应用BP神经网络的管式间接-直接复合式蒸发冷却空调机组性能预测.pdfVIP

节 能 2015年第 1期 一 18 一 ENERGY CONSERVATION (总第388期) 应用BP神经网络的管式问接 一直接复合式 蒸发冷却空调机组性能预测 陈玉英 (兰州交通大学环境与市政工程学院，甘肃 兰州730070) 摘要：为了减少空调机组性能实验的次数，利用已有复合式蒸发冷却空调机组测出的实验数据为训练 样本，采用BP神经网络的方法，训练预测了机组混合运行管式间接段和直接段的送风干球温度、湿 球温度及热湿交换效率，并和实验测定值进行比较；结果显示：送风干球温度 的平均相对误差为 1．86％，送风湿球温度的平均相对误差为2．52％，热湿交换效率的平均相对误差为 1．47％，验证 了 BP神经网络在蒸发冷却机组的性能预测中具有很好的适应性，在训练次数大约为1600时，达到 了设 定的 目标精度要求。 关键词：蒸发冷却空调机组；管式间接段；神经网络；热湿交换效率 中图分类号：TU831．2 文献标识码 ：A 文章编号：1004—7948(2015)01—0018—03 doi：103969／j．issn．1004—7948．2015．01．004 进行训练，完成网络阈值和权值的学习和修正，目的 引言 是找到神经网络的输入和输出之间的映射关系。 蒸发冷却是一种节能、环保、高效的制冷技术， BP神经网络的学习及训练过程分为以下2个 利用水的蒸发吸热来冷却空气，可以在干燥地区取 阶段： 代常规制冷剂CFC，广泛应用的有直接蒸发冷却， 1)根据输入的学习样本数据，通过设置的网 间接蒸发冷却和直接 一间接蒸发冷却等多种方式， 络结构和前一次迭代的权值和阈值，计算出各神经 关于直接蒸发冷却器和间接蒸发冷却器结构型式 元的输出； 的研究已经比较完善 ¨J。蒸发冷却的过程非常复 2)比较输出和期望输出，当输出误差不符合 杂，同时存在着流动、传热和传质等多个传递过程， 要求时，则进入误差反向传播阶段，从最后一层向 其相互耦合并相互影响，虽然构成传热传质模型的 前计算出各层权值和阈值对误差的影响情况，并对 能量方程、动量方程和质量守恒方程可 以建立，但 各层的权值和阈值进行修改。这2个阶段反复交 由于过程的复杂性，要想得到微分方程 的解并不容 替，直至收敛u2J。BP神经网络结构如图1所示。 易。 文中通过建立 BP(BackPropagation)神经网 。 I 络模型，结合蒸发冷却空调机组的输入输出实验数 输 输 据 ，以实现对机组的运行性能预测。 出 入 变 。 耋 1BP人工神经网络模型 量 1．1BP神经网络算法介绍 BP神经网络是采用反向传播学习算法进行训 练的人工神经网络，由输入样本的正向传播以及误