【摘要】：隨著我國能源以及環(huán)境形勢的日趨嚴峻,對于太陽能、土壤源等可再生能源的利用已經(jīng)成為國家重點發(fā)展和推廣的能源利用型式。太陽能-土壤源熱泵系統(tǒng)作為一種以太陽能和土壤源為復合熱源的熱泵系統(tǒng),因其具有節(jié)能環(huán)保等優(yōu)點,已經(jīng)越來越受到關注。 文中以太陽能-土壤源熱泵系統(tǒng)為研究對象,分別建立了熱泵機組模型、熱管式真空管太陽能集熱器模型、垂直U型埋管換熱器模型、蓄熱水箱模型和室內(nèi)負荷模型。根據(jù)拉格朗日中值定理,應用BP神經(jīng)網(wǎng)絡和RBF神經(jīng)網(wǎng)絡分別對熱泵機組模型中的主要部件冷凝器模型和蒸發(fā)器模型進行了簡化,同時建立了BP神經(jīng)網(wǎng)絡校正模型對二者簡化模型的仿真結(jié)果進行了校正;建立了基于BP神經(jīng)網(wǎng)絡和熱管式真空管太陽能集熱器數(shù)理模型的太陽能集熱器BP神經(jīng)網(wǎng)絡仿真模型,并在此基礎上應用遺傳算法對該神經(jīng)網(wǎng)絡仿真模型進行了優(yōu)化:參照經(jīng)典的Kelvin線熱源模型和Kavanaugn圓柱源理論模型,運用負荷疊加、負荷階躍、負荷累積的思想,建立了垂直U型埋管換熱器數(shù)理模型,將BP神經(jīng)網(wǎng)絡和垂直U型埋管換熱器數(shù)理模型相結(jié)合,建立了垂直U型埋管換熱器優(yōu)化模型。 在太陽能-土壤源熱泵系統(tǒng)各部分仿真模型的基礎上,利用質(zhì)量守衡和能量守衡的原理,將太陽能集熱器、熱泵機組、地下埋管換熱器及其它仿真模型聯(lián)系起來,建立了太陽能-土壤源熱泵系統(tǒng)仿真模型,并編制了相應的系統(tǒng)仿真軟件,將其應用于青島市某一工程實例中,分別針對系統(tǒng)的動態(tài)運行方式和靜態(tài)運行方式進行了仿真模擬計算,結(jié)果顯示熱泵機組動態(tài)運行方式下的平均制熱性能系數(shù)COP_h值較其在靜態(tài)運行方式下的COP_h值高。 文中將遺傳算法和神經(jīng)網(wǎng)絡應用于太陽能-土壤源熱泵系統(tǒng)的仿真建模,經(jīng)實驗驗證取得了較好的預測效果,能夠提高仿真模型的計算精度和效率;同時分析了動靜態(tài)兩種運行方式對太陽能-土壤源熱泵系統(tǒng)能耗的影響,這些研究工作能夠為太陽能-土壤源熱泵系統(tǒng)的推廣及實際應用提供一定程度的理論參考。
【學位授予單位】：青島理工大學
【學位級別】：碩士
【學位授予年份】：2008
【分類號】：TU831;TK519
【圖文】：

RS‘XIS羅XIa’二tansig(I側(cè)，‘p+b‘)才二Purelin(x惻漢+b’)圖1一 1BP神經(jīng)網(wǎng)絡模型Flgl一 1BP叭 ifieialneuralnetworkBP學習算法的基本原理是梯度最速下降法，其中心思想是調(diào)整權值和閉值使網(wǎng)絡的總誤差最小，即采用梯度搜索技術，以期使網(wǎng)絡的實際輸出值與期望輸出值的誤差均方值為最小。網(wǎng)絡學習過程是一種誤差邊向后傳播邊修正權值和閉值的過程。多層網(wǎng)絡運用BP學習算法時，實際上包含了正向和反向傳播兩個階段。在正向傳播過程中，輸入信息從輸入層經(jīng)隱層逐層處理，并傳向輸出層，每一層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元的狀態(tài)。如果輸出時得不到期望輸出，則轉(zhuǎn)入反向傳播，將誤差信號沿原來的連接通道返回，通過修改各層神經(jīng)元的權值和閉值，使誤差信號最小。在正向傳播時，通過調(diào)整連接權系數(shù)來達到增強或削弱各輸出節(jié)點的作用。除了輸入層的節(jié)點外

二radbas(n’a，二Purelin(LW’田+b，)其中:對·…{I珍一列圖1一 2RBF神經(jīng)網(wǎng)絡模型Flgl一 2RBFartlfiezalneura】ne婦刀ork。blBP神經(jīng)網(wǎng)絡是一種全局逼近神經(jīng)網(wǎng)絡，當其應用于函數(shù)逼近時，權值的調(diào)節(jié)采用的是負梯度下降法，這種調(diào)節(jié)權值的方法有它的局限性，即存在著收斂速度慢和局部極小等缺點。而RBF神經(jīng)網(wǎng)絡是一種典型的局部逼近神經(jīng)網(wǎng)絡，因此在逼近能力、分類能力和學習速度等方面相對于BP神經(jīng)網(wǎng)絡具有優(yōu)勢。(3)遺傳算法遺傳算法 GA(GeneticAlgorithm)，是一種隨機搜索優(yōu)化算法，該算法具有很強的宏觀搜索能力，基本思想為模擬生物界“生存競爭，優(yōu)勝劣汰，適者生存”的機制，采用逐次迭代法搜索尋優(yōu)。基本的遺傳算法的構(gòu)成要素包括:染色體編碼方式、個體適應度評價、遺傳操作算子、基本遺傳算法運行參數(shù)四部分，其求解過程如圖1一3所示。(___二些一-少萬~~…萍一百齊cccA下十算:三乙柳卜、三之叉、多 多圖1一3遺傳算法GA求解流程圖Flgl一 3flowellartofGenetlcAlgorithm遺傳算法應用于人工神經(jīng)網(wǎng)絡優(yōu)化主要分為兩個方面

二radbas(n’a，二Purelin(LW’田+b，)其中:對·…{I珍一列圖1一 2RBF神經(jīng)網(wǎng)絡模型Flgl一 2RBFartlfiezalneura】ne婦刀ork。blBP神經(jīng)網(wǎng)絡是一種全局逼近神經(jīng)網(wǎng)絡，當其應用于函數(shù)逼近時，權值的調(diào)節(jié)采用的是負梯度下降法，這種調(diào)節(jié)權值的方法有它的局限性，即存在著收斂速度慢和局部極小等缺點。而RBF神經(jīng)網(wǎng)絡是一種典型的局部逼近神經(jīng)網(wǎng)絡，因此在逼近能力、分類能力和學習速度等方面相對于BP神經(jīng)網(wǎng)絡具有優(yōu)勢。(3)遺傳算法遺傳算法 GA(GeneticAlgorithm)，是一種隨機搜索優(yōu)化算法，該算法具有很強的宏觀搜索能力，基本思想為模擬生物界“生存競爭，優(yōu)勝劣汰，適者生存”的機制，采用逐次迭代法搜索尋優(yōu)�；镜倪z傳算法的構(gòu)成要素包括:染色體編碼方式、個體適應度評價、遺傳操作算子、基本遺傳算法運行參數(shù)四部分，其求解過程如圖1一3所示。(___二些一-少萬~~…萍一百齊cccA下十算:三乙柳卜、三之叉、多 多圖1一3遺傳算法GA求解流程圖Flgl一 3flowellartofGenetlcAlgorithm遺傳算法應用于人工神經(jīng)網(wǎng)絡優(yōu)化主要分為兩個方面

【參考文獻】

相關期刊論文 前10條

1 劉憲英,胡鳴明,魏唐棣;地熱源熱泵地下埋管換熱器傳熱模型的綜述[J];重慶建筑大學學報;1999年04期

2 楊衛(wèi)波,董華,周恩澤,胡軍;太陽能—土壤源熱泵系統(tǒng)聯(lián)合運行模式的研究[J];流體機械;2004年02期

3 周志華,尹旭日,陳兆乾,陳世福;神經(jīng)網(wǎng)絡在電力變壓器運行狀態(tài)檢測中的應用[J];自動化學報;2002年02期

4 田琦;;U型管式全玻璃真空管集熱器熱效率及性能研究[J];能源工程;2006年06期

5 楊衛(wèi)波,董華,胡軍,張浩;淺議混合地源熱泵系統(tǒng)(HGSHPS)[J];能源研究與利用;2003年05期

6 楊道輝;馬光文;劉起方;陶春華;過夏明;;基于粒子群優(yōu)化算法的BP網(wǎng)絡模型在徑流預測中的應用[J];水力發(fā)電學報;2006年02期

7 劉浩,張春路,丁國良;結(jié)合人工神經(jīng)網(wǎng)絡的冷凝器穩(wěn)態(tài)分布參數(shù)模型[J];上海交通大學學報;2000年09期

8 陸維德,過慧芬,張祖山,李小蘇;重力熱管平板集熱器的熱性能研究[J];太陽能學報;1983年02期

9 何梓年，蔣富林，葛洪川，李煒;熱管式真空管集熱器的熱性能研究[J];太陽能學報;1994年01期

10 曠玉輝 ,王如竹;太陽能熱泵[J];太陽能;2003年02期

本文編號：2754610