[01177537]基于人工神经网络的集中供热系统优化控制研究

集中供热作为我国北方城镇应用最为广泛的采暖方式,存在着诸如运行控制手段落后和供需不匹配等问题,造成能源极大浪费,因此对集中供热系统的优化研究显得非常有必要。由于集中供热系统影响因素众多且外界条件瞬息万变,利用传统方法对供热系统优化调节存在一定难度。针对集中供热系统质调节方式,本文提出了利用人工神经网络（英文Artificial Neuron Network,ANN）方法对集中供热系统供水温度进行优化调节研究的新方法。 首先,本文将TRNSYS软件和MATLAB软件结合,产生用于优化人工神经网络的基础数据集,基于此数据集,对构建的用于预测供水温度的BP神经网络模型进行结构优化,明确人工神经网络模型的输入参数为含时间序列的室外温度、室内温度和太阳辐射强度,供热系统供水温度作为输出参数,利用类似的方法建立Elman神经网络模型,并选取模拟数据集中的部分数据对神经网络预测结果进行比对。最终把神经网络预测出的逐时最优供水温度代入TRNSYS模型,比较模拟的室内温度偏离室内设定温度的程度。 结果表明：经优化过的BP神经网络可以保证预测的供水温度与模拟的供水温度之间的误差在±2℃范围内,训练好的神经网络根据室外气象参数预测出的最优逐时供水温度也可以保证室内温度维持在设定室内温度的±2℃;Elman网络预测出的最优供水温度比BP网络的预测更接近于模拟供水温度,误差更小。通过模拟研究验证了利用人工神经网络方法对供热系统供水温度优化研究的可行性和准确性。 其次,本研究利用实验对所提人工神经网络模型进行验证。实验室搭建小型供热实验台,利用人工神经网络预测特定室温下的最优供水温度,以此控制水箱温度,比较此供水温度下室温与设定室温。结果表明：经优化过的BP神经网络可以保证预测的供水温度与实际测量的供水温度之间的误差在±4℃范围内,训练好的神经网络根据室外气象参数预测出的最优逐时供水温度也可以保证室内温度维持在设定室内温度的±1℃范围内。在实验研究中Elman网络的预测效果也要优于BP网络,预测出的供水温度误差在±3℃以内。 最后,本论文的研究成果为人工神经网络对集中供热系统供水温度的优化研究提供依据,为我国集中供热系统供水温度的设计提出优化建议,使供热系统供需平衡,节约能源。