太阳能—土壤源热泵系统（SESHPS）仿真研究

发布时间：2020-07-14 06:13

【摘要】：随着我国能源以及环境形势的日趋严峻,对于太阳能、土壤源等可再生能源的利用已经成为国家重点发展和推广的能源利用型式。太阳能-土壤源热泵系统作为一种以太阳能和土壤源为复合热源的热泵系统,因其具有节能环保等优点,已经越来越受到关注。文中以太阳能-土壤源热泵系统为研究对象,分别建立了热泵机组模型、热管式真空管太阳能集热器模型、垂直U型埋管换热器模型、蓄热水箱模型和室内负荷模型。根据拉格朗日中值定理,应用BP神经网络和RBF神经网络分别对热泵机组模型中的主要部件冷凝器模型和蒸发器模型进行了简化,同时建立了BP神经网络校正模型对二者简化模型的仿真结果进行了校正;建立了基于BP神经网络和热管式真空管太阳能集热器数理模型的太阳能集热器BP神经网络仿真模型,并在此基础上应用遗传算法对该神经网络仿真模型进行了优化:参照经典的Kelvin线热源模型和Kavanaugn圆柱源理论模型,运用负荷叠加、负荷阶跃、负荷累积的思想,建立了垂直U型埋管换热器数理模型,将BP神经网络和垂直U型埋管换热器数理模型相结合,建立了垂直U型埋管换热器优化模型。在太阳能-土壤源热泵系统各部分仿真模型的基础上,利用质量守衡和能量守衡的原理,将太阳能集热器、热泵机组、地下埋管换热器及其它仿真模型联系起来,建立了太阳能-土壤源热泵系统仿真模型,并编制了相应的系统仿真软件,将其应用于青岛市某一工程实例中,分别针对系统的动态运行方式和静态运行方式进行了仿真模拟计算,结果显示热泵机组动态运行方式下的平均制热性能系数COP_h值较其在静态运行方式下的COP_h值高。文中将遗传算法和神经网络应用于太阳能-土壤源热泵系统的仿真建模,经实验验证取得了较好的预测效果,能够提高仿真模型的计算精度和效率;同时分析了动静态两种运行方式对太阳能-土壤源热泵系统能耗的影响,这些研究工作能够为太阳能-土壤源热泵系统的推广及实际应用提供一定程度的理论参考。
【学位授予单位】：青岛理工大学
【学位级别】：硕士
【学位授予年份】：2008
【分类号】：TU831;TK519
【图文】：

神经网络模型

RS‘XIS罗XIa’二tansig(I侧，‘p+b‘)才二Purelin(x恻汉+b’)图1一 1BP神经网络模型Flgl一 1BP叭 ifieialneuralnetworkBP学习算法的基本原理是梯度最速下降法，其中心思想是调整权值和闭值使网络的总误差最小，即采用梯度搜索技术，以期使网络的实际输出值与期望输出值的误差均方值为最小。网络学习过程是一种误差边向后传播边修正权值和闭值的过程。多层网络运用BP学习算法时，实际上包含了正向和反向传播两个阶段。在正向传播过程中，输入信息从输入层经隐层逐层处理，并传向输出层，每一层神经元的状态只影响下一层神经元的状态。如果输出时得不到期望输出，则转入反向传播，将误差信号沿原来的连接通道返回，通过修改各层神经元的权值和闭值，使误差信号最小。在正向传播时，通过调整连接权系数来达到增强或削弱各输出节点的作用。除了输入层的节点外

流程图,神经网络模型

二radbas(n’a，二Purelin(LW’田+b，)其中:对·…{I珍一列图1一 2RBF神经网络模型Flgl一 2RBFartlfiezalneura】ne妇刀ork。blBP神经网络是一种全局逼近神经网络，当其应用于函数逼近时，权值的调节采用的是负梯度下降法，这种调节权值的方法有它的局限性，即存在着收敛速度慢和局部极小等缺点。而RBF神经网络是一种典型的局部逼近神经网络，因此在逼近能力、分类能力和学习速度等方面相对于BP神经网络具有优势。(3)遗传算法遗传算法 GA(GeneticAlgorithm)，是一种随机搜索优化算法，该算法具有很强的宏观搜索能力，基本思想为模拟生物界“生存竞争，优胜劣汰，适者生存”的机制，采用逐次迭代法搜索寻优。基本的遗传算法的构成要素包括:染色体编码方式、个体适应度评价、遗传操作算子、基本遗传算法运行参数四部分，其求解过程如图1一3所示。(___二些一-少万~~…萍一百齐cccA下十算:三乙柳卜、三之叉、多多图1一3遗传算法GA求解流程图Flgl一 3flowellartofGenetlcAlgorithm遗传算法应用于人工神经网络优化主要分为两个方面

流程图,遗传算法,流程图

【参考文献】