Abstract：
针对有机朗肯循环系统参数之间的强耦合关系,本文在试验的基础上提出了一种基于机器学习模型的关键参数集识别方法.在一套 10 kW级的有机朗肯循环试验系统上开展了不同热源条件下的系统性能试验;选取蒸发器出口压力和温度、冷凝器入口压力和温度、工质泵效率和膨胀机轴效率6 个系统参数为初始变量,以ORC系统热效率为目标变量,分别建立了有机朗肯循环系统多元线性、人工神经网络和支持向量机机器学习模型;最终确定了有机朗肯循环系统最佳的机器学习模型和关键参数集.研究表明:采用关键参数集可以使模型的平均误差降低13.36%,提高了模型的准确度.高准确度的有机朗肯循环系统机器学习模型可以提高模型的预测性能,进而为实现有机朗肯循环系统高效运行控制提供支撑.
Keyword：
Reprint Author's Address：
Email：
Source ：
哈尔滨工程大学学报
ISSN： 1006-7043
Year： 2023
Issue： 8
Volume： 44
Page： 1368-1374
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 35
Affiliated Colleges：
