【Energy and AI】基于迭代训练的人工神经网络在分段式热电发电机建模与优化中的应用

文摘   2024-07-27 18:31   天津  


https://doi.org/10.1016/j.egyai.2022.100225


  第一作者: Yuxiao Zhu, School of Electronics and Computer Science, University of Southampton, United Kingdom

❖  通讯作者: Ruomeng Huang, School of Electronics and Computer Science, University of Southampton, United Kingdom

  作者邮箱: r.huang@soton.ac.uk


摘要

可再生能源技术是减排的核心,对于实现净零排放至关重要。分段式热电发电机(STEG)能够在较大的温度梯度下实现更高效的热能回收。然而,其设计的复杂性增加了其建模和性能优化中的挑战。本研究应用人工神经网络(ANN)建立了STEG准确且快速的正向模型。更重要的是,我们在ANN训练过程中采用了一种迭代方法,在不增加数据集规模大小的情况下提高准确性。该方法增强了STEG训练数据集中高功率性能的比例。在不增加训练数据集规模大小的情况下,高功率STEG设计的相对预测误差从0.06降低到0.02,实现了三倍的改进提升。结合遗传算法,训练后的人工神经网络能在10秒内完成每种操作条件下的设计优化,比传统有限元法进行的优化快5000倍以上。这种准确且快速的建模器还允许针对不同参数绘制与STEG功率之间的关系图。本研究展示的建模方法表明,其未来可应用于复杂能量收集技术的设计和优化。



详情可点击下方“阅读原文

Energy and AI是天津大学与Elsevier共同创办的国际学术期刊,内容涵盖人工智能技术应用于能源领域所取得的最新、最重要的研究进展。期刊最新的影响因子(IF)为9.6,CiteScore为16.5。欢迎广大学者踊跃投稿。我们的网址是:www.journals.elsevier.com/energy-and-ai


EAI能源与人工智能
天津大学官方期刊:Energy and AI
 最新文章