基于遗传算法神经网络的地源热泵夏季低负荷运行性能预测分析

摘要：

为了探索夏热冬冷地区岩溶地质条件下地热能应用能效,通过运用遗传算法优化的反向传播(genetic algorithm-back propagation,GA-BP)神经网络模型预测了夏季系统负荷率低于30％运行工况下地源热泵系统的系统能效比和机组能效比,分析了预测值的预测误差评价指标,验证了 GA-BP模型具有较高的预测精度,并应用此模型研究了地源热泵短期能效测试与中长期能效测评的关系.结果表明:GA-BP模型预测的系统能效比COPsys及机组能效比COP与计算值的相对误差为±5％,各项预测误差评价指标均比反向传播神经网络(back propagation neural network,BPNN)模型更小,可见GA-BP模型可用于预测岩溶地质条件下地源热泵系统能效.基于此模型,短期能效测试的最佳时期为一天中14:00-16:00或7、8月累计13 d,且满足机组负荷率达到60％～70％,COPsys及COP预测值可以作为中长期能效比评估,其产生的相对误差在允许的范围内.

关键词：地源热泵系统、机组负荷率、遗传算法(GA)、反向传播神经网络(BPNN)、能效比

所属期刊栏目：22

分类号：TU831.6(房屋建筑设备)

资助基金：国家自然科学基金;广西中青年教师基础能力提升项目;广西建筑新能源与节能重点实验室项目

在线出版日期：2022-07-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：4984-4992