基于机器学习的储热型深井地源热泵系统性能预测.pdfVIP

基于机器学习的储热型深井地源热泵系统性能预测.pdf

2025年8月油气与新能源第37卷第4期

文章编号：2097-0021（2025）04-0113-10

基于机器学习的储热型深井地源热泵

系统性能预测

郭亚平1，任国杰1，王日藩1，辛齐1，马玖辰2

1.中铁建设集团有限公司，北京100043；2.天津城建大学能源与安全工程学院，天津300384

引用：郭亚平,任国杰,王日藩,等.基于机器学习的储热型深井地源热泵系统性能预测[J].油气与新能源,

2025,37(4):113-121,130.

基金项目：国家自然科学基金项目“浅层储能咸水介质空间结构演化过程研究”；中铁建设集团有限

公司科研计划课题“多能源互补式储能型近零碳建筑供能系统研究”（LX24-33C）；中铁建设集团有限公司科研计

划课题“多能互补蓄能式复合热泵系统技术研究”（华北-天津7287QT2024004）

摘要：随着人工智能技术的快速发展，数据驱动的预测模型在能源需求与性能效率预测领域的重要

性日益凸显。为探究机器学习算法对储热型深井地源热泵系统（DBHE-GSHP）性能预测的适用

性，通过对DBHE-GSHP的运行数据进行实时采集，并选取典型参数构建特征集，运用皮尔逊相

关分析法对特征集加以优化；基于优化后的特征集，分别采用反向传播神经网络（BPNN）、极限

学习机（ELM）、支持向量机（SVM）以及粒子群优化-支持向量机（PSO-SVM）等算法展开分

析。研究结果显示，PSO-SVM方法呈现出良好的预测性能，预测准确率超过95%。研究成果可为

DBHE-GSHP供热系统的参数优化和高效运行提供理论支撑。

关键词：深井地源热泵；特征选择；机器学习；性能预测

中图分类号：TE645 文献标识码：ADOI：10.3969/j.issn.2097-0021.2025.04.014

PerformancePredictionfortheHeatingStorageDeep-BoreholeGround-Source

HeatPumpSystemviaMachineLearningAlgorithms

11112

GUOYaping,RENGuojie,WANGRifan,XINQi,MAJiuchen

1.ChinaRailwayConstructionGroupCo.,Ltd.,Beijing100043,China;2.SchoolofEnergyandSafetyEngineering,

TianjinChengjianUniversity,Tianjin300384,China

Abstract:Withtherapidadvancementofartificialintelligencetechnology,data-drivenpredictionmodelsplayan

increasinglyprominentroleinforecastingenergydemandandperformanceefficiency.Toexploretheadaptabilityof

predictingtheperformanceofDeep-boreholeground-sourceheatpumpsystem(DBHE-GSHP)usingmachinelearning