Abstract
Numerical values of thermodynamic properties such as temperature, pressure, dryness, volume, enthalpy and entropy are required in numerical analysis on evaluating the thermal performance. But the steam table itself cannot be used without modelling. From this point of view the neural network with function approximation characteristics can be an alternative. the multi-layer neural networks were made for saturated vapor region and superheated vapor region separately. For saturated vapor region the neural network consists of one input layer with 1 node, two hidden layers with 10 and 20 nodes each and one output layer with 7 nodes. For superheated vapor region it consists of one input layer with 2 nodes, two hidden layers with 15 and 25 nodes each and one output layer with 3 nodes. The proposed model gives very successful results with ${\pm}0.005%$ of percentage error for temperature, enthalpy and entropy and ${\pm}0.025%$ for pressure and specific volume. From these successful results, it is confirmed that the neural networks could be powerful method in function approximation of the steam table.
열성능 평가를 위한 수치해석에서는 온도, 압력, 건도, 체적, 엔탈피, 엔트로피 등의 열역학적 성질들의 수치값이 필요하다. 그러나 이러한 성질들을 포함하고 있는 증기표를 그대로 사용할 수 없기 때문에, 효과적으로 모델링하여야 한다. 이러한 관점에서 함수근사 특성을 가진 신경회로망을 하나의 대안으로 검토하였다. 신경 회로망은 포화증기 영역과 과열증기 영역에 대해서 따로 구성하였다. 포화증기 영역에 대해서는 하나의 입력으로 7개의 출력을 얻을 수 있도록 하였으며, 각각 10개와 20개의 노드를 가진 은닉층을 구성 하였다. 과열증기 영역에 대해서는 2개의 입력으로 3개의 출력을 얻을 수 있도록 하였으며, 각각 15개와 25개의 노드를 가진 은닉층을 구성하였다. 제안된 모델은 온도, 엔탈피, 엔트로피의 백분율오차가 대부분 ${\pm}0.005%$, 압력이나 비체적의 백분율오차도 대부분 ${\pm}0.025%$ 범위 내로 수렴시킬 수 있었다. 이 성공적인 결과로부터 증기 표를 함수근사하는데 있어서 신경회로망이 아주 강력한 수단이 될 수 있음을 확인할 수 있었다.
