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

摘要

超临界二氧化碳(S-CO_(2))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-CO_(2)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-CO_(2)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-CO_(2)流动摩擦阻力随热流密度的增加而减小,这有利于S-CO_(2)发电的大规模工程应用;S-CO_(2)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CO_(2)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-CO_(2)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。