臺灣博碩士論文加值系統

目前中央空調系統主流的冷卻水塔變頻控制方法，主要是利用固定冷卻水出水溫度，或是加裝外氣濕球溫度計，讓設定溫度可依照外氣濕球溫度的變化即時調整設定值，此效果雖然可以降低冷卻水塔在系統部分負載需求時的風扇耗電量，但是並非最節能的控制方法，由於冷卻水塔運作除了空氣的循環還包含了冷卻水的循環，若能充分掌握冷卻水塔風量與冷卻水量在降載的同時對於冷卻水塔散熱量的變化，將對冷卻水迴路最佳化的控制有莫大的幫助。
因此本研究主要是探討冷卻水塔在上述風量或水量參數改變狀況下，應用類神經網路，建立冷卻水塔散熱模型。由於冷卻水塔熱平衡方程式推導出冷卻水塔散熱量與另外四項參數間之關係，所以本實驗系統，利用調變運轉中之冷卻水塔風量及水量等參數，收集其相關運轉數據。最後再利用Matlab軟體內建之類神經網路工具，將輸入變數設定為冷卻水出水塔溫度、外氣濕球溫度、冷卻水塔風扇風量、冷卻水塔運轉水量；以及輸出目標值為冷卻水塔散熱量，建立冷卻水塔模型。
以實測值與模擬值之比較來驗證冷卻水塔模型，依建模方式可獲得平均誤差率0.72~2.13%；且R2值0.97~0.99。其結果呈現出由類神經網路建立之模型，可靠度非常高，若再搭配最佳化演算法，即可應用於空調系統冷卻水迴路最佳化運轉策略。

Currently, the Cooling Tower Variable Frequency Control Method is the mainstream for Central Air Conditioning Systems, which uses fixed cooling water temperature or outside air Wet Ball Thermometer to instantly adjust the value of the set temperature according to the temperature fluctuation of the outside air Wet Ball. Although this method can reduce the power consumption of the Fan in the Cooling Tower when a load is required by the system, it’s not an ideal energy conservation control method. In fact, the cooling water circulation is also part of the operation for the Cooling Tower in addition to the air circulation. Sufficient information over the change of the heat-radiating capacity for the Cooling Tower when derating the air flow and the cooling water of the Cooling Tower would bring a positive contribution to the optimized control of the cooling water loop.
Driven by this, the main purpose of this Research will be focusing on the application of Artificial Neural Network to configure the Heat-radiating Model for the Cooling Tower when the parameters of the aforesaid air flow or cooling water are changing. To do so, the Cooling Tower Heat Balance Formula is used to establish the relationship between the heat-radiating capacity of the Cooling Tower and four other parameters. On this basis, the air flow and cooling water parameters of the Cooling Tower under the modulating process are utilized by the experimental system to collect relevant operating figures. Finally the Artificial Neural Network tool in the Matlab Software will be employed to set the input parameters as the Cooling water temperature, outside air wet ball temperature, air flow of Cooling Tower, and the cooling water; further, the output target value is also set as the heat-radiating capacity of the Cooling Tower for developing the Cooling Tower model.
In addition, the tested values and the simulated values are compared to verify the Cooling Tower model. Through the model development method, the mean error of 0.72~2.13% is obtained, with R2 value as 0.97~0.99 accordingly. The result indicated that pretty high reliability can be achieved for the model configured by Artificial Neural Network. With the support of optimized computation method, it can be applied to the Optimization Operation Strategies for the cooling water loop of the Air Conditioning System.

目 錄
摘 要 i
ABSTRACT ii
誌 謝 iv
目 錄 v
圖目錄 viii
第一章 緒 論 1
1.1研究背景與動機 1
1.2研究目的 4
1.3文獻回顧 5
1.4論文架構 8
第二章 冷卻水塔原理與熱平衡方程式 9
2.1冷卻水塔基本原理 9
2.2冷卻水塔型式 10
2.2.1逆流式冷卻水塔 10
2.2.2直交流式冷卻水塔 11
2.2.3兩種型式之比較 12
2.3常見冷卻水迴路節能方法介紹 13
2.3.1冷卻水塔變風量控制 14
2.3.2冷卻水變流量控制 16
2.4冷卻水塔熱平衡方程式 17
第三章 類神經網路 21
3.1類神經網路概述 21
3.1.1類神經元的基本架構 21
3.1.2類神經網路學習方式的介紹 22
3.1.3 類神經網路之架構 23
3.2倒傳遞類神經網路 27
3.2.1倒傳遞類神經網路基本架構 28
3.2.2轉移函數的介紹 28
3.2.3倒傳遞類神經網路之訓練過程 31
第四章 實驗結果分析 32
4.1研究背景 32
4.1.1實驗設備系統介紹 32
4.1.2實驗流程說明 36
4.1.3運轉參數限制範圍 37
4.1.4冷卻水塔熱平衡方程式建模範圍 38
4.2冷卻水塔模型建立 44
4.2.1類神經網路操作設定 44
4.2.2建模方式介紹 47
4.3結果比較 49
第五章 結論與建議 55
5.1結論 55
5.2建議 56
參考文獻 57
符號說明 59

參考文獻
[1]2009年非製造業能源查核年報，經濟部能源局，98年12月。
[2]台灣電力公司，”統計資料”，http://www.taipower.com.tw/, 11/20/2010。
[3]行政院環境保護署”產業溫室氣體管理制度”，
http://www.epa.gov.tw/ch/artshow.aspx?busin=12379&art=2010051814423991&path=13922,11/20/2010。
[4]日本建築設備技術協會，建築設備手帖，森北出版，2008。
[5]Lu Lu, W.J Cai, Y.C Soh, S.J Li, and L. Xie, "HVAC system Optimization－condenser Water Loop", Energy Conversion and Management, Vol. 45, pp. 613-630, 2004.
[6]陳清良，半導體廠冰水主機與冷卻水塔最佳化運轉，碩士論文，國立臺北科技大學，2004。
[7]Guang-Yu Jin, Wen-Jian, Lu Lu, Eng Lock Lee,Andrew Chiang, “A simplified modeling of mechanical cooling tower for control.”, Energy Conversion and Management, Vol. 48, 2007.
[8]羅金枝，冷卻水塔熱性能之數據計算分析與實驗驗證，碩士論文，中原大學，2006。
[9]M. Hosoz, H.M. Ertunc, H. Bulgurcu, "Performance prediction of a cooling tower using artificial neural network", Energy Conversion and Management, Vol.48, pp. 1349-1359, 2007.
[10]莊智翔，電力線監控系統與冷卻水塔耗電量分析，碩士論文，國立臺北科技大學，2007。
[11]張峻銓，冰水主機與冷卻水塔群組最佳化運轉策略研究，碩士論文，台灣大學，2007。
[12]胡權峰，冷卻水塔流場模擬分析，碩士論文，國立臺北科技大學，2009。
[13]李奕軒，冰水主機與冷卻水塔控制策略之能耗分析，碩士論文，國立臺北科技大學，2009。
[14]謝宗良，氣輪機發電機與冷卻水塔最佳化操作，碩士論文，國立清華大學，2009。
[15]曾文弘，冷卻水塔效能評估模型之發展，碩士論文，國立清華大學，2010。
[16]王文博、胡興邦，冷凍空調原理下冊，承美科技圖書，1995。
[17]陳國珍，冷卻塔撰鑑，良機國際集團，2003。
[18]何承懌，基於類神經網路耗電模式之基因演算法最佳負載分配，碩士論文，國立臺北科技大學，2010。
[19]林永青，應用類神經網路與基因演算法於飛行時間之研究，碩士論文，國立臺北科技大學，2005。
[20]羅華強，類神經網路-MATLAB的應用，高立圖書有限公司，1995。