植物工厂地源热泵系统热负荷BP神经网络预测及验证

为提高水蓄能型地下水源热泵自然光植物工厂供热系统节能性,供热系统必须能够很好地预测热负荷变化。针对自然光植物工厂热环境系统非线性特点,利用具有很强非线性映射能力的BP神经网络(back propagation,BP),选取室内外空气干球温度、太阳辐射强度、室内相对湿度和绝对湿度、室内风速等输入参数,确定算法步骤和评价指标,构建神经网络模型预测植物工厂次日负荷。采用Matlab神经网络工具箱对崇明试验基地水蓄能型地源热泵自然光植物工厂的样本集进行训练,训练后误差函数值为0.002 999 94,神经网络收敛。通过对比热负荷预测值与实际值,证明了神经网络预测热负荷值与实际值趋势一致,基本误差在±6%以内,结果表明神经网络法可以用于植物工厂次日热负荷预测。通过热负荷预测能够更加科学地调整供热系统运行模式,更好地匹配植物工厂需求热量与热泵的输出能量,实现运行节能和降低供能成本的目的。