煤炭超临界水制氢反应器内多相流场智能滚动预测研究OA北大核心CSTPCD

煤炭超临界水制氢技术在高温高压条件下利用超临界水充分气化煤炭,实现了高效低排放的转化和制氢过程。为解决因反应器内复杂多相流行为导致的仿真耗时问题,以及常见代理模型时序预测时间短、精度下降快等问题,提出基于本征正交分解(proper orthogonal decomposition,POD)和Koopman理论的深度学习模型POD-Koopman,用于捕捉和学习反应器内复杂流场的长时时空演变特征,实现数据驱动的长时滚动预测。测试结果表明其能在较小计算开销下准确滚动预测反应器内多相流场时变行为,助力下游制氢反应器工业化设计及优化任务。