德國斯圖加特大學的科研人員利用超級計算機和機器學習開發(fā)出一套工具，可幫助火電廠、核電廠、地熱電廠等改善運營效率。

高性能計算資源和數(shù)據(jù)驅動的機器學習幫助德國斯圖加特大學（University of Stuttgart）的科研人員建模，指導火電廠、核電廠、地熱電廠運營升級，變得更清潔、安全、高效。

傳統(tǒng)火力發(fā)電廠的殘余水必須與發(fā)電產(chǎn)生的蒸汽分開。這一流程限制了效率，而且在早幾代發(fā)電廠中，它還不穩(wěn)定，可能導致爆炸。上世紀二十年代，英國人馬克·本森（Mark Benson）意識到，如果水和蒸汽可以共存，就能降低這種風險，提高發(fā)電廠效率。讓水處于超臨界狀態(tài)，即，水的液態(tài)和氣態(tài)同時存在，成為一種新的液體，這時就能實現(xiàn)水和蒸汽的共存。要實現(xiàn)這種超臨界狀態(tài)所需的溫度和壓力條件的成本很高，使得本森的專利產(chǎn)品“本森鍋爐”沒有在發(fā)電廠中廣泛應用，但他的理論讓世界首次認識了超臨界發(fā)電技術。

大約過了一個世紀，德國斯圖加特大學的核技術與能源系統(tǒng)研究所（Institute of Nuclear Technology and Energy Systems， IKE）及航天熱力學研究所（InsTItute of Aerospace Thermodynamics， ITLR）重新研究本森的理論，探索其如何提高現(xiàn)代發(fā)電廠的安全性和效率。科研人員利用高性能計算技術（HPC）開發(fā)工具，讓超臨界熱傳遞更可行。研究人員指出，“與亞臨界發(fā)電廠相比，超臨界發(fā)電廠的熱效率更高，不用配備多種類型設備，例如各類蒸汽干燥器，布局更緊湊。”

航天熱力學研究所的研究人員牽頭該研究的計算部分，他們與新加坡理工大學（Singapore InsTItute of Technology， SIT）的計算機科學研究人員合作，在超級計算機上開發(fā)基于高保真仿真的機器學習技術，同時也開發(fā)商業(yè)電腦能輕松應用的工具。

為了構建出可商業(yè)應用的準確工具，研究團隊需要運行計算密集型直接數(shù)值模擬（direct numerical simulaTIon， DNS），這只能利用高性能計算資源才能實現(xiàn)。斯圖加特高性能計算中心（High-Performance CompuTIng Center Stuttgart’s， HLRS’s）的Hazel Hen超級計算機完成了研究團隊所需的高分辨率流體力學模擬。

發(fā)電機及其他工業(yè)流程通過多種材料來產(chǎn)生蒸汽或者進行熱傳遞，但利用水是一種行之有效的方法——水可輕易獲得，其化學性質已充分掌握，可預測其在各種溫度及壓力條件下的表現(xiàn)。具體而言，水預計在374攝氏度達到臨界點，這一性質讓超臨界狀態(tài)蒸汽的產(chǎn)生可順利進行。水也需要處于高壓狀態(tài)——22.4兆帕斯卡，實際上超過了廚房水槽處壓力的200倍。而且，當材料進入超臨界狀態(tài)時，它會表現(xiàn)出獨特的性質，溫度或壓力的微小改變都會帶來極大的影響。例如，超臨界狀態(tài)的水不如純液態(tài)水傳熱那么有效，達到超臨界狀態(tài)所需的極大熱量可能導致管道破壞，從而造成災難性事故。

考慮到利用水的種種困難，研究人員正在研究使用二氧化碳。這種常見分子具有多種優(yōu)勢，主要特點是在31攝氏度即達到超臨界狀態(tài)，比水要高效得多。利用二氧化碳來讓發(fā)電廠變得更清潔，聽上去可能顯得自相矛盾，但研究人員解釋說超臨界狀態(tài)的二氧化碳是一種更清潔的選擇。

“與含氯氟烴的制冷劑、氨等其他常見的可用流體相比，超臨界狀態(tài)的二氧化碳絕不會破壞臭氧，對全球變暖幾乎沒有影響?！贝送?，這種狀態(tài)的二氧化碳所需空間要小得多，壓縮所需的工作也比超臨界狀態(tài)的水要少得多。這就意味著，使用二氧化碳所需的發(fā)電廠規(guī)模更小——超臨界狀態(tài)二氧化碳發(fā)電廠的發(fā)電循環(huán)硬件規(guī)模比傳統(tǒng)的超臨界狀態(tài)發(fā)電循環(huán)系統(tǒng)要小十倍。但要用二氧化碳替代水，工程師還需要充分理解其根本性質，包括流體的湍流（即不均勻非穩(wěn)定流動）如何傳遞熱量、與機器相互作用。

在進行湍流相關的計算流體力學模擬時，計算科學家大部分采用這三種方法：雷諾平均（Reynolds-Averaged Navier-Stokes， RANS）模擬、大渦模擬（large eddy simulations， LES）、直接數(shù)值模擬。雷諾平均和大渦模擬都需要研究人員納入來自實驗或者其他模擬的一些假設，直接數(shù)值模擬無需預想概念或輸入數(shù)據(jù)，使得這種方法更準確，但需要更多的計算資源?！袄字Z平均和大渦模擬模型常用于更簡單的流體?！毖芯咳藛T說，“復雜流體需要高保真的方法，所以我們決定使用直接數(shù)值模擬，這讓我們需要高性能計算資源?！?/p>

研究團隊與新加坡理工大學的科研人員合作，利用從高保真直接數(shù)值模擬得到壓力和熱傳遞數(shù)據(jù)來訓練深度神經(jīng)網(wǎng)絡（DNN）。這種機器學習算法仿生物學神經(jīng)網(wǎng)絡建模，即模仿識別和響應外部刺激的神經(jīng)元網(wǎng)絡。

傳統(tǒng)上，研究人員利用實驗數(shù)據(jù)來訓練機器學習算法，以便其預測不同條件下流體和管道之間的熱傳遞。但是，如果采用這種方法，研究人員必須小心翼翼，不“過度擬合”模型；換言之，不讓算法對特定數(shù)據(jù)集過于準確，而不能為其他數(shù)據(jù)集提供準確結果。

利用Hazel Hen超級計算機，該研究團隊運行了35個直接數(shù)值模擬，每一種聚焦于一種具體的運行條件，然后利用得到的數(shù)據(jù)集來訓練深度神經(jīng)網(wǎng)絡。該研究團隊輸入了進氣溫度和壓力、熱流、管徑和流體的熱能，輸出管壁溫度和剪切應力。直接數(shù)值模擬產(chǎn)生的數(shù)據(jù)中，隨機選擇80%來訓練深度神經(jīng)網(wǎng)絡，同時研究人員利用剩下的20%來單獨驗證。

這種“原位”驗證很重要，避免過度擬合算法，因為如果算法一開始表現(xiàn)出訓練與數(shù)據(jù)集的差異，就會重啟模擬。研究人員表示，“我們的盲法測試結果顯示，直接數(shù)值模擬成功避免了過度擬合，在數(shù)據(jù)庫中覆蓋的各種運行條件下都實現(xiàn)了普遍的接受性?！?/p>

研究團隊對結果有信心之后，他們利用數(shù)據(jù)開始構建更商業(yè)化用途的工具。利用近期工作的輸出作為指導，該團隊可用直接數(shù)值模擬在標準筆記本電腦上對新數(shù)據(jù)模擬運行條件的熱能，耗時僅5.4毫秒。

到目前為止，研究團隊都使用社區(qū)代碼OpenFOAM進行直接數(shù)值模擬。對多種流體力學模擬而言，OpenFOAM都是公認的代碼，但是研究人員表示，希望利用高保真代碼進行模擬。研究人員正與德國斯圖加特大學空氣力學與氣體力學研究所（Institute of Aerodynamics and Gas Dynamics， IAG）合作，使用后者的FLEX代碼。這種代碼的準確性更高，適用的條件范圍更廣。

研究人員還提到，除了直接數(shù)值模擬之外，他們還使用了名為隱式大渦模擬的方法。雖然隱式大渦模擬不如該研究團隊直接數(shù)值模擬得到高分辨率，但這種方法讓研究人員以更高的雷諾數(shù)值進行模擬，這意味著它能適用的湍流條件更廣。

研究團隊希望繼續(xù)增強它的數(shù)據(jù)庫，以便進一步提升深度神經(jīng)網(wǎng)絡工具。而且，研究團隊還與該大學的核技術與能源系統(tǒng)研究所實驗家合作，進行初步實驗，建立模型超臨界發(fā)電廠，以便測試實驗與理論的一致性。如果研究團隊能提供準確、易用且計算高效的工具，幫助工程師和發(fā)電廠管理者更安全、更高效地發(fā)電，這就是最終勝利。

“核技術與能源系統(tǒng)研究所的研究人員既進行實驗也進行數(shù)值模擬?！毖芯咳藛T表示，“作為數(shù)值團隊，我們希望找到熱傳遞不高的原因。我們研究了流體流動和湍流相關的物理學，但是我們的最終目標是構建出更簡單的模型。傳統(tǒng)發(fā)電廠通過抵消間歇式發(fā)電，促進可再生能源的使用，但是目前這些發(fā)電廠的設計都不如可再生能源發(fā)電廠那樣靈活。如果我們可以利用超臨界狀態(tài)二氧化碳為基礎的工作流體，我們就能通過更緊湊的設計、更快的開機和停機次數(shù)來提高發(fā)電廠的靈活性?！币猿R界狀態(tài)二氧化碳為基礎的技術有可能提供靈活的運行，這是可再生能源中翹首以盼的。但是，水暖水力模型和熱傳遞知識有限，本研究將縮小這一技術差距，幫助工程師構建發(fā)電循環(huán)回路。

該大學核技術與能源系統(tǒng)研究所和航天熱力學研究所的科研人員正在研究超臨界狀態(tài)二氧化碳取代超臨界狀態(tài)水作為發(fā)電廠的工作流體。這一模擬顯示了冷卻過程中流體的高速（紅）和低速（藍）條帶及結構。研究人員觀察到了超臨界狀態(tài)二氧化碳下行流（左）和上行流（右）湍流之間的重要區(qū)別。