土壤换热器预测模型的研究与优化 Research and Optimization on Ground Heat Exchanger Predictive Model.pdfVIP

下载本文档

0
0
约2.02万字
约 5页
2017-12-16 发布于上海
举报
版权申诉

土壤换热器预测模型的研究与优化 Research and Optimization on Ground Heat Exchanger Predictive Model.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

土壤换热器预测模型的研究与优化 Research and Optimization on Ground Heat Exchanger Predictive Model

第27卷第12期建走科学 V01．27，No．12 201 BUILDINGSCIENCE Dec．201l 1年12月 [文章编号】1002—8528(2011)12．0091-05 土壤换热器预测模型的研究与优化刚文杰，王劲柏(华中科技大学环境科学与工程学院，武汉430074) [摘要]在复合式地源热泵系统中。控制策略存在着极大的优化空间。本文提出了直接比较冷却塔和土壤换热器出口水温的方法．并建立了土壤换热器预测模型。首先，为了提高预测精度，将所建立模型分为2类．一类为利用当前时刻变量进行预测，称为静态模型；另一类为加入上一个时刻的变量进行预测，称为动态模型。而后。为了研究复合式地源热泵系统不同运行模式下神经网络预测土壤换热器出口水温的准确性与可行性，根据样本特点建立了一系列模型，并与复合式地源热泵系统的动态数值模型进行了比较。结果表明，无论处于何种运行模式下，神经网络都能够准确预测土壤换热器的出口水温，且动态模型具有较高的精度，绝对误差不超过0．2℃。 [关键词]复合式地源热泵；土壤换热器；控制策略；人工神经网路；优化 [中图分类号]TQ051．5【文献标识码】A Researchand onGroundHeat PredictiveModel Optimization Exchanger GANG EnvironmentScienceand Scienceand Wen-fie，WANGJin-bo(Schoolof Engineering，HuazhongUnwe阿ityof Technology， Wuhan 430074，China) sourceheat couldbe toa extent．Inthis [Abstract]Forhybridground strategy pumpsystem(HGSHPS)，controloptimizedlarge newcontrol water of heat towerwas of theoutlet paper，a strategycomparing temperaturesgroundexchanger(GHE)andcooling anaccurate modelwas orderto the establishedmodels proposed，and predictive established．Firstly，inimprovepredictionaccuracy，the weredividedintotwo staticmodeltakenvariablesofcurrentmomentas the modeltakenvariablesofboth types，the inputs，anddynamic currentandformermomentsas seriesofmodelswerebuilttOvalidatethe and ofartificialneural inputs．Andthen，a feasibilityaccuracy underdifferent modesof thesimulationresultswere withthoseofthe network(ANN)model HGSHPS，and