基于多相流模型的腔体内纳米流体自然对流换热数值模拟

运用多相流混合模型和单相流模型模拟了纳米流体在封闭腔体内的自然对流换热特性,将模拟结果与相应的实验值进行对比,分析了瑞利数、格拉晓夫数和纳米颗粒体积分数等物理量与努塞尔数的关系;同时,对比分析了纳米流体和纯水在水平与垂直中心截面的速度分布,以及封闭腔体内流体的温度场及流场.结果表明:基于N-S方程的单相流模型所得努塞尔数变化曲线与水的努塞尔数曲线较吻合,但不能反应纳米流体的换热特性;而基于多相流混合模型所得努塞尔数变化曲线与相应的实验结果较吻合;纳米颗粒的添加能够显著增强封闭腔体内的流体运动,有利于强化封闭腔体内流体的能量传输,起到了对流换热作用.     

基于聚类及优化集成神经网络的地铁车站空调负荷预测

分别从优化算法集成神经网络及将数据聚类后按类建模两方面建立3种模型对地铁车站空调负荷进行逐时预测,结果表明：同一物理量对地铁车站空调负荷所产生的影响程度随时间呈现某种动态变化特征,根据历史数据定量分析这些特征,对精准筛选模型输入参数、提高模型预测精度大有裨益。在3种模型中,粒子群优化算法-神经网络（PSO-BPNN）和果蝇优化算法-神经网络（FOA-BPNN）预测的平均相对误差（MAPE）较单纯神经网络（BPNN）分别降低25.87%和40.08%,聚类-神经网络（Kmeans-BPNN）预测的MAPE比PSO-BPNN及FOA-BPNN分别降低61.12%和51.90%。说明在同等情况下,优化算法集成模型比单纯BPNN预测精度更高,而当区分实际负荷变化特点后,采用聚类后建模比优化集成建模效果更佳。     

固-液接触角对池内核态沸腾换热特性的影响

摘要： 在考虑固-液接触角影响的半理论沸腾换热模型的基础上,将沸腾换热特性表达为过热度、固-液接触角和物性参数的函数;通过图解法推导出考虑固-液接触角影响的沸腾换热特性的预测关系式;利用无壁面毛细力影响的平坦金属表面或金属表面镀膜加热面在不同饱和压力条件下的饱和水实验数据,获得了适用于不同饱和压力和     

基于多相流模型的纳米流体在水平细圆管内强制对流换热数值模拟

运用2种多相流模型模拟了纳米流体在细圆管内的强制对流换热特性,并与已有文献的实验值和传统流体经验公式的计算值进行对比.其中,采用混合模型和欧拉模型分析了雷诺数、纳米颗粒体积分数等物理量对换热特性的影响.结果表明:在纳米颗粒体积分数较低时,模拟值与其实验值及经验公式的计算值相差不大;随着纳米颗粒体积分数增加,其非常规的流体特性逐渐突出,当纳米颗粒体积分数达到一定值时,常规的流体经验公式已不再适用,纳米流体换热呈现出一定的多相流特性,且多相流模型的模拟值更接近于其实验值,表明运用多相流模型能够模拟纳米流体的换热特性.