基于物理信息神经网络的一维瞬态耦合固-液传热模型在聚变超导线圈热工水力评估中的应用

《Applied Sciences》：A Physics-Informed Neural Network for the Thermal–Hydraulic Modeling of Normal Operation in Superconducting Coils for Fusion Applications

　　

摘要

耦合固 - 液系统中的瞬态共轭传热受扩散、对流和热传递过程控制，这可能导致设计阶段的重复模拟代价高昂且耗时。本研究开发了一种用于一维耦合固 - 液传热的物理信息神经网络。该模型以空间、时间和运行参数作为输入，预测固体和流体域中的温度场。控制方程、传热、边界条件和初始条件通过可微残差损失纳入训练，减少了对高保真训练数据的依赖。所提出的方法以无量纲形式构建，并使用量化守恒性、边界条件满足度和预测精度的指标进行评估。特别关注了模型在训练范围内的行为以及当运行条件超出该范围时的表现。所得框架为在设计优化阶段利用物理信息神经网络方法对聚变应用超导线圈在不同运行场景下的性能进行热工水力评估提供了基础。所分析案例是正在意大利恩尼亚 Frascati 研究所建设的 DTT 装置的中心螺线管。