级联神经网络模型预测控制用于sCO2同轴全玻璃集热器热管理

Case Studies in Thermal Engineering · 2026-10-06 · 期刊论文

• 一句话结论：结论方向为正向：级联前馈神经网络结合模型预测控制（CFNN–MPC）被提示可提升超临界CO2同轴全玻璃真空管集热器的实时热管理与预测精度；但属单系统初步评估，证据档位为C，仅属提示，不足以下结论。
• 研究设计与做法：研究设计与做法：为数值仿真与参数研究，针对串联配置、同轴全玻璃真空管、以超临界CO2为工质的集热器进行初步评估；采用CFNN–MPC框架在有用得热与㶲增益软约束下预测与控制非线性热行为；样本量、对照设置与随访时长材料未报告。
• 主要结果：主要结果：参数研究显示进口温度（低于或高于等压比热峰值）显著影响出口热行为与㶲效率并移动最优工作点；同轴流体通道下最高温度308.15 °C、㶲效率18.87%；CFNN预测R²=0.99948；在粉尘积累或传感器误差达30 °C扰动下，框架将有用㶲损失限制在9.3%。
• 机制或解释：机制或解释：作者解释CFNN的级联结构带来更优预测精度，MPC在出口温度调节与最小化㶲损之间取得平衡，从而维持运行完整性；进口温度通过改变等压比热附近物性影响最优工作点。
• 局限与边界：局限或边界：为单集热器构型的初步数值评估，非现场长期运行；模型精度依赖训练数据与传感器质量，30 °C级扰动仍可威胁稳定性；样本量、随访时长与利益冲突材料未报告。
• 可否落地：可否落地：对太阳能集热器实时热管理与与卡诺电池等系统集成的控制设计具参考价值，但当前证据档位为提示，尚不足以下结论；需实验台架与长期现场验证后再考虑工程部署。

🔗 打开原文

Sadegh Ataee, Mehran Ameri

本文摘自《每日前沿研究简报 · 2026-10-08》「能源科学」。本内容仅用于研究信息整理与科普交流，不构成医疗建议。