近临界区CO2物性预测模型对比与修正

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.

关键词：二氧化碳、REFPROP软件、物性表征模型、神经网络、近临界区

所属期刊栏目：70

分类号：TH117.2

资助基金：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

在线出版日期：2019-09-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：3058-3070