本技术方案专注于蓄热节能领域,创新性地提出一种利用深度学习算法对移动床高温颗粒流动与传热特性进行模拟与预测的方法、系统及电子设备。该技术通过高温颗粒流动特性的数值模拟,构建模型,实现对流动与传热特性的精准预测,以优化蓄热系统性能。
背景技术
高炉渣是钢铁生产过程中的副产物,排出温度高达1500℃,是目前钢铁行业中极少数未能回收的高温余热资源。现有技术主要对高炉渣进行水淬急冷,存在余热损失、水资源浪费、环境污染等严重问题。
高炉渣的移动床余热回收技术,以返混小、余热回收率高、余热回收后高炉渣资源化利用的优势被寄予厚望。移动床的高温颗粒流动与传热受到影响因素众多,面临实验周期长、研究手段复杂、复刻真实工况困难等问题,目前基于欧拉-拉格朗日法的数值模拟是其研究主要手段。然而由于该方法涉及大量的计算规模和模拟时间,并且移动床的操作参数与结构参数对颗粒流动及换热特性的影响机理尚不明晰,导致余热回收效率进一步提高受到掣肘。
实现思路