论文摘要
超临界二氧化碳（SCO2）布雷顿循环系统是未来极具潜力的发电能量转换系统,CO2物性表征模型对布雷顿循环系统中动力设备转轴密封和轴承性能的预测精度影响显著。在总结权威文献中不同温度和压力下CO2物性实验测试数据的基础上,对比分析了经典物性查询软件REFPROP软件中CO2密度、黏度和热导率预测模型的预测精度,获得了预测精度最高的物性预测模型及对应临界点附近误差较大的区域,采用人工神经网络算法获得了近临界区预测精度更高的CO2物性预测模型。结果表明:REFPROP软件中的FEK模型、VS1模型和TC1模型分别对CO2的密度、黏度和热导率具有最高的预测精度,不过其在近临界区的物性预测最大和平均误差仍分别达到40%和8%以上,利用神经网络算法所获得的CO2物性预测模型可使近临界点区的物性预测最大和平均误差分别降至30%和4%以下。
论文目录
文章来源
类型: 期刊论文
作者: 章聪,江锦波,彭旭东,赵文静,李纪云
关键词: 二氧化碳,软件,物性表征模型,神经网络,近临界区
来源: 化工学报 2019年08期
年度: 2019
分类: 工程科技Ⅰ辑,工程科技Ⅱ辑
专业: 电力工业
单位: 浙江工业大学过程装备及其再制造教育部工程研究中心
基金: 国家自然科学基金项目(51705458,51575490,51605436),浙江省自然科学基金项目(LQ17E050008,LY18E050026)
分类号: TM61
页码: 3058-3070
总页数: 13
文件大小: 2842K
下载量: 236