科研之友
微信
新浪微博
Facebook
分享链接
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。
-
单位机电工程学院; 陕西科技大学
