復(fù)合式地源熱泵系統(tǒng)描述及其控制方法

1、復(fù)合式地源熱泵系統(tǒng)描述及其控制方法【摘要】復(fù)合式地源熱泵系統(tǒng)具有節(jié)約用地、降低初投 資、提髙系統(tǒng)性能和運(yùn)行可靠性的優(yōu)點(diǎn)，應(yīng)該加強(qiáng)對(duì)地源熱 泵復(fù)合式系統(tǒng)研究和開(kāi)發(fā)，以促進(jìn)其應(yīng)用與發(fā)展?！娟P(guān)鍵詞】地源熱泵；系統(tǒng)；數(shù)值模型；神經(jīng)網(wǎng)絡(luò)引言本文選取一位于某地區(qū)的辦公建筑作為模擬對(duì)象，利用 dest計(jì)算得全年逐時(shí)負(fù)荷，建立機(jī)組和冷卻塔模型，采用 fluent軟件建立土壤換熱器模型，將整個(gè)復(fù)合式地源熱泵 系統(tǒng)在fluent環(huán)境下進(jìn)行計(jì)算，一方面獲取神經(jīng)網(wǎng)絡(luò)模型 所需要的訓(xùn)練和測(cè)試樣本，一方面檢驗(yàn)神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)精 度。同時(shí)，為了盡量減少計(jì)算量，縮減計(jì)算時(shí)間，提高預(yù)測(cè) 精度，本文采用相關(guān)系數(shù)法確定最優(yōu)的神經(jīng)網(wǎng)

2、絡(luò)模型輸入?yún)?數(shù)，嘗試建立多種模型確定最優(yōu)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。1復(fù)合式地源熱泵系統(tǒng)描述及其數(shù)值模型建立1.1系統(tǒng)描述及主要模型建立本文選取一棟位于某市的辦公建筑作為模擬對(duì)象，利用dest計(jì)算其全年逐時(shí)負(fù)荷。本建筑最大冷負(fù)荷，全年累積 冷負(fù)荷都明顯大于熱負(fù)荷，因此采用帶有冷卻塔的復(fù)合式地 源熱泵系統(tǒng)，土壤換熱器根據(jù)冬季熱負(fù)荷進(jìn)行設(shè)計(jì)，并與冷 卻塔并聯(lián)，冷卻塔滿足夏季冷負(fù)荷。機(jī)組采用gordan冷凍 機(jī)組功耗模型，冷卻塔模型采用merkel焙差法。1.2 土壤換熱器數(shù)值模型建立本文在fluent軟件下進(jìn)行土壤換熱器數(shù)值模型的建立。 在gambit里面建立土壤換熱器的幾何模型，土壤換熱器為 單u形埋管，直

3、管長(zhǎng)度為60m,管內(nèi)徑為26mm,管外徑為32mm, 回填材料直徑為200mm,深62m, 土壤直徑為6m。畫(huà)好網(wǎng)格 后，在fluent里面設(shè)置土壤、回填材料、管子和水的熱物 性參數(shù)，并定義各個(gè)面的邊界條件。為減小計(jì)算量，本文沿 對(duì)稱面將其剖開(kāi)，對(duì)稱面設(shè)置為symmetry邊界。1. 3系統(tǒng)運(yùn)行模式數(shù)值模擬計(jì)算中，采用時(shí)間控制法，計(jì)算時(shí)間長(zhǎng)度為4 個(gè)周，每周周一至周五8： 00至21： 00運(yùn)行。每天運(yùn)行模 式為8： 00-11： 00, 14： 00-17： 00,冷卻塔運(yùn)行，土壤換 熱器不運(yùn)行；11： 00-14： 00, 18: 00-21： 00, 土壤換熱 器運(yùn)行，冷卻塔不運(yùn)行。這些

4、均通過(guò)在fluent里面運(yùn)用 udf (用戶自定義函數(shù))來(lái)實(shí)現(xiàn)。取其中土壤換熱器運(yùn)行時(shí) 數(shù)據(jù)，作為后面神經(jīng)網(wǎng)絡(luò)的樣本，共得到1680組數(shù)據(jù)。2 土壤換熱器神經(jīng)網(wǎng)絡(luò)模型2. 1人工神經(jīng)網(wǎng)絡(luò)本文利用三層bp網(wǎng)絡(luò)預(yù)測(cè)土壤換熱器出口水溫，并通 過(guò)均方根誤差rms來(lái)評(píng)價(jià)預(yù)測(cè)結(jié)果，計(jì)算方法見(jiàn)公式(l)o式中：rms為均方根；n為數(shù)據(jù)組的個(gè)數(shù)，ypre, m指 第m個(gè)數(shù)據(jù)的預(yù)測(cè)值；tmea, m指第m個(gè)數(shù)據(jù)的監(jiān)測(cè)值。2.2 土壤換熱器的人工神經(jīng)網(wǎng)絡(luò)模型建立(1) 輸出層本文以土壤換熱器的出口溫度為輸出變量，即輸出神經(jīng) 元數(shù)目為lo(2) 輸入層由第一節(jié)可知在土壤換熱器的物理模型中除去出口溫 度還設(shè)有17個(gè)監(jiān)

5、測(cè)點(diǎn)，為確定影響出口溫度較大的變量， 計(jì)算這17個(gè)變量與tout的相關(guān)系數(shù)。(3) 隱含層三層bp網(wǎng)絡(luò)可以實(shí)現(xiàn)一般的非線性映射，因此隱含層 數(shù)為1。目前還沒(méi)有一種比較完善的理論來(lái)確定隱含層的最 佳神經(jīng)元數(shù)，本文建立了隱含層神經(jīng)元數(shù)目分別為525 的模型，以確定最優(yōu)模型。(4) 樣本由第一節(jié)內(nèi)容可知，本研究模擬計(jì)算4個(gè)周，獲得 1680組數(shù)據(jù)，取前三周數(shù)據(jù)，即前1260組數(shù)據(jù)作為訓(xùn)練 樣本，訓(xùn)練神經(jīng)網(wǎng)絡(luò)，第四周即其余420組數(shù)據(jù)作為測(cè)試樣 本，測(cè)試訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)的準(zhǔn)確性和泛化能力。(5) 學(xué)習(xí)算法本文采用 levenberg-marquardt ( lm ), scaledconjugate

6、gradient (scg), broyden, fleccher,goldfarb and shanno (bfgs)三種算法以確定最優(yōu)的 神經(jīng)網(wǎng)絡(luò)模型。3結(jié)果與討論為確定土壤換熱器ann模型的最優(yōu)結(jié)構(gòu)，本節(jié)建立了多個(gè)三層人工神經(jīng)網(wǎng)絡(luò)模型，結(jié)果如圖1,圖2,圖3所示。 從圖2和圖3,各個(gè)神經(jīng)網(wǎng)絡(luò)模型均能夠取得較高的精度， 樣本的均方根誤差不大于0.08。由此可知人工神經(jīng)網(wǎng)絡(luò)可 以用于土壤換熱器出口溫度的預(yù)測(cè)。從圖4,圖5和圖6 可知，在三種學(xué)習(xí)算法中，為達(dá)到所設(shè)定的誤差目標(biāo)，lm算 法所需要的訓(xùn)練次數(shù)明顯少于scg和bfgs兩種算法，可 以節(jié)省計(jì)算時(shí)間，并且訓(xùn)練樣本和測(cè)試樣本的均方根誤差大

7、部分都小于其他兩種算法下的誤差。因此可得lm算法是應(yīng) 用于本文中模型的最優(yōu)算法。由圖4可知，在lm算法下，具有不同隱含層神經(jīng)元 數(shù)目的模型的訓(xùn)練樣本的均方根誤差基本相同，約為 0. 033o從圖5可知，lm算法下，不同模型的測(cè)試樣本均 方根誤差有一定差異，其中神經(jīng)元數(shù)目為11, 15, 19的模 型較其他模型更小。對(duì)比圖6可知，隱含層神經(jīng)元數(shù)目為11的樣本所需要的計(jì)算次數(shù)比較少，同時(shí)由于神經(jīng)元數(shù)目較少,計(jì)算時(shí)間最短。由此可知神經(jīng)元數(shù)目為11的模型最為理想。即采用lm算法，隱含層神經(jīng)元數(shù)目為11的模型 為最優(yōu)模型。在最優(yōu)模型下，訓(xùn)練樣本和測(cè)試樣本的絕對(duì)誤 差如圖7和圖8o從圖7可知，訓(xùn)練樣本的最

8、大誤差不超 過(guò)0. 2°c,且大多數(shù)接近0工，由此可知人工神經(jīng)網(wǎng)絡(luò)可以 用來(lái)預(yù)測(cè)土壤換熱器的出口水溫，并具有非常高的精度。由 圖8可知，測(cè)試樣本的最大誤差不超過(guò)0.2。(2,且大多數(shù) 接近0匸，可知訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型有較好的泛化能力。4結(jié)論本文提出在復(fù)合式地源熱泵并聯(lián)系統(tǒng)中直接比較冷卻 塔與土壤換熱器出口溫度的控制方法。為實(shí)現(xiàn)這一策略，運(yùn) 用人工神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)土壤換熱器出口水溫的預(yù)測(cè)，通過(guò)建 立不同的神經(jīng)網(wǎng)絡(luò)模型得出以下結(jié)論：(1) 人工神經(jīng)網(wǎng)絡(luò)可以用來(lái)準(zhǔn)確預(yù)測(cè)土壤換熱器的出 口水溫；(2) 以地下5米處進(jìn)出口管外壁的溫度，進(jìn)出口回填 材料外壁溫度和土壤換熱器的進(jìn)口溫度為輸入，以lm為學(xué) 習(xí)算法，隱含層神經(jīng)元數(shù)目為11的神經(jīng)網(wǎng)絡(luò)模型為本研究 的最優(yōu)模型。在此結(jié)構(gòu)下，測(cè)試樣本和訓(xùn)練樣本的絕對(duì)誤差 均不超過(guò)0.21,預(yù)測(cè)結(jié)果精度非常高，且模型具有較強(qiáng)的 泛化能力。參考文獻(xiàn)1 j lund, b sanner. geothermal (ground-source) heatpumps a world overview n. ghc bulletin, 20042 楊?lèi)?ài)，劉圣春我國(guó)地源熱泵的研究現(xiàn)狀及展望j.