运用神经网络辨识直燃式溴化锂系统模型

    1. 概述

    系统模型的研究,最初是从建立系统精确的数学模型开始的。但是对于一些复杂的系统来说,希望通过物理模型最后推导出数学模型,不仅要建立大量的假设条件,而且许多系统的物理特性也不是很容易就可以获得的,所以这样建立在诸多假设上的模型其使用程度就有了相当的疑问。在这种情况下发展起的系统辨识方法为复杂系统的建模提供了成功的模型参数识别方法。目前关于系统辨识的成功研究和应用都还集中在线性系统的研究中。HVAC系统的特点就是它的非线性、多变量输入输出。所以运用传统的系统辨识方法在目前阶段在数学理论上还存在无法跨越的障碍。随着计算机和计算机网络技术的发展,它强大的计算和信息处理能力,使得批量和复杂的计算成为可能,在此基础上,人工智能体系的发展成为现实各领域技术发展的焦点。神经网络也因为它能够处理高度复杂、非线性、多变量系统、并行处理等问题的特点,开始引起了广泛的注意。在HAVC领域,由于其系统的复杂性及非线性性,所以有些学者已经开始研究如何利用神经网络的特点来解决这个领域的问题。目前研究的重点着重于系统辨识、系统预测和系统最优化控制几个方面[1-7]。

    近年来,以溴化锂-水为工质对,以燃油(气)或蒸汽为能源的溴化锂吸收式冷水机组在国内得到迅猛发展,但是经过几年的发展,它在运行中的一些弊端也越来越突出,主要的问题焦点就是系统运行能耗大,不仅燃料量消耗是相当可观的,就是电能的消耗也不是如预期的那么令人满意。它的节能设计和优化控制就成为一个突出的问题。对于直燃式溴式锂系统,由于其热力学方面的复杂性和系统本身的复杂性,使得它的模型建立一直都是建立在大量的假设条件下,而由于溴化锂系统一直以来的非经济运行模式,使它在HVAC领域的存在和广泛推行引起了更大的争议[10-13]。其实对于溴化锂系统,不论从它的使用范围或运行条件,都是多种其它中央空调机组系统中的一个组成部分,各自存在不同的市场和应用领域。所以对于它的研究其着重点还是在于如何建立其科学实用的数学模型,利用模型开发节能设计和研究其最优化的控制方案。直燃式溴化锂机组不同于一般的冷水机组,它的冷水系统和冷冻水系统均可在一定范围内调节,而且在部分负荷的情况下由于大量燃烧热具有可调节性,所以对于直燃式溴化锂系统冷却水系统的节能具有更大的潜力,目前的变频控制更为实现这类的控制方案提供了实用基础。

    本文的重点就将讨论如何运用神经网络来研究直燃式溴化锂机组在实用条件下的辨识,讨论神经网络在实际的HVAC运用中应该采用的结构,并结合实际的实验条件实现神经网络辨识现时的系统模型,确定最后的辨识模型结构。