构建超临界二氧化碳PCHE流固区域的多物理场数值数据库，并基于所述超临界二氧化碳PCHE流固区域的多物理场数值数据库，对所述目标PCHE的结构特征进行POD降阶分解，以得到所述目标PCHE的多物理场的预测结果。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各提供的超临界二氧化碳PCHE多场耦合快速预测方法，该方法包括：获取目标PCHE的结构特征；根据所述目标PCHE的结构特征，构建超临界二氧化碳PCHE流固区域的多物理场数值数据库，并基于所述超临界二氧化碳PCHE流固区域的多物理场数值数据库，对所述目标PCHE的结构特征进行POD降阶分解，以得到所述目标PCHE的多物理场的预测结果。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种超临界二氧化碳PCHE多场耦合快速预测方法，其特征在于，包括：
获取目标PCHE的结构特征；
根据所述目标PCHE的结构特征，构建超临界二氧化碳PCHE流固区域的多物理场数值数据库，并基于所述超临界二氧化碳PCHE流固区域的多物理场数值数据库，对所述目标PCHE的结构特征进行分区POD降阶分解，以得到所述目标PCHE的目标参数的分区预测结果或宏观预测结果；
其中所述基于所述超临界二氧化碳PCHE流固区域的多物理场数值数据库，对所述目标PCHE的结构特征进行分区POD降阶分解，以得到所述目标PCHE的目标参数的分区预测结果或宏观预测结果，包括：
根据所述目标PCHE的结构特征，将PCHE结构划分成冷侧流体入口区域、冷侧流体出口区域、热侧流体入口区域、热侧流体出口区域、换热器芯体区域；
其中所述换热器芯体区域进一步划分为边界区域和核心区域，所述边界区域和核心区域各自进一步划分为固体区域和流体区域；
基于所述超临界二氧化碳PCHE流固区域的多物理场数值数据库，针对目标预测参数，对每个所述区域进行POD降阶分解；
对于通道数目不超过所述超临界二氧化碳PCHE流固区域的多物理场数值数据库中的通道数目的所述目标PCHE的结构特征，对比通过POD降阶分解得到的预测结果和通过计算流体动力学得到的预测结果，采用均方根误差定量评估POD降阶分解的精度，当精度不足时，补充数据库样本点。
2.根据权利要求1所述的超临界二氧化碳PCHE多场耦合快速预测方法，其特征在于，所述根据所述目标PCHE的结构特征，构建超临界二氧化碳PCHE流固区域的多物理场数值数据库包括：
对于通道数目数值仿真可接受的PCHE结构，根据所述目标PCHE的结构特征中的运行工况，采用拉丁超立方采样方法选取样本点并结合二氧化碳物性特征库，开展多物理场数值模拟，构建所述超临界二氧化碳PCHE流固区域的多物理场数值数据库。
3.根据权利要求1所述的超临界二氧化碳PCHE多场耦合快速预测方法，其特征在于，所述构建超临界二氧化碳PCHE流固区域的多物理场数值数据库包括：
对于流体区域，构建流体域流场、压力场以及温度场数据库；
对于固体区域，构建固体域应变场、应力场以及温度场数据库。
4.根据权利要求1所述的超临界二氧化碳PCHE多场耦合快速预测方法，其特征在于，所述构建超临界二氧化碳PCHE流固区域的多物理场数值数据库包括：
按照通道数目由少到多依次构建包含宏观特性的所述超临界二氧化碳PCHE流固区域的多物理场数值数据库。
5.根据权利要求1所述的超临界二氧化碳PCHE多场耦合快速预测方法，其特征在于，所述目标预测参数包括：压力、温度、速度、应力。
6.一种超临界二氧化碳PCHE多场耦合快速预测装置，其特征在于，包括：
获取模块，用于获取目标PCHE的结构特征；
预测模块，用于根据所述目标PCHE的结构特征，构建超临界二氧化碳PCHE流固区域的多物理场数值数据库，并基于所述超临界二氧化碳PCHE流固区域的多物理场数值数据库，对所述目标PCHE的结构特征进行分区POD降阶分解，以得到所述目标PCHE的目标参数的分区预测结果或宏观预测结果；
其中所述基于所述超临界二氧化碳PCHE流固区域的多物理场数值数据库，对所述目标PCHE的结构特征进行分区POD降阶分解，以得到所述目标PCHE的目标参数的分区预测结果或宏观预测结果，包括：
根据所述目标PCHE的结构特征，将PCHE结构划分成冷侧流体入口区域、冷侧流体出口区域、热侧流体入口区域、热侧流体出口区域、换热器芯体区域；
其中所述换热器芯体区域进一步划分为边界区域和核心区域，所述边界区域和核心区域各自进一步划分为固体区域和流体区域；
基于所述超临界二氧化碳PCHE流固区域的多物理场数值数据库，针对目标预测参数，对每个所述区域进行POD降阶分解；
对于通道数目不超过所述超临界二氧化碳PCHE流固区域的多物理场数值数据库中的通道数目的所述目标PCHE的结构特征，对比通过POD降阶分解得到的预测结果和通过计算流体动力学得到的预测结果，采用均方根误差定量评估POD降阶分解的精度，当精度不足时，补充数据库样本点。
7.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现根据权利要求1至5任一项所述超临界二氧化碳PCHE多场耦合快速预测方法的步骤。
8.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现根据权利要求1至5任一项所述超临界二氧化碳PCHE多场耦合快速预测方法的步骤。
CN202110634511.9A 2021-06-07 2021-06-07 超临界二氧化碳pche多场耦合快速预测方法、装置及介质 Active CN113505540B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110634511.9A CN113505540B (zh) 2021-06-07 2021-06-07 超临界二氧化碳pche多场耦合快速预测方法、装置及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110634511.9A CN113505540B (zh) 2021-06-07 2021-06-07 超临界二氧化碳pche多场耦合快速预测方法、装置及介质

Publications (2)

Publication Number Publication Date
CN113505540A CN113505540A (zh) 2021-10-15
CN113505540B true CN113505540B (zh) 2022-08-05

Family

ID=78009140

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110634511.9A Active CN113505540B (zh) 2021-06-07 2021-06-07 超临界二氧化碳pche多场耦合快速预测方法、装置及介质

Country Status (1)

Country Link
CN (1) CN113505540B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110487697A (zh) * 2019-07-29 2019-11-22 北京科技大学 注超临界二氧化碳煤岩力学特性测试及压裂实验装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108037016B (zh) * 2017-12-28 2020-08-18 太原理工大学 超临界co2反应釜及岩体蠕变扩散侵蚀试验系统
CN109284571B (zh) * 2018-10-19 2022-06-21 西南石油大学 一种二氧化碳置换页岩气多尺度多场耦合渗流数学建模方法
CN110515930A (zh) * 2019-09-03 2019-11-29 清华大学 临界水、二氧化碳和氢气混合物热物性数据库及构建方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110487697A (zh) * 2019-07-29 2019-11-22 北京科技大学 注超临界二氧化碳煤岩力学特性测试及压裂实验装置

Also Published As

Publication number Publication date
CN113505540A (zh) 2021-10-15

Similar Documents

Publication Publication Date Title
Wehrens et al. Self-and super-organizing maps in R: the Kohonen package
CN113642105B (zh) 船舶动力系统的多尺度模型构建方法、装置及电子设备
CN113238227B (zh) 一种结合深度学习的改进最小二乘相位解缠方法及系统
CN107590351A (zh) 一种离心泵扬程特性分析与预测的方法
CN117077579B (zh) 翼型流场预测方法、装置、设备及存储介质
CN105957003B (zh) 基于学习的多孔介质超维重建方法
Ma et al. A combined data-driven and physics-driven method for steady heat conduction prediction using deep convolutional neural networks
CN113505540B (zh) 超临界二氧化碳pche多场耦合快速预测方法、装置及介质
CN115293007A (zh) 服役工况下风电齿轮箱箱体的不确定性与相关性分析方法
CN111640296A (zh) 交通流预测方法、系统、存储介质及终端
CN110188407B (zh) 多孔介质内液体流动参数的确定方法及装置
Drakoulas et al. FastSVD-ML–ROM: A reduced-order modeling framework based on machine learning for real-time applications
KR102266279B1 (ko) 비정상상태를 구현하기 위한 차수 감축 모델 구축 방법
CN111913460A (zh) 一种基于序列相关局部保持投影算法的故障监测方法
CN113904915A (zh) 一种基于物联网的电力通信智能故障分析方法及系统
CN115169265B (zh) 基于数值分析的搅混系数分析方法、系统、设备和介质
CN115758911B (zh) 融合点云残差网络和考虑滑移的流场和压力场预测方法
CN116108749A (zh) 一种基于深度学习的风力机流场预测方法
CN112819955B (zh) 一种改进型基于数字图像三维模型重构方法
Guo et al. Fast reconstruction method of the stress field for the steam turbine rotor based on deep fully convolutional network
CN113379103B (zh) 基于降阶模型的泵类设备内部流场的预测方法
Buono et al. Analysis of the cooling plant of a high performance motorbike engine
CN114186168A (zh) 面向智能城市网络资源的相关性分析方法及装置
Nguyen et al. Dynamic mode decomposition for large-scale coherent structure extraction in shear flows
Petry et al. Large eddy simulation of three-dimensional turbulent flows by the finite element method

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