[发明专利]一种DSG槽式光热电站集热场工质参数预测方法

摘要

本发明公开一种DSG槽式光热电站集热场工质参数预测方法，包括：S1获取DSG槽式光热电站的工质相关参数历史数据；S2建立DSG槽式光热电站集热器的传热和水动力耦合稳态机理模型；S3搭建用于学习集热器入口工质压力和出口工质温度的神经网络，并利用S1获取的工质相关参数历史数据，和S2建立的传热和水动力耦合稳态机理模型，对搭建的神经网络进行训练；S4利用传热和水动力耦合稳态机理模型以及神经网络，组建用于预测集热器入口压力和出口温度的神经网络预测模型；S5获取待预测的DSG槽式光热电站集热器的已知工质相关参数数据，作为神经网络预测模型的输入量，对DSG槽式光热电站集热器的出口工质温度和入口工质压力进行预测。本发明可提高DSG槽式光热电站集热场工质参数预测的预测效率和精确度。

主权项

1.一种DSG槽式光热电站集热场工质参数预测方法，其特征是，包括：S1，获取DSG槽式光热电站的工质相关参数历史数据，所述工质相关参数历史数据包括对应多个连续时刻的太阳直射辐照强度DNI、系统入口工质流量FI、入口工质温度TI、入口工质压力PI、出口工质压力PO和出口工质温度TO；S2，基于S1获取的工质相关参数历史数据，建立DSG槽式光热电站集热器的传热和水动力耦合稳态机理模型，所述传热和水动力耦合稳态机理模型的输入量包括太阳直射辐照强度DNI、系统入口工质流量FI、入口工质压力PI和入口工质温度TI，输出量为系统机理先验温度T1和机理先验压力P1；S3，搭建用于学习集热器入口工质压力和出口工质温度的神经网络；神经网络的输入量包括：传热和水动力耦合稳态机理模型输出的系统机理先验温度和机理先验压力，太阳直射辐照强度DNI及其差分值，以及系统入口工质流量FI及其差分值；神经网络的输出量为集热器出口工质预测温度T_F和集热器入口工质预测压力P_F；利用S1获取的工质相关参数历史数据，和S2建立的传热和水动力耦合稳态机理模型，对搭建的神经网络进行训练；S4，利用S2建立的传热和水动力耦合稳态机理模型，以及S3训练得到的神经网络，组建用于预测集热器入口工质压力和出口工质温度的神经网络预测模型；S5，获取待预测的DSG槽式光热电站集热器的已知工质相关参数数据，作为S4组建的神经网络预测模型的输入量，对DSG槽式光热电站集热器的出口工质温度和入口工质压力进行预测；S2包括步骤：S21，定义DSG槽式光热电站集热器中，F为管内截面积，D_ab,i为金属管内径，T为管内工质温度，H为管内工质比焓，为管内工质质量流量，P为工质压力，ω为工质流速，x为工质的质量含气率，ρ为工质密度，Q1为单位时间单位管长太阳辐射向管壁金属的放热量，Q2为单位时间单位管长管壁金属向管内工质的放热量，y为管长方向长度，r为管壁径向，I_direct为聚光器开口面上的太阳直射辐射强度，B为聚光器开口宽度，η_opt为DSG集热器的光学效率，K_τα为入射角修正系数，q₁为DSG集热器的热力学损失，D_ab,o为吸热管外径；则传热和水动力耦合稳态机理模型包括：金属管管壁外侧的能量方程：Q₁＝I_directBη_optK_τα；Q₂＝Q₁‑q_l·πD_ab,o；金属管内传热和水动力模型，包括：质量守恒方程：能量守恒方程：动量守恒方程：P_d为单位管长的摩擦压降；管内传热方程：Q₂＝h·πD_ab,i(T_wall‑T)，h为传热系数，T_wall为金属管壁温；S22，确定管内传热方程中的传热系数h：单相流体区域的传热系数由Dittus‑Boelter关系式表示，即：Re为金属管内工质的雷诺数，Pr为金属管内工质的普朗特数，k为导热系数；两相流体区域的传热系数为：h＝h′_B+h′_l式中，h′_B＝h_BS，h_B为水的核态沸腾传热系数；h′_l＝h_lF，h_l为饱和水传热系数；S为限制因子，F为增强因子；S23，确定热力学损失q₁：q_l＝(a+c·V_wind)(T_j‑T_a)+ε_ab·b·(T_j⁴‑T_sky⁴)式中，V_wind为风速；T_a为环境温度；ε_ab为吸热管发射率；T_sky为天空温度；a、b、c分别是对流、辐射和风速因子；S24，确定单位管长的摩擦压降P_d：对于管内为单相流动的情况，摩擦压降为：式中，λ₁为摩擦系数，ω为金属管内工质流速；对于管内两相流动的情况，摩擦压降为：式中，(P_d)_1ph指管内汽水混合物全部为水时的摩擦压降；为Martinelli‑Nelson两相乘子。