基于黑箱模型和白箱模型耦合的热泵建模方法技术

技术编号:46097550 阅读:18 留言:0更新日期:2025-08-12 18:17
本发明专利技术属于热泵系统建模技术领域,尤其涉及一种基于黑箱模型和白箱模型耦合的热泵建模方法,包括以下步骤:输入热泵系统的结构参数、工况参数和设置参数;基于元启发智能算法,确定蒸发温度和冷凝温度的初始种群;确定工质在不同温度和压力下的状态参数;基于白箱模型和黑箱模型耦合的混合模型计算换热器的换热面积;判断是否达到收敛条件,若不满足收敛条件,则由基于元启发算法的智能求解器重新生成蒸发温度和冷凝温度种群;若满足收敛条件,则输出计算结果,完成热泵系统性能的计算。本发明专利技术通过耦合黑箱模型与白箱模型,显著提升了热泵系统的预测精度。

【技术实现步骤摘要】

本专利技术涉及热泵系统建模,尤其涉及一种基于黑箱模型和白箱模型耦合的热泵建模方法


技术介绍

1、随着全球能源转型进程的不断推进,热泵作为一种高效供热技术,利用高品位能驱动,将低品位热能提升为高品位热能,广泛应用于建筑供暖、工业余热回收等领域。热泵系统的建模与优化是提升其能效和可靠性的关键环节,但现有建模方法存在显著局限性。

2、传统的基于热力学机理的白箱模型(如公式化的热力学方程和传热模型)虽然具有高度可解释性和广延性,但模型复杂度高,需依赖大量经验假设(如压缩机效率、相变传热系数等),导致预测误差大且适用条件苛刻。例如,在压缩机性能建模中,等熵效率和容积效率受转速、压力比、工质物性等多因素影响,传统白箱模型难以准确描述其复杂非线性关系,常需简化假设,从而降低预测精度。

3、另一方面,黑箱模型(如基于机器学习的数据驱动模型)虽能通过实验数据拟合复杂关系,提高预测精度,但存在可解释性低、外推能力差及数据依赖性强等问题。尤其在热泵系统中,不同工况下的运行数据分布差异显著,黑箱模型易出现过拟合,且无法解释预测结果的物理意义,限制了其在系本文档来自技高网...

【技术保护点】

1.一种基于黑箱模型和白箱模型耦合的热泵建模方法,其特征在于,所述方法包括以下步骤:

2.根据权利要求1所述的基于黑箱模型和白箱模型耦合的热泵建模方法,其特征在于,所述白箱模型包括:工质流量白箱模型,基于压缩机排气量、容积效率、转速和工质比容计算工质流量;冷凝器白箱模型,基于热平衡方程计算冷凝器的换热面积;蒸发器白箱模型,基于热平衡方程计算蒸发器的换热面积;膨胀阀白箱模型,将工质在膨胀阀中的节流过程视为等焓过程。

3.根据权利要求1所述的基于黑箱模型和白箱模型耦合的热泵建模方法,其特征在于,所述黑箱模型包括:基于机器学习算法训练的压缩机等熵效率数据驱动模型和压缩机...

【技术特征摘要】

1.一种基于黑箱模型和白箱模型耦合的热泵建模方法,其特征在于,所述方法包括以下步骤:

2.根据权利要求1所述的基于黑箱模型和白箱模型耦合的热泵建模方法,其特征在于,所述白箱模型包括:工质流量白箱模型,基于压缩机排气量、容积效率、转速和工质比容计算工质流量;冷凝器白箱模型,基于热平衡方程计算冷凝器的换热面积;蒸发器白箱模型,基于热平衡方程计算蒸发器的换热面积;膨胀阀白箱模型,将工质在膨胀阀中的节流过程视为等焓过程。

3.根据权利要求1所述的基于黑箱模型和白箱模型耦合的热泵建模方法,其特征在于,所述黑箱模型包括:基于机器学习算法训练的压缩机等熵效率数据驱动模型和压缩机容积效率数据驱动模型。

4.根据权利要求1所述的基于黑箱模型和白箱模型耦合的热泵建模方法,其特征在于,所述元启发智能算法选自遗传算法、粒子群算法、禁忌搜索算法、人工蜂群算法或间歇泉算法。

5.根据权利要求1所述的基于黑箱模型和白箱模型耦合的热泵建模方法,其特征在于,所述收敛条件为计算得到的蒸发器换热面积和冷凝器换热面...

【专利技术属性】
技术研发人员:董胜明庄雯惠胡朋丽朱唯嘉吴雪王宁璠
申请(专利权)人:天津商业大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1