การประยุกต์ใช้โครงข่ายประสาทเทียมสำหรับการทำนายสมรรถนะเครื่องทำความเย็นแบบดูดกลืน

Abstract

บทความนี้ได้นำเสนอวิธีการทำนายค่าสัมประสิทธิ์สมรรถนะ COP ของเครื่องทำความเย็นแบบดูดกลืนขนาด 10 กิโลวัตต์ โดยการสร้างแบบจำลองด้วยเทคนิคโครงข่ายประสาทเทียมชนิด (Artificial Neural Networks: ANN) ที่มีการแพร่ค่าย้อนกลับ (Back-Propagation Learning Algorithm) ลักษณะการเรียนรู้แบบมีผู้สอน (Supervised Learning) ซึ่งใช้ความสัมพันธ์ของอุณหภูมิน้ำร้อนที่ 80-100 องศาเซลเซียส อุณหภูมิน้ำเย็นที่ 5-18 องศาเซลเซียส อุณหภูมิน้ำหล่อเย็นที่ 27-40 องศาเซลเซียส ที่เข้าและออกจากเครื่องทำความเย็นแบบดูดกลืน เพี่อทำนายค่าสัมประสิทธิ์สมรรถนะ COP ของเครื่องทำความเย็นแบบดูดกลืน มีฟังก์ชัน Log-Sigmoid เป็นฟังก์ชันถ่ายโอน ในการเรียนรู้ด้วยโครงข่ายประสาทเทียมจะมีการเปลี่ยนจำนวนชั้นซ่อนและจำนวนนิวรอน เพื่อให้ได้ความสัมพันธ์ที่แม่นยำที่สุด หลังจากการทดสอบสมการที่ได้จากแบบจำลองพบว่า แบบจำลองโครงข่ายประสาทเทียม 6-4-4-1 (6 นิวรอนในชั้นข้อมูลป้อนเข้า, 4 นิวรอนในชั้นซ่อนที่ 1, 4 นิวรอนในชั้นซ่อนที่ 2 และ 1 นิวรอนในชั้นข้อมูลส่งออก) สามารถทำนายค่าสัมประสิทธิ์สมรรถนะ COP ของเครื่องทำความเย็นแบบดูดกลืนได้แม่นยำมาก โดยค่าสัมประสิทธิ์สมรรถนะ COP ของเครื่องทำความเย็นจากแบบจำลอง มีค่าผลรวมของกำลังสองของความคลาดเคลื่อน (SSE) เท่ากับ 0.0057 และมีค่าสัมประสิทธิ์การตัดสินใจ (Coefficient of Determination: R2) เท่ากับ 0.9930

APPLICATION OF NEURAL NETWORK FOR THE PERFORMANCE PREDICTION OF ABSORPTION CHILLER

Pattira Lomlek¹ and Withaya Yongcharoen²

¹Inter-Department of Energy Technology and Management Graduate School, Chulalongkorn University

²Department of Mechanical Engineering, Faculty of Engineering, Chulalongkorn University

This paper proposes the method to predict a coefficient of performance (COP) of 10 kW cooling capacity absorption chiller. The modelling is based on the artificial neural networks (ANN) with back-propagation learning algorithm and supervised learning. The model will predict the absorption chiller performance based on hot water inlet and outlet temperatures range of 80°C to 100°C, chilled water inlet and outlet temperatures range of 5°C to 18°C, cooling water inlet and outlet temperatures range of 27°C to 40°C. The log- sigmoid transfer function is used in the performance prediction. The configuration 6-4-4-1 (6 inputs, 4 hidden, 4 hidden and 1 output neurons) can predict COP of absorption chiller accurately. The sum square error (SSE) of model is 0.0057 and the coefficient of determination (R2) is 0.9930.