应用人工神经网络算法的冷水机组能效提升策略

针对冷水机组蓄水池延迟造成的系统反馈调节不及时,从而增加建筑能耗的问题,本文提出了一种基于人工神经网络的冷水机组回水温度预测模型。模型中包括利用专家知识设置变量、建立模型、训练模型和测试模型4个主要步骤,并在建立模型后以此来预测t时刻后的回水温度。结果表明:在原来11个相关变量基础上,增加的3个专家变量,使得4个模型预测回水温度的相关系数都较高,且发现与10、15、20 min相比,5 min前的测量参数可以更加准确预测此时的冷水机组回水温度,均方误差达到0.1069、R2达到0.9923,并以此信息来对系统进行反馈调节,以解决由于蓄水池的延迟性因素给系统带来的增加能耗等不良影响。