微型冷熱電聯(lián)供系統(tǒng)-人工神經(jīng)網(wǎng)絡(luò)建模及仿真

1、微型冷熱電聯(lián)供系統(tǒng)-人工神經(jīng)網(wǎng)絡(luò)建模及仿真            魏會東 吳靜怡 王如竹 皇甫藝 許煜雄摘要：本文以人工神經(jīng)網(wǎng)絡(luò)為工具，建立了燃?xì)怆姍C(jī)組和吸附式制冷機(jī)組成的微型冷熱電聯(lián)供系統(tǒng)的模型，對于模型的仿真結(jié)果進(jìn)行了分析。通過對模型的分析和評價，發(fā)現(xiàn)人工神經(jīng)網(wǎng)絡(luò)模型能準(zhǔn)確適應(yīng)聯(lián)供系統(tǒng)的高度非線性。仿真結(jié)果顯示了模型與系統(tǒng)的實(shí)際運(yùn)行規(guī)律較為符合，為以后指導(dǎo)系統(tǒng)的優(yōu)化運(yùn)行和控制的設(shè)計(jì)奠定了良好的基礎(chǔ)。 關(guān)鍵詞：微型冷熱電聯(lián)供系統(tǒng) 非線性 BP神經(jīng)網(wǎng)絡(luò) 0 前言能源是當(dāng)今社會

2、發(fā)展所面臨的一個重大問題。隨著全球經(jīng)濟(jì)的快速發(fā)展和可持續(xù)戰(zhàn)略的實(shí)施，能源的利用問題也擺在了非常重要的位置。冷熱電聯(lián)供系統(tǒng)作為一種新的能源利用方式具有無可比擬的優(yōu)勢。冷熱電聯(lián)供系統(tǒng)用天然氣作為一次能源，隨著世界天然氣產(chǎn)量的增加，天然氣將大大改變現(xiàn)有的能源結(jié)構(gòu)，成為能源利用新的主力；而冷熱電聯(lián)供系統(tǒng)作為一種能量梯級利用系統(tǒng)，利用一次能源驅(qū)動發(fā)動機(jī)發(fā)電，利用余熱利用設(shè)備對余熱進(jìn)行回收利用，同時提供電力，熱量和冷量，這樣能大大提高能源的利用效率1?；谝陨蟽?yōu)點(diǎn)，冷熱電聯(lián)供系統(tǒng)成為各國競相研究的對象，并且在美國、日本和歐洲各國都有大規(guī)模的實(shí)際應(yīng)用。冷熱電聯(lián)供系統(tǒng)的一個重要的研究方向是整個系統(tǒng)的建模，好的

3、系統(tǒng)模型可以用來確定系統(tǒng)的可行性和分析預(yù)測系統(tǒng)的運(yùn)行，以及用于系統(tǒng)的控制策略研究,并可以為系統(tǒng)的優(yōu)化匹配和優(yōu)化運(yùn)行提供指導(dǎo)。以往的關(guān)于聯(lián)供系統(tǒng)的數(shù)學(xué)模型都是基于熱力學(xué)基本原理，建立簡單的數(shù)學(xué)模型。而聯(lián)供系統(tǒng)的特性是高度非線性化的，傳統(tǒng)的熱力學(xué)模型無法準(zhǔn)確描述其運(yùn)行特性，因此需要用另外的一種思路去建立模型，而人工神經(jīng)網(wǎng)絡(luò)則從一定程度上滿足了這一需要。人工神經(jīng)網(wǎng)絡(luò)吸取了生物神經(jīng)網(wǎng)絡(luò)的許多優(yōu)點(diǎn)，表現(xiàn)在：（1）高度的并行性。（2）高度的非線性全局作用。（3）良好的容錯性與聯(lián)想記憶功能。（4）十分強(qiáng)的自適應(yīng)、自學(xué)習(xí)能力。2近年來，人工神經(jīng)網(wǎng)絡(luò)已經(jīng)在制冷空調(diào)方面有了一些應(yīng)用。5、71 微型冷熱電聯(lián)供系統(tǒng)實(shí)

4、驗(yàn)裝置設(shè)計(jì)1.1 系統(tǒng)描述上海交通大學(xué)制冷與低溫工程研究所孔祥強(qiáng)1等建立了制冷功率在10 kW左右的微型冷熱電聯(lián)供系統(tǒng)試驗(yàn)臺，整個系統(tǒng)采用了一臺小型燃?xì)獍l(fā)電機(jī)組和一臺研究所自己研制的余熱型吸附式制冷機(jī)，其系統(tǒng)圖見圖1。系統(tǒng)設(shè)計(jì)參數(shù)見表1。，隱節(jié)點(diǎn)為，閾值為，隱節(jié)點(diǎn)與輸出節(jié)點(diǎn)的網(wǎng)絡(luò)權(quán)值。隱節(jié)點(diǎn)的輸出輸出節(jié)點(diǎn)的計(jì)算輸出輸出節(jié)點(diǎn)的誤差公式圖2 燃?xì)獍l(fā)電機(jī)組神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖圖4 燃?xì)獍l(fā)電機(jī)組發(fā)電量和回收余熱量隨輸入能量的變化圖圖6 微型冷熱電聯(lián)供系統(tǒng)神經(jīng)網(wǎng)絡(luò)模型的系統(tǒng)輸出仿真圖    由圖4所示，燃?xì)獍l(fā)電機(jī)組的發(fā)電量和回收的余熱量隨著輸入能量的增大而增大，在輸入能

5、量在達(dá)到30 kW以后，發(fā)電量和余熱量隨著輸入能量近似接近線形變化。由圖5所示，在其它參數(shù)固定時，吸附式制冷機(jī)的產(chǎn)冷量隨輸入熱量的增加而接近線性增大，也就是說制冷機(jī)的COP值此時變化不大。圖6是神經(jīng)網(wǎng)絡(luò)模型對系統(tǒng)冷熱電同時輸出的仿真，從圖中可以看出，在發(fā)電量一定時，也就是系統(tǒng)輸入能量一定時，隨著制冷量的增加，系統(tǒng)輸出的熱量增加，這是由于發(fā)電量對應(yīng)了一定的總的余熱回收量，制冷量的增加使得用于吸附機(jī)的熱量增大，因而使得剩余的輸出熱量減少。在制冷量一定時，隨著發(fā)電量的增加，系統(tǒng)的輸入能量隨之增加，從而使得總的余熱回收量增加，制冷量不變對應(yīng)的吸附機(jī)輸入熱量不變，使得剩余的輸出熱量增加。上述的仿真結(jié)果是

6、與實(shí)際的系統(tǒng)規(guī)律相符合的。3 人工神經(jīng)網(wǎng)絡(luò)模型（ANN Model）的評價為了對建立的人工神經(jīng)網(wǎng)絡(luò)模型進(jìn)行評價，本文采用了兩種驗(yàn)證方法，一是模型與所利用的實(shí)驗(yàn)數(shù)據(jù)進(jìn)行誤差計(jì)算；二是用另外的幾組新的數(shù)據(jù)對模型進(jìn)行測試。其誤差曲線見圖7，圖8；其測試圖見圖9，圖10。如圖7所示，燃?xì)獍l(fā)電機(jī)組模型的發(fā)電量絕對誤差非常小，且波動也較小，說明模型和實(shí)驗(yàn)數(shù)據(jù)擬合的比較好；而余熱量在輸入熱量較大時誤差突然變大，這是由于神經(jīng)網(wǎng)絡(luò)在訓(xùn)練時候的隨機(jī)性決定的，但其絕對誤差控制在0.06范圍內(nèi)，相對誤差也非常小。在圖9中可以看出模型對于測試點(diǎn)的預(yù)測效果非常好。如圖8所示，吸附式制冷機(jī)模型的絕對誤差在0.03范圍內(nèi)波動，由圖10可見，測試點(diǎn)基本上在模型曲線上下波動，在多輸入?yún)?shù)的情況下，說明模型具有一定的適用性。圖8 吸附式制冷機(jī)神經(jīng)網(wǎng)絡(luò)模型的誤差曲線圖圖10 吸附式制冷機(jī)神經(jīng)網(wǎng)絡(luò)模型的測試圖4 結(jié)論針對微型冷熱電聯(lián)供系統(tǒng)的高度非線性，多輸入多輸出的特點(diǎn)，本文提出了以BP神經(jīng)網(wǎng)絡(luò)進(jìn)行建模的思想。系統(tǒng)模擬和評價的結(jié)果表明，神經(jīng)網(wǎng)絡(luò)作為一種非線性的數(shù)學(xué)工具，具有快速、簡單、準(zhǔn)確的特點(diǎn)，結(jié)合Matlab的神經(jīng)網(wǎng)絡(luò)工具箱使得算法的精度和模型的適用性大大增強(qiáng)。這為以后預(yù)測系統(tǒng)的運(yùn)行，系統(tǒng)的控制設(shè)計(jì)都提供了良好的基礎(chǔ)。