WO2024066142A1 - 一种二元汽液相平衡预测方法及装置 - Google Patents
一种二元汽液相平衡预测方法及装置 Download PDFInfo
- Publication number
- WO2024066142A1 WO2024066142A1 PCT/CN2023/072733 CN2023072733W WO2024066142A1 WO 2024066142 A1 WO2024066142 A1 WO 2024066142A1 CN 2023072733 W CN2023072733 W CN 2023072733W WO 2024066142 A1 WO2024066142 A1 WO 2024066142A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- parameter
- parameters
- binary
- gas
- predicted
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 239000007788 liquid Substances 0.000 title claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims abstract description 57
- 230000003993 interaction Effects 0.000 claims abstract description 55
- 238000010587 phase diagram Methods 0.000 claims abstract description 21
- 239000007791 liquid phase Substances 0.000 claims description 48
- 230000014509 gene expression Effects 0.000 claims description 14
- 238000000354 decomposition reaction Methods 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 abstract description 4
- 239000000463 material Substances 0.000 abstract description 3
- 239000007789 gas Substances 0.000 description 63
- 238000010586 diagram Methods 0.000 description 10
- 239000000126 substance Substances 0.000 description 5
- ATUOYWHBWRKTHZ-UHFFFAOYSA-N Propane Chemical compound CCC ATUOYWHBWRKTHZ-UHFFFAOYSA-N 0.000 description 3
- 238000009835 boiling Methods 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 238000000342 Monte Carlo simulation Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000000329 molecular dynamics simulation Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 101001121408 Homo sapiens L-amino-acid oxidase Proteins 0.000 description 1
- 101000827703 Homo sapiens Polyphosphoinositide phosphatase Proteins 0.000 description 1
- 102100026388 L-amino-acid oxidase Human genes 0.000 description 1
- 102100023591 Polyphosphoinositide phosphatase Human genes 0.000 description 1
- 101100012902 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) FIG2 gene Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- WMIYKQLTONQJES-UHFFFAOYSA-N hexafluoroethane Chemical compound FC(F)(F)C(F)(F)F WMIYKQLTONQJES-UHFFFAOYSA-N 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012900 molecular simulation Methods 0.000 description 1
- 239000012071 phase Substances 0.000 description 1
- 239000001294 propane Substances 0.000 description 1
- 230000005610 quantum mechanics Effects 0.000 description 1
- 230000001988 toxicity Effects 0.000 description 1
- 231100000419 toxicity Toxicity 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/30—Prediction of properties of chemical compounds, compositions or mixtures
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/10—Analysis or design of chemical reactions, syntheses or processes
Abstract
本发明公开了一种二元汽液相平衡预测方法及装置，该方法包括：将待预测气体分子分解为若干个基团；计算每个所述基团占所述待预测气体分子的比例参数；根据所述比例参数，计算得到二元交互作用参数；根据所述二元交互作用参数，建立二元相图，并根据所述二元相图，预测气液相平衡状态。采用本发明实施例，通过分解气体分子得到基团，并根据基团的比例参数建立二元交互作用参数，避免了大量的实验耗费的人力、物力和时间来建立二元交互作用参数，减少了分析气液相平衡的计算量；此外，通过二元交互作用参数，可以较为准确地确定气液相平衡，通过分析二元相图进行预测，提高了准确性。
Description
本发明涉及相平衡测试技术领域，尤其涉及一种二元汽液相平衡预测方法及装置。
由于环境因素的限制，电力系统中对绝缘气体的要求越来越高，性能要求包括低全球变暖潜能、低生物毒性、低沸点、高绝缘强度等。由于使用绝缘气体的设备运行最低温度高度依赖于绝缘气体的选择，因此需要了解绝缘气体的热物理特性，用于指导寻找低沸点的新型环保绝缘气体。其中，气液相平衡数据用于判断二元气体的气液相平衡性质，以反映气体的压力、温度、组元浓度间的关系。目前，气液相平衡数据是热力学中不可或缺的组成部分。而实验测量仍然是获得气液相平衡数据的主要方法，但气液相平衡的测量需要消耗大量的人力、物力和时间。同时新的化学品更新速度越来越快，绝缘气体混合物的数量数以万计，不可能始终为每种混合物提供实验数据，实验数据远远不能满足工程应用的需要。现有技术为解决这一问题，主要采用分子动力学和蒙特卡洛(Monte Carlo)模拟，通过研究体系的微观性质而得到体系的宏观热力学性质的计算机分子模拟法，通常需要建立准确的分子力场并结合某些假设条件来简化计算模型。但分子模型的缺点是高度依赖分子力场，计算量大，对于复杂的混合体系准确性较差。
发明内容
本发明提供了一种二元汽液相平衡预测方法及装置，以解决现有技术在分析汽液相平衡时计算量大、准确性较差的技术问题。
为了解决上述技术问题，本发明实施例提供了一种二元汽液相平衡预测方法，包括：
将待预测气体分子分解为若干个基团；
计算每个所述基团占所述待预测气体分子的比例参数；
根据所述比例参数，计算得到二元交互作用参数；
根据所述二元交互作用参数，建立二元相图，并根据所述二元相图，预测气液相平衡状态。
本发明通过分解气体分子得到基团，并根据基团的比例参数建立二元交互作用参数，避免了使用较多的实验数据建立二元交互作用参数，减少了分析气液相平衡的计算量；此外，通过二元交互作用参数，可以较为准确地确定气液相平衡，通过分析二元相图进行预测，提高了准确性。
进一步地，所述将待预测气体分子分解为若干个基团，具体为：
根据基团贡献法气体分子结构的基团划分原则，将所述待预测气体分子分解为若干个基团。
进一步地，所述计算每个所述基团占所述待预测气体分子的比例参数，具体为：
其中，所述比例参数为α参数；
计算每个所述基团占所述待预测气体分子的α参数；其中，0≤所述α参数的取值≤1，且待预测气体分子的所述若干个基团的α参数之和为1。
本发明根据基团划分原则，对待预测气体分子划分为不同基团后，通过获取基团的α参数得到基团占待预测气体分子的比例，用于二元交互作用参数的建立并减少其他实验参数的使用，降低分析的计算量。
进一步地，所述根据所述比例参数，计算得到二元交互作用参数，具体为：
建立过量自由能混合规则，并根据所述比例参数，计算得到混合规则参数；
根据气体参数，计算得到内聚参数；其中，所述气体参数包括：临界温度、临界压力和偏心因子；
根据所述混合规则参数和所述内聚参数，建立二元交互作用参数。
本发明仅通过α参数、临界温度、临界压力和偏心因子即可对二元交互作用参数进行计算，并且计算的精确度较高，既避免了使用较多的实验参数，降
低了计算量，又保证了分析的准确性。
进一步地，所述建立过量自由能混合规则，并根据所述比例参数，计算得到混合规则参数，具体为：
其中，所述过量自由能混合规则为van laar过量自由能混合规则；
根据PR状态方程和van laar摩尔过量自由能模型，建立van laar过量自由能混合规则；
根据所述比例参数，求解得到所述van laar过量自由能混合规则的所述混合规则参数。
进一步地，所述混合规则参数的表达式为：
其中，Akl和Bkl为基团相互作用参数，Ng是由基团贡献法定义的不同基团的总量，T为当前计算的温度，αik和αjk分别为基团k占据分子i和分子j的α参数，αil和αjl分别为基团l占据分子i和分子j的α参数。
进一步地，所述内聚参数，包括：第一内聚参数和第二内聚参数；
其中，第一内聚参数的表达式为：
其中，Tc,i为待预测气体的所述临界温度，Pc,i为待预测气体的所述临界压力,mi为可调参数；
第二内聚参数的表达式为：
进一步地，所述二元交互作用参数的表达式为：
其中，Eij(T)为所述混合规则参数，ai和aj为第一内聚参数，bi和bj为第二内
聚参数。
本发明仅通过临界温度、临界压力和偏心因子即可计算内聚参数，并根据内聚参数和混合规则参数建立二元交互作用参数，利用二元交互作用参数结合二元相图能精准确定气液相平衡状态，同时减少了实验参数的采集和使用，降低了计算量。
另一方面，本发明实施例还提供了一种二元汽液相平衡预测装置，包括：分解模块、第一计算模块、第二计算模块、预测模块；
其中，所述分解模块用于将待预测气体分子分解为若干个基团；
所述第一计算模块用于计算每个所述基团占所述待预测气体分子的比例参数；
所述第二计算模块用于根据所述比例参数，计算得到二元交互作用参数；
所述预测模块用于根据所述二元交互作用参数，建立二元相图，并根据所述二元相图，预测气液相平衡状态。
进一步地，所述第二计算模块包括：第一参数计算单元、第二参数计算单元和参数建立单元；
其中，所述第一参数计算单元用于建立过量自由能混合规则，并根据所述比例参数，计算得到混合规则参数；
所述第二参数计算单元用于根据气体参数，计算得到内聚参数；其中，所述气体参数包括：临界温度、临界压力和偏心因子；
所述参数建立单元用于根据所述混合规则参数和所述内聚参数，建立二元交互作用参数。
本发明通过分解气体分子得到基团，并根据基团的比例参数建立二元交互作用参数，避免了使用较多的实验数据建立二元交互作用参数，减少了分析气液相平衡的计算量；此外，通过二元交互作用参数，可以较为准确地确定气液相平衡，通过分析二元相图进行预测，提高了准确性。
图1为本发明实施例提供的二元汽液相平衡预测方法的一种实施例的流程示意图；
图2为本发明实施例提供的二元汽液相平衡预测方法的另一种实施例的流程示意图；
图3为本发明实施例提供的二元汽液相平衡预测方法的再一种实施例的流程示意图；
图4为本发明实施例提供的二元汽液相平衡预测装置的一种实施例的结构示意图；
图5为本发明实施例提供的二元汽液相平衡预测装置的另一种实施例的结构示意图；
图6为本发明实施例提供的二元汽液相平衡预测结果的一种实施例的示意图；
图7为本发明实施例提供的二元汽液相平衡预测结果的另一种实施例的示意图。
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，所描述的实施例仅仅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作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。
实施例一
请参照图1为本发明实施例提供的二元汽液相平衡预测方法的一种实施例的流程示意图，主要包括步骤101-104，具体如下：
步骤101：将待预测气体分子分解为若干个基团。
步骤102：计算每个所述基团占所述待预测气体分子的比例参数。
在本实施例中，所述比例参数为α参数。
在本实施例中，所述计算每个所述基团占所述待预测气体分子的比例参数，
具体为：计算每个所述基团占所述待预测气体分子的α参数；其中，0≤所述α参数的取值≤1，且待预测气体分子的所述若干个基团的α参数之和为1。
步骤103：根据所述比例参数，计算得到二元交互作用参数。
本发明根据基团划分原则，对待预测气体分子划分为不同基团后，通过获取基团的α参数得到基团占待预测气体分子的比例，用于二元交互作用参数的建立并减少其他实验参数的使用，降低分析的计算量。
在本实施例中，二元交互作用参数与基团因子式关联，可以联接宏观气液相平衡性质与微观分子结构；此外，二元交互作用参数对整个预测结果的获得具有重要作用，通过优化二元交互作用参数与基团数量、基团贡献模型的关系式，对基团系数和二元交互作用参数进行进一步地加权和迭代，可获得可靠性更高的理论预测模型。
步骤104：根据所述二元交互作用参数，建立二元相图，并根据所述二元相图，预测气液相平衡状态。
在本实施例中，在建立二元相图并进行分析归类后，可以确定待预测气体的气液相平衡状态，并继续对下一组待预测气体的气液相平衡进行预测；此外，在确定待预测气体的气液相平衡状态后，所得到的预测结果可用于指导测试系统选择对应的工作流体以及设计方式。
请参照图2，为本发明实施例提供的二元汽液相平衡预测方法的另一种实施例的流程示意图。图2与图1的主要区别在于，图2包括步骤201，具体如下：
在本实施例中，步骤101具体为步骤201。
步骤201：根据基团贡献法气体分子结构的基团划分原则，将所述待预测气体分子分解为若干个基团。
在本实施例中，被拆分的若干个基团对整个预测结果的获得具有重要作用，通过优化二元交互作用参数与基团数量、基团贡献模型的关系式，对基团系数和二元交互作用参数进行进一步地加权和迭代，可获得可靠性更高的理论预测模型。
请参照图3，为本发明实施例提供的二元汽液相平衡预测方法的再一种实施
例的流程示意图。图3和图1的主要区别在于，图3包括步骤301-303，具体如下：
步骤301：建立过量自由能混合规则，并根据所述比例参数，计算得到混合规则参数。
在本实施例中，所述建立过量自由能混合规则，并根据所述比例参数，计算得到混合规则参数，具体为：其中，所述过量自由能混合规则为van laar过量自由能混合规则；根据PR状态方程和van laar摩尔过量自由能模型，建立van laar过量自由能混合规则；根据所述比例参数，求解得到所述van laar过量自由能混合规则的所述混合规则参数。
在本实施例中，所述混合规则参数的表达式为：
其中，Akl和Bkl为基团相互作用参数，Ng是由基团贡献法定义的不同基团的总量，T为当前计算的温度，αik和αjk分别为基团k占据分子i和分子j的α参数，αil和αjl分别为基团l占据分子i和分子j的α参数。
步骤302：根据气体参数，计算得到内聚参数；其中，所述气体参数包括：临界温度、临界压力和偏心因子。
在本实施例中，所述内聚参数，包括：第一内聚参数和第二内聚参数。
在本实施例中，第一内聚参数的表达式为：
其中，Tc,i为待预测气体的所述临界温度，Pc,i为待预测气体的所述临界压力,mi为可调参数。
在本实施例中，第二内聚参数的表达式为：
在本实施例中，在已知二元气体各自的临界温度、临界压力和偏心因子以及二元气体拆分出基团的基团相互作用参数后，便可以仅凭计算获得较为精确
的气液相平衡数据，可以大幅降低了从前只能通过实验试错法测量得出二元气体的气液相平衡数据的时间，提高了获得二元气体的气液相平衡数据的效率，节省大量人力、物力和时间快速预测出二元气体的气液相平衡数据。
步骤303：根据所述混合规则参数和所述内聚参数，建立二元交互作用参数。
在本实施例中，所述二元交互作用参数的表达式为：
其中，Eij(T)为所述混合规则参数，ai和aj为第一内聚参数，bi和bj为第二内聚参数。
本发明仅通过α参数、临界温度、临界压力和偏心因子即可对二元交互作用参数进行计算，并且计算的精确度较高；避免了分子动力学和蒙特卡洛模拟中分子模型高度依赖分子力场、量子力学方法，并在使用时由于涉及了电子的运动规律，其计算量巨大计算量大，对于复杂的混合体系准确性较差问题。此外，通过基团贡献法预测二元气体的气液相平衡数据，减少了预测过程中的计算量，提高了预测能力和准确性。
在另一实施例中，以R116+R290作为待预测气体，其中R116为六氟乙烷，R290为丙烷。
首先通过基团贡献法将待预测气体分子分解为若干个基团，其中，R116作为第一物质，其结构式为CF3-CF3，包含两个第一基团-CF3，0个第二基团-CH3和第三基团-CH2-，整体基团数Ng为2；R290作为第二物质，其结构式为CH3-CH2-CH3，包含0个第一基团-CF3，2个第二基团-CH3，1个第三基团-CH2-，整体基团数Ng为2+1＝3。
在计算分解基团的个数后，计算每个基团占分子中的α参数，其中，第一基团、第二基团和第三基团在第一物质中所占的比例为：α11＝2/2＝1，α12＝α13＝0/2＝0；第一基团、第二基团和第三基团在第二物质中所占的比例为：α21＝0/3＝0，α22＝2/3，α23＝1/3。
得到α参数后，计算混合规则参数；二元交互作用参数k12的混合规则参数其中α11＝2/2＝1，α12＝α13＝0/2＝0，α21＝0/3＝0，α22＝2/3，α23＝1/3；A12＝A21＝123200000，A13＝195600000，A23＝74810000；B12＝B21＝133800000，B13＝199000000，B23＝165700000；T＝303.15K。
代入表达式后，计算得到Eij(T)＝1.3090×108。
将临界温度Tc,1＝369.95K，临界压力Pc,1＝4245500Pa和偏心因子ω1＝0.152代入第一内聚参数和第二内聚参数的表达式后，计算得到：
根据计算求出的混合规则参数和内聚参数，建立二元相互作用参数，其中，
请参考图6，为本发明实施例提供的二元汽液相平衡预测结果的一种实施例的示意图，其中，图6为R116+R290的Pxy图。
请参考图7，为本发明实施例提供的二元汽液相平衡预测结果的另一种实施例的示意图，其中，图7为R116+R290的Txy图，其中，对二元相图进行分析归类，可以实现对二元气体气液相平衡状态的确定。从图6和图7可知，R116+R290不呈现共沸物，与实验值基本一致。
在本实施例中，根据预测的结果可以用于指导寻找低沸点的新型环保绝缘气体，以及根据实际情况决定R116+R290是否满足设备运行的最低温度要求。
请参考图4，为本发明实施例提供的二元汽液相平衡预测装置的一种实施例
的结构示意图，主要包括分解模块401、第一计算模块402、第二计算模块403、预测模块404。
在本实施例中，分解模块401用于将待预测气体分子分解为若干个基团。
在本实施例中，分解模块401包括分解单元；分解单元用于根据基团贡献法气体分子结构的基团划分原则，将所述待预测气体分子分解为若干个基团。
第一计算模块402用于计算每个所述基团占所述待预测气体分子的比例参数。
在本实施例中，第一计算模块402包括比例参数计算单元；其中，所述比例参数为α参数；比例参数计算单元用于计算每个所述基团占所述待预测气体分子的α参数；其中，0≤所述α参数的取值≤1，且待预测气体分子的所述若干个基团的α参数之和为1。
第二计算模块403用于根据所述比例参数，计算得到二元交互作用参数。
预测模块404用于根据所述二元交互作用参数，建立二元相图，并根据所述二元相图，预测气液相平衡状态。
请参考图5，为本发明实施例提供的二元汽液相平衡预测装置的另一种实施例的结构示意图。图5和图4的主要区别在于，图5包括第一参数计算单元501、第二参数计算单元502和参数建立单元503。
在本实施例中，第二计算模块403包括第一参数计算单元501、第二参数计算单元502和参数建立单元503。
在本实施例中，第一参数计算单元501用于建立过量自由能混合规则，并根据所述比例参数，计算得到混合规则参数。
在本实施例中，第一参数计算单元501包括：规则建立子单元和参数计算子单元；其中，所述过量自由能混合规则为van laar过量自由能混合规则；规则建立子单元用于根据PR状态方程和van laar摩尔过量自由能模型，建立van laar过量自由能混合规则；参数计算子单元用于根据所述比例参数，求解得到所述van laar过量自由能混合规则的所述混合规则参数。
第二参数计算单元502用于根据气体参数，计算得到内聚参数；其中，所
述气体参数包括：临界温度、临界压力和偏心因子。
参数建立单元503用于根据所述混合规则参数和所述内聚参数，建立二元交互作用参数。
本发明通过分解气体分子得到基团，并根据基团的比例参数建立二元交互作用参数，避免了使用较多的实验数据建立二元交互作用参数，减少了分析气液相平衡的计算量；此外，通过二元交互作用参数，可以较为准确地确定气液相平衡，通过分析二元相图进行预测，提高了准确性。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围。特别指出，对于本领域技术人员来说，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
- 一种二元汽液相平衡预测方法，其特征在于，包括：将待预测气体分子分解为若干个基团；计算每个所述基团占所述待预测气体分子的比例参数；根据所述比例参数，计算得到二元交互作用参数；根据所述二元交互作用参数，建立二元相图，并根据所述二元相图，预测气液相平衡状态。
- 如权利要求1所述的二元汽液相平衡预测方法，其特征在于，所述将待预测气体分子分解为若干个基团，具体为：根据基团贡献法气体分子结构的基团划分原则，将所述待预测气体分子分解为若干个基团。
- 如权利要求1所述的二元汽液相平衡预测方法，其特征在于，所述计算每个所述基团占所述待预测气体分子的比例参数，具体为：其中，所述比例参数为α参数；计算每个所述基团占所述待预测气体分子的α参数；其中，0≤所述α参数的取值≤1，且待预测气体分子的所述若干个基团的α参数之和为1。
- 如权利要求1所述的二元汽液相平衡预测方法，其特征在于，所述根据所述比例参数，计算得到二元交互作用参数，具体为：建立过量自由能混合规则，并根据所述比例参数，计算得到混合规则参数；根据气体参数，计算得到内聚参数；其中，所述气体参数包括：临界温度、临界压力和偏心因子；根据所述混合规则参数和所述内聚参数，建立二元交互作用参数。
- 如权利要求4所述的二元汽液相平衡预测方法，其特征在于，所述建立过量自由能混合规则，并根据所述比例参数，计算得到混合规则参数，具体为：其中，所述过量自由能混合规则为van laar过量自由能混合规则；根据PR状态方程和van laar摩尔过量自由能模型，建立van laar过量自由能混合规则；根据所述比例参数，求解得到所述van laar过量自由能混合规则的所述混合规则参数。
- 如权利要求5所述的二元汽液相平衡预测方法，其特征在于，所述混合规则参数的表达式为：
其中，Akl和Bkl为基团相互作用参数，Ng是由基团贡献法定义的不同基团的总量，T为当前计算的温度，αik和αjk分别为基团k占据分子i和分子j的α参数，αil和αjl分别为基团l占据分子i和分子j的α参数。 - 如权利要求4所述的二元汽液相平衡预测方法，其特征在于，所述内聚参数，包括：第一内聚参数和第二内聚参数；其中，第一内聚参数的表达式为：
其中，Tc,i为待预测气体的所述临界温度，Pc,i为待预测气体的所述临界压力,mi为可调参数；第二内聚参数的表达式为：
- 如权利要求4所述的二元汽液相平衡预测方法，其特征在于，所述二元 交互作用参数的表达式为：
其中，Eij(T)为所述混合规则参数，ai和aj为第一内聚参数，bi和bj为第二内聚参数。 - 一种二元汽液相平衡预测装置，其特征在于，包括：分解模块、第一计算模块、第二计算模块、预测模块；其中，所述分解模块用于将待预测气体分子分解为若干个基团；所述第一计算模块用于计算每个所述基团占所述待预测气体分子的比例参数；所述第二计算模块用于根据所述比例参数，计算得到二元交互作用参数；所述预测模块用于根据所述二元交互作用参数，建立二元相图，并根据所述二元相图，预测气液相平衡状态。
- 如权利要求9所述的二元汽液相平衡预测装置，其特征在于，所述第二计算模块包括：第一参数计算单元、第二参数计算单元和参数建立单元；其中，所述第一参数计算单元用于建立过量自由能混合规则，并根据所述比例参数，计算得到混合规则参数；所述第二参数计算单元用于根据气体参数，计算得到内聚参数；其中，所述气体参数包括：临界温度、临界压力和偏心因子；所述参数建立单元用于根据所述混合规则参数和所述内聚参数，建立二元交互作用参数。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211207346.XA CN115482885A (zh) | 2022-09-30 | 2022-09-30 | 一种二元汽液相平衡预测方法及装置 |
| CN202211207346.X | 2022-09-30 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| WO2024066142A1 true WO2024066142A1 (zh) | 2024-04-04 |
Family
ID=84394006
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| PCT/CN2023/072733 WO2024066142A1 (zh) | 2022-09-30 | 2023-01-17 | 一种二元汽液相平衡预测方法及装置 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN115482885A (zh) |
| WO (1) | WO2024066142A1 (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115482885A (zh) * | 2022-09-30 | 2022-12-16 | 广东电网有限责任公司 | 一种二元汽液相平衡预测方法及装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108875293A (zh) * | 2018-06-04 | 2018-11-23 | 西安交通大学 | 一种基于基团贡献理论预测混合物临界性质的方法 |
| CN110021372A (zh) * | 2017-07-13 | 2019-07-16 | 中国石油化工股份有限公司 | 一种用于预测多元体系汽液平衡的系统 |
| CN113241127A (zh) * | 2021-03-19 | 2021-08-10 | 中国石油大学(北京) | 相平衡模型构建方法、装置、设备及存储介质 |
| CN115482885A (zh) * | 2022-09-30 | 2022-12-16 | 广东电网有限责任公司 | 一种二元汽液相平衡预测方法及装置 |
-
2022
- 2022-09-30 CN CN202211207346.XA patent/CN115482885A/zh active Pending
-
2023
- 2023-01-17 WO PCT/CN2023/072733 patent/WO2024066142A1/zh unknown
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110021372A (zh) * | 2017-07-13 | 2019-07-16 | 中国石油化工股份有限公司 | 一种用于预测多元体系汽液平衡的系统 |
| CN108875293A (zh) * | 2018-06-04 | 2018-11-23 | 西安交通大学 | 一种基于基团贡献理论预测混合物临界性质的方法 |
| CN113241127A (zh) * | 2021-03-19 | 2021-08-10 | 中国石油大学(北京) | 相平衡模型构建方法、装置、设备及存储介质 |
| CN115482885A (zh) * | 2022-09-30 | 2022-12-16 | 广东电网有限责任公司 | 一种二元汽液相平衡预测方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| YANG, HONGWEI: "Study on Thermodynamic Model of Mixing Enthalpy of Liquid Alloy", ENGINEERING SCIENCE AND TECHNOLOGY I, CHINA DOCTORAL DISSERTATIONS FULL-TEXT DATABASE, no. 10, 15 October 2012 (2012-10-15) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115482885A (zh) | 2022-12-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2024066142A1 (zh) | 一种二元汽液相平衡预测方法及装置 | |
| Goshtasbi et al. | Effective parameterization of PEM fuel cell models—Part I: Sensitivity analysis and parameter identifiability | |
| Priyanka et al. | Empirical evaluation of cloud-based testing techniques: a systematic review | |
| CN110348746B (zh) | 基于单个污染源的空气质量影响评估方法和装置 | |
| CN102446235A (zh) | 一种利用计算机模拟计算化学组分间相互作用参数的方法 | |
| JP2016500856A (ja) | デジタルｐｃｒ実験設計器のための方法およびシステム | |
| Chen et al. | A study on thermodynamic and transport properties of carbon dioxide using molecular dynamics simulation | |
| Li et al. | Viscosity prediction of pure refrigerants applying the residual entropy scaling theory coupled with a “Generalized Chart” parametrization method for the Statistical Associating Fluid Theory | |
| Zhang et al. | A hybrid kinetic mechanism reduction scheme based on the on-the-fly reduction and quasi-steady-state approximation | |
| Bai et al. | Application of similarity theory in modeling the output characteristics of proton exchange membrane fuel cell | |
| Li et al. | Estimation of normal distribution parameters and its application to carbonation depth of concrete girder bridges | |
| Doran et al. | Stochastic evaluation of fourth-order many-body perturbation energies | |
| CN104850683A (zh) | 基于弱形式求积元法计算材料裂纹尖端应力场系数的方法 | |
| Matsuno et al. | Improved mixing time for k-subgraph sampling∗ | |
| CN115271258B (zh) | 臭氧主控污染物的预测方法、装置及电子设备 | |
| Yang et al. | A new molecular thermodynamic model for multicomponent Ising lattice | |
| Siderius et al. | Osmotic virial coefficients for model protein and colloidal solutions: Importance of ensemble constraints in the analysis of light scattering data | |
| Guvelioglu et al. | Main and interaction effects of PEM fuel cell design parameters | |
| Nihill et al. | Experimental and theoretical study of rotationally inelastic diffraction of H2 (D2) from methyl-terminated Si (111) | |
| Patelli et al. | Computational optimization strategies for the simulation of random media and components | |
| Wüchner et al. | Finite-source retrial queues with applications | |
| Proud et al. | Revealing electron–electron interactions within Lewis pairs in chemical systems | |
| KR20200127483A (ko) | 매트랩을 활용한 모델링 자동화 장치 및 방법 | |
| Xie et al. | A cloud platform for sharing and automated analysis of raw data from high throughput polymer MD simulations | |
| Zaluzec | Computationally mediated experimental science |