Python 中的斯特林循环和埃里克森循环建模

---

斯特林循环

斯特林循环由四个过程组成——两个可逆等容过程和两个可逆等温过程。在相同的温度范围内，理想的再生斯特林循环的效率等同于卡诺循环。整个循环中都会发生热量交换，而功交换仅发生在过程 1-2 和 3-4 中。

下图显示了该循环的示意图。

在对循环进行建模时，考虑的输入变量包括最大压力 $\mathrm{(p_{max})}$、最小压力 $\mathrm{(p_{min})}$、最大体积 $\mathrm{(v_{max})}$、压缩比 (r) 和绝热指数 $\mathrm{(\gamma)}$。以下列出了斯特林循环各个阶段中涉及的多个过程的热力学计算 -

过程 1-2

$$\mathrm{p_{1} \: = \: p_{min}}$$

$$\mathrm{v_{1} \: = \: v_{max}}$$

首先，将根据点 1 处的体积使用压缩比 (r) 计算点 2 处的体积，如下所示 -

$$\mathrm{v_{2} \: = \: \frac{v_{1}}{r}}$$

然后，计算过程 1-2 沿线的等温常数，如下所示 -

$$\mathrm{c_{1} \: = \: p_{1} \: \times \: v_{1}}$$

可以计算点 2 处的压力，如下所示 -

$$\mathrm{p_{2} \: = \: \frac{c_{1}}{v_{2}}}$$

一旦已知 $\mathrm{c_{1}}$，则计算沿线 1-2 的压力变化，如下所示 -

$$\mathrm{p \: = \: \frac{c_{1}}{v}}$$

过程 2-3

$$\mathrm{p_{3} \: = \: p_{max}}$$

由于该过程是等容的，因此体积保持不变，因此 -

$$\mathrm{v_{3} \: = \: v_{2}}$$

因此，可以轻松计算 2 和 3 之间的压力变化。

过程 3-4

设 $\mathrm{c_{2}}$ 为沿线 3-4 的常数。由于已知压力和温度点 3，因此可以计算等温线沿线的常数，如下所示 -

$$\mathrm{c_{2} \: = \: p_{3} \: \times \: v_{3}}$$

并且由于 $\mathrm{v_{4} \: = \: v_{1}}$，因此可以计算点 4 处的压力，如下所示 -

$$\mathrm{p_{4} \: = \: \frac{c_{2}}{v_{4}}}$$

因此，可以计算沿线 3-4 的压力变化，如下所示 -

$$\mathrm{p \: = \: \frac{c_{2}}{v}}$$

过程 4-1

由于 $\mathrm{p_{1}}$ 和 $\mathrm{p_{4}}$ 已知，因此可以轻松计算 $\mathrm{v_{4} \: =}$ 常数线的压力变化。

斯特林循环的 Python 程序

斯特林循环的 Python 函数如下所示 -

示例

from pylab import*
from pandas import*

#~~~~~~~~~~~~~~~~~~~~~
#    Stirling Cycle
#~~~~~~~~~~~~~~~~~~~~~

def stirling(p_min,p_max,v_max,r,gma):
    font = {'family' : 'Times New Roman','size'   : 40}
    figure(figsize=(20,15))
    
    rc('font', **font)
    '''This function prints Stirling cycle
    arguments are as follows:
    p_min: minimum pressure
    p_max: Maximum pressure
    v_max: Maximum volume 
    r: compression ratio
    gma: Adiabatic exponent
    The order of arguments is:
    p_min,p_max,v_max,r,gma
    '''

#~~~~~~~~~~~~~~~~~~~~~~~~~
# Process 1-2
#~~~~~~~~~~~~~~~~~~~~~~~~~
    p1=p_min
    v1=v_max
    c1=p1*v1
    v2=v1/r
    p2=c1/v2
    v=linspace(v2,v1)
    p=c1/v
    plot(v,p/1000,'r',linewidth=2)
#~~~~~~~~~~~~~~~~~~~~~~~~~
# Process 2-3
#~~~~~~~~~~~~~~~~~~~~~~~~~
    p3=p_max
    v3=v2
    v=zeros(100)+v3
    p=linspace(p2,p3,100)
    plot(v,p/1000,'b',linewidth=2)

#~~~~~~~~~~~~~~~~~~~~~~~~~
# Process 3-4
#~~~~~~~~~~~~~~~~~~~~~~~~~
    c2=p3*v3
    v4=v1
    p4=c2/v4
    v=linspace(v3,v4,100)
    p=c2/v
    plot(v,p/1000,'g',linewidth=2)

#~~~~~~~~~~~~~~~~~~~~~~~~~
# Process 4-1
#~~~~~~~~~~~~~~~~~~~~~~~~~
    p=linspace(p1,p4,100)
    v=zeros(100)+v1
    plot(v,p/1000,'m',linewidth=2)

    title('Stirling Cycle',size='xx-large',color='k')
    xlabel('Volume (m$^3$)')
    ylabel('Pressure (kPa)')
#axis([0.01,v4+0.01,p_min/1000-100,p_max/1000+100])
#grid(linestyle='--',color='k')


    text(v1,p1/1000-80,'1')
    text(v2-0.01,p2/1000,'2')
    text(v3-0.01,p3/1000-20,'3')
    text(v4,p4/1000+30,'4')

    data={'p':[p1,p2,p3,p4],
'v':[v1,v2,v3,v4],
'c':[c1,'' ,c2,"" ],
'State': [1,2,3,4]}
    df=DataFrame(data)
    savefig('stirling_final.jpg')
    return df.set_index('State')

sc=stirling(10**5,20*10**5,0.5,5,1.4)

show()

输出

对于 $\mathrm{p_{min} \: = \: 10^{5} \: Pa \:, \: p_{max} \: = \: 20 \: \times \: 10^{5} \: Pa \:, \: v_{max} \: = \: 0.5 \: m^{3} \:, \: r \: = \: 5 \: and \: y \: = \: 1.4}$，程序的结果如下所示 -

Learn Python in-depth with real-world projects through our Python certification course. Enroll and become a certified expert to boost your career.

埃里克森循环

埃里克森循环由两个可逆等压过程和两个可逆等温过程组成。在相同的温度范围内，理想的再生埃里克森循环的效率与卡诺循环相同。该循环中的所有过程都与热量和功相互作用。下图显示了该循环的示意图。

在对循环进行建模时，考虑的输入变量包括最大压力 $\mathrm{(p_{max})}$、最小压力 $\mathrm{(p_{min})}$、最大体积 $\mathrm{(v_{max})}$、恒压排热过程中的压缩比 (r) 和绝热指数 $\mathrm{(\gamma)}$。下面描述了埃里克森循环中各个过程的热力学计算 -

过程 1-2

$$\mathrm{p_{1} \: = \: p_{min}}$$

$$\mathrm{p_{2} \: = \: p_{1}}$$

$$\mathrm{v_{1} \: = \: v_{max}}$$

首先将根据点 1 处的体积使用压缩比 (r) 计算点 2 处的体积，如下所示 -

$$\mathrm{v_{2} \: = \: \frac{v_{1}}{r}}$$

由于 1-2 是等压过程，并且已知极端体积，因此可以轻松计算压力变化。

过程 2-3

可以计算等温线 2-3 沿线的常数 $\mathrm{c_{1}}$，如下所示 -

$$\mathrm{c_{1} \: = \: p_{2} \: \times \: v_{2}}$$

由于 $\mathrm{p_{3} \: = \: p_{max}}$，因此可以计算点 3 处的体积，如下所示 -

$$\mathrm{v_{3} \: = \: \frac{c_{1}}{p_{3}}}$$

可以计算压力变化，如下所示 -

$$\mathrm{p \: = \: \frac{c_{1}}{v}}$$

过程 3-4

$$\mathrm{p_{4} \: = \: p_{3}}$$

设 $\mathrm{c_{2}}$ 为沿线 4-1 的常数。由于已知点 1 处的压力和体积，因此可以计算等温线 4-1 沿线的常数，如下所示 -

$$\mathrm{c_{2} \: = \: p_{1} \: \times \: v_{1}}$$

因此，可以计算点 4 处的体积，如下所示 -

$$\mathrm{v_{4} \: = \: \frac{c_{2}}{p_{4}}}$$

由于已知末端体积，因此可以轻松计算压力变化。

过程 4-1

由于 $\mathrm{v_{1}}$ 和 $\mathrm{v_{4}}$ 已知，并且常数 $\mathrm{c_{2}}$ 也已知，因此可以计算压力变化，如下所示 -

$$\mathrm{p \: = \: \frac{c_{2}}{v}}$$

埃里克森循环的 Python 程序

用于模拟埃里克森循环的 Python 函数如下所示 -

示例

from pylab import*
from pandas import*

#~~~~~~~~~~~~~~~~~~~~~
#    Ericsson Cycle
#~~~~~~~~~~~~~~~~~~~~~
def ericsson(p_min,p_max,v_max,r,gma):
   font = {'family' : 'Times New Roman','size'   : 39}
   figure(figsize=(20,15))
    
   rc('font', **font)
   '''This function prints Ericsson cycle
   arguments are as follows:
   p_min: minimum pressure
   p_max: Maximum pressure
   v_max: Maximum volume 
   r: compression ratio
   gma: Adiabatic exponent
   The order of arguments is:
   p_min,p_max,v_max,r,gma
   '''

#~~~~~~~~~~~~~~~~~~~~~~~~~
# Process 1-2
#~~~~~~~~~~~~~~~~~~~~~~~~~
   p1=p_min
   p2=p1
   v1=v_max
   v2=v1/r
   p=zeros(100)+p2
   v=linspace(v2,v1,100)
   plot(v,p/1000,'r',linewidth=2)
    
#~~~~~~~~~~~~~~~~~~~~~~~~~
# Process 2-3
#~~~~~~~~~~~~~~~~~~~~~~~~~
   c1=p2*v2
   p3=p_max
   v3=c1/p3
   v=linspace(v3,v2,100)
   p=c1/v
   plot(v,p/1000,'b',linewidth=2)

#~~~~~~~~~~~~~~~~~~~~~~~~~
# Process 3-4
#~~~~~~~~~~~~~~~~~~~~~~~~~
   p4=p3
   c2=p1*v1
   v4=c2/p4
   p=zeros(100)+p4
   v=linspace(v3,v4,100)
   plot(v,p/1000,'g',linewidth=2)

#~~~~~~~~~~~~~~~~~~~~~~~~~
# Process 4-1
#~~~~~~~~~~~~~~~~~~~~~~~~~
   v=linspace(v4,v1,100)
   p=c2/v
   plot(v,p/1000,'m',linewidth=2)

   title('Ericsson Cycle',size='xx-large',color='k')
   xlabel('Volume (m$^3$)')
   ylabel('Pressure (kPa)')
   +
# axis([0.0,v1+0.01,p_min/1000-100,p_max/1000+100])
# grid(linestyle='--',color='k')


   text(v1,p1/1000-80,'1')
   text(v2,p2/1000-80,'2')
   text(v3-0.015,p3/1000-20,'3')
   text(v4+0.01,p4/1000-20,'4')

   data={'p':[p1,p2,p3,p4],
      'v':[v1,v2,v3,v4],
      'c':[c1,'' ,c2,"" ],
      'State': [1,2,3,4]}
   df=DataFrame(data)

   savefig('Ericsson_final.jpg')

   return df.set_index('State')

erc=ericsson(2*10**5,20*10**5,0.5,5,1.4)

show()

erc

输出

对于 $\mathrm{p_{min} \: = \: 2 \: \times \: 10^{5} \: Pa \:, \: p_{max} \: = \: 20 \: \times \: 10^{5} \: Pa \:, \: v_{max} \: = \: 0.5 \: m^{3} \:, \: r \: = \: 5 \: and \: \gamma \: = \: 1.4}$，从代码中获得的结果如下图所示 -

此外，不同点沿循环的压力和体积如下表所示 -

状态	p	v
1	200000	0.50
2	200000	0.10
3	2000000	0.01
4	2000000	0.05

结论

在本教程中，使用 Python 对埃里克森循环和斯特林循环进行了建模。提到了详细的算法和编程步骤，以开发这些循环的函数。