一种管理超临界二氧化碳循环机组的热效率的方法与流程

技术特征：
1.一种管理超临界二氧化碳循环机组的热效率的方法，包括：确定影响超临界二氧化碳sco2循环机热效率的x个变量，其中x为大于等于2的整数；使用主元分析法从所述x个变量选择m个变量，其中m为小于n的整数；利用所述m个变量建立sco2循环机热效率的热力学模型；利用所述热力学模型对sco2循环机热效率进行管理。2.根据权利要求1所述的方法，其特征在于，所述x个变量包括如下至少一个：高压透平入口压力、高压透平入口温度、低压透平入口压力、低压透平入口温度、主压缩机的入口温度、主压缩机的压力损失、再压缩机的入口温度、再压缩机的压力损失以及压缩机分流比。3.根据权利要求1所述的方法，其特征在于，所述使用主元分析法从所述x个变量选择m个变量，包括：采用主元分析法对所述x个变量进行筛选，得到贡献率最高的变量；计算所述贡献率最高的变量与剩余的x-1个变量之间的相关系数；根据所述x-1个变量中每个变量的相关系数，选择m-1个变量，将所述贡献率最高的变量和m-1个变量组合后作为最终变量。4.根据权利要求3所述的方法，其特征在于，采用如下计算表达式计算相关系数，包括：其中，x、y代表了两个不同的变量，cov(x,y)为x，y的协方差，σ
x
和σ
y
代表了样本的平均值。5.根据权利要求1所述的方法，其特征在于，所述利用所述m个变量建立sco2循环机热效率的热力学模型之后，所述方法还包括：从预先记录的采用a个变量建立的sco2循环机热效率的热力学模型中确定所述m个变量的配置值，其中a为大于m的整数；在采用m个变量的配置参数运行所述热力学模型过程中，以优化热效率为目标，采用遗传算法对所述热力学模型的中的变量的取值进行调整。6.根据权利要求1所述的方法，其特征在于，采用遗传算法对所述热力学模型的变量的取值进行调整，包括：确定需要优化的变量；利用需要优化的变量，建立初代群体；计算初代群体的适应度；采用遗传算法生成下一代群体；计算下一代群体的适应度是否满足预设的适应度条件，其中所述适应度条件是根据初代适应度设置的；如果下一代群体的适应度满足所述适应度条件，则优化后的变量的编码后的值；否则，继续生成下一代群体直到得到的下一代群体的适应度满足所述适应度条件或者迭代次数达到预设的次数阈值为止。7.根据权利要求6所述的方法，其特征在于，所述采用遗传算法生成下一代群体，包括：
计算所述下一代群体中每个个体的适应度值；根据每个个体的适应度值，确定所述下一代群众中的最优解和最差解；如果上一代最优解的适应度值比当前最优解的适应度值大，则用上一代的最优解替换当前最优解；若上一代的最优解函数值比当前最优解的适应度值小，则用上一代的最优解替换当前的最差解。8.根据权利要求6或7所述的方法，其特征在于，采用遗传算法对所述热力学模型的变量的取值进行调整之后，所述方法还包括：获取调整变量的取值后的热量学模型的热循环效率；将所述热循环效率与采用a个变量建立的sco2循环机热效率的热力学模型的基准热循环效率进行比对，得到比对结果；如果比对结果为所述热循环效率与所述基准热循环效率之间的误差满足预设的误差条件，则确定所述调整变量的取值后的热量学模型验证通过。9.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至8任一项中所述的方法。10.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至8任一项中所述的方法。

技术总结
本申请实施例公开了一种管理超临界二氧化碳循环机组的热效率的方法。所述方法包括：确定影响超临界二氧化碳SCO2循环机热效率的x个变量，其中x为大于等于2的整数；使用主元分析法从所述x个变量选择m个变量，其中m为小于n的整数；利用所述m个变量建立SCO2循环机热效率的热力学模型；利用所述热力学模型对SCO2循环机热效率进行管理。环机热效率进行管理。环机热效率进行管理。


技术研发人员：牛海明 张洪敏 解晓杰 曾凡斐 陶志刚 陈青 郭文玮
受保护的技术使用者：国能智深控制技术有限公司
技术研发日：2021.08.06
技术公布日：2023/2/17