基于公式拟合和基于机器学习的地源热泵能耗建模对比分析
Comparison of Equation Fitting Based and Machine Learning Based Ground Source Heat Pump Energy Consumption Models作者机构:湖南大学土木工程学院长沙410082 博锐尚格科技股份有限公司北京100096
出 版 物:《建筑科学》 (Building Science)
年 卷 期:2022年第38卷第4期
页 面:97-104,168页
学科分类:080705[工学-制冷及低温工程] 08[工学] 0807[工学-动力工程及工程热物理]
基 金:湖南省自然科学基金优秀青年基金资助项目(2020JJ3008) 国家重点研发计划政府间国际科技创新合作/港澳台科技创新合作重点专项“净零能耗建筑适宜技术研究与集成示范”(2019YFE0100300)。
主 题:建筑能耗模拟 地源热泵 EnergyPlus 数据驱动 机器学习
摘 要:本研究以北京某办公楼的地源热泵系统为例,分别采用EnergyPlus公式拟合模型、支持向量机算法和BP神经网络算法对其制冷工况和供热工况进行能耗建模。系统采集了两年的运行数据,包括热泵和水泵的电耗、地源侧和用户侧的进出水温度与流量。结果表明,EnergyPlus公式拟合模型、支持向量机算法和BP神经网络算法在制冷工况下的标准平均误差(NMBE)分别为-2.22%、-1.12%和0.43%,变异均方根误差(CVRMSE)分别为10.70%、9.45%和5.01%;供热工况下NMBE分别为-1.20%、-0.97%和0.03%,CVRMSE分别为11.06%、14.26%和7.91%。3个模型的精度都满足要求,但是EnergyPlus公式拟合模型仅适用于满足热平衡公式的35.3%的情况。基于机器学习的模型对整个运行期间预测都较准确,其中BP神经网络模型效果最好。