-
题名基于BP神经网络的PTC工质出口温度研究
被引量：2
- 1
-
-
作者
严倩雯
蒋川
杨嵩
余雷
王启扬
-
机构
东南大学江苏省太阳能技术重点实验室
南京索乐优节能科技有限公司
南瑞太阳能科技有限公司
-
出处
《太阳能学报》
EI
CAS
CSCD
北大核心
2017年第11期3029-3035,共7页
-
基金
江苏省科技支撑计划(BE2013121)
中芬国际合作光伏光热一体化项目
国家自然科学基金(51476099)
-
文摘
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
槽形抛物面集热器
BP神经网络
预测校正模型
工质出口温度
-
Keywords
parabolic trough solar collector （PTC）
BP neural network
predictive correction model
exit fluid temperature
-
分类号
TK513
[动力工程及工程热物理—热能工程]
-
