基于BP神经网络的Kalina循环发电系统最佳运行参数预测
杨月莹
王建永
王涛
陈海峰
陕西科技大学机电工程学院,陕西 西安 710021
摘要：Kalina循环发电技术是低品位热能回收利用的重要方式,而蒸发压力和蒸发温度是决定系统性能的关键参数.由于热源及工质氨水浓度的多样性,获取不同设计条件下最佳运行参数的过程复杂且耗时.通过遗传算法结合热力学模型的方式,以最大净输出功为目标,获取了1 705组数据,基于BP神经网络算法建立Kalina循环的最佳运行参数预测模型.结果表明,选择单隐含层神经元数目为9、训练函数为"trainlm"时,神经网络的预测结果最好.验证集的预测误差均在1.5%范围内,表明建立的神经网络模型可以较好地预测Kalina循环发电系统的最佳蒸发压力和最佳蒸发温度.
关键词：Kalina循环BP神经网络预测模型最佳运行参数
分类号：TM617(发电、发电厂)
资助基金：国家自然科学基金(51906131)中国博士后科学基金(2020M673604XB)榆林市科技计划项目(CXY-2020-089)
论文发表日期：2023-11-15
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 1-5 )
英文信息