基于粒子群优化算法和BP神经网络的变频压缩机功率预测

• 作者: 程亚豪 许珅鸣 郭亚宾 陈焕新 龚麒鉴
• 来源期刊: 制冷学报
• 学科: 工学
• 关键词: 变频压缩机 压缩机功率测量 粒子群算法 BP神经网络
• 年，卷（期）: 2020,（1）
• 页码范围: 89-95
• 页数: 7页
• 分类号: TB61+1|TQ051.5
• 字数: 3442字
• 语种: 中文
• DOI: 10.3969/j.issn.0253-4339.2020.01.089

摘要

本文针对变频压缩机的功率测量困难,测量误差大等问题,提出了一种仿真测量模型.利用粒子群算法寻找全局最优粒子,用它初始化BP神经网络的阈值和权值,测量变频压缩机的功率.本文共建立了3种仿真模进行对比,分别为BP神经网络模型、GA-BP神经网络模型和PSO-BP神经网络模型,然后分别通过3种模型的内插、蒸发温度外推和冷凝温度外推的测试方法对变频压缩机进行功率测量,对比分析其预测结果的平均相对误差和拟合程度.结果表明:基于粒子群算法优化的BP神经网络模型明显优于其他两个模型,特别是在冷凝温度外推测试中,较其他两个神经网络相对误差降低了1.11％、2.64％,3种测试方法下的平均相对误差均小于1％,拟合程度在0.9以上,表明基于粒子群算法优化的BP神经网络模型对变频压缩机功率有较好的测量能力,而且有较强的泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈焕新	华中科技大学能源与动力工程学院	150	1067	18.0	25.0
2	程亚豪	华中科技大学能源与动力工程学院	4	3	1.0	1.0
3	郭亚宾	华中科技大学能源与动力工程学院	16	60	4.0	7.0
4	龚麒鉴	华中科技大学能源与动力工程学院	2	4	1.0	2.0
5	许珅鸣	华中科技大学能源与动力工程学院	1	1	1.0	1.0