供熱負(fù)荷優(yōu)化神經(jīng)網(wǎng)絡(luò)的建立關(guān)鍵在于輸入、輸出變量的選取、隱含層數(shù)的確定、隱含層單元數(shù)、的確定、連接方式的選擇、初始參數(shù)的選擇等。BP神經(jīng)網(wǎng)絡(luò)是采用誤差反向傳播(ErrorBackPropagation,BP)算法的一種多層前饋神經(jīng)網(wǎng)絡(luò),BP神經(jīng)網(wǎng)絡(luò)是人工神經(jīng)網(wǎng)路中最為重要的網(wǎng)絡(luò)之一,也是目前應(yīng)用最廣泛、發(fā)展最成熟的一種神經(jīng)網(wǎng)絡(luò)模型。
2.1輸入輸出變量的選取
輸入變量的選擇是取得良好控制效果的首要環(huán)節(jié)。輸入變量可以是成組的原始數(shù)據(jù),也可以是經(jīng)過預(yù)處理的參數(shù)或表示某種信號的采樣樣本。本文選時間,室外溫度,室外最高、最低溫度,二次網(wǎng)供水溫度,二次網(wǎng)供回水溫度、控制日的節(jié)假日類型八個影響因素作為輸入變量。集中供熱系統(tǒng)的控制運(yùn)行方案有多種,對于不同的控制運(yùn)行方案,可以選擇不同的輸出變量,本論文選擇二次網(wǎng)循環(huán)水流量進(jìn)行控制。
2.2隱含層數(shù)和隱含節(jié)點(diǎn)數(shù)的確定
實(shí)踐證明,采用一層中間層即三層網(wǎng)絡(luò)已經(jīng)足夠解決供暖系統(tǒng)優(yōu)化控制這類控制問題了,采用二層以上的隱含層幾乎沒有任何益處。而且采用越多的隱含層,訓(xùn)練的時間也將會急劇增加,這是因?yàn)椋?p style="line-height: 3em;">
(1)隱含層越多,誤差反向傳播的過程計算就會越復(fù)雜,訓(xùn)練時間也就急劇增加。
?。?)隱含層增加后,局部最小誤差也會增加。所以本文選擇一層隱含層。
至于隱含層節(jié)點(diǎn)數(shù)的確定也是研究者們經(jīng)常提及的一個課題,現(xiàn)在普遍認(rèn)為尚無明確的規(guī)則用以確定隱含層中的最佳節(jié)點(diǎn)數(shù)。Kawashima于1994年推薦隱含層采用2n+1個神經(jīng)元(n是輸入層的維數(shù)),本論文輸入層維數(shù)是7:所以選擇隱含層節(jié)點(diǎn)數(shù)是:15個。所以本文的網(wǎng)絡(luò)結(jié)構(gòu)是7-15-1結(jié)構(gòu)。
3供熱負(fù)荷優(yōu)化模型實(shí)例 本論文選擇鞍山市科技大學(xué)的教學(xué)區(qū)供熱系統(tǒng)為實(shí)例。
表12007年1月20日部分訓(xùn)練樣本數(shù)據(jù)時刻室外溫度供水溫度回水溫度控制日最高溫度控制日最低溫度控制日期類型二次網(wǎng)供水流量0-154137-5-170.4142.31-154238-5-170.4141.02-164238-5-170.4139.03-174137-5-170.4138.54-184137-5-170.4138.85-174238-5-170.4139.06-164036-5-170.4143.07-164137-5-170.4148.58-154339-5-170.4147.09-144339-5-170.4146.010-114238-5-170.4144.011-104137-5-170.4 145.512-84036-5-170.4144.5 4結(jié)論 由圖2和3可以看出,BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)了對供暖系統(tǒng)熱負(fù)荷的優(yōu)化,最大相對誤差在2%以內(nèi)。本系統(tǒng)對辦公建筑的供暖優(yōu)化達(dá)到了很好的效果,用一個統(tǒng)一的模型來優(yōu)化全天的熱負(fù)荷,其精度有了一定的提高,尤其是在早上工作時間前和下班后,對于供暖節(jié)能達(dá)到了很好的效果。
信息發(fā)布:廣州名易軟件有限公司 http://www.jetlc.com
|
|