采用动力学模态分解和长短期记忆网络的压缩空气储气装置流场动态预测方法

摘要

针对压缩空气储能系统储气装置内运行参量瞬态演化特性难以快速精准预测的问题，提出了一种基于动力学模态分解和长短期记忆神经网络的流场降阶预测模型，实现了储气装置内复杂非线性流场时空演化特征的解耦建模，建立了储气装置内全局运行参量精准表征与快速流场预测方法。采用动力学模态分解对储气装置内工质合速度、温度和压力等关键物理量的时空全阶数据集解耦降阶，实现表征流场演化特征主导模态的准确提取；通过构建长短期记忆神经网络模型预测低维动力系统的时序演化特性，重构高维时空流场并实现流场全阶参数的动态精准预测。实验结果表明，储气装置压力场预测的平均相对误差为0.05%,速度场预测的平均相对误差为0.19%,体积分数场预测的平均相对误差为0.83%,模型在保证预测精度的同时计算成本降低4个数量级。该方法可实现压缩空气储能系统储气装置内流场的高精度实时预测，在确保预测精度的同时显著提升了计算效率，为实现系统全工况灵活高效调控提供了参考。

关键词

压缩空气储能 / 储气装置 / 流场预测 / 解耦降阶 / 神经网络

基金资助

国家自然科学基金资助项目(52306050,52130603); 陕西省重点研发计划资助项目(2025CY-YBXM-171)