[发明专利]基于BP神经网络与多目标优化的ORC工质筛选方法

说明书

本发明公开一种基于多目标优化与决策的有机朗肯循环工质筛选方法，只需要给定有机朗肯循环的工作条件（热源温度、热源流量）和工质的比热容、密度，以蒸发压力、冷凝压力、膨胀机入口温度、蒸发器与冷凝器夹点温度为设计变量，建立ORC系统热‑经济‑环保性能的数学模型，给定约束边界、循环工质及优化变量的范围，获得目标函数值。本发明提出的一种基于多目标优化与决策的有机朗肯循环工质筛选方法，避免在单目标的优化过程中遇到不同目标函数相互冲突、优化结果与工程实际不符等问题并通过调用现有工质物性计算软件中的工质的热物性，进行理论循环计算，为有机朗肯循环的性能分析计算节省大量时间，同时提高计算结果的准确性。

技术领域

本发明涉及一种基于BP神经网络与多目标优化的有机朗肯循环工质筛选方法，适应于有机朗肯循环、热泵循环及朗肯-热泵联合循环的工质筛选，属于热力循环优化设计领域。

背景技术

低品位热能例如太阳能集热、工业余热、地热能等占全世界产热量50％以上，对其开发利用成为当前研究的一个重要课题。有机朗肯循环作为一种极具发展前景的中低温余热发电技术，能够有效回收低品位能源，提高能源利用效率，得到了人们的广泛关注。

工质是影响有机朗肯循环性能的一个关键因素。目前，已有研究往往通过对比相同运行参数下的循环性能，确定循环的最优工质。但是这种方式易导致对比工况偏离循环最优工况，存在筛选工质不合理的现象。同时，循环的热力性能、经济性能与环保性能往往存在矛盾与冲突，极大增加了有机朗肯循环工质筛选的难度。因此，如何确定有机朗肯循环的最优工况并平衡不同性能指标间的冲突，是有机朗肯循环工质筛选时需要解决的一个关键问题。

性能优化通过合理匹配有机朗肯循环的运行参数，使循环处于最优运行状态。然而，当前有机朗肯循环的性能优化主要集中在单目标优化方面，部分多目标优化研究也只考虑了循环的热力性能与经济性能，而忽略循环在环保性能方面的贡献。随着环境压力的不断增大，一些研究引入当量CO₂等环境性能指标对循环性能进行评估，使评估结果更加全面及合理。

多目标优化往往不存在唯一的局部或全局最优解，而是许多非劣解的集合，即Pareto解集。实际应用中，需要采取合理方法从Pareto前沿中确定一个最优解，将其作为系统的最佳参数，指导工程设计与系统运行。然而，不同性能指标之间往往存在矛盾与冲突，易导致最佳参数的选取偏离实际工况。

有机朗肯循环在工质筛选时，一般根据系统运行条件建立循环性能数学模型，并根据冷热源条件计算待选工质的评价性能指标，确定循环的合适工质。然而，适用于有机朗肯循环的工质种类众多，且热源温度与评价性能指标都会影响工质的筛选结果。由此可见，常规工质筛选方法会涉及大量的重复计算，严重影响研究人员的工作效率。

BP神经网络是一种新的建模方式，具有自学习逼近任意非线性函数的能力，已在ORC系统性能预测中得到应用，能有效减少预测时间并提高预测精度。因此，将BP神经网络与多目标优化方法相结合，提出一种新的有机朗肯循环工质筛选方法，通过编写程序将一些重复的计算分析通过计算机来完成，能加快迭代计算速度并获得更理想的工质筛选结果。

为了解决现有技术存在的问题，本发明提供一种基于BP神经网络与多目标优化的有机朗肯循环工质筛选方法，克服了现有技术中有机朗肯循环工质的筛选方法中存在对比工况选取不合理、不同性能指标平衡困难、计算工作量大及研究效率低等缺点，为有机朗肯循环的工质筛选提供一种新思路，将BP神经网络与遗传多目标优化方法相结合，确定循环的最优工况，然后利用多目标决策方法平衡性能指标之间的冲突，最后对比不同工质的最优循环性能，从而确定循环的最佳工质。

本发明的技术方案是：一种基于BP神经网络与多目标优化的有机朗肯循环工质筛选方法，包括如下步骤：

⑴根据多目标优化的要求并结合有机朗肯循环的运行条件，输入热源温度、流量、比热容、密度及环境温度这些初始参数以及适合有机朗肯循环的候选工质。