机器学习方法的CO2并行压缩系统最优控制

摘要

为研究一种高效的跨临界CO2并行压缩系统的控制方法,本文借助GT-SUITE仿真软件,建立了跨临界CO2并行压缩系统的动态仿真模型,基于仿真得到的系统性能数据集,建立并对比了二阶多项式模型和神经网络模型的系统性能预测模型,并基于神经网络模型开发了跨临界CO2并行压缩系统的模型预测控制器,研究控制器对系统控制稳定性、高效性、实时控制的性能.结果表明:在模型预测控制器作用下,不同制冷工况在150 s内系统能达到稳定运行状态;对比定值控制,采用模型预测控制的系统性能最大提升13.3％;仿真验证了提出的模型预测控制策略对于CO2并行压缩系统实时控制性能优化的可行性,在给定工况下相比对定值控制整体提升性能7.3％.