[发明专利]基于RBF神经网络的冷却塔建模方法

说明书

技术领域

本发明涉及冷却塔建模方法，尤其涉及基于RBF神经网络的冷却塔建模方法。

背景技术

21世纪以来，城市建筑及地下交通建设得到了高速发展，大量地铁已在各大城市兴起、发展，由于工程位于地下，通常需要建设通风空调系统，且空调系统运行能耗可占到整个地下工程营运能耗的40％，同时由于城市建筑、道路的密集性，地下空调系统的冷却塔性能的优劣越来越起引起人们及政府的关注，通风空调系统的节能环保已经是地下商场、地铁建设及运营过程中亟需解决的问题。

在整个地铁循环冷却系统中，冷却塔热力性能的优劣不仅对冷却系统节水节能具有直接影响，对地铁系统的正常稳定运行也具有重要意义。当冷却塔动力配置过高时，将降低冷却塔运行效率，而且容易造成冷却水的过度浪费；当动力配置过低时，将导致冷却塔出水温度高，无法满足循环冷却系统的需求，导致设备处于高温运行状态，损耗设备，甚至导致设备故障停止运行。若要提高换热效率，则有必要对冷却塔进行建模分析。

利用地铁排风的冷却塔运行涉及参数较多，如冷却水流速、进风风速、温湿度、地铁排风风速、温湿度及设计室外环境参数等，是一个复杂的非线性系统，难以建立准确的数学模型，而RBF神经网络是一种单隐含层的三层前馈网络，理论已证明对于一给定的非线性函数，RBF神经网络可以任意精度逼近它，且具有全局最优与最佳逼近性能，因此可采用RBF神经网络建立冷却装置系统模型，为节能优化控制提供依据。

发明内容

为解决上述技术问题，本发明的目的是提供一种基于RBF神经网络的冷却塔建模方法。

本发明的目的通过以下的技术方案来实现：

基于RBF神经网络的冷却塔建模方法，所述方法包括

A根据现场监测参数，并利用RBF神经网络建立冷却塔的数学模型；

B根据建立的数学模型对冷却塔热力性能实时评估；

C根据热力性能完成对冷却塔风机、水泵的智能优化调控。

与现有技术相比，本发明的一个或多个实施例可以具有如下优点：

基于冷却塔参数的实时监测建立模型，通过RBF神经网络避免冷却塔非线性复杂系统建模，简化冷却塔建模过程，实现冷却塔热力性能的准确评估，通过冷却塔风机、水泵的节能优化控制，减少冷却塔能耗。本方法实时性好、适应性强，可广泛应用于地铁冷却塔现场热力性能评估和节能减排。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出结构来实现和获得。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例共同用于解释本发明，不构成对本发明限制。在附图中：

图1是基于RBF神经网络的冷却塔建模方法流程图；

图2是基于RBF神经网络的冷却塔工作原理图；

图3是冷却塔RBF神经网络结构图；

图4是基于RBF神经网络的冷却塔建模方法建模与实施程序流程图。

具体实施方式

容易理解，根据本发明的技术方案，在不变更本发明的实质精神下，本领域的一般技术人员可以提出本发明的多个结构方式和制作方法。因此以下具体实施方式以及附图仅是本发明的技术方案的具体说明，而不应当视为本发明的全部或者视为本发明技术方案的限定或限制。

下面结合实施例及附图对本发明作进一步详细的描述。

图1是根据本发明实施例的基于RBF神经网络的冷却塔建模方法的结构示意图，下面参考图1，详细说明本发明实施例的流程。

如图1所示，本发明的基于RBF神经网络的冷却塔建模方法流程包括以下步骤：

基于RBF神经网络的冷却塔建模方法，所述方法包括

步骤10根据现场监测参数，并利用RBF神经网络建立冷却塔的数学模型；