首页|基于GA-BP神经网络的超临界CO2传热特性预测研究

基于GA-BP神经网络的超临界CO2传热特性预测研究

Prediction of heat transfer characteristics for supercritical CO2 based on GA-BP neural network

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
超临界二氧化碳(S-CO2)动力循环在能源利用领域中拥有广阔的应用前景,其中超临界CO2的传热特性对其能量转换效率至关重要.开展了超临界CO2在水平小圆管内对流传热实验研究,并通过建立遗传算法优化的BP神经网络模型(GA-BP),对其在不同工况下的传热特性进行预测分析.实验参数范围:系统压力7.5～9.5 MPa,质量流速1100～2100 kg/(m2‧s),热通量120～560 kW/m2.实验结果表明,超临界CO2传热系数随流体温度的升高先增大后减小,在拟临界温度附近达到最大值.GA-BP神经网络模型能有效地预测超临界CO2的传热系数,预测数据的决定系数R2为0.99662,超过95％的数据误差位于±10％范围内,平均误差为3.55％,为超临界流体传热预测提供新的思路.

颜建国、郑书闽、郭鹏程、张博、毛振凯

展开 >

西安理工大学西北旱区生态水利国家重点实验室,陕西西安710048

中国电建集团西北勘测设计研究院有限公司,陕西西安710065

超临界二氧化碳 对流 传热 GA-BP神经网络 传热预测

518390105190921321JY0292020-29QNZX-2019-05

2021

10.11949/0438-1157.20210156

化工学报
中国化工学会 化学工业出版社

化工学报

CSTPCDCSCD北大核心
影响因子：1.26
ISSN：0438-1157
年,卷(期)：2021.72(9)
  • 9
  • 5