279 基于神经网络的冷却塔出水温度的预测.doc

基于神经网络的冷却塔出水温度的预测
华中科技大学刚文杰王劲柏
摘要:本文主要介绍了运用人工神经网络预测冷却塔出水温度的方法。通过在MATLAB环境下编程建立冷却塔模型,获取神经网络模型需要的训练数据和测试数据。建立一个三层基于反向传播算法的神经网络模型(BP网络),以空气干球温度﹑相对湿度﹑冷却塔进水温度和冷却水流量作为输入变量,冷却塔出水温度作为输出变量,在MATLAB环境下,用训练数据训练神经网络,测试数据检测神经网络预测结果。结果表明神经网络可以用来预测冷却塔出水温度,并得出适合本研究的最理想的神经网络模型。
关键字:冷却塔出水温度人工神经网络 BP网络预测
1 前言
冷却塔在制冷系统中起着重要的作用。制冷剂在冷凝器内冷凝放热,冷却水吸收冷凝器中的热量,温度升高,被送至冷却塔,通过与空气进行热质交换,温度降低,再被送至冷凝器,构成冷却水循环。冷却塔在其中负责将冷却水中的热量,即制冷系统中的热量排放出去。冷却水出口温度的高低,直接关系到空调系统的制冷效果和能耗。通过预测冷却塔出水温度,判断空调的运行效果,采取控制措施,从而保证空调系统的高效运行,就显得尤为重要。
2 冷却塔模型
本文采用迈克尔(Merkel)焓差法建立逆流湿式冷却塔模型。通过两个参数(冷却数)和(冷却塔特性数)实现冷却塔热工计算:
;
式中:-冷却塔特性数;-以含湿量差表示的传质系数,;-填料的比表面积,;-塔的横截面积,;-塔内填料高度,;W-进入冷却塔的冷却水流量,。
冷却数的确定采用辛普逊近似积分法,在精度要求不高,且水在塔内的温降<15℃时,可将冷却塔分两层进行计算。本文涉及的室外参数覆盖面比较广,且存在进出口温差>15℃的工况,因此将冷却塔分四层进行计算(见图1),具体公式如下:
式中:-冷却数;-水的比热容,(℃));-冷却水在塔内的温降; ,,,,-分别与,,,,相对应的饱和空气焓,;其中为冷却塔的进水温度,为冷却塔的出水温度,,;,-分别为冷却塔空气出口处,进口处空气的焓值,其中,,,。

图1 水和空气在冷却塔中的换热过程图2 本设计BP神经网络模型
冷却塔的设计计算问题,就是要求冷却任务与冷却能力相适应,即。本文通过在MATLAB环境下编程,实现此冷却塔模型。
3 人工神经网络
人工神经网络(Artificial works, ANN)是由大量简单的基本元件——神经元相互连接,通过模拟人的大脑神经处理信息的方式,进行信息并行处理和非线性转换的复杂网络系统。由于神经网络具有强大的学习功能,可以比较轻松的实现非线性映射过程,并且具有大规模计算的能力,因此在模式识别,人工智能,控制工程,优化计算和联想记忆,信号处理方面得到大量的应用。
单个人工神经元往往不能完成对输入信号的处理,它要按一定的规则连接成网络,并让网络中每个神经元的权值和阈值按一定的规则变化,才能实现所设计设计神经网络的功能要求。
BP神经网络是目前应用最为广泛和成功的神经网络,它是由Rumelhant 和 McClelland 在1986年提出的一种多层网络的学习算法。典型的BP神经网络由输入层,输出层和隐含层组成。通过文献可知,BP网络可实现从输入空间到输出空间的非线性映射,本文利用它的这一特点,来完成对冷却塔出水温度的预测,并通过一些统计值,如均方根用来检测预