基于BP神经网络的PTC工质出口温度研究

• 作者: 严倩雯 余雷 杨嵩 王启扬 蒋川
• 来源期刊: 太阳能学报
• 学科: 工学
• 关键词: 槽形抛物面集热器 BP神经网络 预测校正模型 工质出口温度
• 年，卷（期）: 2017,（11）
• 页码范围: 3029-3035
• 页数: 7页
• 分类号: TK513
• 字数: 4418字
• 语种: 中文

摘要

在槽式抛物面太阳集热器的热性能研究中,数据往往具有随机性、非线性和不确定性等特点,采用传统建模方法经常做出大量假设,导致仿真精度不高且复杂.以槽式抛物面太阳集热器为研究对象,将传统理论模型与BP人工神经网络相互耦合,通过集热器热性能室外动态试验,建立工质出口温度的神经网络预测校正模型.引入Levenberg-Marquardt (LM)法对BP神经网络的权值及阈值进行优化.分析结果表明,预测校正模型可将绝对误差控制在3.8C以内,相对误差保持在3.6％以内,可有效提高槽式抛物面太阳集热器热性能的仿真模型计算精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蒋川	东南大学江苏省太阳能技术重点实验室	7	20	2.0	4.0
2	严倩雯	东南大学江苏省太阳能技术重点实验室	3	7	2.0	2.0
3	杨嵩	东南大学江苏省太阳能技术重点实验室	2	4	1.0	2.0
4	余雷		1	1	1.0	1.0
5	王启扬		1	1	1.0	1.0