基于双重物理信息神经网络的区域供热供冷网络优化方法研究  

作　　者：孙健 蔡潇龙 刘鼎群 孙冰瑞 谷子豪 杨勇平 

机构地区：[1]新能源电力系统全国重点实验室,北京 [2]华北电力大学,北京

出　　处：《暖通空调》2024年第S2期21-27,共7页Heating Ventilating & Air Conditioning

基　　金：国家自然科学基金重大项目(编号:52090062);国家重点研发计划项目(编号:2019YFEO104900);中央高校基本科研业务费专项资金(编号:2020MS009)

摘　　要：提出了一种基于双重物理信息神经网络(PINN)的区域冷热源供能网络调优方法,其包含多特征信息的历史负荷数据集与先验机理联动,在传统神经网络模型中嵌入关键热特征参数间的相关性约束和热力学物理信息约束,进而构建多特征负荷预测模型PINN-anti;最终采用改进粒子群算法对区域冷热源供能网络调度策略进行迭代寻优,结果表明PINN-anti模型的决定系数为0.99,均方根误差为71.16,其总体预测精度要优于纯拟合机器学习模型。PINN-acti模型在保证调优精度同时解决了粒子群算法优化耗时长的瓶颈问题,将在暖通空调冷热源优化调度运行领域具有较好应用前景。

关 键 词：暖通空调 冷热源调度 改进粒子群 负荷预测 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程] TU995[自动化与计算机技术—控制科学与工程] TU83[建筑科学—供热、供燃气、通风及空调工程]