基于LSTM神经网络预测低温热源动态特性

摘要

低温热源的入口温度和质量流量在有机朗肯循环(Organic Rankine Cycle,ORC)余热回收系统中是非常重要的热力参数,为了研究动态响应情况下ORC系统参数对系统性能的影响情况,利用机器学习中的LSTM神经网络,将某工厂中实地采集的10059组逐时热源温度和流量作为样本进行训练和测试,得到训练精度要求下的神经网络,对低温热源的温度和流量进行逐时预测,结果表明,利用神经网络可以满足精度要求预测低温热源的逐时温度和流量,为后续搭建系统的动态响应控制系统奠定基础.