[发明专利]一种基于神经网络的两相流动换热模型的应用方法

说明书

本发明公开了一种基于神经网络的两相流动换热模型的应用方法，步骤如下：1、收集两相流动换热实验数据，建立两相流动换热模型数据库；2、确定预测两相流动换热关键参数所需的特征参数；3、建立预测两相流动换热关键参数的神经网络模型并对其进行训练；4、在热工水力程序中添加耦合接口，对神经网络模型进行调用；5、首先判断是否为两相流动换热计算，若是两相流动换热计算，则在热工水力程序中向神经网络模型输入特征参数开展热工水力计算；6、判断计算结果是否收敛，若计算结果不收敛，则对输入参数迭代后重复步骤5，若计算结果收敛，则结束计算。本发明扩大适用范围并提升计算精度，为未来核反应堆热工水力设计分析的两相计算提供便利。

技术领域

本发明属于两相流动换热技术领域，具体涉及一种基于神经网络的两相流动换热模型的应用方法。

背景技术

两相流动换热机理复杂，受到压力、工质、管径、流速、含气率等许多因素影响，具有显著的非线性特性，尚未形成准确的理论模型；在核动力系统的设计分析中，沸水堆堆芯、蒸汽发生器二次侧、事故工况下压水堆堆芯的流体域计算都会涉及到两相流动换热工况，而核动力系统中热量的传输主要是靠流体与固体壁面的相对流动来完成，两相流动换热同时会影响燃料元件(固体域)的计算；

目前，两相流动换热计算模型为实验获得，开展不同压力、工质、管径、流速、含气率下的两相流动换热实验，获得换热系数、临界热流密度、流型等两相流动换热关键参数，将实验数据进行拟合，获得经验关系式；

现行的热工水力程序中，通常使用上述方法获得的经验关系式进行计算，不同的经验关系式适用范围小并且具有一定的误差，因此会综合考虑多种经验关系式，使用最为保守的模型计算；但是过于保守的两相流动换热计算会高估燃料元件温度，降低经济性，若不考虑保守的计算又会降低反应堆的安全性，因此准确的两相流动换热计算能够在保证核动力系统安全性的同时提高经济性。

发明内容

为了克服上述现有技术存在的问题，本发明的目的在于提供一种基于神经网络的两相流动换热模型的应用方法，通过建立神经网络模型预测两相流动换热关键参数并将其应用在热工水力程序中，克服了传统热工水力程序中两相流动换热模型适用范围窄、计算误差大的缺陷，扩大适用范围的同时能够提升计算精度；

为了实现上述目的，本发明采取以下技术方案予以实施：

一种基于神经网络的两相流动换热模型的应用方法，通过建立神经网络模型预测两相流动换热关键参数并将其应用在热工水力程序中，克服了传统热工水力程序中两相流动换热模型适用范围窄、计算误差大的缺陷，扩大适用范围的同时能够提升计算精度；

该方法包含以下步骤：

步骤1：收集两相流动换热实验数据，建立两相流动换热模型数据库；两相流动换热特性的关键参数为换热系数、临界热流密度和流型，因此需要收集两相流动换热的换热系数、临界热流密度和流型划分的实验数据，将不同来源的实验数据进行预处理，将单位统一为国际单位制并去除明显错误的数据点；

对于两相流动换热的换热系数、由于两相流动换热中核态沸腾为壁面上生成气泡，然而在壁面热流密度大的情况下壁面会瞬间形成气膜，因此核态沸腾换热系数和膜态沸腾换热系数会有差异，需要分别建立核态沸腾换热系数和膜态沸腾换热系数数据库；

步骤2：确定预测两相流动换热关键参数所需的特征参数；根据两相流动换热特性，将两相流动的核态沸腾换热系数、膜态沸腾换热系数、临界热流密度和流型作为预测参数，分别选择对应的特征参数；

对于两相流动换热的核态沸腾换热系数和膜态沸腾换热系数预测，由于两相流动换热实验中无法对液相流速和气相流速分别测量，因此核态沸腾换热系数和膜态沸腾换热系数的特征参数均为：压力、含气率、质量流密度、管内径和无量纲物性参数，无量纲物性参数能够扩大两相流动换热模型的适用范围，从单一工质扩展至多种工质，无量纲参数如式(1)所示：