简介：这份资源面向热力循环与清洁能源发电方向的研究人员、工程师及高校学生，围绕超临界二氧化碳布雷顿循环（SCBC）的建模与仿真展开，帮助读者理解简单布雷顿循环的布置方式及其热力学特性。压缩包内共2个文件，均为MATLAB源码（.m），整体约1KB，分别对应循环流程与参数计算等核心模块，便于直接运行与二次修改。资源已有982人学习下载，说明其在同类仿真资料中具有一定参考价值。代码涵盖热力学性质调用、等熵膨胀与等压加热等过程求解、效率与输出功率计算，并可绘制P-s图、T-s图辅助分析，读者可据此输入入口温度、压力、膨胀比等参数，观察循环性能变化，进而掌握SCO2工质在高温高压下的传热与能量转换规律，为核能、太阳能等场景的循环优化提供可复用的脚本基础。

1. 从一张“跑不通”的循环布置图说起：SCBC 循环到底能解决什么

如果你手里有一份简单布雷顿循环的布置图，或者正在做 SCBC 循环（Simple Closed Brayton Cycle，简单闭式布雷顿循环）的仿真建模，大概率会遇到一个很现实的问题：图能画出来，参数却对不上，效率算出来跟文献差一大截。这不是你算错了，而是简单布雷顿循环布置里藏着几个容易被忽略的耦合关系——压比、回热度、工质流量和透平入口温度之间不是独立的，改一个，另外三个全跟着动。

这份资源围绕 SCBC 循环和简单布雷顿循环布置展开，核心价值在于把循环流程、设备布置和关键参数之间的对应关系理清楚。它适合三类人：做闭式布雷顿循环仿真但总对不上实验数据的研究生，做微燃机或空间动力系统方案设计的工程师，以及需要快速搭建循环模型做参数敏感性分析的从业者。你不需要先啃完一堆热力学教材，但需要知道压气机、透平、回热器和冷却器在布置图上的位置会直接影响循环效率的计算结果。

我见过太多人拿到布置图直接开算，结果卡在“回热器到底放高压侧还是低压侧”这种问题上。这篇笔记就按“先看懂布置逻辑，再动手搭模型，最后避开几个血泪坑”的顺序走一遍。

2. 简单布雷顿循环布置的热力学底子：为什么压比和回热度不能分开调

2.1 从理想循环到实际布置：四个设备的耦合关系

简单布雷顿循环由四个基本过程组成：压气机等熵压缩、回热器（可选）等压吸热、透平等熵膨胀、冷却器等压放热。理想情况下，循环效率只取决于压比，公式是 η = 1 - 1/π^((γ-1)/γ)。但实际布置里，回热器的加入会改变这个关系——回热器回收透平排气热量来预热压气机出口空气，回热度越高，需要的压比反而越低才能达到同样的效率。

这就是第一个反直觉的地方：很多人以为压比越高越好，但在带回热器的简单布雷顿循环布置里，压比和回热度存在一个最优匹配区间。压比太高，透平排气温度降得太低，回热器没得回收；压比太低，压气机耗功占比又太大。常见做法是先把透平入口温度定死（比如 900°C 到 1200°C 这个区间），然后在这个约束下扫压比和回热度的二维网格，找效率峰值。

布置图上还有一个容易翻车的点：冷却器的位置。在闭式循环里，冷却器放在压气机入口前，工质被冷却到接近环境温度再进入压气机，这样压气机耗功最小。但如果你把冷却器画在回热器后面、压气机前面，中间还加了个中间冷却器，那就变成复杂循环了，不是简单布雷顿循环。布置图上的设备顺序直接决定了你该用哪套公式。

2.2 工质选择对布置的影响：空气、氦气还是超临界二氧化碳

简单布雷顿循环的布置不是固定的，工质一变，设备尺寸和参数范围全变。空气是最常见的，但氦气因为比热比 γ 不同（氦气 γ≈1.66，空气 γ≈1.4），同样的压比下效率曲线更陡。超临界二氧化碳布雷顿循环虽然也叫布雷顿，但因为它跨临界点，压气机入口状态在临界点附近，布置上需要更紧凑的回热器，这已经超出“简单”范畴了。

如果你拿到的布置图标注的是空气工质，就别套氦气的效率公式。我一般会先确认三件事：工质类型、透平入口温度、压比范围。这三个定了，布置图上的设备选型和管道走向基本就锁死了。下面这张表是我整理的不同工质在简单布雷顿循环布置里的典型参数范围，方便你对照手里的图做初步判断。

这张表不是让你背的，是让你在拿到布置图时快速判断“这个参数范围合不合理”。比如有人给你一张空气工质、压比 20 的简单布雷顿循环布置图，你就该知道这要么是写错了，要么是复杂循环。

3. 动手搭一个 SCBC 循环模型：从布置图到可算的参数表

3.1 把布置图翻译成状态点：编号规则与参数提取

布置图上的设备画得再清楚，不转成状态点就没法算。我习惯按工质流向给每个关键位置编号：压气机入口为 1，压气机出口为 2，回热器高压侧出口为 3，透平入口为 4，透平出口为 5，回热器低压侧出口为 6，冷却器出口回到 1。这样编号的好处是，回热器的高低压侧不会混，后面写代码也好对应。

下面这段 Python 代码是我常用的状态点参数初始化模板，输入压比、透平入口温度、压气机效率、透平效率、回热度这几个核心参数，就能算出各状态点的温度和压力。代码里注释标了每个参数的物理含义和常见取值范围。

import numpy as np def simple_brayton_states(pi_c, T4, eta_c, eta_t, epsilon, T1=288.15, P1=101325, gamma=1.4, cp=1005): """ 计算简单布雷顿循环（带回热器）各状态点参数 pi_c: 压比 T4: 透平入口温度 (K) eta_c: 压气机等熵效率 eta_t: 透平等熵效率 epsilon: 回热度 (0-1) T1: 压气机入口温度 (K) P1: 压气机入口压力 (Pa) gamma: 比热比 cp: 定压比热 (J/kg-K) """ # 压气机出口理想温度 T2s = T1 * pi_c ** ((gamma - 1) / gamma) # 实际压气机出口温度 T2 = T1 + (T2s - T1) / eta_c # 压气机耗功 w_c = cp * (T2 - T1) # 透平出口理想温度 T5s = T4 / pi_c ** ((gamma - 1) / gamma) # 实际透平出口温度 T5 = T4 - eta_t * (T4 - T5s) # 透平做功 w_t = cp * (T4 - T5) # 回热器：高压侧出口温度 T3，低压侧出口温度 T6 T3 = T2 + epsilon * (T5 - T2) T6 = T5 - epsilon * (T5 - T2) # 冷却器热负荷 q_out = cp * (T6 - T1) # 燃烧室/热源热负荷 q_in = cp * (T4 - T3) # 循环效率 eta = (w_t - w_c) / q_in return { 'T1': T1, 'T2': T2, 'T3': T3, 'T4': T4, 'T5': T5, 'T6': T6, 'P1': P1, 'P2': P1 * pi_c, 'P3': P1 * pi_c, 'P4': P1 * pi_c, 'P5': P1, 'P6': P1, 'w_c': w_c, 'w_t': w_t, 'q_in': q_in, 'q_out': q_out, 'eta': eta } # 示例：压比 8，透平入口 1100K，效率 0.85/0.88，回热度 0.75 result = simple_brayton_states(pi_c=8, T4=1100, eta_c=0.85, eta_t=0.88, epsilon=0.75) print(f"循环效率: {result['eta']:.4f}") print(f"各状态点温度: T1={result['T1']:.1f}, T2={result['T2']:.1f}, T3={result['T3']:.1f}, T4={result['T4']:.1f}, T5={result['T5']:.1f}, T6={result['T6']:.1f}")

这段代码的逻辑说明：压气机出口温度 T2 由等熵温度 T2s 和等熵效率修正得到，透平出口温度 T5 同理。回热器的作用是在 T2 和 T5 之间做热量交换，回热度 ε 表示实际回收热量占最大可回收热量的比例。参数说明：压比 π_c 一般取 4 到 12，透平入口温度 T4 取 900K 到 1500K，压气机效率 0.80 到 0.88，透平效率 0.85 到 0.92，回热度 0.6 到 0.85。如果你手里的布置图没有回热器，把 ε 设为 0 即可。

3.2 参数扫描：找到压比和回热度的最优组合

单点计算只能告诉你一个工况的效率，但布置图上的设备选型需要看整个参数空间。我一般会做二维扫描，把压比从 4 扫到 12，回热度从 0 扫到 0.9，画成热力图或者等高线图。下面这段代码就是干这个的，跑完你能直接看到效率峰值落在哪个区域。

import numpy as np import matplotlib.pyplot as plt pi_range = np.linspace(4, 12, 50) eps_range = np.linspace(0, 0.9, 50) eta_map = np.zeros((len(eps_range), len(pi_range))) for i, eps in enumerate(eps_range): for j, pi in enumerate(pi_range): res = simple_brayton_states(pi_c=pi, T4=1100, eta_c=0.85, eta_t=0.88, epsilon=eps) eta_map[i, j] = res['eta'] plt.figure(figsize=(8, 6)) plt.contourf(pi_range, eps_range, eta_map, levels=20, cmap='viridis') plt.colorbar(label='循环效率') plt.xlabel('压比 π_c') plt.ylabel('回热度 ε') plt.title('简单布雷顿循环效率随压比和回热度变化') plt.show()

跑完这张图你会发现一个规律：回热度低于 0.5 的时候，压比越高效率越高；回热度高于 0.7 的时候，最优压比反而往 6 到 8 这个区间收。这就是为什么不能把压比和回热度分开调——布置图上回热器的面积决定了 ε 的上限，而 ε 的上限又反过来限制了压比的选择。常见做法是先把回热度按设备实际能力定下来（比如板翅式回热器能做到 0.75 左右），再去扫压比。

提示：如果你算出来的效率比文献低 5 个点以上，先检查回热度是不是设成了 0，再检查压气机和透平效率是不是用了理想值 1.0。这两个地方是新手最容易翻车的。

4. 布置图里的避坑指南：五个让模型对不上数据的常见问题

4.1 现象：效率算出来比文献高 10%，原因：漏掉了冷却器功耗

有人算简单布雷顿循环，只算了压气机和透平的功，忘了冷却器虽然不直接做功，但它把工质从 T6 冷却到 T1 的过程中，如果冷却器出口温度没降到位，压气机入口温度就偏高，压气机耗功增加。更隐蔽的是，有些布置图把冷却器画在回热器后面，但实际循环里冷却器出口温度受环境温度限制，不可能低于环境温度。如果你设 T1=288K 但环境温度是 308K，那效率就是虚高的。解决方法是把 T1 设成冷却器实际能达到的最低温度，一般比环境温度高 5 到 10K。

4.2 现象：回热度调到 0.9 效率反而下降，原因：回热器压损没考虑

回热度越高，回热器换热面积越大，压损也越大。压损会降低透平入口压力，直接吃掉透平做功。我见过有人把回热度从 0.7 调到 0.9，效率反而掉了 2 个点，就是因为没在模型里加回热器压损。常见做法是在回热器高压侧和低压侧各加 2% 到 5% 的压损系数，然后重新扫参数。如果你的布置图上有回热器旁通阀，那说明设计者已经考虑到了低负荷时回热器压损的问题。

4.3 现象：压比超过 10 后效率曲线变平，原因：透平排气温度太低回热器失效

压比越高，透平排气温度 T5 越低。当 T5 降到接近 T2 的时候，回热器已经没有温差可以换热了，ε 再高也没用。这时候循环退化成无回热的简单布雷顿循环，效率曲线自然变平。解决方法是把压比控制在 T5 比 T2 高至少 50K 的范围内，或者干脆去掉回热器，用高圧比无回热的方案。

4.4 现象：工质从空气换成氦气后效率公式对不上，原因：比热比 γ 没改

氦气的 γ 是 1.66，空气是 1.4。如果你在代码里只改了工质名称没改 γ，压气机出口温度 T2s 就算错了。更隐蔽的是，氦气的定压比热 cp 也跟空气不同（氦气约 5193 J/kg-K，空气约 1005 J/kg-K），这两个参数要一起改。我一般会在代码里把工质参数做成字典，换工质的时候直接查表，避免手动改漏。

4.5 现象：布置图上有两个压气机，但模型只算了一个，原因：把中间冷却循环当成了简单循环

简单布雷顿循环只有一个压气机、一个透平。如果布置图上压气机被分成了低压压气机和高压压气机，中间还有冷却器，那就是带中间冷却的复杂循环，效率公式完全不同。这时候你需要把中间冷却器的出口温度作为低压压气机的入口温度，分段计算压气机耗功。判断方法很简单：数一数布置图上有几个压气机入口和出口，超过一对就不是简单循环。

5. 进阶技巧：用布置图反推设计点，以及一个验证模型的小习惯

5.1 从布置图上的设备参数反推循环设计点

很多时候你拿到的不是参数表，而是一张标注了设备型号和管道尺寸的布置图。这时候可以从设备参数反推设计点。比如回热器标注了换热面积 A 和总传热系数 U，你可以用 NTU 法反推回热度 ε。压气机标注了流量和压比，透平标注了入口温度和流量，这些信息足够你把设计点还原出来。我一般会先算 NTU = UA / (m_dot * cp_min)，然后根据回热器流型（逆流、叉流）查 ε-NTU 关系式。逆流回热器的 ε 公式是 ε = (1 - exp(-NTU(1-Cr))) / (1 - Cr*exp(-NTU(1-Cr)))，其中 Cr 是两侧热容流率比。

5.2 验证模型的一个小习惯：先跑无回热工况对文献

每次搭完新模型，我不会直接跑带回热的工况，而是先把 ε 设为 0，压比设 8，透平入口温度设 1100K，效率设 0.85 和 0.88，算出来的效率应该在 0.28 到 0.32 之间。如果这个基准点对不上，后面加回热器算出来的数全不可信。这个习惯帮我省了很多次“调了半天参数发现是压气机效率设错了”的后悔药。下面这张表是我常用的几个基准验证点，你可以直接拿去对。

跑完这四个点，如果都在范围内，说明模型的基本逻辑没问题，可以开始做敏感性分析了。如果某个点偏了，先查那个工况对应的参数有没有设错，别急着改公式。

5.3 一个具体技巧：用灵敏度系数判断哪个参数最值得优化

布置图上的设备不是每个都值得花钱升级。我一般会算灵敏度系数 S = (Δη/η) / (Δx/x)，x 是某个参数（压比、回热度、透平入口温度、效率）。算下来你会发现，透平入口温度的灵敏度通常是压比的 2 到 3 倍，而回热度的灵敏度在 ε 超过 0.7 之后急剧下降。这意味着如果你的布置图允许提高透平入口温度，优先动这个；如果回热度已经 0.8 了，再加大回热器面积不如去优化压气机效率。这个技巧帮我在方案评审的时候直接指出哪个设备是瓶颈，比泛泛地说“提高效率”有说服力得多。

从那以后我每次拿到新的循环布置图，都强制先跑一遍基准验证点，再算灵敏度系数，最后才动手调参数。希望帮到你。

本文还有配套的精品资源，点击获取