供暖热网预测神经网络模型地研究.pdfVIP

供暖热网预测神经网络模型的研究 哈尔滨工业大学市政环境工程学院 熊钧姜永成郭骏逄秀锋 摘要将人工神经网络应用于供暖热网实时预报技术，建立起可用于热网 供暖预报的外时延反馈型BP网络模型，及内时延反馈型Elm,an网络。本文利用 牡丹江西海林小区锅炉房2000年11月--2001年4月的部分热网数据，对所建立 的网络进行训练和检验，结果表明两种预报模型均具有较好的动态跟踪能力和预 报特性。而Elman网络在节点结构上比外时延反馈型BP网络更简单，在确定网 络节点结构上更快捷，更具有实际推广和应用价值。 关键词人工神经网络供嚷热网预测外时砖内时j≮反馈型BP网纬‘ Elman网络 。 一些复杂的生产过程，如热网供热，由于其反应机理非常复杂，具有很强的非线性、大滞 后、时变性和不确定性，难以建立被控对象的数学模型，至今仍很少实现闭环控制，只好由有 经验的操作人员进行调节。操作人员虽然没有被控对象的数学模型，但是由于他们比较熟 悉供暖热网和设备，且在长期的现场工作中积累了丰富的操作经验，他们通过观察仪表指示 的变化，如热网的供、回水温度、室外温度等参数，并且预估某些参数将要发生的变化，然后 调整供热负荷，以保证热网供暖正常。这种人工控制方式一般也能达到较好的控制效果，但 是由于操作人员的经验与能力的不同，或由于人的疲劳、责任心等原因，也时常会因操作不 当造成热网供暖不正常，或在产生突发事件时，不能预测将会发展或延续扩大的严重故障， 而引发更大的故障。 预测对于提供未来的信息，为当前人们作出有利的决策具有重要意义。现有的预测方 法如时间序列分析中的AR模型预测方法，只适用于线性预测，而且，还需要对所研究的时 间序列进行平稳性、零均值等假定，其适用范围受到一定的限制。近年来，人工神经网络以 其高度的非线性映射能力，在某些领域的预测中得到广泛的关注。本文利用神经网络技术 辨识供暖热网动态预报系统的模型，并对其进行了实际训练和测试，分别建立了外时延反馈 型BP网络模型和内时延反馈型Elman网络的预测模型。 1外时延反馈BP网络 多层前向网络是研究和应用的最广泛也是最成功的人工神经元网络之一。多层前向网 络是一种映射型网络。理论上，隐层采用Sigmoid激活函数的三层前向网络能以任意精度 通讯地址：哈尔滨工业大学z．18．2652#信箱熊钧(150090) 三、空调与控制类 逼近任一非线性函数，神经元网络可以根据与环境的相互作用对自身进行调节即学习，一个 BP网络即是一个多层前向网络加上误差反向传播学习算法，因此一个BP网络应有三项基 本功能：(1)信息由输入单元传到隐单元，最后传到输出单元的信息正向传播；(2)实际输出 与期望输出之间的误差由输出单元传到隐单元，最后传到输入单元的误差反向传播；(3)利 用正向传播的信息和反向传播的误差对网络权系数进行修正的学习过程。目前，多层前向 网络的权系数学习算法大多采用BP算法及基于BP算法的改进算法，如带动量项的BP算 法等。BP网络虽然有很广泛的应用，但由于它是一个静态 网络，所以只能用于处理与时间无关的对象，如文字识别、空 间曲线的逼近等问题。热网供暖的各项参数都是与时间有 关系的，而且我们即将建立的供暖热网预报模型必须是一个 动态模型。为此，必须在网络中引入记忆和反馈功能。可以 有两种方式实现这一功能，一是采用外时延反馈网络，既把 输入量以前的状态存在延时单元中，且在输入端引入输出量 图l外延时反馈网络 以前状态的反馈，如图1所示；另一种方式是采用内时延反 馈网络，既在网络内部引入反馈，使网络本身构成一个动态系统，如下面将要介绍的Elman 网络。 2 EIman网络 如前所述，在BP网络外部加入延时单元，把时间信号展开成空间表示后再送给静态的 前向网络作为一类输入，从而实现时间序列建模和预测。然而，这种方式大大增加了输入节 点个数因而导致了网络结构膨胀，训练精度下降，训练时间过长。 Elman动态网络是动态递归网 络中