结合神经网络预测线性菲涅尔集热回路出口熔盐 - 太阳能学报杂志社投稿

来稿应自觉遵守国家有关著作权法律法规，不得侵犯他人版权或其他权利，如果出现问题作者文责自负，而且本刊将依法追究侵权行为给本刊造成的损失责任。本刊对录用稿有修改、删节权。经本刊通知进行修改的稿件或被采用的稿件，作者必须保证本刊的独立发表权。一、投稿方式： 1、请从我刊官网直接投稿。 2、请从我编辑部编辑的推广链接进入我刊投审稿系统进行投稿。二、稿件著作权： 1、投稿人保证其向我刊所投之作品是其本人或与他人合作创作之成果，或对所投作品拥有合法的著作权，无第三人对其作品提出可成立之权利主张。 2、投稿人保证向我刊所投之稿件，尚未在任何媒体上发表。 3、投稿人保证其作品不含有违反宪法、法律及损害社会公共利益之内容。 4、投稿人向我刊所投之作品不得同时向第三方投送，即不允许一稿多投。 5、投稿人授予我刊享有作品专有使用权的方式包括但不限于：通过网络向公众传播、复制、摘编、表演、播放、展览、发行、摄制电影、电视、录像制品、录制录音制品、制作数字化制品、改编、翻译、注释、编辑，以及出版、许可其他媒体、网站及单位转载、摘编、播放、录制、翻译、注释、编辑、改编、摄制。 6、第5条所述之网络是指通过我刊官网。 7、投稿人委托我刊声明，未经我方许可，任何网站、媒体、组织不得转载、摘编其作品。

结合神经网络预测线性菲涅尔集热回路出口熔盐

作者:

关键词:

摘要：

线性菲涅尔集热回路出口熔盐温度控制具有扰动多、非线性及滞后的特点,出口熔盐温度的稳定控制可以极大的提高汽轮机组的发电效率,降低换热系统的调节难度、减少传储热设备的冷热冲击,提高系统使用寿命。针对传统数学模型预测线性菲涅尔集热回路出口熔盐温度精度低、计算复杂等问题,通过分析线性菲涅尔集热回路传热模型,确定影响集热回路出口熔盐温度的主要因素,建立基于K-means方法的RBF(Radial Basis Function)神经网络温度预测模型,应用均值聚类算法对输入样本信息进行分析,确定各聚类的数据中心,隐含层基函数扩展常数采用梯度下降的方法在训练过程中循环调整确定,基函数输出的网络权值采用伪逆矩阵的方式获得。通过大量实测数据训练网络,得出当隐层节点数为30时可获得相对较小的平均绝对百分误差和相对较小的最大绝对误差,选取4 d的实测数据对网络模型预测性能进行仿真测试,网络预测输出最大绝对误差MRERR(MaximumabsoluteError)为121.23℃,最大平均绝对百分误差MAPE(Maximum mean Absolute Percentage Error)为3.576 2×10-4%,仿真结果显示该模型可以有效实现线性菲涅尔集热回路出口熔盐温度预测输出。将预测模型应用于敦煌50MW熔盐线性菲涅尔式光热示范电站的实际运行中,通过预测算法指导电站集热回路出口温度的预测控制。

文章来源：《太阳能学报》网址: http://www.tynxbzz.cn/qikandaodu/2021/0514/1050.html