| 基于BP神经网络和多因素权重分析的气热除冰温度影响因素研究 |
| |
| 引用本文： | 许 扬1,蔡安民1,吴梓秋2,林伟荣1,张林伟1,李水清2. 基于BP神经网络和多因素权重分析的气热除冰温度影响因素研究[J]. 热力发电, 2022, 51(12): 131-140 |
| |
| 作者姓名： | 许 扬1 蔡安民1 吴梓秋2 林伟荣1 张林伟1 李水清2 |
| |
| 作者单位： | 1.中国华能集团清洁能源技术研究院有限公司，北京 102209； 2.清华大学能源与动力工程系，北京 100084 |
| |
| 摘 要： | 对典型叶片的气热除冰系统，建立全尺寸三维换热模型，对流固耦合传热过程进行模拟观察，同时，简化并构建一维换热模型，探究了环境温度等关键参数对除冰气流温度的影响；基于BP神经网络，建立环境条件与最低除冰气流温度之间的对应关系。结果显示:在叶片铺层结构与叶片流道布置的综合影响下，叶片前缘中部处气热除冰难度最大；利用BP神经网络可实现不同条件下的最低除冰气流温度的快速计算和预测；多因素权重分析显示，环境温度、PVC材料导热系数是影响最低除冰气流温度的两大关键参数；对于0.2r~r范围内的除冰，叶片长度也是影响最低除冰气流温度的关键参数，其影响权重达到14.3%。
|
| 关 键 词： | 风力发电 气热除冰 传热优化 BP神经网络 |
Influencing factors of air thermal deicing temperature based on BP neural network and multi-factor weight analysis |
| |
| XU Yang1,CAI Anmin1,WU Ziqiu2,LIN Weirong1,ZHANG Linwei1,LI Shuiqing2. Influencing factors of air thermal deicing temperature based on BP neural network and multi-factor weight analysis[J]. Thermal Power Generation, 2022, 51(12): 131-140 |
| |
| Authors: | XU Yang1 CAI Anmin1 WU Ziqiu2 LIN Weirong1 ZHANG Linwei1 LI Shuiqing2 |
| |
| Affiliation: | 1. Huaneng Clean Energy Research Institute Co., Ltd., Beijing 102209, China;2. Department of Energy and Power Engineering, Tsinghua University, Beijing 100084, China |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《热力发电》浏览原始摘要信息 |
|
点击此处可从《热力发电》下载免费的PDF全文 |
|
