[发明专利]差分并行HCMAC神经网络双侧变流量地源热泵系统功耗预测方法

说明书

本发明公开了一种差分并行HCMAC神经网络双侧变流量地源热泵系统功耗预测方法，通过确定地源热泵系统功耗预测模型的输入；根据样本数据的特点将样本数据空间划分为多个子空间，确定每个子空间输出的参考值，得到每个子空间输出的差分，利用HCMAC神经网络子模型学习输出的差分值；将待预测的样本输入到构建的差分并行HCMAC神经网络，得到地源热泵系统功耗预测结果。本发明预测精度远远高于常规的HCMAC神经网络模型预测精度，可用于双侧变流量地源热泵系统的运行功耗预测。

技术领域

本发明涉及一种差分并行HCMAC神经网络双侧变流量地源热泵系统功耗预测方法。

背景技术

利用浅层地热能的地源热泵技术在我们国家得到了快速的发展，目前地源热泵的项目规模在全球已处于领先地位。然而，设计部门在地源热泵系统设计时通常按照最大负荷设计，导致地源热泵系统大部分时间工作在部分负荷状态。

随着地源热泵机组工艺技术的提高，热泵机组一定范围内的变流量运行成为可能，蒸发器和冷凝器的流量可在设计流量的30％-130％变化。螺杆热泵机组通过自身的滑阀控制可实现冷热负荷10％～100％的无极调节。这些技术的发展使得地源热泵系统循环泵变频变流量控制成为可能。

目前，变频泵的控制方法主要包括定温差控制和定压差控制，但上述控制方法不能实现在当前负荷下循环泵的最优控制。通常，当循环泵频率降低时，循环泵的功耗会降低，但同时会导致热泵机组功耗的增大。要实现循环泵的优化控制，建立地源热泵系统的功耗预测模型是非常重要的。目前地源热泵系统建模方法主要采用物理机理建模方法，但在建模过程中有些参数很难确定，给建模及模型精度带来困难。

随着信息技术的发展，在地源热泵系统的运行过程中会产生大量的数据，如何根据采集的地源热泵系统有效数据建立地源热泵系统功耗模型未见报道。目前在地源热泵变频控制实际应用中，大部分采取负荷侧变频控制，而地源侧循环泵通常工作在定频模式。从大量的工程实测数据可以看到，地源侧的供回水温差基本在2-3℃之间，即地源侧工作在小温差大流量工况，对节能不利。若负荷侧循环泵和地源侧循环泵根据用户负荷的变化同时变频，即地源热泵系统工作在双侧变流量状态，地源热泵系统将有更大的节能空间。

发明内容

本发明为了解决上述问题，提出了一种差分并行HCMAC神经网络双侧变流量地源热泵系统功耗预测方法，本发明根据地源热泵系统功耗样本数据的特点提出的差分并行HCMAC(DPHCMAC，differential parallel HCMAC)神经网络学习算法，能够提高地源热泵系统功耗的预测精度。

为了实现上述目的，本发明采用如下技术方案：

一种差分并行HCMAC神经网络双侧变流量地源热泵系统功耗预测方法，包括以下步骤：

(1)确定地源热泵系统功耗预测模型的输入；

(2)根据样本数据的特点将样本数据空间划分为多个子空间，确定每个子空间输出的参考值，得到每个子空间输出的差分，确定每个HCMAC子模型的量化级数及神经网络网格划分。

(3)根据样本学习数据学习DPHCMAC每个子模型神经网络权度系数。

(4)将待预测样本输入到构建的DPHCMAC神经网络，得到地源热泵系统功耗预测结果。

进一步的，所述步骤(1)中，地源热泵系统功耗与地源侧循环泵频率、负荷侧循环泵频率和用户当前负荷有关，最终确定地源热泵系统功耗预测模型的输入为地源侧循环泵频率、负荷侧循环泵频率和用户当前负荷。

所述步骤(2)中，子空间按照输入的用户负荷区间划分，每个子空间的地源侧循环泵频率区间和负荷侧循环泵频率区间保持一致。

所述步骤(2)中，DPHCMAC神经网络结构由8个子HCMAC模型并联组成，将学习样本数据空间划分为8个子空间。