| 基于贝叶斯正则化BP神经网络的超临界二氧化碳流动阻力特性预测 |
| |
| 引用本文： | 伍 权,朱 萌,陈 磊,卿浩然,周琳刚,许 凯,苏 胜,胡 松,刘 辉,向 军.基于贝叶斯正则化BP神经网络的超临界二氧化碳流动阻力特性预测[J].热力发电,2022,51(6):50-58. |
| |
| 作者姓名： | 伍 权 朱 萌 陈 磊 卿浩然 周琳刚 许 凯 苏 胜 胡 松 刘 辉 向 军 |
| |
| 作者单位： | 1.国家能源集团新能源技术研究院有限公司，北京 102209；2.华中科技大学煤燃烧国家重点实验室，湖北 武汉 430074 |
| |
| 摘 要： | 超临界二氧化碳（S-CO2）流动摩擦阻力特性尚不明晰，现有阻力预测公式泛化能力不强。对S-CO2在垂直上升光滑圆管中进行湍流流动的阻力特性进行了实验研究，系统分析了不同质量流速、压力和热流密度对S-CO2流动摩擦阻力的影响，实验参数范围为质量流速750~ 2 200 kg/(m2·s)，流体压力10~20 MPa，热流密度200~340 kW/m2以及主流温度60~500 ℃（远离拟临界点）。实验结果表明:S-CO2流动摩擦阻力随热流密度的增加而减小，这有利于 S-CO2发电的大规模工程应用；S-CO2流动摩擦阻力随压力的增加而减小，主要原因在于压力增加导致CO2流体密度增加。根据实验数据，构建了贝叶斯正则化BP神经网络模型，实现了对S-CO2流动摩擦阻力的有效预测。预测值与实验值的相关系数R=0.998 6，超过98%的预测值均在10%的误差范围内，表明该模型拟合精度高，具有较好的泛化能力。
|
| 关 键 词： | 超临界二氧化碳 流动 摩擦压降 神经网络 圆管 |
Prediction of S-CO2 flow resistance characteristics based on Bayesian-regularization BP neural network |
| |
| WU Quan,ZHU Meng,CHEN Lei,QING Haoran,ZHOU Lingang,XU Kai,SU Sheng,HU Song,LIU Hui,XIANG Jun.Prediction of S-CO2 flow resistance characteristics based on Bayesian-regularization BP neural network[J].Thermal Power Generation,2022,51(6):50-58. |
| |
| Authors: | WU Quan ZHU Meng CHEN Lei QING Haoran ZHOU Lingang XU Kai SU Sheng HU Song LIU Hui XIANG Jun |
| |
| Affiliation: | 1. New Energy Technology Research Institute, CHN Energy, Beijing 102209, China; 2. State Key Laboratory of Coal Combustion, Huazhong University of Science and Technology, Wuhan 430074, China |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《热力发电》浏览原始摘要信息 |
|
点击此处可从《热力发电》下载全文 |
|
