基于BP神经网络的PTC工热性能仿真模型的优化

摘要：

在槽式抛物面太阳集热器的热性能研究中,数据往往具有随机性、非线性和不确定性等特点,采用传统建模方法经常做出大量假设,导致仿真精度不高且复杂.以槽式抛物面太阳集热器为研究对象,将传统理论模型与BP人工神经网络相互耦合,通过集热器热性能室外动态试验,建立工质出口温度的神经网络预测校正模型.引入Levenberg-Marquardt(LM)法对BP神经网络的权值及阈值进行优化.分析结果表明预测校正模型可将绝对误差控制在3.8℃以内,相对误差保持在3.6％以内,可有效提高槽式抛物面太阳集热器热性能的仿真模型计算精度.

关键词： 槽形抛物面集太阳集热器 工热性能 预测校正模型 BP神经网络

作者: 严倩雯 蒋川 杨嵩 余雷 王启扬

作者单位: 东南大学江苏省太阳能技术重点实验室,南京210018 南京索乐优节能科技有限公司,南京210046 南瑞太阳能科技有限公司,南京210018

会议类型: 国内会议

会议名称: 第十四届长三角能源论坛

会议地点: 上海

会议语种:中文

页码: 183-190

在线出版日期: 2017-11-22（万方平台首次上网日期，不代表论文的发表时间）