神经网络模型在地源热泵地下埋管换热系统中的应用.PDF

维普资讯 Vo1．30，No．8，2I)02 FLUID MACHINERY 45 文章编号 ：2oo2)os--0o42-o5 神经网络模型在地源热泵地下埋管换热 系统中的应用 易 新 刘宪英 (1．深圳职业技术学院，广东深圳 518055； 2．重庆大学 ，重庆 400044) 摘 要：针对不同输入和输出变量建立了神经网络预测模型，对埋管换热进行模拟计算和预测，计算结果表明：神经翊 络的模拟值与实验值相当一致 ，计算精度高。 关键词 ： 地源热泵；地下埋管换热系统；神经网络模型 中图分类号 ： TU111．2 文献标识码 ： A NeuralNetworkM odelingApplication forHeatTransferSystem ofUnderground HeatExchangerin GSHP YiXin LiuXianying Abstract： Neuralnetworkmothologyforheattransfersystem ofundergroundheatexchangerwasintroduced，which layemIdla,~i．；I】 systematics，entiretyand fuzysystematics，predication modelingusingneural network wasestabilshde ．From thecomputersimula／ifIl1 results．itWas concludde htatwiht NN modeling theprecisionWas veryhigh． Keywords： ground—soul~ehaetpump(GSHP)；heattransfersystem ofundergroundheatexchanger；NN(neuralnetwork)modeling 1 前言 根据地下换热器系统的传热特性和有关 NN (神经网络)的内容 ，本文 NN(神经网络)模型的建 地下埋管换热器与岩土之间是非稳态 、无限 立采用多层前馈网络结构 ； (*)激励 函数采用 大区域内的传热，过程十分复杂 。实际情况下 ，岩 Sigmoid函数形式。学习方法采用监督学习，其 中 土的热物性 、密度、温湿度 、管材与管径 、管内流体 学习的环境是地下埋管换热器系统运行期 问的各 的特性 、流速 、运行时间和规律等诸多非线性因素 种变量，教师是在各种变量条件下运行结果的实 对该换热过程都有影响。理想的数学模型不但难 测值 ；学 习采用 BP算 法和误 差纠正学习规则。 以描述如此众多的因素和各 自复杂的线性关系， 下面就有关问题作一简介 。 而且求解也十分 困难 。因此 ，大多研究只能采用 2．1 多层前馈 网络 经过简化假设的模型 1J。由于在简化假设中忽略 对于单层网络，不论用什么样的非线性函数， 了不少本来应考虑的因素以及其影响的非线性和 其能力都一样 ，即只能解决线性可分的问题，由于 复杂性，其结果必然与实践存在一定程度上的不 地下埋管传热是复杂的非线性系统 ，因此采朋单 符 ，有时甚至是很大程度 的不符 。本文尝试采用 层网络是不可能完成对地下埋管传热系统模拟 神经网络模型对地源热泵地下埋管换热系统的传 的，唯一出路是采用多层前馈网络 。已证 明任何 热进行