超临界压力流体换热性能预测方法、装置和设备

1.本技术涉及对流换热性能预测领域，尤其涉及一种超临界压力流体换热性能预测方法、装置和设备。


背景技术：

2.超临界压力流体具有比热容大、粘度低、流动性好、冷却性能好、无腐蚀性、不燃无毒的特点，具有广阔的应用前景。然而超临界压力流体在准临界温度附近物性会发生剧烈变化，给流动换热系统带来巨大影响，对系统的平衡和稳定运行产生干扰，甚至导致安全隐患，因此需要对超临界压力流体的换热性能参数进行预测。
3.现有技术中，一般采用使用超临界压力流体对流换热准则关联式来计算其对流换热性能参数，或者利用计算流体力学，通过数值模拟方法模拟流体的流动，以此预测超临界压力流体对流换热性能参数。
4.然而现有技术中，利用超临界压力流体对流换热准则关联式预测超临界压力流体的对流换热性能，准确度较差；数值模拟方法所花费的成本较高。


技术实现要素：

5.本技术提供一种超临界压力流体换热性能预测方法、装置和设备，用以解决对超临界流体换热性能预测准确性差、耗费成本高的问题。
6.第一方面，本技术提供一种超临界压力流体换热性能预测方法，所述方法包括：
7.获取超临界压力流体的换热数据集合，其中，所述换热数据集合中包括超临界压力流体至少一个换热工况的换热数据；
8.对所述换热数据集合进行预处理，确定第一数据集合；
9.根据所述第一数据集合和预设的真实换热性能参数集合，基于预设算法进行模型训练，确定所述超临界压力流体的换热性能预测模型，其中，所述预设的真实换热性能参数集合包括所述第一数据集合中每一换热工况的真实换热性能参数；
10.基于所述预测模型，向终端设备发送获取指令，其中，所述获取指令用于获取目标超临界压力流体的换热数据，对所述目标超临界压力流体的换热性能参数进行预测。
11.在可选的一种实施方式中，每一换热工况具有多种换热数据，包括表面压力、壁面温度、主流流体温度、质量流率、热流密度、进出口温度、进口雷诺数；所述第一数据集合包括所述换热数据、每一换热工况下的流体壁面热物性参数数据、每一换热工况下的主流流体热物性参数数据、每一所述流体壁面热物性参数数据与每一所述主流流体热物性参数数据的比值以及每一换热工况下的无量纲参数；对所述换热数据集合进行预处理，确定第一数据集合，包括：
12.根据预设筛选逻辑，剔除所述换热数据集合中的异常换热数据，得到处理后的换热数据集合；
13.根据所述处理后的换热数据集合中每一换热工况下的表面压力、每一换热工况下
的壁面温度、每一换热工况下的主流流体温度以及预设的流体物性数据表，确定所述每一换热工况下的流体壁面热物性参数数据和所述每一换热工况下的主流流体热物性参数数据；
14.根据所述每一换热工况下的流体壁面热物性参数数据和所述每一换热工况下的主流流体热物性参数数据，确定每一所述流体壁面热物性参数数据与每一所述主流流体热物性参数数据的比值；
15.根据所述换热数据和预设定义信息，确定每一换热工况下的无量纲参数，其中，所述无量纲参数包括雷诺数、普朗特数、bo*数以及kv数。
16.在可选的一种实施方式中，所述热物性参数包括：包括密度、动力粘度、定压比热容、热导率、热膨胀系数以及焓值。
17.在可选的一种实施方式中，根据所述第一数据集合和预设的真实换热性能参数集合，基于预设算法进行模型训练，确定所述超临界压力流体的换热性能预测模型，包括：
18.将所述第一数据集合分为训练数据集和测试数据集，其中，所述训练数据集与所述测试数据集中的数据互不交叉；
19.根据所述预设算法、所述预设的真实换热性能参数集合以及所述训练数据集对预设模型进行构造与拟合，生成初始预测模型；
20.根据所述测试数据集和所述预设的真实换热性能参数集合对所述初始预测模型的精度进行评估，确定所述超临界压力流体的换热性能预测模型。
21.在可选的一种实施方式中，根据所述测试数据集和所述预设的真实换热性能参数集合对所述初始预测模型的精度进行评估，确定所述超临界压力流体的换热性能预测模型，包括：
22.将所述测试数据集确定为目标测试数据集；
23.根据所述目标测试数据集中的任一换热工况的换热数据、所述换热工况的流体壁面热物性参数数据、所述换热工况的主流流体热物性参数数据、所述换热工况下每一所述流体壁面热物性参数数据与每一所述主流流体热物性参数数据的比值、所述换热工况的无量纲参数、以及所述初始预测模型，计算得到所述换热工况的换热性能参数；
24.判断所述换热性能参数与所述换热工况的预设真实换热性能参数之间的差值是否大于预设阈值；
25.若所述换热性能参数与所述换热工况的预设真实换热性能参数之间的差值大于预设阈值，则按照预设比例，将所述目标测试数据集中的部分换热数据加入到所述训练数据集中，形成新的测试数据集和新的训练数据集，根据所述新的训练数据集对所述初始预测模型进行构造与拟合，生成新的初始预测模型，将新的测试数据集确定为目标测试数据集，并重复执行所述根据所述目标测试数据集中的任一换热工况的换热数据、所述换热工况的流体壁面热物性参数数据、所述换热工况的主流流体热物性参数数据、所述换热工况下每一所述流体壁面热物性参数数据与每一所述主流流体热物性参数数据的比值、所述换热工况的无量纲参数、以及所述初始预测模型，计算得到所述换热工况的换热性能参数，判断所述换热性能参数与所述换热工况的预设真实换热性能参数之间的差值是否大于预设阈值的步骤，直至所述换热性能参数与所述换热工况的预设真实换热性能参数之间的差值小于等于预设阈值；
26.若所述换热性能参数与所述换热工况的预设真实换热性能参数之间的差值小于等于预设阈值，则确定所述初始预测模型为所述超临界压力流体的换热性能预测模型。
27.第二方面，本技术提供一种超临界压力流体换热性能预测装置，所述装置包括：
28.获取单元，用于获取超临界压力流体的换热数据集合，其中，所述换热数据集合中包括超临界压力流体至少一个换热工况的换热数据；
29.第一确定单元，用于对所述换热数据集合进行预处理，确定第一数据集合；
30.第二确定单元，用于根据所述第一数据集合和预设的真实换热性能参数集合，基于预设算法进行模型训练，确定所述超临界压力流体的换热性能预测模型，其中，所述预设的真实换热性能参数集合包括所述第一数据集合中每一换热工况的真实换热性能参数；
31.处理单元，用于基于所述预测模型，向终端设备发送获取指令，其中，所述获取指令用于获取目标超临界压力流体的换热数据，对所述目标超临界压力流体的换热性能参数进行预测。
32.在可选的一种实施方式中，每一换热工况具有多种换热数据，包括表面压力、壁面温度、主流流体温度、质量流率、热流密度、进出口温度、进口雷诺数；所述第一数据集合包括所述换热数据、每一换热工况下的流体壁面热物性参数数据、每一换热工况下的主流流体热物性参数数据、每一所述流体壁面热物性参数数据与每一所述主流流体热物性参数数据的比值以及每一换热工况下的无量纲参数；所述第一确定单元包括：
33.第一处理子单元，用于根据预设筛选逻辑，剔除所述换热数据集合中的异常换热数据，得到处理后的换热数据集合；
34.第一确定子单元，用于根据所述处理后的换热数据集合中每一换热工况下的表面压力、每一换热工况下的壁面温度、每一换热工况下的主流流体温度以及预设的流体物性数据表，确定所述每一换热工况下的流体壁面热物性参数数据和所述每一换热工况下的主流流体热物性参数数据；
35.第二确定子单元，用于根据所述每一换热工况下的流体壁面热物性参数数据和所述每一换热工况下的主流流体热物性参数数据，确定每一所述流体壁面热物性参数数据与每一所述主流流体热物性参数数据的比值；
36.第三确定子单元，用于根据所述换热数据和预设定义信息，确定每一换热工况下的无量纲参数，其中，所述无量纲参数包括雷诺数、普朗特数、bo*数以及kv数。
37.在可选的一种实施方式中，所述第二确定单元包括：
38.第二处理子单元，用于将所述第一数据集合分为训练数据集和测试数据集，其中，所述训练数据集与所述测试数据集中的数据互不交叉；
39.第三处理子单元，用于根据所述预设算法、所述预设的真实换热性能参数集合以及所述训练数据集对预设模型进行构造与拟合，生成初始预测模型；
40.第四确定子单元，用于根据所述测试数据集和所述预设的真实换热性能参数集合对所述初始预测模型的精度进行评估，确定所述超临界压力流体的换热性能预测模型。
41.第三方面，本技术提供一种电子设备，所述电子设备包括：存储器，处理器；
42.存储器；用于存储所述处理器可执行指令的存储器；
43.其中，所述处理器被配置为执行如第一方面所述的方法。
44.第四方面，本技术提供一种计算机可读存储介质，所述计算机可读存储介质中存
储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如第一方面所述的方法。
45.本技术提供的超临界压力流体换热性能预测方法、装置和设备，通过获取超临界压力流体的换热数据集合，其中，换热数据集合中包括超临界压力流体至少一个换热工况的换热数据；对换热数据集合进行预处理，确定第一数据集合；根据第一数据集合和预设的真实换热性能参数集合，基于预设算法进行模型训练，确定超临界压力流体的换热性能预测模型；基于预测模型，向终端设备发送获取指令，其中，获取指令用于获取目标超临界压力流体的换热数据，对目标超临界压力流体的换热性能参数进行预测。实现了对超临界压力流体的换热性能高准确性、快速、低成本的预测。
附图说明
46.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理。
47.图1为本技术实施例提供的一种超临界压力流体换热性能预测方法的流程图；
48.图2为本技术实施例提供的另一种超临界压力流体换热性能预测方法的流程图；
49.图3为本技术实施例提供的一种超临界压力流体换热性能预测装置的结构示意图；
50.图4为本技术实施例提供的另一种超临界压力流体换热性能预测装置的结构示意图；
51.图5为本技术实施例提供的一种电子设备的结构示意图；
52.图6是本技术实施例提供的的一种终端设备的框图。
53.通过上述附图，已示出本技术明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本技术构思的范围，而是通过参考特定实施例为本领域技术人员说明本技术的概念。
具体实施方式
54.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本技术的一些方面相一致的装置和方法的例子。
55.超临界压力流体在物理性质上体现出液体和气体的双重特点：超临界压力流体的密度较高，接近于液体，并且超临界压力流体的粘度小和扩散系数大，与气体相近，因此超临界压力流体具有良好的流动性和输运性，具有比热容大、粘度低、流动性好、冷却性能好、无腐蚀性、不燃无毒的特点，应用于流动换热系统中，具有广阔的前景。然而如果超临界压力流体在工作时处于准临界温度附近或跨越了准临界温度，流体的物性会发生剧烈变化，这将给流动换热系统带来巨大影响，对系统的平衡和稳定运行产生干扰，甚至导致安全隐患，因此需要对超临界压力流体的换热性能参数进行预测。
56.超临界压力流体的换热机理十分复杂且影响因素众多，任意工况参数的变化都会引起不同程度的传热恶化。现有的超临界压力流体对流换热性能预测方法主要有两种：1)
关联式预测法：使用超临界压力流体对流换热准则关联式来计算其对流换热性能参数(例如对流换热系数、对流换热努塞尔数)；2)数值模拟法：通过计算流体力学或是直接数值模拟能够模拟流体的流动，并预测对流换热性能。
57.然而现有技术中，1)由于浮升力和流动加速等多因素的耦合影响，对流换热准则关联式的准确度往往较差，一般与真实值偏差30％以上；2)计算流体力学中，由于湍流模型不准确，导致计算预测值与真实值偏差20％以上甚至更高，而直接数值模拟法虽然能够较为准确地预测换热性能，但需要在超级计算机上进行计算和模拟，设备成本高昂，花费一般几十万的计算资源费用，并且计算周期也较长，一般需要花费数月甚至更久。因此对流换热准则关联式虽然能够快速预测超临界压力流体对流换热性能，但准确度较差，可以认为关联式给出的是低精度数据；而数值模拟方法虽然准确度更高，得到的一般都是高精度数据，但计算的设备、时间成本都十分高昂。
58.超临界压力流体湍流换热规律的相关研究已有数十年历史，相关研究至今已经积累了大量实验和数值模拟研究数据，本技术提供的超临界压力流体换热性能预测方法，对超临界压力流体的历史实验和数值模拟研究数据的整理和汇总，将这些数据进行标准化和规范化处理，得到高质量、高精度的数据集，在此数据集的基础上，借助机器学习中的开源分布式高性能梯度增强框架(light gradient boosting machine，简称lightgbm)算法，提出并训练了一种计算效率高、低成本、高精度的替代模型，能够对超临界压力流体湍流换热性能给出准确预测，旨在解决现有技术的如上技术问题。
59.下面以具体地实施例对本技术的技术方案以及本技术的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本技术的实施例进行描述。
60.图1为本技术实施例提供的一种超临界压力流体换热性能预测方法的流程图，如图1所示，该方法包括：
61.101、获取超临界压力流体的换热数据集合，其中，换热数据集合中包括超临界压力流体至少一个换热工况的换热数据。
62.示例性地，获取超临界压力流体的换热数据集合，其中，换热数据集合中包括超临界压力流体至少一个换热工况的换热数据，换热数据集合中所包含的换热工况的越丰富，基于这个换热数据集合得来的超临界压力流体换热性能预测模型就具有越广的应用性，这些换热数据可以是由实验得来的，也可以是经由数值计算、数值模拟得来。
63.102、对换热数据集合进行预处理，确定第一数据集合。
64.示例性地，为保证方法的准确性，需要对换热数据集合进行预处理，即标准化与规范化处理，从而确定第一数据集合，这个预处理包括但不限于筛选数据、规范化数据。
65.103、根据第一数据集合和预设的真实换热性能参数集合，基于预设算法进行模型训练，确定超临界压力流体的换热性能预测模型，其中，预设的真实换热性能参数集合包括第一数据集合中每一换热工况的真实换热性能参数。
66.示例性地，为了对后续得到的预测模型的可用性、准确性进行验证，预设有真实换热性能参数集合，该集合包括第一数据集合中每一换热工况的真实换热性能参数，根据第一数据集合和预设的真实换热性能参数集合，基于预设算法，例如lightgbm算法，进行模型训练，确定超临界压力流体的换热性能预测模型。
67.104、基于预测模型，向终端设备发送获取指令，其中，获取指令用于获取目标超临界压力流体的换热数据，对目标超临界压力流体的换热性能参数进行预测。
68.示例性地，基于预测模型，向终端设备发送获取指令，获取目标超临界压力流体的换热数据，根据预测模型和这些换热数据，对目标超临界压力流体的换热性能参数进行预测，进而得出目标超临界压力流体的换热性能参数，并将其应用于实际生产中。
69.本实施例中，通过以下步骤：获取超临界压力流体的换热数据集合，其中，换热数据集合中包括超临界压力流体至少一个换热工况的换热数据；对换热数据集合进行预处理，确定第一数据集合；根据第一数据集合和预设的真实换热性能参数集合，基于预设算法进行模型训练，确定超临界压力流体的换热性能预测模型；基于预测模型，向终端设备发送获取指令，其中，获取指令用于获取目标超临界压力流体的换热数据，对目标超临界压力流体的换热性能参数进行预测。实现了对超临界压力流体的换热性能高准确性、快速、低成本的预测。
70.图2为本技术实施例提供的另一种超临界压力流体换热性能预测方法的流程图，如图2所示，该方法包括：
71.201、获取超临界压力流体的换热数据集合，其中，换热数据集合中包括超临界压力流体至少一个换热工况的换热数据。
72.一个示例中，每一换热工况具有多种换热数据，包括表面压力、壁面温度、主流流体温度、质量流率、热流密度、进出口温度、进口雷诺数。
73.示例性地，获取超临界压力流体的换热数据集合，其中，换热数据集合中包括超临界压力流体至少一个换热工况的换热数据，每一换热工况具有多种换热数据，包括该换热工况下的流体的表面压力、壁面温度、主流流体温度、质量流率、热流密度、进出口温度、进口雷诺数。而换热数据集合中所包含的换热工况的越丰富，基于这个换热数据集合得来的超临界压力流体换热性能预测模型就具有越广的应用性，这些换热数据可以是由实验得来的，也可以是经由数值计算、数值模拟得来。
74.202、对换热数据集合进行预处理，确定第一数据集合。
75.一个示例中，第一数据集合包括换热数据、每一换热工况下的流体壁面热物性参数数据、每一换热工况下的主流流体热物性参数数据、每一流体壁面热物性参数数据与每一主流流体热物性参数数据的比值以及每一换热工况下的无量纲参数。
76.一个示例中，步骤202包括以下步骤：
77.根据预设筛选逻辑，剔除换热数据集合中的异常换热数据，得到处理后的换热数据集合。
78.根据处理后的换热数据集合中每一换热工况下的表面压力、每一换热工况下的壁面温度、每一换热工况下的主流流体温度以及预设的流体物性数据表，确定每一换热工况下的流体壁面热物性参数数据和每一换热工况下的主流流体热物性参数数据。
79.根据每一换热工况下的流体壁面热物性参数数据和每一换热工况下的主流流体热物性参数数据，确定每一流体壁面热物性参数数据与每一主流流体热物性参数数据的比值。
80.根据换热数据和预设定义信息，确定每一换热工况下的无量纲参数，其中，无量纲参数包括雷诺数、普朗特数、bo*数以及kv数。
81.一个示例中，热物性参数包括：包括密度、动力粘度、定压比热容、热导率、热膨胀系数以及焓值。
82.示例性地，为保证方法的准确性，根据预设筛选逻辑，剔除换热数据集合中的异常换热数据、离群换热数据，得到处理后的换热数据集合；根据处理后的换热数据集合中每一换热工况下的表面压力、每一换热工况下的壁面温度、每一换热工况下的主流流体温度以及预设的流体物性数据表，确定每一换热工况下的流体壁面热物性参数数据和每一换热工况下的主流流体热物性参数数据；并根据每一换热工况下的流体壁面热物性参数数据和每一换热工况下的主流流体热物性参数数据，确定每一流体壁面热物性参数数据与每一主流流体热物性参数数据的比值；根据换热数据和预设的定义信息，确定每一换热工况下的无量纲参数，其中，无量纲参数包括雷诺数、普朗特数、bo*数以及kv数。经对换热数据集合进行标准化与规范化处理后，确定第一数据集合，第一数据集合包括换热数据、每一换热工况下的流体壁面热物性参数数据、每一换热工况下的主流流体热物性参数数据、每一流体壁面热物性参数数据与每一主流流体热物性参数数据的比值以及每一换热工况下的无量纲参数。其中，热物性参数包括：包括密度、动力粘度、定压比热容、热导率、热膨胀系数以及焓值。
83.203、将第一数据集合分为训练数据集和测试数据集，其中，训练数据集与测试数据集中的数据互不交叉。
84.示例性地，将第一数据集合分为训练数据集和测试数据集，其中，训练数据集与测试数据集中的数据互不交叉，训练数据集用于基于预设算法进行预测模型的生成拟合与训练，测试数据集用于对预测模型的准确性、可行性进行评估判断。
85.204、根据预设算法、预设的真实换热性能参数集合以及训练数据集对预设模型进行构造与拟合，生成初始预测模型。
86.示例性地，根据预设算法和训练数据集对预设模型进行构造与拟合，在这个过程中，预设模型的输入参数为训练集中的所有参数，输出参数为对流换热系数或者努塞尔数，将此输出的对流换热系数或者努塞尔数与预设的真实换热性能参数集合进行对比，偏差最小时，获得超临界流体对流换热性能参数的初始预测模型，并最终将训练结果中的相关参数储存。
87.205、根据测试数据集和预设的真实换热性能参数集合对初始预测模型的精度进行评估，确定超临界压力流体的换热性能预测模型。
88.一个示例中，步骤205包括以下步骤：
89.将测试数据集确定为目标测试数据集；
90.根据目标测试数据集中的任一换热工况的换热数据、换热工况的流体壁面热物性参数数据、换热工况的主流流体热物性参数数据、换热工况下每一流体壁面热物性参数数据与每一主流流体热物性参数数据的比值、换热工况的无量纲参数、以及初始预测模型，计算得到换热工况的换热性能参数；
91.判断换热性能参数与换热工况的预设真实换热性能参数之间的差值是否大于预设阈值；
92.若换热性能参数与换热工况的预设真实换热性能参数之间的差值大于预设阈值，则按照预设比例，将目标测试数据集中的部分换热数据加入到训练数据集中，形成新的测
试数据集和新的训练数据集，根据新的训练数据集对初始预测模型进行构造与拟合，生成新的初始预测模型，将新的测试数据集确定为目标测试数据集，并重复执行根据目标测试数据集中的任一换热工况的换热数据、换热工况的流体壁面热物性参数数据、换热工况的主流流体热物性参数数据、换热工况下每一流体壁面热物性参数数据与每一主流流体热物性参数数据的比值、换热工况的无量纲参数、以及初始预测模型，计算得到换热工况的换热性能参数，判断换热性能参数与换热工况的预设真实换热性能参数之间的差值是否大于预设阈值的步骤，直至换热性能参数与换热工况的预设真实换热性能参数之间的差值小于等于预设阈值；
93.若换热性能参数与换热工况的预设真实换热性能参数之间的差值小于等于预设阈值，则确定初始预测模型为超临界压力流体的换热性能预测模型。
94.示例性地，将测试数据集确定为目标测试数据集，将目标测试数据集中的任一换热工况的换热数据、换热工况的流体壁面热物性参数数据、换热工况的主流流体热物性参数数据、换热工况下每一流体壁面热物性参数数据与每一主流流体热物性参数数据的比值以及换热工况的无量纲参数，输入至初始预测模型，计算得到该换热工况的换热性能参数；若换热性能参数与换热工况的预设真实换热性能参数之间的差值小于等于预设阈值，则确定初始预测模型为预测模型；若换热性能参数与换热工况的预设真实换热性能参数之间的差值大于预设阈值，则将目标测试数据集中的部分换热数据加入到训练数据集中，形成新的训练数据集，根据新的训练数据集对初始预测模型进行构造与拟合，生成新的初始预测模型，并根据剩余的测试数据集中的换热数据，对新的初始预测模型进行评估测试，直至换热性能参数与换热工况的预设真实换热性能参数之间的差值小于等于预设阈值。
95.206、基于预测模型，向终端设备发送获取指令，其中，获取指令用于获取目标超临界压力流体的换热数据，对目标超临界压力流体的换热性能参数进行预测。
96.示例性地，本步骤参见步骤104，不再赘述。
97.本实施例中，通过以下步骤：获取超临界压力流体的换热数据集合，其中，换热数据集合中包括超临界压力流体至少一个换热工况的换热数据，对换热数据集合进行筛选、标准化处理，得到第一数据集合，每一换热工况具有多种换热数据，包括表面压力、壁面温度、主流流体温度、质量流率、热流密度、进出口温度、进口雷诺数，其中，第一数据集合包括了换热数据、每一换热工况下的流体壁面热物性参数数据、每一换热工况下的主流流体热物性参数数据、每一流体壁面热物性参数数据与每一主流流体热物性参数数据的比值以及每一换热工况下的无量纲参数；将第一数据集合分为训练数据集和测试数据集，根据预设算法、预设的真实换热性能参数集合以及训练数据集对预设模型进行构造与拟合，生成初始预测模型；根据测试数据集和预设的真实换热性能参数集合对初始预测模型的精度进行评估，确定超临界压力流体的换热性能预测模型；基于预测模型，向终端设备发送获取指令，其中，获取指令用于获取目标超临界压力流体的换热数据，对目标超临界压力流体的换热性能参数进行预测。实现了对超临界压力流体的换热性能高准确性、快速、低成本的预测。
98.图3为本技术实施例提供的一种超临界压力流体换热性能预测装置的结构示意图，如图3所示，该装置包括：
99.获取单元31，用于获取超临界压力流体的换热数据集合，其中，换热数据集合中包
括超临界压力流体至少一个换热工况的换热数据。
100.第一确定单元32，用于对换热数据集合进行预处理，确定第一数据集合。
101.第二确定单元33，用于根据第一数据集合和预设的真实换热性能参数集合，基于预设算法进行模型训练，确定超临界压力流体的换热性能预测模型，其中，预设的真实换热性能参数集合包括第一数据集合中每一换热工况的真实换热性能参数。
102.处理单元34，用于基于预测模型，向终端设备发送获取指令，其中，获取指令用于获取目标超临界压力流体的换热数据，对目标超临界压力流体的换热性能参数进行预测。
103.图4为本技术实施例提供的另一种超临界压力流体换热性能预测装置的结构示意图，在图3所示实施例的基础上，如图4所示，该装置包括：
104.一个示例中，每一换热工况具有多种换热数据，包括表面压力、壁面温度、主流流体温度、质量流率、热流密度、进出口温度、进口雷诺数；第一数据集合包括换热数据、每一换热工况下的流体壁面热物性参数数据、每一换热工况下的主流流体热物性参数数据、每一流体壁面热物性参数数据与每一主流流体热物性参数数据的比值以及每一换热工况下的无量纲参数；第一确定单元32包括：
105.第一处理子单元321，用于根据预设筛选逻辑，剔除换热数据集合中的异常换热数据，得到处理后的换热数据集合。
106.第一确定子单元322，用于根据处理后的换热数据集合中每一换热工况下的表面压力、每一换热工况下的壁面温度、每一换热工况下的主流流体温度以及预设的流体物性数据表，确定每一换热工况下的流体壁面热物性参数数据和每一换热工况下的主流流体热物性参数数据。
107.第二确定子单元323，用于根据每一换热工况下的流体壁面热物性参数数据和每一换热工况下的主流流体热物性参数数据，确定每一流体壁面热物性参数数据与每一主流流体热物性参数数据的比值。
108.第三确定子单元324，用于根据换热数据和预设定义信息，确定每一换热工况下的无量纲参数，其中，无量纲参数包括雷诺数、普朗特数、bo*数以及kv数。
109.一个示例中，热物性参数包括：包括密度、动力粘度、定压比热容、热导率、热膨胀系数以及焓值。
110.一个示例中，第二确定单元33包括：
111.第二处理子单元331，用于将第一数据集合分为训练数据集和测试数据集，其中，训练数据集与测试数据集中的数据互不交叉。
112.第三处理子单元332，用于根据预设算法、预设的真实换热性能参数集合以及训练数据集对预设模型进行构造与拟合，生成初始预测模型。
113.第四处理子单元333，用于根据测试数据集和预设的真实换热性能参数集合对初始预测模型的精度进行评估，确定超临界压力流体的换热性能预测模型。
114.一个示例中，第四处理子单元333具体用于：
115.将测试数据集确定为目标测试数据集；
116.根据目标测试数据集中的任一换热工况的换热数据、换热工况的流体壁面热物性参数数据、换热工况的主流流体热物性参数数据、换热工况下每一流体壁面热物性参数数据与每一主流流体热物性参数数据的比值、换热工况的无量纲参数、以及初始预测模型，计
算得到换热工况的换热性能参数；
117.判断换热性能参数与换热工况的预设真实换热性能参数之间的差值是否大于预设阈值；
118.若换热性能参数与换热工况的预设真实换热性能参数之间的差值大于预设阈值，则按照预设比例，将目标测试数据集中的部分换热数据加入到训练数据集中，形成新的测试数据集和新的训练数据集，根据新的训练数据集对初始预测模型进行构造与拟合，生成新的初始预测模型，将新的测试数据集确定为目标测试数据集，并重复执行根据目标测试数据集中的任一换热工况的换热数据、换热工况的流体壁面热物性参数数据、换热工况的主流流体热物性参数数据、换热工况下每一流体壁面热物性参数数据与每一主流流体热物性参数数据的比值、换热工况的无量纲参数、以及初始预测模型，计算得到换热工况的换热性能参数，判断换热性能参数与换热工况的预设真实换热性能参数之间的差值是否大于预设阈值的步骤，直至换热性能参数与换热工况的预设真实换热性能参数之间的差值小于等于预设阈值；
119.若换热性能参数与换热工况的预设真实换热性能参数之间的差值小于等于预设阈值，则确定初始预测模型为超临界压力流体的换热性能预测模型。
120.图5为本技术实施例提供的一种电子设备的结构示意图，如图5所示，电子设备包括：存储器51，处理器52。
121.存储器51；用于存储处理器52可执行指令的存储器。
122.其中，处理器52被配置为执行如上述实施例提供的方法。
123.图6是本技术实施例提供的的一种终端设备的框图，该设备可以是移动电话，计算机，消息收发设备，平板设备等。
124.装置800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(i/o)接口812，传感器组件814，以及通信组件816。
125.处理组件802通常控制装置800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
126.存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。
127.电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。
128.多媒体组件808包括在装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(lcd)和触摸面板(tp)。如果屏幕包括触摸面板，屏幕可
以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
129.音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(mic)，当装置800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
130.i/o接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
131.传感器组件814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到装置800的打开/关闭状态，组件的相对定位，例如组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如cmos或ccd图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
132.通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如wifi，2g或3g，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，通信组件816还包括近场通信(nfc)模块，以促进短程通信。例如，在nfc模块可基于射频识别(rfid)技术，红外数据协会(irda)技术，超宽带(uwb)技术，蓝牙(bt)技术和其他技术来实现。
133.在示例性实施例中，装置800可以被一个或多个应用专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
134.在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器804，上述指令可由装置800的处理器820执行以完成上述方法。例如，非临时性计算机可读存储介质可以是rom、随机存取存储器(ram)、cd-rom、磁带、软盘和光数据存储设备等。
135.本技术实施例还提供了一种非临时性计算机可读存储介质，当该存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行上述实施例提供的方法。
136.本技术实施例还提供了一种计算机程序产品，计算机程序产品包括：计算机程序，计算机程序存储在可读存储介质中，电子设备的至少一个处理器可以从可读存储介质读取计算机程序，至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方
案。
137.本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本技术的其它实施方案。本技术旨在涵盖本技术的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本技术的一般性原理并包括本技术未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本技术的真正范围和精神由下面的权利要求书指出。
138.应当理解的是，本技术并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本技术的范围仅由所附的权利要求书来限制。