| 应用遗传算法优化BP神经网络预测太阳能PV/T系统热电产出 |
| |
| 引用本文： | 陈红兵,孙俊辉,王聪聪,张晓坤,吴骅.应用遗传算法优化BP神经网络预测太阳能PV/T系统热电产出 [J].热科学与技术,2021,20(5):480-487. |
| |
| 作者姓名： | 陈红兵 孙俊辉 王聪聪 张晓坤 吴骅 |
| |
| 作者单位： | 北京建筑大学 北京市供热供燃气通风及空调工程重点实验室,北京建筑大学 北京市供热供燃气通风及空调工程重点实验室,北京建筑大学 北京市供热供燃气通风及空调工程重点实验室,北京建筑大学 北京市供热供燃气通风及空调工程重点实验室,中元国际海南工程设计研究院有限公司 |
| |
| 基金项目： | 国家重点基础研究发展计划（973计划） |
| |
| 摘 要： | PV/T集热器系统是一种能够同时提供低品位热能和高品位电能的新型太阳能系统,在光伏发电同时回收光伏余热,降低光伏板温度的同时不仅可以提高发电效率,而且能够将余热收集起来并转化应用于供暖和生活热水系统。本文利用遗传算法优化神经网络的方法建立了太阳能光伏光热(PV/T)系统性能的仿真预测模型,并与单一(Back Propag ation) BP神经网络的预测模型进行了对比分析。仿真预测结果表明：太阳能PV/T系统性能遗传算法优化BP神经网络模型的预测值与实际值拟合度较好,且预测精确度优于单一BP神经网络模型。其中遗传BP神经网络模型预测电效率的平均相对误差为1%,相对误差小于2%的样本占比大于95%；预测蓄热水箱温度的绝对平均误差仅为0.2℃,最大相对误差不超过1%。
|
| 关 键 词： | PV/T 神经网络 遗传算法 仿真预测 |
| 收稿时间： | 2020/8/14 0:00:00 |
| 修稿时间： | 2021/3/19 0:00:00 |
Using genetic algorithm to optimize BP neural network to predict the thermo-electric output of solar PV/T system |
| |
| CHEN Hongbing,SUN Junhui,WANG congcong,ZHANG Xiaokun and WU Hua.Using genetic algorithm to optimize BP neural network to predict the thermo-electric output of solar PV/T system[J].Journal of Thermal Science and Technology,2021,20(5):480-487. |
| |
| Authors: | CHEN Hongbing SUN Junhui WANG congcong ZHANG Xiaokun and WU Hua |
| |
| Affiliation: | Beijing University of Civil Engineering and Architecture,Beijing Municipal Key Lab of HVAC,Beijing University of Civil Engineering and Architecture,Beijing Municipal Key Lab of HVAC,Beijing University of Civil Engineering and Architecture,Beijing Municipal Key Lab of HVAC,Beijing University of Civil Engineering and Architecture,Beijing Municipal Key Lab of HVAC,IPPR Hainan Engineering Design and Research Institute Co,Ltd |
| |
| Abstract: | |
| |
| Keywords: | PV/T neural networks genetic algorithms simulation prediction |
|
| 点击此处可从《热科学与技术》浏览原始摘要信息 |
|
点击此处可从《热科学与技术》下载全文 |
|
