有机朗肯循环机器学习模型关键参数集识别
Key parameter set identification of the machine learning model of the organic Rankine cycle
闫栋 1杨富斌 2张红光 3许永红 2吴玉庭3
作者信息
- 1. 北京电子科技职业学院, 北京 100176
- 2. 北京工业大学 环境与生命学部, 北京 100124
- 3. 北京工业大学 环境与生命学部, 北京 100124;传热与能源利用北京市重点实验室, 北京 100124
- 折叠
摘要
针对有机朗肯循环系统参数之间的强耦合关系,本文在试验的基础上提出了一种基于机器学习模型的关键参数集识别方法.在一套 10 kW级的有机朗肯循环试验系统上开展了不同热源条件下的系统性能试验;选取蒸发器出口压力和温度、冷凝器入口压力和温度、工质泵效率和膨胀机轴效率6 个系统参数为初始变量,以ORC系统热效率为目标变量,分别建立了有机朗肯循环系统多元线性、人工神经网络和支持向量机机器学习模型;最终确定了有机朗肯循环系统最佳的机器学习模型和关键参数集.研究表明:采用关键参数集可以使模型的平均误差降低13.36%,提高了模型的准确度.高准确度的有机朗肯循环系统机器学习模型可以提高模型的预测性能,进而为实现有机朗肯循环系统高效运行控制提供支撑.
关键词
有机朗肯循环/试验数据/主成分分析/多元线性/人工神经网络/支持向量机/热效率/关键参数集Key words
organic Rankine cycle/experimental data/principal component analysis/multiple linear/artificial neural network/support vector machine/thermal efficiency/key parameter set引用本文复制引用
基金项目
国家自然科学基金青年科学基金(51906119)
北京电子科技职业学院校级重点课题(2023X004-KXZ)
出版年
2023
国家科技期刊平台
NSTL
维普
万方数据